ma_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 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 average
2、EMA(X，N) -- exponent move average
算法是：若Y=EMA(X，N)，
则Y=〔2*X+(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)=(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) MA指标 MA指标 = (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， MA指标
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 MA指标 + 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 M A = C 1 ∗ 1 + C 2 ∗ 2 + C 3 ∗ 3 + . . . + C n ∗ n 1 + 2 + 3 MA指标 + . . . + n WMA=\frac W M A = 1 + 2 + 3 + . . . + n C 1 ∗ 1 + C 2 ∗ 2 + C 3 ∗ 3 + . . . + C n MA指标 ∗ n
W M A = ( C 1 + C 2 ) ∗ 1 + ( C 2 + C 3 ) ∗ 2 + . . . + ( C n − 1 MA指标 + 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 + MA指标 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 3 ∗ 3 2 + . . . + C n ∗ n 2 1 2 + 2 2 + 3 MA指标 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 MA指标 ∗ 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 MA指标 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 MA指标 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 MA指标 + ( 1 + α ) p 2 + ( 1 + α ) MA指标 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 MA指标 + . . .
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 = 0.9 ,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.MA指标 MA指标 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?