Автор оригинала: Pankaj Kumar.
Здравствуйте, читатели! В этой статье мы будем сосредоточиться на Взвешенный скользящий средний метод в Python , в деталях.
Итак, давайте начнем !! 🙂.
Что такое скользящие средние?
Скользящий средний играет очень важную роль в анализе временной серии в рамках домена науки данных. В рамках анализа серии временных серий скользящий средний позволяет нам отображать или отслеживать колебания, сохраняя при этом более высокие тенденции в рамках данных.
В скользящей средней мы стремимся рассчитывать в среднем разных частях набора данных. То есть он рассчитывает общий средний из различных подмножеств в течение всего набора данных. При этом мы можем понять тенденцию к данным в отношении разных сценариев в том же наборе значений данных, которые вообще рандомизированы.
Существуют различные типы скользящих средних, таких как:
- Простая скользящая средняя
- Взвешенное скользящее среднее
- Экспоненциальное скользящее среднее , так далее.
В ходе этой темы мы будем сосредоточиться на средневзвешенном среднем среднем методе в Python.
Понимание взвешенного скользящего среднего в Python
В средневзвешенном скользящем среднем методе мы используем вес, чтобы получить информацию о колебаниях значения данных.
Здесь он дает большую/большую массу (значение) в точку данных, которая самая последняя в очереди и меньшее значение данных до точки, которая менее часто или при далеке в прошлых значениях данных.
Чтобы рассчитать средневзвешенное скользящее среднее (WMA), мы умножим на каждую точку данных со своими соответствующими весами и, наконец, рассчитывайте суммирование результатов.
Например, давайте попробуем рассчитать WMA для 2 ближайших показателей акций на ежедневном графике. Цены будут 100rs и 90rs. Здесь 100RS – это последняя скорость.
Таким образом, более высокий вес будет присвоен 100RS I.E. 2, в то время как 90рс будет иметь 1 в качестве назначенного веса для него (учитывая его в качестве примера).
Итак, рассчитать средневзвешенное скользящее среднее метод, мы умножаем ставки с весами, а затем разделите на сумму весов, как показано ниже
[(100 * 2) + (90 * 1)]/3.66666667.
Реализация взвешенного скользящего среднего в Python
В Python нам снабжены встроенный Numpy Package, который имеет различные встроенные методы, которые могут быть использованы, подводя итоги, весь метод для WMA, который может работать над любыми видами данных временных серий, чтобы получить и рассчитать Взвешенный скользящий средний метод.
- Мы используем numpy.arange () Метод генерировать взвешенную матрицу.
- Мы выполняем умножение взвешенных данных с точками данных.
- Кроме того, WMA рассчитывается путем разделения умноженного и суммирования значения по сумме весов.
Пример: расчет взвешенного скользящего среднего в Python
def weightedmovingaverage(Data, period):
weighted = []
for i in range(len(Data)):
try:
total = numpy.arange(1, period + 1, 1)
matrix = Data[i - period + 1: i + 1, 3:4]
matrix = numpy.ndarray.flatten(matrix)
matrix = total * matrix
wma = (matrix.sum()) / (total.sum()) # WMA
weighted = numpy.append(weighted, wma)
except ValueError:
pass
return weighted
Заключение
По этому, мы подошли к концу этой темы. Не стесняйтесь комментировать ниже, если вы столкнетесь с любым вопросом.
Для получения дополнительных таких постов, связанных с программированием Python, оставайся настроенными нами!
До этого, счастливого обучения !! 🙂.