哈夫曼编码测试班级： 1823
姓名：张景昊
学号：20182328
实验教师：王志强
实验日期：2019年11月22日
必修/选修： 必修1.实验内容设有字符集：S={a,b,c,d,e，f,g,h,i,j,k,l,m,n.o.p.q,r,s,t,u,v,w,x,y,z}。
给定一个包含26个英文字母的文件，统计每个字符出现的概率，根据计算的概率构造一颗哈夫曼树。
并完成对英文文件的编码和解码。
转载
2024-08-15 02:11:52
34阅读
简介自适应移动平均线AMA是由美国数量金融投资家佩里·J·考夫曼（Perry J. Kaufman）发明的。我们都知道，大多数类型的移动平均线仅是通过价格简单构造出来的，而自适应移动平均线AMA却非常不同，该指标不仅考虑了价格因素，还考虑了市场中价格的波动性，这也是它与传统均线之间最大的差别。该指标的发明者佩里·J·考夫曼目前是全球最为著名的量化投资专家之一，著有众多畅销书籍，包括《精明交易者：系
转载
2023-11-02 08:42:09
1182阅读
# 考夫曼均线（Kaufman Adaptive Moving Average）科普文章
在金融时间序列分析中，移动平均线是常用的平滑工具之一。为了更好地适应市场的波动，考夫曼均线（Kaufman Adaptive Moving Average，简称KAMA）应运而生。它是由艾尔文·考夫曼提出的一种自适应移动平均线，根据市场的波动性动态调整其平滑参数，与传统的简单移动平均线（SMA）相比更具灵活
1策略思路短期均线灵敏度高，更贴近价格走势，但是会有很多噪音，产生大量的虚假信号；长期均线在趋势判断上比短期均线更加可靠，但是长期均线有着严重的滞后问题。 那么我们用考夫曼自适应性移动平均线（KAMA）来代替短期均线，用短期均线与长期均线的相对位置关系，和相对强弱指标形成买卖依据。 考夫曼自适应均线KAMA的计算公式及原理： 方向 = 价格 - n 日前价格 波动率=sum(abs(价格-上一个
转载
2023-12-24 09:36:08
1145阅读
Overlap Studies 重叠研究指标BBANDS Bollinger Bands 布林带
DEMA Double Exponential Moving Average 双指数移动平均线
EMA Exponential Moving Average 指数移动平均线
HT_TRENDLINE
转载
2024-06-28 10:20:34
143阅读
1、原理 有监督分类算法，核心思想是判断一个新的值x的时候，根据它距离最近的K个点是什么类别来判断x属于哪个类别。关键是k的选取以及距离的度量。2、距离选择 p=1是曼哈顿距离 ，对应于L1范数 &
用python计算各类移动平均线计算移动平均线是最常见的需求，下面这段代码将完成以下三件事情：1.从csv格式的文件中导入数据，数据例图如下：2.计算各类移动平均线，包括简单简单算术移动平均线MA、指数平滑移动平均线EMA；3.将计算好的数据输出到csv文件中。代码应该复制下来就能运行了，关于从哪里可以得到代码中使用的数据，后面会讲，下面贴上代码：–– coding: utf-8 ––
“””
转载
2023-11-05 17:19:41
17阅读
# Python均线计算教程
## 引言
均线是股票交易中常用的技术指标之一，用于分析股票的价格走势。在本教程中，我们将教会你如何使用Python计算均线，并给出每一步需要执行的代码和其注释。
## 整体流程
下面的表格展示了计算均线的整体流程：
| 步骤 | 描述 |
| --- | --- |
| 1 | 从数据源获取股票价格数据 |
| 2 | 计算每日的均线值 |
| 3 | 绘制均
原创
2023-12-10 11:17:43
295阅读
# 实现“Python for计算均线”教程
## 流程图
```mermaid
flowchart TD
A(开始) --> B(导入数据)
B --> C(计算均线)
C --> D(绘制图表)
D --> E(结束)
```
## 步骤
| 步骤 | 操作 |
|------|------|
| 1 | 导入数据 |
| 2 | 计算均线 |
| 3
原创
2024-03-18 04:30:24
87阅读
## Python计算均线
在股市交易中，均线是一种常用的技术分析工具，用于帮助投资者判断股票价格的走势。简单来说，均线是一种通过计算一段时间内股价平均值的方法。在本文中，我们将介绍如何使用Python计算均线，并给出相应的代码示例。
### 均线的计算方法
在股市交易中，常用的均线有两种：简单移动平均线（SMA）和指数移动平均线（EMA）。简单移动平均线是将一段时间内的收盘价相加，然后除以
原创
2024-05-02 05:08:15
120阅读
