移动平均是什么？
移动平均（Moving Average, MA）是一种常用的时间序列平滑技术，通过计算连续数据点的平均值来消除短期随机波动，从而突显数据的长远趋势或周期模式。它在金融分析、经济预测、信号处理等领域应用广泛。
1. 基本思想
移动平均的核心是“移动窗口”：对于一组按时间顺序排列的数据，依次取固定大小的窗口（例如最近 5 天的数据），计算窗口内数据的平均值，得到一个新的平滑序列。随着窗口向后滑动，平均值不断更新，因此称为“移动平均”。
例如，某股票收盘价：
第 1 天：10
第 2 天：12
第 3 天：11
第 4 天：13
第 5 天：14
第 6 天：15
若取 3 天移动平均：
第 3 天的 MA = (10+12+11)/3 = 11
第 4 天的 MA = (12+11+13)/3 = 12
第 5 天的 MA = (11+13+14)/3 = 12.67
第 6 天的 MA = (13+14+15)/3 = 14
2. 常见的移动平均类型
2.1 简单移动平均（SMA）
将窗口内的每个数据点赋予相同权重，直接求算术平均。
n：窗口长度
xi: 第 i 期的原始值
优点：计算简单，直观。
缺点：对近期和远期数据同等看待，对最新变化反应较慢；所有历史数据一旦离开窗口就被完全丢弃。
2.2 加权移动平均（WMA）
给窗口内的数据赋予不同权重，通常越近的数据权重越大，以更快反映最新变化。
权重 wi 可以自行设定，例如线性递增权重（最近数据权重最高）。
2.3 指数移动平均（EMA）
一种特殊的加权平均，权重随时间呈指数衰减，越近的数据权重越大，且理论上所有历史数据都会参与计算（但越早的数据权重趋近于零）。EMA 的计算通常采用递推公式：
阿尔法 = 2/n+1，n 为指定的窗口长度（或平滑系数）。
初始值 EMA1 通常设为 x1 或前几期的简单平均。
EMA 对价格变化更敏感，常用于技术分析中的短期趋势判断。
3. 移动平均的作用
识别趋势：上升的移动平均线表明价格或指标处于上升趋势，反之则为下降趋势。
支撑与阻力：在技术分析中，移动平均线常被视为动态的支撑位或阻力位。
过滤噪音：消除日常随机波动，让分析师更容易看出长期方向。
生成交易信号：例如短期均线上穿长期均线形成“金叉”（买入信号），下穿形成“死叉”（卖出信号）。
预测基础：在简单的时间序列预测中，移动平均可作为未来值的朴素预测（如取最近 k 期的均值作为下一期预测）。
4. 如何选择窗口长度
短窗口（如 5、10 日）：对价格变化敏感，能及时反映最新变动，但保留较多噪音。
长窗口（如 50、200 日）：平滑效果强，趋势更稳定，但滞后性明显。
取决于分析目的：短线交易者常用短期均线，长线投资者关注长期均线。
5. 注意事项
滞后性：移动平均本质上是一种滞后指标，因为它基于历史数据计算，趋势反转时均线可能延迟反应。
边界效应：在序列开头，窗口长度不足时，通常不计算移动平均值或采用部分数据计算。
不适用于非平稳序列：如果数据存在明显的季节性或其他复杂模式，单纯的移动平均可能无法充分捕捉，需结合其他方法（如季节分解、ARIMA 模型）。
6. 简单 Python 实现
import pandas as pd
import matplotlib.pyplot as plt
# 示例数据：假设有一列收盘价
data = {'price': [10, 12, 11, 13, 14, 15, 16, 14, 13, 15]}
df = pd.DataFrame(data)
# 计算简单移动平均（窗口 3）
df['SMA_3'] = df['price'].rolling(window=3).mean()
# 计算指数移动平均（窗口 3，span 参数对应窗口长度）
df['EMA_3'] = df['price'].ewm(span=3, adjust=False).mean()
print(df)输出：
price SMA_3 EMA_3 0 10 NaN 10.000000 1 12 NaN 11.000000 2 11 11.000000 11.000000 3 13 12.000000 12.000000 4 14 12.666667 13.000000 5 15 14.000000 14.000000 6 16 15.000000 15.000000 7 14 15.000000 14.500000 8 13 14.333333 13.750000 9 15 14.000000 14.375000
移动平均是一种简单却强大的工具，它通过平滑数据帮助人们洞察潜在趋势。无论是股票交易员用来判断买卖时机，还是数据分析师用来预处理时间序列，移动平均都是基础且必备的方法。在实际应用中，通常结合多种均线或与其他指标（如相对强弱指标 RSI、布林带）共同分析，以提高决策的准确性。
发表评论
所有评论