股票中的数学:EMA的推导01

说明:本人并不炒股,原因很简单:没钱。当然了,作为一名IT工作者,因为工作需要和个人兴趣,就有了本系列文章。阅读本系列文章不需要任何高深的知识,哪怕是一个像我这样从未真正炒过股的人也没关系。但本文还是假定您具备了一些基本的中学(高中、初中)数学知识,比如数列、求和公式等。可能也会涉及到类似微积分、卷积这种相对难一些的知识,文章会用力图做到易懂。本系列文章还假定您知道分时图、K线图等基本常识,至少使用过交易软件,否则您最好搜索一下再继续阅读。文中所引述的话都在引号中,出处网络、书籍。

EMA是MACD的基础,前者是指数移动平均(Exponential Moving Average),后台是平滑异同移动平均,如果直译应该是:移动平均收敛和发散(Moving Average Divergence and Convergence)。好了,下面我们从最简单的开始。

1、移动平均

"移动平均可抚平短期波动,反映出长期趋势或周期",这一句话简单明了。"在数学上,移动平均可视为一种卷积",对卷积不是很明白,没关系,现在可不要去买一本泛函分析相关的书来研究一番,否则别人的娃都生娃了我们可能还没弄明白移动平均,日后再说,Let‘s talk about it after fuck。这里插一句:把握好日后再说是学习的关键,这不是不求甚解,而是控制好学习的边界,将精力用于当前,等到合适的时间点,我们的站的高度也不一样的时候,再去研究相关的边界知识,如果从一开始我们就采用打破沙锅问到底的方式学习,估计现在小学都还没毕业。

1.1 简单移动平均(Simple Moving Average)

前n日的收盘价(如果您不知道什么是收盘价,您需要搜索了)的SMA公式:

你看,简单移动平均果然很简单。

再看下图(来自博易大师)的日K:

MA5,MA20这些,就是均线,拿MA20来说,找到图中的紫红色曲线,横坐标是时间,纵坐标是价格,该曲线上的某一点的意义:从该日(横坐标)起前20日的SMA值(纵坐标),嗯,不小心我们已经学会了MA指标。待续……

如果您觉得本文章对您有帮助,欢迎打赏,支付宝账号18625791446。各路蜘蛛,求轻虐。

时间: 2024-10-14 02:45:03

股票中的数学:EMA的推导01的相关文章

最大熵模型中的数学推导

最大熵模型中的数学推导 查看原文,点击这里 0 引言 写完SVM之后,一直想继续写机器学习的系列,无奈一直时间不稳定且对各个模型算法的理解尚不够,所以导致迟迟未动笔.无独有偶,重写KMP得益于今年4月个人组织的算法班,而动笔继续写这个机器学习系列,正得益于今年10月组织的机器学习班. 10月26日机器学习班第6次课,身为讲师之一的邹博讲最大熵模型,他从熵的概念,讲到为何要最大熵.最大熵的推导,以及求解参数的IIS方法,整个过程讲得非常流畅,特别是其中的数学推导.晚上我把他的PPT 在微博上公开分

借One-Class-SVM回顾SMO在SVM中的数学推导--记录毕业论文5

上篇记录了一些决策树算法,这篇是借OC-SVM填回SMO在SVM中的数学推导这个坑. 参考文献: http://research.microsoft.com/pubs/69644/tr-98-14.pdf https://inst.eecs.berkeley.edu/~ee227a/fa10/login/l_dual_strong.html https://inst.eecs.berkeley.edu/~ee127a/book/login/l_sdual_slater.html http://w

图像处理中的数学原理详解17——卷积定理及其证明

欢迎关注我的博客专栏"图像处理中的数学原理详解" 全文目录请见 图像处理中的数学原理详解(总纲) http://blog.csdn.net/baimafujinji/article/details/48467225 图像处理中的数学原理详解(已发布的部分链接整理) http://blog.csdn.net/baimafujinji/article/details/48751037 1.4.5   卷积定理及其证明 卷积定理是傅立叶变换满足的一个重要性质.卷积定理指出,函数卷积的傅立叶变

浙江大学-计算机中的数学(诙谐幽默的短视频)

视频优酷网址:http://list.youku.com/albumlist/show?id=19465801&ascending=1&page=1 1.计算机中的数学[01]_<数学分析(一):导数> 2.计算机中的数学[02]_<数学分析(二):参变量函数> 3.计算机中的数学[03]_<数学分析(三):泰勒展开> 4.计算机中的数学[04]_<数学分析(四):幂级数> 5.计算机中的数学[05]_<数学分析(五):隐函数>

机器学习中的数学(4)-线性判别分析(LDA), 主成分分析(PCA)

机器学习中的数学(4)-线性判别分析(LDA), 主成分分析(PCA) 版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系[email protected] 前言: 第二篇的文章中谈到,和部门老大一宁出去outing的时候,他给了我相当多的机器学习的建议,里面涉及到很多的算法的意义.学习方法等等.一宁上次给我提到,如果学习分类算法,最好从线性的入手,线性分类器最简单的就是

机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)

机器学习中的数学(1)-回归(regression).梯度下降(gradient descent) 版权声明: 本文由LeftNotEasy所有,发布于http://leftnoteasy.cnblogs.com.如果转载,请注明出处,在未经作者同意下将本文用于商业用途,将追究其法律责任. 前言: 上次写过一篇关于贝叶斯概率论的数学,最近时间比较紧,coding的任务比较重,不过还是抽空看了一些机器学习的书和视频,其中很推荐两个:一个是stanford的machine learning公开课,在

图像处理中的数学原理具体解释21——PCA实例与图像编码

欢迎关注我的博客专栏"图像处理中的数学原理具体解释" 全文文件夹请见 图像处理中的数学原理具体解释(总纲) http://blog.csdn.net/baimafujinji/article/details/48467225 假设你对PCA的推导和概念还不是非常清楚.建议阅读本文的前导文章 http://blog.csdn.net/baimafujinji/article/details/50372906 6.4.3 主成分变换的实现 本小节通过一个算例验证一下之前的推导.在前面给出的

图像处理中的数学原理详解21——PCA实例与图像编码

欢迎关注我的博客专栏"图像处理中的数学原理详解" 全文目录请见 图像处理中的数学原理详解(总纲) http://blog.csdn.net/baimafujinji/article/details/48467225 图像处理中的数学原理详解(已发布的部分链接整理) http://blog.csdn.net/baimafujinji/article/details/48751037 如果你对PCA的推导和概念还不是很清楚,建议阅读本文的前导文章 http://blog.csdn.net/

机器学习中的数学(2)-线性回归,偏差、方差权衡

机器学习中的数学(2)-线性回归,偏差.方差权衡 版权声明: 本文由LeftNotEasy所有,发布于http://leftnoteasy.cnblogs.com.如果转载,请注明出处,在未经作者同意下将本文用于商业用途,将追究其法律责任.如果有问题,请联系作者 [email protected] 前言: 距离上次发文章,也快有半个月的时间了,这半个月的时间里又在学习机器学习的道路上摸索着前进,积累了一点心得,以后会慢慢的写写这些心得.写文章是促进自己对知识认识的一个好方法,看书的时候往往不是非