转载请注明出处：http://blog.csdn.net/l1028386804/article/details/79141435

具体代码如下：

package com.lyz.storm.ewma;import java.io.Serializable;/*** 实现指数移动平均值计算* 实现中使用了流式风格的builder API* @author liuyazhuang**/
public class EWMA implements Serializable {private static final long serialVersionUID = 2979391326784043002L;//时间类型枚举public static enum Time {MILLISECONDS(1), SECONDS(1000), MINUTES(SECONDS.getTime() * 60), HOURS(MINUTES.getTime() * 60), DAYS(HOURS.getTime() * 24), WEEKS(DAYS.getTime() * 7);private long millis;private Time(long millis) {this.millis = millis;}public long getTime() {return this.millis;}}//三个alpha常量，这些值和Unix系统计算负载时使用的标准alpha值相同public static final double ONE_MINUTE_ALPHA = 1 - Math.exp(-5d / 60d / 1d);public static final double FIVE_MINUTE_ALPHA = 1 - Math.exp(-5d / 60d / 5d);public static final double FIFTEEN_MINUTE_ALPHA = 1 - Math.exp(-5d / 60d / 15d);private long window;private long alphaWindow;private long last;private double average;private double alpha = -1D;private boolean sliding = false;public EWMA() {}public EWMA sliding(double count, Time time) {return this.sliding((long) (time.getTime() * count));}public EWMA sliding(long window) {this.sliding = true;this.window = window;return this;}public EWMA withAlpha(double alpha) {if (!(alpha > 0.0D && alpha <= 1.0D)) {throw new IllegalArgumentException("Alpha must be between 0.0 and 1.0");}this.alpha = alpha;return this;}public EWMA withAlphaWindow(long alphaWindow) {this.alpha = -1;this.alphaWindow = alphaWindow;return this;}public EWMA withAlphaWindow(double count, Time time) {return this.withAlphaWindow((long) (time.getTime() * count));}//没有参数的话，当前时间来计算平均值public void mark() {mark(System.currentTimeMillis());}//用来更新移动平均值，没有参数的话，使用当前时间来计算平均值public synchronized void mark(long time) {if (this.sliding) {if (time - this.last > this.window) {this.last = 0;}}if (this.last == 0) {this.average = 0;this.last = time;}long diff = time - this.last;double alpha = this.alpha != -1.0 ? this.alpha : Math.exp(-1.0 * ((double) diff / this.alphaWindow));this.average = (1.0 - alpha) * diff + alpha * this.average;this.last = time;}//返回mark()方法多次调用的平均间隔时间，单位是微秒public double getAverage() {return this.average;}//按照特定的时间单位来返回平均值,单位详见Time枚举public double getAverageIn(Time time) {return this.average == 0.0 ? this.average : this.average / time.getTime();}//返回特定时间度量内调用mark()的频率public double getAverageRatePer(Time time) {return this.average == 0.0 ? this.average : time.getTime() / this.average;}
}

按照如下方式调用：

//建立1分钟滑动窗口EWMA实例
EWMA ewma = new EWMA().sliding(1.0, EWMA.Time.MINUTES).withAlpha(EWMA.ONE_MINUTE_ALPHA);

以下内容为转载：


Exponentially Weighted Moving Average(EWMA)指数加权移动平均是一种常用的序列数据处理方式，如下：
在时间 t, 根据实际的观测值（或量测值）我们可以求取 EWMA（t）如下：

EWMA(t ) = λY(t)+ ( 1-λ) EWMA(t-1) for t = 1, 2, ..., n.

