分类
为什么交易者亏损

MA指标

胡慢慢 ​

ma_table

BANKNIFTY1!: TradingCube : Moving Average : Data table

Plots moving average both EMA as well as SMA on Multiple timeframes at once MA指标 in a Tabular Format for rapid indication of momentum shift as well as slower-moving confirmations. Displays EMA/SMA 5 8, 13, 21,34,55,89,100,200,400 by default as well as provide the users the flexibility MA指标 to choose the timeframe as per their set up.

通达信中 MA, EMA, SMA, DMA 解释

I天辉I 于 2018-09-10 17:01:14 发布 9888 收藏 5

1、MA(X,N), -- move MA指标 average

2、EMA(X,N) -- exponent move average

算法是:若Y=EMA(X,N),
则Y=〔2*X+(MA指标 N-1)*Y’〕/(N+1),
其中Y’表示上一周期的Y值。
2 是平滑系数,表示今天的权重是2.
公式含义为。今天值乘以权重2,加上历史积累值 除以 天数加1, 因为当天权重加了1.

EMA引用函数在计算机上使用递归算法很容易实现,但不容易理解。
例举分析说明EMA函数。
X是变量,每天的X值都不同,从远到近地标记,它们分别记为X1,X2,X3,….,Xn
如果N=1,则EMA(X,1)=〔2*X1+(1-1)*Y’〕/(1+1)=X1
如果N=2,则EMA(X,2)=〔2*X2+(2-1)*Y’〕/(2+1)MA指标 =(2*X2+X1)/3
如果N=3,则EMA(X,3)=〔2*X3+(3-1)*Y’〕/(3+1)= (2*X3+2/3*(2*X2+*X1))/4=(3*X3+2*X2+X1)/6
如果N=4,则EMA(X,4)=〔2*X4+(4-1)*Y’〕/(4+1)= (4*X4+3*X3+2*X2+X1)/10
这么神奇,找到规律了吗?
EMA(x,5) = (2*x5 + 4*y')/6 = (5*x5+4*x4+3*x3+2*x2+x1)/15;
任何时候, 分子的系数之后等于分母。 越靠近当前,系数越大。
它考虑的是当前的值要有较大的优先权,越远的值,贡献越小。

举例:
有一组数据(收盘价为):1,2,3,4,5,6,7,求其ma(c,5), EMA(c,5)
解答:对应上面数据,X1,X2,X3,X4,X5分别对应3、4、5、6、7
MA(c,5)=(3+4+5+6+7)/5=5
EMA(c,5)=(5*X5+4*X4+3*X3+2*X2+1*X1)/15=5.67

------------------------------------------------------------
3. SMA(X,N,M) X的M日加权移动平均,
M为权重,如Y=(X*M+Y'*(N-M))/N
英文含义不知道,中文有的说是算术平均值。 我看还是加权平均值比较好。
SMA 就是把EMA(X,N) 中的权重2, 变成了一个可自己定义的变数。要求 M < N;
还是加权平均的意思。

4. DMA(X,A) -- dynamic move average

算法: 若Y=DMA(X,A)则 Y=A*X+(1-A)*Y',其中Y'表示上一周期Y值,A必须小于1。
例如: DMA(CLOSE,VOL/CAPITAL) 表示求以换手率作平滑因子的平均价。
直观理解, 换手率越大,该收盘价对均价影响越大。 这个很好。

MA、WMA、EMA、EXPMA区别及公式详述

quantLearner 于 2019-09-20 18:03:33 发布 10704 收藏 12

MA是最基础的移动平均线,又称为SMA(简单移动平均线)。几经发展,移动平均线也有多种变体。
M A = C 1 + C 2 + C 3 + C 4 + C 5 5 MA=\frac M A = 5 C 1 ​ + C 2 ​ + C 3 ​ + C 4 ​ + C 5 ​ ​

WMA 2

Weighted Moving Average,加权移动平均线。

W M A = C 1 + C 2 + C 3 + . . . + C n ∗ 2 n + 1 WMA=\frac W M A = n + 1 C 1 ​ + C 2 ​ + C 3 ​ + . . . + C n ​ ∗ 2 ​

W MA指标 M A = C 1 ∗ 1 + C 2 ∗ 2 + C 3 ∗ 3 + . . . + C n ∗ n 1 + 2 + 3 + . . . + n WMA=\frac W M A = 1 + 2 + 3 + . . . + n C 1 ​ ∗ 1 + C 2 ​ ∗ 2 + C 3 ​ ∗ 3 + . . . + C n ​ ∗ n ​

