还不了解ma移动平均线
１．算术移动平均线( MA)
一般公式 :MA=(C1+C2+C3+C4+C5+. +Cn)/n
２．加权移动平均线
加权的原因是基于移动平均线中，最近一日的收盘价对未来价格波动的影响最大，因此赋予它较大的权值。加权方式分为四种：
1.末日加权移动平均线：
计算公式: MA（N）=(C1+C2+……+Cn×2)/(n+1)
2.线性加权移动平均线：
计算公式: MA=(C1×1+C2×2+……+Cn×n)/(1+2+. +n)
3.梯型加权移动平均线：
计算方法(以5日为例)：
[(第1日收盘价+第2日收盘价)×1+(第2日收盘价+第3日收盘价)×2+(第3日收盘价+第4日收盘价)×3+(第4日收盘价+第5日收盘价)×4]/(2×1＋2×2＋2×3＋2×4)即为第五日的阶梯加权移动平均线
4.平方系数加权移动平均线：
公式(以5日为例)：
MA＝[(第1日收盘价×1×1)+( 第2日收盘价×2×2)+( 第3日收盘价×3×3)+( 第4日收盘价×4×4)+( 第5日收盘价×5×5)]/(1×1＋2×2＋3×3＋4×4＋5×5)
当指数平滑移动平均线起算基期不同时，起算基期较晚的计算结果会与起基期较早的数字有所差异。比如从１０月３０日起算５日指数平滑移动平均线的人，他所计算出的１１月５日的数字一般和９和 10 日起算的人所到的１１月５日的指数平滑移动平均线有所不同。这一差异经过稍长一段时间的平滑运算以后会趋于一致，不会有 大的差异。因此，投资者在计算ＥＭＡ时或运用ＥＭＡ技巧的技术指标如ＲＳＩ和ＫＤ线时，如计算与他人数字有出入，关非运算有错误。
트레이딩뷰 이격도 지표 설정방법
2. 검색엔진에 영문으로 "Disparity"를 검색해주시면 됩니다. 그중에 제가 추천하는 것은 everget이라는 분이 무료로 오픈소스로 공유해주는 Disparity Index 还不了解ma移动平均线 입니다.
3.해당 지표를 클릭하시면 아래와 같이 보조 지표가 응용됩니다.
4.설정을 수정하고 싶으시다면 지표의 톱니바퀴 모양 아이콘을 클릭하셔서 설정 값을 수정할 수 있습니다.
5. 해당 지표는 기본값으로 이동평균선 13일이 설정되어 있으나 저는 20일로 수정해서 응용하겠습니다.
아래와 같이 20일 이동평균선과 비크코인의 가격 괴리율를 이격도 보조지표가 한눈에 보기 쉽게 시각화 해주었습니다. 여러분 각각의 선호도에 따라 설정 값을 수정할 수 있으며 특정 가격의 괴리율이 지정하신 이동평균선 가격보다 횔씬 높거나 낮을때 매매 타이밍으로 보실 수 있습니다.
什么是指数移动平均线？
数量技术宅
指数移动平均线，英文名称Exponential Moving Average，它是在普通移动平均线基础上的改进，要理解指数移动平均线，就需要先理解普通移动平均线，许多股票交易软件把它成为MA（Moving 还不了解ma移动平均线 还不了解ma移动平均线 Average），我们通常看到软件中的MA10、MA20等等，指的是10个计算周期、20个计算周期所计算得到的移动平均线。
对序列 xn> 定义其截至第n项的周期为N的指数移动平均 EMAN（xn）。从定义式可以看出 EMA 加权平均的特性。在 EMA 指标中，每天价格的权重系数以指数等比形式缩小。时间越靠近当今时刻，它的权重越大。说明 EMA 函数对近期的价格加强了权重比，更能及时反映近期价格波动情况。
EMA（指数平均数指标）到底是什么？
胡慢慢
假如我们现在有365天的温度，要求最近N天的平均温度值，其中 N \in [0, 365] 。
还不了解ma移动平均线 
加权平均数
V_ = (\theta_1 + \theta_2 + \theta_ + . + \theta_) \div 365
指数加权平均是一种近似求平均的方法。
指数加权平均
v_ = \beta v_ + (1-\beta) \theta_
- v_ : 约等于最近的 \frac天的平均温度值;（为啥是 \frac后面再讲）。
- \theta_ ：代表的是第t天的温度值;
- \beta : 可调节的超参.
例如： \beta=0.还不了解ma移动平均线 9 ，t=100， v_ \approx 90到100这十天的平均温度。
v_ = \beta v_ + (1 - \beta) \theta_
v_ = \beta v_ + (1 - \beta) \theta_
v_ = \beta 还不了解ma移动平均线 v_ + (1 还不了解ma移动平均线 - \beta) \theta_
设置不同的 \beta 会是什么样子呢?
\beta = 0.9 ,代表的是最近10天的平均温度值,对应下图中的红线.
\beta = 0.98 ,代表的是最近50天的平均温度值,对应下图中的绿线.
\beta = 0.5 ,代表的是最近2天的平均温度值,对应下图中的黄线,可以看到这时候和每天的温度值基本就是吻合的.
我们把公式展开一下,看看这个算法是怎么作用于 \theta_ 的,以 v_ 为例。
v_= 0.1\theta_ + 0.9v_ \\ = 0.1\theta_ + 还不了解ma移动平均线 0.9( 0.1\theta_ + 0.9v_) \\ =. \\ = 0.1\theta_ + 0.1 * 0.9 \theta_ + 0.1 * 0.9 ^\theta_ + . + 0.1 * 0.9 ^\theta_
到这里我们就很清楚 v_ 还不了解ma移动平均线 实际上是对每天温度的加权平均，时间越近，权重越大，而且是指数式的，所以叫做指数加权平均。 假如我们以1/e为一个分界点，认为权重小于1/e对整个结果影响很小，权重指数衰减到这个值之后的项就可以忽略不计了，那当 \beta 取值的时候，多久才可以衰减到1/e呢?