🕷️ Crawler Inspector

# 【量化交易笔记】5.SMA，EMA 和WMA区别  [cndrip](https://blog.csdn.net/cndrip "cndrip")  已于 2023-05-01 22:03:23 修改  阅读量7k [  收藏 12]()   点赞数 3 [CC 4.0 BY-SA版权]() 分类专栏： [量化交易](https://blog.csdn.net/cndrip/category_12231804.html) 文章标签： [python](https://so.csdn.net/so/search/s.do?q=python&t=all&o=vip&s=&l=&f=&viparticle=&from_tracking_code=tag_word&from_code=app_blog_art) [pandas](https://so.csdn.net/so/search/s.do?q=pandas&t=all&o=vip&s=&l=&f=&viparticle=&from_tracking_code=tag_word&from_code=app_blog_art) [金融数据](https://so.csdn.net/so/search/s.do?q=%E9%87%91%E8%9E%8D%E6%95%B0%E6%8D%AE&t=all&o=vip&s=&l=&f=&viparticle=&from_tracking_code=tag_word&from_code=app_blog_art) 于 2023-05-01 21:58:42 首次发布 版权声明：本文为博主原创文章，遵循 [CC 4.0 BY-SA](http://creativecommons.org/licenses/by-sa/4.0/) 版权协议，转载请附上原文出处链接和本声明。 本文链接：<https://blog.csdn.net/cndrip/article/details/130456562> [ 量化交易 专栏收录该内容](https://blog.csdn.net/cndrip/category_12231804.html "量化交易") 19 篇文章 [订阅专栏]()  文章介绍了股票分析中的三种重要技术指标——简单移动平均线(SMA)、指数移动平均线(EMA)和加权移动平均线(WMA)。SMA是所有价格的简单平均，易受短期波动影响；EMA给予最近价格更高权重，更能反映市场趋势；WMA则采用线性递减权重。这三种平均值算法各有特点，适用于不同的市场分析需求。 摘要生成于 [C知道](https://ai.csdn.net/?utm_source=cknow_pc_ai_abstract) ，由 DeepSeek-R1 满血版支持， [前往体验 \>](https://ai.csdn.net/?utm_source=cknow_pc_ai_abstract) 股票中的SMA，EMA和WMA是常用的技术分析指标。这些指标基于历史股价计算得出，可以帮助投资者了解股票的趋势，为决策提供依据。虽然它们都是平均值算法，但它们之间还是有一些区别的。 #### SMA 简单移动平均线（Simple Moving Average） SMA是移动平均线的简称，全称是简单移动平均线（Simple Moving Average）。它是历史股价平均值的简单算术平均数。计算SMA，只需要将一段时间内股票收盘价的总和除以这段时间内的交易日数。 例如，计算过去5天的SMA，只需要将这5天的股票收盘价相加，再除以5，即可得出SMA。 SMA是一种较为简单的移动平均方式，经常被用于判断短期的股票趋势。由于SMA只是简单地考虑了过去一段时间的股票价格，因此它会被短期价格波动所影响，因此可能不如其他平均值算法准确。 #### EMA 指数移动平均线（Exponential Moving Average） EMA是指数移动平均线（Exponential Moving Average）。与SMA不同，EMA并不是简单的日平均数，而是考虑到股票价格的整体趋势，即将较大的权重放在了最近的股票价格上。 在EMA的计算中，最近的股票价格会得到较高的权重，而较早的股票价格的权重则会下降。计算过程中需要指定EMA的时间周期，通常包括12天和26天等。 对于EMA的计算，需要先计算出一个起始的EMA值。这可以通过计算一段时间内的SMA来得到，然后用下面的计算公式去计算： 当前EMA值 = (（当前收盘价 - 上一个EMA值） \* 平滑指数）+ 上一个EMA值 平滑指数可以通过下面的方法来计算： 平滑指数 = 2 /（时间周期 + 1） EMA的计算方法相对于SMA更为复杂，但它可以更好地反映当前的市场趋势。 yt=xt+(1−α)xt−1+(1−α)2xt−2+...+(1−α)tx01+(1−α)+(1−α)2+...+(1−α)t y\_t = \\frac{x\_t + (1 - \\alpha)x\_{t-1} + (1 - \\alpha)^2 x\_{t-2} + ... + (1 - \\alpha)^t x\_0}{1 + (1 - \\alpha) + (1 - \\alpha)^2 + ... + (1 - \\alpha)^t} yt​\=1\+(1−α)\+(1−α)2\+...\+(1−α)txt​\+(1−α)xt−1​\+(1−α)2xt−2​\+...\+(1−α)tx0​​ 其中，ttt 为窗口大小，α\\alphaα 为平滑因子（ 0\<α≤10 \\lt \\alpha \\leq 10\<α≤1 可根据公式计算，如2/(1+t)2/(1+ t )2/(1\+t)，也可自定义）， (1−α)i(1- \\alpha) ^ i(1−α)i 为呈指数增加的权重，期数离预测时刻越近权重越大。 