# 如何实现 Python 计算均线
## 一、流程
```mermaid
journey
title 教学流程
section 整体流程
开始 --> 确定数据源 --> 数据预处理 --> 计算均线 --> 结束
```
## 二、具体步骤
| 步骤 | 描述 | 代码示例
原创
2024-03-08 07:06:43
62阅读
最近有很多学Python同学问我，Python Generator到底是什么东西，如何理解和使用。Ok，现在就用这篇文章对Python Generator做一个敲骨沥髓的深入解析。 为了更好地理解产生器(Generator)，还需要掌握另外两个东西：yield和迭代(iterables)。下面就迭代、产生器和yield分别做一个深入的解析。 1. 迭代 当创建一个列表对象后，可以
转载
2023-08-25 18:25:46
301阅读
今天介绍两个与角度、斜率相关的通达信函数ATAN、SLOPE，并探讨编写均线斜率大于45度的通达信指标公式。这里说的均线斜率，实际上是均线的角度。 一、ATAN函数含义：求反正切值使用方法：ATAN(X)获得X的反正切值，求得的反正切值是弧度制，为了方便理解，一般会转换成角度制。1弧度=180/π，约等于57.3度。π约等于3.14115926，编写指标的时候，换算一般写为180/3.1
转载
2023-10-11 06:40:40
3826阅读
# MA均线计算
## 什么是MA均线？
MA均线全称为Moving Average，即移动平均线。它是一种常用的技术分析指标，用于平滑股价等金融数据，以便更好地观察其趋势。MA均线可以帮助我们判断股价的走势以及确定买入和卖出的时机。
MA均线的计算方法是将一段时间内的股价平均值作为当前的均线值，通过不断更新计算得到的均线序列，以反映价格的长期趋势。常用的均线周期有5日均线、10日均线、20
原创
2023-07-30 15:49:39
296阅读
# Python 均线趋势计算指导
在金融领域，均线（Moving Average）是对价格趋势的常用分析工具。本文将指导你如何使用Python实现简单的均线趋势计算，包括移动平均线的类型、实现步骤以及代码示例。以下是我们将要执行的步骤：
## 流程步骤表
| 步骤 | 描述 | 代码示例 |
原创
2024-09-25 05:52:48
82阅读
# Python 计算均线粘合的实现教程
均线粘合是技术分析中的一种常见策略，它通过计算不同时间段的移动平均线来判断价格趋势。在这里，我们将学习如何使用Python实现均线粘合。本文将详细讲解整个流程，并逐步展示对应的代码和注释。
## 整体流程
我们将整个项目分为以下几个步骤：
| 步骤 | 描述 |
|------|------|
| 1 | 收集历史价格数据 |
| 2
# Python计算均线斜率
> 本文将介绍如何使用Python计算股票等金融数据的移动平均线（均线）斜率，并给出相应的代码示例。
## 什么是均线斜率
在金融市场中，移动平均线（Moving Average）是一种常用的技术分析指标。它是通过计算一段时间内的股价或指数的平均值，来衡量市场的趋势方向和力度。均线斜率则是指均线的斜率，用来判断趋势的变化速度。
常见的均线包括简单移动平均线（S
原创
2023-08-18 16:31:44
979阅读
$$ A(\vec{j})+B(\vec{j})F(\vec{i})=G(\vec{i}) $$$A$ 和 $B$ 是关于 $\vec{j}$ 的函数.注意,如果确定了 $\vec{j}$ ,那么 $G(\vec{i})$ 便是一条在平面 $(F(\vec{i}),G(\vec{i}))$ 上的直线,即一个以 $\vec{i}$ 为参数的参数方程$$ \begin{cases}& y=G(
转载
2024-09-30 13:56:54
38阅读
我之前一直用SAS、MATLAB。最近用Python，发现python的pandas包简直是分析金融数据做量化研究的神器。准备写个系列帖子“量化小讲堂”，希望通过实际的列子，让大家知道如何使用python & pandas进行金融数据处理，希望能对大家有帮助。帖子主要面向入门学习者，大神请轻拍。【量化小讲堂 – python & pandas技巧系列】使用python计算各类移动平
# Python计算哈夫曼编码实现方法
## 引言
哈夫曼编码是一种常用的无损数据压缩算法，通过对出现频率较高的字符赋予较短的编码，从而减小数据的存储空间。在Python中，我们可以通过一定的算法来实现哈夫曼编码。本文将介绍实现哈夫曼编码的整个流程，并提供相应的代码来帮助你理解和实践。
## 流程
下面的表格展示了实现哈夫曼编码的整个流程：
| 步骤 | 描述 |
| --- | ---
原创
2023-10-16 09:45:08
80阅读