W M A = ( C 1 + C 2 ) ∗ 1 + ( C 2 + MA指标 C 3 ) ∗ 2 + . . . + ( C n − 1 + C n ) ∗ ( n − 1 ) 2 ∗ 1 + 2 ∗ 2 + 2 ∗ 3 + . . . + 2 ∗ ( n − 1 ) WMA=\frac+C_n)*(n-1)> W M A = 2 ∗ 1 + 2 ∗ 2 + 2 ∗ 3 + . . . + 2 ∗ ( n − 1 ) ( C 1 ​ + C 2 ​ ) ∗ 1 + ( C 2 ​ + C 3 ​ ) ∗ 2 + . . . + ( C n − 1 ​ + C n ​ ) ∗ ( n − 1 ) ​

平方系数加权

W M A = C 1 ∗ 1 2 + C 2 ∗ 2 2 + C MA指标 3 ∗ 3 2 + . . . + C n ∗ n 2 1 2 + 2 2 + 3 2 + . . . + n 2 WMA=\frac W M A = 1 2 + 2 2 + 3 2 + . . . + n 2 C 1 ​ ∗ 1 2 + C 2 ​ ∗ 2 2 + C 3 ​ ∗ 3 2 + . . . + C n ​ ∗ n 2 ​

EMA 3

Exponential Moving Average,指数移动平均,又可简写未EXPMA
E M A t o d a y = α ∗ P r i c e t o d a y + ( 1 − α ) ∗ E M A y e s t e r d a y EMA_=\alpha * Price_+(1-\alpha)*EMA_ E M A t o d a y ​ = α ∗ P r i c e t o d a y ​ + ( 1 − α ) ∗ E M A y e s t e r d a y ​

以递归的方式计算均值,当递归到 E M A 1 EMA_1 E M A 1 ​ 时,可以有多种方式: P r i c e 1 Price_1 P r i c e 1 ​ 或者开始几个数的均值,经过转化后:
E M A t o d a y = p 1 + ( 1 + α ) p 2 + ( 1 + α ) 2 p 3 + . . . 1 + ( 1 + α ) + ( 1 + α ) 2 + . . . EMA_=\frac E M A t o d a y ​ = 1 + ( 1 + α ) + ( 1 + α ) 2 + . . . p 1 ​ + ( 1 + α ) p 2 ​ + ( 1 + α ) 2 p 3 ​ + . . . ​
因此,也可以看作时WMA的一种特殊形式,以指数形式进行加权。

EMA(指数平均数指标)到底是什么?

胡慢慢 ​

假如我们现在有365天的温度,要求最近N天的平均温度值,其中 N \in [0, 365] 。

加权平均数

V_ = (\theta_1 + \theta_2 + \theta_ + . + \theta_) \div 365

指数加权平均是一种近似求平均的方法。

指数加权平均

v_ = \beta v_ + (1-\beta) \theta_

  • v_ : 约等于最近的 \frac天的平均温度值;(为啥是 \frac后面再讲)。
  • \theta_ :代表的是第t天的温度值;
  • \beta : 可调节的超参.

例如: \beta=0.9 ,t=100, v_ \approx 90到100这十天的平均温度。

v_ = \beta v_ + (1 - \beta) \theta_

v_ = \beta v_ + (1 - \beta) \theta_

v_ = \beta v_ + (1 - \beta) \theta_

设置不同的 \beta 会是什么样子呢?

\beta = 0.MA指标 9 ,代表的是最近10天的平均温度值,对应下图中的红线.

\beta = 0.98 ,代表的是最近50天的平均温度值,对应下图中的绿线.

\beta = 0.5 ,代表的是最近2天的平均温度值,对应下图中的黄线,可以看到这时候和每天的温度值基本就是吻合的.

我们把公式展开一下,看看这个算法是怎么作用于 \theta_ 的,以 v_ 为例。

v_= 0.1\theta_ + 0.9v_ \\ = 0.1\theta_ + 0.9( 0.1\theta_ + 0.9v_) \\ =. \\ = 0.1\theta_ + 0.1 * 0.9 \theta_ + 0.1 * 0.9 ^\theta_ + . + 0.1 * 0.9 ^\theta_

到这里我们就很清楚 v_ 实际上是对每天温度的加权平均,时间越近,权重越大,而且是指数式的,所以叫做指数加权平均。 假如我们以1/e为一个分界点,认为权重小于1/e对整个结果影响很小,权重指数衰减到这个值之后的项就可以忽略不计了,那当 \beta 取值的时候,多久才可以衰减到1/e呢?