特殊移动平均线答案

【问题标题】：Special Moving Average特殊移动平均线
【发布时间】：2018-04-24 14:47:24
【问题描述】：

我想预测价格变化的方向。价格一词用于指股票的中间价，其定义为最佳买入价与最佳买入价之间的平均值。时间 t 的最佳卖价：

这是价格的虚拟值，因为在确切的价格，但预测其向上或向下运动提供对未来订单价格的良好估计。一套必须从我们的数据中构建离散选择以用作目标对于我们的分类模型。只需使用 p(t) > p(t+k) 即可确定中间价的方向将无法控制地引入噪音量，因为最小的变化将被记录为向上或向下移动。

前k个中间价的均值用m_b表示，接下来k个中间价的均值用m_a表示，定义为：

这是一个示例：

0        2015-03-31 09:30:00.233  2.4645
1        2015-03-31 09:30:00.233  2.4634
2        2015-03-31 09:34:44.116  2.5363
3        2015-03-31 09:34:44.116  2.5434
4        2015-03-31 09:36:38.535  2.5356
5        2015-03-31 09:36:38.535  2.5432
6        2015-03-31 09:36:38.537  2.5463
7        2015-03-31 09:36:38.537  2.5432
8        2015-03-31 09:45:10.512  2.5274
9        2015-03-31 09:45:10.512  2.5262
10       2015-03-31 09:45:10.523  2.5299
11       2015-03-31 09:45:10.529  2.5234
12       2015-03-31 09:45:10.531  2.5276
13       2015-03-31 09:45:10.568  2.5212
14       2015-03-31 09:45:10.569  2.5262
15       2015-03-31 09:45:10.635  2.5143
16       2015-03-31 09:45:10.684  2.5267
17       2015-03-31 09:45:10.686  2.5212
18       2015-03-31 10:00:02.111  2.5213
19       2015-03-31 10:00:02.111  2.5298
20       2015-03-31 10:00:02.112  2.5212
21       2015-03-31 10:00:02.381  2.5263
22       2015-03-31 10:00:02.472  2.5212
23       2015-03-31 10:00:02.486  2.5298
24       2015-03-31 10:00:02.524  2.5298
25       2015-03-31 10:00:04.026  2.5270
26       2015-03-31 10:06:54.546  2.5212
27       2015-03-31 10:06:54.558  2.5234
28       2015-03-31 10:06:54.558  2.5253
29       2015-03-31 10:06:54.566  2.5234

A 在任何时候，我都想计算 m_a 和 m_b，但我不知道如何用 pandas 或 numpy 来计算。假设地平线 k=5，我如何用 python 编写这两个特殊的移动平均线？所以我需要两个函数，即leftmovingaverage() 和rightmovingaverage()，并在价格列旁边显示两列名称为M_A 和M_B。

示例：

图像我们有 1000 个时间数据。并设置 k = 600，然后您可以从 k=590~600 计算 m_a，从 k = 601~610 计算 m_b。一切都在以下链接中得到了很好的解释：http://poseidon.csd.auth.gr/papers/PUBLISHED/CONFERENCE/pdf/2017/2017_CBI_CNNLOB.pdf。

【问题讨论】：

我想确认一些事情。 1、m_b(t)的公式中，为什么k是从0开始的？最重要的是，您正在通过k 潜水。因此，从技术上讲，您将添加 k+1 术语并除以 k。那是对的吗？ 2. 在您的示例中，如果 k = 600，您如何从 t = 590 计算 m_a？顺便说一句，在您的示例中，我认为应该是 t = 590 ~ 600 而不是 k = 590 ~ 600。
@ParagS.Chandakkar Loot 在以下链接：l.facebook.com/…。一切都很好解释。

标签： python pandas

【解决方案1】：

def moving_average(df, col_name='Price', k=3):
    ma_cols = []
    mb_cols = []
    temp_df = DataFrame()

    for i in range(0, k+1):
        ma_col = 'M_A_{}'.format(i)
        ma_cols.append(ma_col)
        mb_col = 'M_B_{}'.format(i)
        mb_cols.append(mb_col)
        temp_df[ma_col] = df[col_name].shift(i)
        temp_df[mb_col] = df[col_name].shift(-i)

    df['M_A'] = temp_df[ma_cols].mean(axis=1, skipna=True, numeric_only=True)
    df['M_B'] = temp_df[mb_cols].mean(axis=1, skipna=True)
    print (df)
    return df

moving_average(df)

对于两个求和，两个索引都从 i=1 开始，并且总和除以 k+1 而不是 k

【讨论】：