数学---之EMA (指数移动平均值)
EMA
(指数移动平均值)
编辑 讨论
EMA(Exponential Moving Average)是指数移动平均值。也叫EXPMA指标,它也是一种趋向类指标,指数移动平均值是以指数式递减加权的移动平均。
理解了MA、EMA的含义后,就可以理解其用途了,简单的说,当要比较数值与均价的关系时,用MA就可以了,而要比较均价的趋势快慢时,用EMA更稳定;有时,在均价值不重要时,也用EMA来平滑和美观曲线。
中文名
指数移动平均值
外文名
Exponential Moving Average
别 名
EXPMA指标
内 容
指数式递减加权的移动平均
计算公式
其公式为:
EMAtoday=α * Pricetoday + ( 1 - α ) * EMAyesterday;
其中,α为平滑指数,一般取作2/(N+1)。在计算MACD指标时,EMA计算中的N一般选取12和26天,因此α相应为2/13和2/27。
当公式不断递归,直至EMA1出现,EMA1是没有定义的。EMA1 的取值有几种不同的方法,通常情况下取EMA1为Price1,另外有的技术是将EMA1取值为开头4到5个数值的均值。
在计算机递推计算时,可以写作:
EMAtoday=α * ( Pricetoday - EMAyesterday ) + EMAyesterday;
将EMAyesterday按照类似方法递推展开,可以得到:
其中,p1表示今天价格,p2表示昨天价格,以此类推。
将平滑系数α 展开,由于
,可以得到:
从该式中可以更清楚地看出EMA加权平均的特性。在EMA指标中,每天价格的权重系数以指数等比形式缩小。时间越靠近当今时刻,它的权重越大,说明EMA函数对近期的价格加强了权重比,更能及时反映近期价格波动情况。所以EMA比MA更具参考价值,而EMA也不容易出现死叉和金叉,所以一旦出现要立即作出反映!对周线处理,EMA就更加稳定了。
转载:百度百科
数学---之EMA (指数移动平均值)相关推荐
- python 移动平均函数_「EMA系列之I」如何理解EMA指数移动平均值以及Python实现
「EMA系列」打算写三篇,从最基本的到比较深入的都会涉及,谈谈对EMA及其使用的理解. 这篇文章是第一篇Part 1,主要讲讲如何用比较直接的方式去理解经典EMA. EMA的加权平均值定义 EMA是E ...
- 《python深度学习》笔记(十四):指数移动平均值EMA
定义 指数移动平均(Exponential Moving Average)也叫权重移动平均(Weighted Moving Average),是一种给予近期数据更高权重平均的方法. 作用 给W和b使用 ...
- EMA(指数移动平均)及其深度学习应用
在深度学习中,经常会使用EMA(指数移动平均)这个方法对模型的参数做平均,以提高测试指标并增加模型鲁棒. 1.基于数学的介绍 1.1 公式例子 我们有关于"温度-天数"的数据 :在 ...
- Python 计算EMA(指数移动平均线)
总结 使用递归和循环两种方法来完成 python环境下循环相比于递归更快,更适应极端样本情况 递归 def _ema(arr,i=None):N = len(arr) α = 2/(N+1) #平滑指 ...
- EMA指数滑动平均(Exponential Moving Average)
指数滑动平均(Exponential Moving Average) 指数滑动平均也叫权重移动平均(Weighted Moving Average),是一种给予近期数据更高权重的平均方法. 假设有nn ...
- EMA - 指数移动平均
EMA 基本概念见 Wikipedia,本文不赘述. 基本公式 S[0] = Y[0] S[i] = Y[i] * alpha + S[i-1] * (1 - alpha) 其中 alpha 为平滑因 ...
- python 移动平均线_Python 计算EMA(指数移动平均线)
总结 使用递归和循环两种方法来完成 python环境下循环相比于递归更快,更适应极端样本情况 递归 def _ema(arr,i=None): N = len(arr) α = 2/(N+1) #平滑 ...
- 《程序员的数学:7指数爆炸》
本文属于<程序员的数学>读书笔记系列.本文内容相对比较容易. 什么是指数爆炸? 通过思考一张1mm的纸(假设可以无限次折叠),每次折叠厚度翻一倍,折多少次能够有地月距离39万KM那么厚,作 ...
- 程序员的数学 学习(指数爆炸)
通过思考一张1mm的纸(假设可以无限次折叠),每次折叠厚度翻一倍,折多少次能够有地月距离39万KM那么厚,作者引出指数的概念. 凭直觉也得千儿八百次,答案是39次,的确很震撼. 把这种数字急剧增长的情 ...
最新文章
- animation动画的使用
- A Tutorial on Clustering Algorithms-聚类小知识
- 正则表达式:日期格式的校验(日期+时间)
- System.getProperty的用法
- 练习项目--cookie数据脱敏
- 如何在linux下运行php脚本,如何通过Linux命令行使用和运行PHP脚本
- 对于区块链在现实落地的一些技术业务关注点
- matlab 特征选择算法,特征选择、特征提取matlab算法实现(模式识别)
- 多团队协作开发的大型项目Git工作流设计分享
- ios app应用开发环境配置方法总结
- 期货高手:文华财经博易大师指标公式提取源码还原源码编写教程分享
- 转:创业者一手货:我是怎么在网上卖鱼的?
- 最新--2018下半年Android面试历程(转载)
- 采集同花顺android数据,同花顺对比app排行榜数据_SZ300033_乌龟量化
- #9733;电车难题的n个坑爹变种
- python裁剪图片边缘模糊_用cv2模糊部分图像后的锐利边缘
- 活动二维码怎么制作?如何将活动内容做成二维码图片?
- 发布你自己的轮子 - PyPI打包上传实践
- 台灯哪个牌子的比较好保护视力的?盘点五款护眼台灯排行榜
- 【每日早报】2019/08/13