* EWMA（t）：t时刻的估计值 
* Y（t）： t 时间之量测值﹐
* n is the number of observations to be monitored including EWMA0 
* λ ( 0 < λ< 1 ) ﹐表EWMA对于历史量测值之权重系数﹐其值越接近1，表对过去量测值的权重较低

从另一个角度看， λ 决定了EWM A估计器跟踪实际数据突然发生变化的能力，即时效性， 显然随着λ 增大， 估计器的时效性就越强，反之，越弱;另一方面，由于 λ 的存在，EWMA还表现出一定的吸收瞬时突发的能力，这种能力称为平稳性。显然随着 λ 减小， 估计器的平稳性增强，反之降低。

应用领域：
1. 金融和管理领域处理统计数据处理的一个常用工具
2. 在通信领域中，EWMA主要用于对网络的状态参数进行估计和平滑， 例如在TCP 拥塞控制中EWMA被 用来计算分组的往返时延( RTT ) ，在拥塞控制中的主动队列管理(AQM）技术中很多使用EWMA平滑估计拥塞指示参数( 如平均队长) 等参数

深入观察：
1. 从概率角度看，EWMA是一种理想的最大似然估计技术，它采用一个权重因子 λ 对数据进行估计，当前估计值由前一次估计值和当前的抽样值共同决定

2. 从信号处理角度看，EWMA可以看成是一个低通滤波器，通过控制 λ 值，剔除短期波动、保留长期发展趋势提供了信号的平滑形式

移动平均

移动平均，简称均线，是技术分析其中一种分析时间序列数据的工具。最常见的是利用股价、回报或交易量等变量计算出移动平均。

移动平均可抚平短期波动，将长线趋势或周期显现出来。数学上，移动平均可视为一种卷积。

简单移动平均

简单移动平均（Simple moving average, SMA）是之前n个数值的未作加权算术平均。例如，收市价的10日简单移动平均指之前10日收市价的平均数。设收市价为p1至pn，则方程式为：

当计算连续的数值，一个新的数值加入，同时一个旧数值剔出，所以无需每次都重新逐个数值加起来：

在技术分析中，有几个n的数值较为普遍，如10日、40日、200日，视乎分析时期长短而定。投资者冀从移动平均线的图表中分辨出支持位或阻力位。

加权移动平均

加权移动平均（Weighted moving average, WMA）指计算平均时个别数据乘以不同数值，在技术分析中，n日WMA的最近期一个数值乘以n、次近的乘以n-1，如此类推，一直到0：

WMA，N=15

由于WMAM + 1与WMAM的分子相差，假设为总和M：

总和M+1 = 总和M + pM + 1 − pM − n + 1
分子M+1 = NM + 1 = 分子M + npM + 1 − 总和M

留意分母为三角形数，方程式为 

右图显示出加权是随日子远离而递减，直至递减至零。

指数移动平均

EMA，N=15

指数移动平均（Exponential Moving Average, EMA或EWMA）是以指数式递减加权的移动平均。各数值的加权而随时间而指数式递减，越近期的数据加权越重，但较旧的数据也给予一定的加权。右图是一例子。

加权的程度以常数α决定，α数值介乎0至1。α也可用N来代表：，所以，N=19代表α=0.1。

设时间t的数值为Yt，而时间t的EMA则为St，计算时间t≥2是方程式为：[1]

设p=昨日(t0)价格，今日(t1)EMA的方程式为：

将EMAt0分拆开来如下：

理论上这是一个无穷级数，但由于1-α少于1，各项的数值会越来越细，可以被忽略。分母方面，若有足够多项，则其数值趋向 1/α。

假设k项及以后的项被忽略，即，重写后可得，相当于。所以，若要包含99.9%的加权，解方程即可得出k。由于当N不断增加， 将趋向，简化后k大约等于。

其他加权

有时计算移动平均时会加入其他变量，例如，交易量加权会加入交易量的因素。

EWMA之——EWMA指数加权移动平均模型的Java实现相关推荐

  1. java 移动平均_EWMA之——EWMA指数加权移动平均模型的Java实现

    具体代码如下: package com.lyz.storm.ewma; import java.io.Serializable; /** * 实现指数移动平均值计算 * 实现中使用了流式风格的buil ...

  2. java判断均线_EWMA：EWMA指数加权移动平均模型的Java实现

    具体代码如下: package com.lyz.storm.ewma; import java.io.Serializable; /** * 实现指数移动平均值计算 * 实现中使用了流式风格的buil ...

