加权移动平均 python

原创

mob649e816209c2 2024-03-07 05:05:28 ©著作权

©著作权归作者所有：来自51CTO博客作者mob649e816209c2的原创作品，请联系作者获取转载授权，否则将追究法律责任

加权移动平均在Python中的应用

加权移动平均（Weighted Moving Average）是一种时间序列数据处理方法，通过赋予不同权重给历史数据，来计算平均值。在Python中，我们可以很方便地使用numpy库来实现加权移动平均。本文将介绍加权移动平均的概念，并通过代码示例演示如何在Python中实现。

什么是加权移动平均

加权移动平均是一种时间序列数据平滑技术，相比简单移动平均，它给不同时期的数据赋予不同的权重。通常情况下，较新的数据会被赋予更高的权重，而较旧的数据会被赋予较低的权重。这可以使得移动平均更快地反映出最新的数据趋势。

Python实现加权移动平均

在Python中，我们可以使用numpy库中的convolve函数来实现加权移动平均。下面是一个简单的代码示例：

import numpy as np

def weighted_moving_average(data, weights):
    return np.convolve(data, weights, mode='valid')

data = [10, 20, 30, 40, 50]
weights = [0.1, 0.2, 0.3, 0.2, 0.1]

result = weighted_moving_average(data, weights)
print(result)

在这个示例中，我们定义了一个weighted_moving_average函数，接受两个参数：data为原始数据序列，weights为权重序列。然后使用np.convolve函数计算加权移动平均。最后打印出计算结果。

代码示例

让我们来看一个更加实际的例子。假设我们有以下收盘价数据：

closing_prices = [100, 110, 120, 130, 140, 150, 160, 170, 180, 190]

我们可以使用以下权重来计算加权移动平均：

weights = [0.05, 0.1, 0.15, 0.2, 0.25, 0.15, 0.1]

然后通过weighted_moving_average函数计算加权移动平均：

result = weighted_moving_average(closing_prices, weights)
print(result)

结果可视化

为了更直观地展示加权移动平均的效果，我们可以使用matplotlib库来绘制收盘价数据和加权移动平均线的折线图：

import matplotlib.pyplot as plt

plt.plot(closing_prices, label='Closing Prices')
plt.plot(range(len(weights)-1, len(closing_prices)), result, label='Weighted Moving Average', color='red')
plt.legend()
plt.show()