Рассчитать экспоненциальную скользящую среднюю согласно Pandas ewm () - PullRequest
Новая
       6

Рассчитать экспоненциальную скользящую среднюю согласно Pandas ewm ()

0 голосов
/ 22 мая 2018

Я пытаюсь построить экспоненциальный алгоритм скользящего среднего, который выдает тот же результат, что и функция Pandas ewm().В частности, я пытаюсь реализовать этот подход:

enter image description here

Код ниже работает правильно до тех пор, пока окно скользящего среднего не начнет выходить за пределыначальный набор данных, после чего я начинаю получать разные результаты в сравнении с расчетами Панд.

Я смотрю на это уже несколько часов и сейчас в замешательстве.Кто-нибудь может указать мне, как я неправильно реализовал приведенную выше формулу? 

import numpy as np
import pandas as pd

class MovingAverages(object):
    def __init__(self, **kwargs):
        self.measures = []
        self.lookback_period = 5 
        ema_multiplier = 2 / (self.lookback_period + 1)
        self.lookback_alphas = []
        for i in range(1,self.lookback_period+1):
            self.lookback_alphas.append((1 - ema_multiplier ) ** i)

    def insert_bar(self):
        self.measures.insert(0, 0)

    def on_calculate(self, c):
        index = min(len(c), self.lookback_period+1)
        y = c[0]
        for i in range(1,index):
            y += self.lookback_alphas[i-1] * c[i]
        y /= 1 + sum(self.lookback_alphas[0:index-1])
        self.measures[0] = y

if __name__ == "__main__":
    data = [5.00,7.00,4.00,3.00,4.00,
            5.00,6.00,7.00,9.00,13.00,
            15.00,14.00,14.00,12.00,
            11.00,10.00,9.00,8.00,
            8.00,8.00,10.00,11.00,
            13.00,16.00,18.00,20.00]

    # Manually calculate exponential MA and write into list 
    ma_online = MovingAverages()
    series = []
    for d in data:
        series.insert(0, d)
        ma_online.insert_bar()
        ma_online.on_calculate(series)

    # Calculate a reference exponential MA using Pandas
    df = pd.DataFrame({'close': data})
    ma_pd = list(df.close.ewm(span=ma_online.lookback_period, adjust=True, ignore_na=True).mean())

    # Compare the two lists
    ma_online.measures.reverse()
    for i in range(len(data)):
        assert round(ma_pd[i], 2) == round(ma_online.measures[i], 2)

1 Ответ

0 голосов
/ 23 мая 2018

Я не знаком с Python или Panda, но из моего понимания документации, когда вы используете span в df.close.ewm(span=ma_online,...), вы просто определяете затухание (коэффициент) в формуле, а не размер скольженияокно.По умолчанию не существует фиксированного бокового окна.

С другая документация DataFrame.ewm :

span: float, необязательныйУкажите затухание в терминах диапазона, α = 2 / (диапазон + 1), для диапазона≥1

И:

См. Также: Rolling : Обеспечивает вычисления скользящего окна

Вероятно, вам нужен метод rolling.

...