深入详解 二次移动平均法python

Posted 2023-02-04 梦想橡皮擦

什么是 二次移动平均法
二次移动平均法，也称为指数加权移动平均法，是一种用于平滑时间序列数据的算法。

文章目录

• • 二次移动平均法逻辑
  • Python代码实现
  • 第二种实现二次移动平均法的方式
  • 第三种卷积实现二次移动平均法
  • 二次移动平均法的应用场景

二次移动平均法逻辑

二次移动平均法是一种重要的数学工具，用于处理时间序列数据，它的主要目的是通过平滑序列中的噪音数据来更好地捕捉趋势。

具体实现：

• 计算第一个二次移动平均数，这通常是简单移动平均数（SMA）。
• 使用以下公式计算每个时间步的二次移动平均数：

$$EM{A}_t=\alpha \times y_t+(1-\alpha )\times EM{A}_{t-1}$$

其中 $EM{A}_t$ 表示时间步 t 的二次移动平均数，$y_t$ 表示时间步 t 的数据点，$\alpha$ 表示权重系数，它一般设置为 $\frac{2}{n+1}$，其中 $n$ 表示窗口长度。

Python代码实现

下面是一个用 python 实现的二次移动平均法的代码示例：

def ema(data, window):
    alpha = 2 / (window + 1)
    ema = [data[0]]
    for i in range(1, len(data)):
        ema.append(alpha * data[i] + (1 - alpha) * ema[-1])
    return ema

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
window = 5
ema_data = ema(data, window)
print(ema_data)

运行代码，得到如下输出。

第二种实现二次移动平均法的方式

另一种写法是直接使用 NumPy 的函数 numpy.convolve() 实现二次移动平均法。具体如下：

import numpy as np

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
window = 5

def double_moving_average(data, window=2):
    return np.convolve(data, np.ones(window) / window, 'valid')

ema_data = double_moving_average(data, window)
print(ema_data)

这里的 data 变量表示输入的数据， window 变量表示窗口大小，这个代码实现了二次移动平均法的功能，可以得到移动平均值数组。

第三种卷积实现二次移动平均法

第三种方法是使用卷积，在 Python 中可以使用 Numpy 实现：

import numpy as np

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
window = 5

def moving_average_2(data, window=3):
    cumsum_vec = np.cumsum(np.insert(data, 0, 0))
    ma = (cumsum_vec[window:] - cumsum_vec[:-window]) / window
    return np.concatenate((np.zeros(window - 1), ma))

ema_data = moving_average_2(data, window)
print(ema_data)

这种方法将二次移动平均法转化为卷积的形式，使用 cumsum() 函数计算前缀和，然后通过切片的方式计算窗口内的平均值。

二次移动平均法的应用场景

• 数据平滑：可以通过二次移动平均法对时间序列数据进行平滑处理，去除其中的噪音和瞬时干扰。
• 趋势分析：可以通过对数据进行二次移动平均法处理，得到数据的趋势信息，用于趋势分析和预测。
• 市场分析：在股市分析中，二次移动平均法常被用于分析股票价格的趋势，判断买卖信号。
• 去除季节性：二次移动平均法可以用于去除季节性对数据的影响。

📢📢📢📢📢📢
💗 你正在阅读 【梦想橡皮擦】 的博客
👍 阅读完毕，可以点点小手赞一下
🌻 发现错误，直接评论区中指正吧
📆 橡皮擦的第 859 篇原创博客

👇 全网 6000+人正在学习的 爬虫专栏 👇👇👇👇

• ⭐️ Python 爬虫 120，点击订购 ⭐️
• ⭐️ 爬虫 100 例教程，点击订购 ⭐️