  3. EWMA 指数加权移动平均 模型

    Exponentially Weighted Moving Average(EWMA)指数加权移动平均是一种常用的序列数据处理方式,如下: 在时间 t, 根据实际的观测值(或量测值)我们可以求取 EW ...

  4. EWMA(Exponentially Weighted Moving Average)指数加权移动平均

    原博:http://blog.csdn.net/sony_zhang/article/details/7256646 EWMA(Exponentially Weighted Moving Averag ...

  5. 神经网络基础--指数加权移动平均ewma

    因为神经网络中的常用优化算法都会涉及到指数加权移动平均(exponential weighted moving average, ewma:也可称为exponential moving average ...

  6. EWMA 指数加权移动平均

    EWMA(Exponentially Weighted Moving Average)指数加权移动平均,是一种常用的序列数据处理方式. 在t时刻,根据实际的观测值可以求取EWMA(t):EWMA(t) ...

  7. Python 金融量化 均线系统交易策略专题(简单移动平均，加权移动平均，指数加权移动平均，异同移动平均MACD等解读与绘图)

    捕捉趋势最普遍的方法为移动平均线,根据求平均的方式不同,移动平均数又可分为简单移动平均数(Simple Moving Average, SMA),加权移动平均数(Weighted Moving Ave ...

  8. matlab中ewma实现,ewma 移动平均模型

    动平均(WMA)制图A L的计 算方 ME控R法 J本文 基于马尔可夫链的ME.WMA控制图 A L计算 的数 学模型,用MaaR采tb平台,该模 l对 学术 界 和实 际应用 ...... 在采样数 ...

  9. Matlab正态分布、历史模拟法、加权移动平均线 EWMA估计风险价值VaR和回测标准普尔指数 SP500时间序列...

    原文链接:http://tecdat.cn/?p=24480 此示例说明如何使用三种方法估计风险价值 (VaR) 并执行 VaR 回测分析.这三种方法是:(点击文末"阅读原文"获取 ...

最新文章

  1. ASP.NET 开发知识小结
  2. 【Android RTMP】NV21 图像旋转处理 ( 图像旋转算法 | 后置摄像头顺时针旋转 90 度 | 前置摄像头顺时针旋转 90 度 )
  3. 小甲鱼c++学习视频之运算符重载
  4. git ssh 绑定 GitLab
  5. [Vue源码分析]谷歌翻译后，Vue双向数据绑定失效了？
  6. 2017.6.26小学期1
  7. 字符串字母大小写转换
  8. realme真我GT2系列节后登场：出厂自带realme UI 3.0正式版
  9. linux重启mysql的命令行_LINUX重启MYSQL的命令
  10. python人脸融合_用Python玩人脸融合，想知道你未来孩子的长相？（附代码）
  11. OAF_VO系列3 - Binding Style绑定方式
  12. liunx 命令 之 mkdir 与 touch
  13. JAVA语言基础——类型转换
  14. 深度学习解释：Precision、Recall、IoU、Ap/mAp
  15. vue发布超过180秒视频_教你VUE，10秒拍出电影大片级的视频
  16. c语言斐波那契数列for循环数组,C语言斐波那契数列的四种实现方式—递归，迭代，数组，队列...
  17. 电脑可以上QQ但是打不开网页
  18. 声学模型GMM-HMM训练
  19. 名侦探柯南之零的执行人
  20. 水雨情监测 水库水雨情在线监测

热门文章

  1. 整型数字转换成罗马数字
  2. 锐浪html5,Grid Report
  3. intellij快捷键
  4. noahbuscher\macaw Fatal error
  5. [BZOJ2687]交与并[决策单调性]
  6. 韩语韵尾(收音)在粤语、日语、英语中相应的发音
  7. Spring 学习，看松哥这一篇万余字干货就够了！
  8. Pytorch深度学习踩坑记录
  9. python怎么取小数_python取小数点
  10. oracle怎么查询每天的库存,一个oracle定时任务作业（生产实际里用），查询医院药房药库账目不相等的库存项目...