Exponencial Móvel Média Python

Eu estou no processo de criação de um algoritmo de negociação forex e queria experimentar o meu tiro no cálculo EMA Exponential Moving Averages Meus resultados parecem estar corretas em comparação com os cálculos que fiz à mão, então eu acredito que o método a seguir funciona, mas só queria Um conjunto extra de olhos para se certificar de que eu não estou faltando nada. Note que isso só retorna a EMA para o preço mais recente, ele não retorna uma matriz de EMA s como que isn t o que eu preciso para o meu application. Recursion é uma boa ferramenta Para o trabalho certo, mas aqui ele é usado para realizar loop simples Como tal, o code. is mais difícil de ler e razão about. is mais lento porque grande parte do código em ema só precisa executar once. will falhar com o valor suficientemente grande de Janela devido a transbordar pilha de chamada de Python s. Por favor, documento pelo menos os parâmetros de cada função, por exemplo, que a janela é o comprimento da janela, e que a posição conta para trás a partir do final de dados Na verdade as coisas seriam mais claras se a posição era um normal Índice forward i Nto data. Raise uma exceção quando você encontrar um parâmetro tem um valor inválido retornando Nenhum, em vez disso, só irá causar uma excepção mais confusa mais tarde De fato, se eu tentar 600 eu recebo recursão infinita porque sma retorna Nenhuma que faz ema chamar sma uma e outra vez . O ponto anterior também revela que, se a janela de dados len 2 não for a verificação de validade correta. O 1 em data - window 2 1 - window 1 não parece correto para mim suponho que você quer data - window 2 - window. Previousema está em um lugar estranho, porque naquele momento você calculou um novo currentema Este é o caso base da recursão, e é costume lidar com o caso base primeiro. Minha proposta para ema. answered Nov 26 14 at 18 56.Pretty Revisão superficial. Você não precisa escrever uma classe para o que você está fazendo e eu sugiro que você tenha um olhar para este vídeo Sua classe não encapsular os dados e você apenas usá-lo para ter suas funções em uma mesma entidade Eu acho que as coisas Seria mais fácil entender se você fosse definir clas Smethod para tornar óbvio que você ganhou t realmente confiar em qualquer instância qualquer No entanto, uma opção ainda melhor seria apenas definir funções em um indicador module. answered Nov 24 14 at 18 04.Thanks para as sugestões que eu realmente tê-los como Classmethods e debatido indo para a frente e para trás entre mesmo usando uma classe ou apenas definir funções em um módulo indicador que eu vou fazer ChrisC Nov 25 14 às 19 12.Just assisti o vídeo também, grande material ChrisC novembro 25 14 em 19 43.Your Answer.2017 Stack Exchange, Inc. Python Data Analysis Library. pandas nos permite nos concentrar mais na pesquisa e menos na programação Nós encontramos pandas fácil de aprender, fácil de usar e fácil de manter A linha inferior é que ele aumentou a nossa Produtividade. Director of Optimization Analytics. pandas é a ferramenta perfeita para preencher a lacuna entre iterações rápidas de análise ad-hoc e código de qualidade de produção Se você quer uma ferramenta para ser usado em uma organização multidisciplinar de engenheiros, matemática Ns e analistas, não procure mais. Usamos pandas para processar dados de séries temporais em nossos servidores de produção A simplicidade e elegância de sua API e seu alto nível de desempenho para datasets de alto volume, fizeram uma escolha perfeita para nós. . Um objeto DataFrame rápido e eficiente para manipulação de dados com indexação integrada. Ferramentas para leitura e gravação de dados entre estruturas de dados em memória e formatos diferentes Arquivos CSV e texto, Microsoft Excel, bancos de dados SQL eo formato rápido HDF5. Manipulação integrada de dados perdidos ganho alinhamento automático baseado em rótulo em computações e facilmente manipular dados confusos em uma forma ordenada. Flexível remodelação e articulação de conjuntos de dados. Intelligent baseado em rótulo de corte de fantasia indexação e subconjunto de grandes conjuntos de dados. Colunas podem ser inseridos e Suprimido das estruturas de dados para a mutabilidade do tamanho. Agregando ou transformando dados com um grupo poderoso por motor permitindo split-apply-combine operações em conjuntos de dados. Alta performance fusão e junção de conjuntos de dados. Hierarchical indexação de eixo fornece uma maneira intuitiva de trabalhar com dados de alta dimensional em uma estrutura de dados de menor dimensão. Time série - funcionalidade geração de intervalo de data e conversão de freqüência, , Mudança de data e atraso Mesmo criar domínios específicos de tempo deslocamentos e juntar séries de tempo sem perder dados. Altamente otimizado para o desempenho com caminhos de código crítico escrito em Cython ou C. Python com pandas está em uso em uma ampla variedade de domínios acadêmicos e comerciais, Incluindo Finanças, Neurociências, Economia, Estatística, Publicidade, Web Analytics, e muito mais. Hmmm, parece fácil de implementar função é realmente muito fácil de errar e tem promovido uma boa discussão sobre a eficiência da memória Estou feliz por ter bloat se Significa saber que algo foi feito direito Richard Sep 20 14 at 19 23.NumPy s falta de uma determinada função específica do domínio é talvez devido ao C Minério A disciplina da equipe e a fidelidade à diretriz principal de NumPy fornecem um tipo de matriz N-dimensional, bem como funções para criar e indexar esses arrays Como muitos objetivos fundamentais, este não é pequeno, e NumPy faz isso brilhantemente. Contém uma coleção muito maior de bibliotecas específicas de domínio chamadas subpacotes por SciPy devs - por exemplo, otimização de otimização numérica, sinal de processamento de sinal e integrar cálculo integrar. My acho que é a função que você está depois está em pelo menos um dos SciPy Subpackages talvez no entanto, eu iria olhar primeiro na coleção de cientistas SciPy identificar os scikit relevantes e olhar para a função de interesse there. Scikits são desenvolvidos independentemente pacotes baseados em NumPy SciPy e dirigido a uma disciplina técnica particular eg scikits-image scikits - Aprender etc Vários destes foram, em particular, o impressionante OpenOpt para otimização numérica foram altamente considerados, projetos maduros muito antes choo Cantar para residir sob a rubrica de Scikits relativamente novo A página inicial Scikits gostava de listas acima de cerca de 30 scikits tais embora pelo menos vários deles não estão mais sob desenvolvimento ativo. Seguindo este conselho levaria você a scikits-timeseries no entanto, esse pacote não é mais Em desenvolvimento ativo Em vigor, Pandas tornou-se, AFAIK, o NumPy de facto biblioteca de séries de tempo baseado. Pandas tem várias funções que podem ser usadas para calcular uma média móvel o mais simples destes é provavelmente rollingmean que você usa como so. Now, Basta chamar a função rollingmean passando no objeto Series e um tamanho de janela que no meu exemplo abaixo é 10 days. verify que ele trabalhou - por exemplo, os valores comparados 10-15 na série original versus a nova série alisada com rolling mean. The função Rollingmean, juntamente com cerca de uma dúzia de outras funções são informalmente agrupados na documentação Pandas sob a rubrica move janela funciona um segundo grupo relacionado de funções em Pandas é Referido como funções ponderadas exponencialmente eg ewma que calcula a média ponderada que se move exponencialmente O fato de que este segundo grupo não está incluído nas primeiras funções de janela em movimento é talvez porque as transformações exponencialmente ponderadas não dependem de uma janela de comprimento fixo. 14 13 a 6 38.