火花指数移动平均线

Question

我有一个时间序列定价数据的数据框，其中包含 ID、日期和价格。

我需要计算价格列的指数移动平均线，并将其作为新列添加到数据框中。

我之前一直在使用 Spark 的窗口函数，它看起来很适合这个用例，但给出了 EMA 的公式：

EMA: {Price - EMA(previous day)} x multiplier + EMA(previous day)

在哪里

multiplier = (2 / (Time periods + 1)) //let's assume Time period is 10 days for now

我对如何访问列中先前的计算值感到有点困惑，而实际上是对列进行窗口化。 使用简单的移动平均线很简单，因为您只需计算一个新列，同时对窗口中的元素进行平均：

var window = Window.partitionBy("ID").orderBy("Date").rowsBetween(-windowSize, Window.currentRow)
dataFrame.withColumn(avg(col("Price")).over(window).alias("SMA"))

但似乎 EMA 有点复杂，因为在每一步我都需要之前的计算值。

我也查看了Weighted moving average in Pyspark，但我需要一种适用于 Spark/Scala 的方法，以及 10 或 30 天的 EMA。

有什么想法吗？

Answer 1

最后，我分析了指数移动平均线是如何在 pandas 数据帧中实现的。除了我上面描述的递归公式，它在任何 sql 或窗口函数中都难以实现（因为它是递归的），还有另一个，在their issue tracker 上有详细说明：

y[t] = (x[t] + (1-a)*x[t-1] + (1-a)^2*x[t-2] + ... + (1-a)^n*x[t-n]) /
       ((1-a)^0 + (1-a)^1 + (1-a)^2 + ... + (1-a)^n).

鉴于此，在 here 的额外 spark 实现帮助下，我最终完成了以下实现，这与执行 pandas_dataframe.ewm(span=window_size).mean() 大致相同 .

def exponentialMovingAverage(partitionColumn: String, orderColumn: String, column: String, windowSize: Int): DataFrame = {
  val window = Window.partitionBy(partitionColumn)
  val exponentialMovingAveragePrefix = "_EMA_"

  val emaUDF = udf((rowNumber: Int, columnPartitionValues: Seq[Double]) => {
    val alpha = 2.0 / (windowSize + 1)
    val adjustedWeights = (0 until rowNumber + 1).foldLeft(new Array[Double](rowNumber + 1)) { (accumulator, index) =>
      accumulator(index) = pow(1 - alpha, rowNumber - index); accumulator
    }
    (adjustedWeights, columnPartitionValues.slice(0, rowNumber + 1)).zipped.map(_ * _).sum / adjustedWeights.sum
  })
  dataFrame.withColumn("row_nr", row_number().over(window.orderBy(orderColumn)) - lit(1))
    .withColumn(s"$column$exponentialMovingAveragePrefix$windowSize", emaUDF(col("row_nr"), collect_list(column).over(window)))
    .drop("row_nr")
}

（我假设我需要计算指数移动平均值的列的类型是 Double。）

我希望这对其他人有所帮助。