深入详解二次移动平均法python

news2024/10/10 14:23:55

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：

$EMA_t = \alpha \times y_t + (1-\alpha)\times EMA_{t-1}$

其中 $EMA_t$ 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。

在这里插入图片描述

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)