一階差分、二階差分、移動平均法、加和值
一階差分、二階差分、移動平均法、加和值
目錄差分
簡介
-
差分
(當前行)差分=當前值-上一位值
-
一階差分
等間距的情況下,對原始資料計算一次差分
-
二階差分
等間距情況下,對一階差分資料計算一次差分
(也就是說,一階差分的差就是二階差分,三階差分同理)
差分作用
-
減輕資料之間的不規律波動,使得波動曲線更加平穩
(其實從圖表來說,如果將原始數值和一階差分的值都做出折線圖,那麼一階差分的值,作為“差值圖”,它的波動自然是沒有原始數值的大的,如果不存在0或負數。)
移動平均法
SMA
簡單(等權重)移動平均,exponential moving average
-
在科學和工程中,平均值通常取中心值兩邊相等數量的資料 --- 以確保平均值邊和與資料變化一致,而不是隨時間變化
-
以股票為例,第x天的預測值x是前n天的平均值:
\[x = \frac{V_{x-1}-V_{x-2}-...-V_{x-n}}{n} \]例如,
- 計算第8天的3日移動平均值(預測),就是第7,6,5三天的平均值(權重都是1,和為n,也就是分母)
- 而非預測的情況,例如第7天已有資料的7日移動平均值,是每一天的指標值和它此前6天的指標值求平均得到當天的7日移動平均值,每個移動平均值都包含了(向前)一週的資料
-
當計算下一天移動平均值時,加入一個新數,剔除一箇舊值,此為“數學上,移動平均是卷積的一個型別”
-
加和值
當天加和值 = 當天原數 - 當天移動平均值
(假設統計期內指標的週期性規律恆定不變,隨機性波動服從均值為0的正態分佈)找到統計期內一週中各不同天加和值的中位數(週期性特徵值),因為隨機波動均值為0,可認為這組中位數不含隨機性。隨後,
原數值-對應天的週期性特徵值
,可以得出 一條更加平滑的曲線,這條曲線是一條不含週期性的曲線
WMA
加權移動平均,weighted moving average
-
顧名思義,加權移動平均就是為計算平均值時,各個分子乘以不同係數(不同權重),再除以總權重
-
權重在不同行業規定不同。在技術分析中,通常為最近期的資料乘以n,它的上一期乘以n-1,以此類推,根據前n天的值計算第x天的WMA預測值##
例如,根據前3天的資料,計算第8天的WMA預測值,分母就是權重的累和
EMA
指數移動平均,exponential moving average
CMA
累計移動平均,cumulation moving average