y0=x0yt=(1−α)yt−1+αxt, \\begin{split}\\begin{split} y\_0 &= x\_0\\\\ y\_t &= (1 - \\alpha) y\_{t-1} + \\alpha x\_t, \\end{split}\\end{split}y0​yt​​\=x0​\=(1−α)yt−1​\+αxt​,​​ ``` # 直接用 Pandas 的ewm 函数 pandas.ewm(span=n) ``` #### WMA 加权移动平均线（Weighted Moving Average） WMA是加权移动平均线（Weighted Moving Average），它是一种考虑过去时间内价格变化和波动的Moving Average方式。与EMA类似，WMA也是将较大的权重放在较近的数据上，但与EMA不同的是，它使用的是带权的平均算法。 在WMA中，每个数据都被通过给定的权重，然后再求和得到加权平均值。通常情况下，较近的数据会有较大的权重，而较远的数据权重会下降，WMA有助于平滑股票价格的波动，并根据相应的趋势给出合适的建议。 WMA的计算也需要指定一个时间周期，并且需要先计算出一段时间内的总权值，用下面的公式计算总权值后，再使用上面的加权平均公式计算WMA： 保存总权值 = 从 1 开始的周期数 \* 周期内每个数据的权重之和 每个数据的权重 = （当前周期数 + 1）- 当前数据的位置 WMA是比SMA更为准确的一种移动平均计算方法，但它的计算也更为复杂。 WMAt(n)=w1xt+w2xt−1+...+wn−1xt−n+2+wnxt−n+1w1+w2+...+wn WMA\_t(n) = \\frac{w\_1x\_t + w\_2x\_{t-1} + ... + w\_{n-1}x\_{t-n+2} +w\_nx\_{t-n+1} }{w\_1+w\_2+ ... + w\_n } WMAt​(n)\=w1​\+w2​\+...\+wn​w1​xt​\+w2​xt−1​\+...\+wn−1​xt−n\+2​\+wn​xt−n\+1​​ 其中，nnn为窗口大小，WMAtWMA\_tWMAt​为t时刻的移动平均值。 技术分析中，权重系数为n～0，即最近一个数值的权重为n，次近的为n-1，如此类推，直到0。 WMAt(n)=nxt+(n−1)xt−1+...+2xt−n+2+xt−n+1n+（n−1)+...+2+1 WMA\_t(n) = \\frac{nx\_t + (n-1)x\_{t-1} + ... + 2x\_{t-n+2} +x\_{t-n+1} }{n+（n-1)+ ... + 2+1 } WMAt​(n)\=n\+（n−1)\+...\+2\+1nxt​\+(n−1)xt−1​\+...\+2xt−n\+2​\+xt−n\+1​​ ``` def WMA(close, n): weights = np.array(range(1, n+1)) sum_weights = np.sum(weights) res = close.rolling(window=n).apply(lambda x: np.sum(weights*x) / sum_weights, raw=False) return res #或 def WMA(close, n): return close.rolling(window=n).apply(lambda x: x[::-1].cumsum().sum() * 2 / n / (n + 1)) ``` #### 方法对比分析 从权重思维来看，三种方法都可以认为是加权平均。SMA：权重系数一致；WMA：权重系数随时间间隔线性递减；EMA：权重系数随时间间隔指数递减。 如下图： 下面以 t=30 作图  WMA 是 线性递减，EMA是指数递减  #### 结论 三种平均值算法各有优缺点，你需要根据你的股票市场分析需要及实际情况来决定使用哪种算法。如果你的分析需要考虑。EMA，WMA 即 远离当前时间，影响较小，前一天权重大影响最大。因此在股票很多指标上都用EMA 来代替SMA，如MACD等。  确定要放弃本次机会？ 福利倒计时 *:* *:*  立减 ¥ 普通VIP年卡可用 [立即使用](https://mall.csdn.net/vip) [ cndrip](https://blog.csdn.net/cndrip) [关注]() [关注]() - [   3]() 点赞 - [ ]() 踩 - [   12]() 收藏 觉得还不错? 一键收藏  -  知道了 [ 1](https://blog.csdn.net/cndrip/article/details/130456562#commentBox) 评论 - [ 分享]() [复制链接]() [分享到 QQ]() [分享到新浪微博]() 扫一扫 - []() [ 举报]() [ 举报]() [专栏目录]() [115个*Java**面试*题和答案](https://download.csdn.net/download/qq_26797439/9970410) 09-08 [*常见**java**面试*题，集合，线程，面向对象，垃圾回收等 *常见**java**面试*题，集合，线程，面向对象，垃圾回收等 *常见**java**面试*题，集合，线程，面向对象，垃圾回收等 *常见**java**面试*题，集合，线程，面向对象，垃圾回收等](https://download.csdn.net/download/qq_26797439/9970410) [*Java**面试*题合集最新版2024.zip](https://download.csdn.net/download/qq_43509086/88949852) 03-12 [*Java**面试*通常涵盖多个方面，包括*Java*基础知识、编程技能、问题解决能力，以及对*Java*生态系统和相关技术的理解。以下是一些建议的*Java**面试*准备要点和资源描述： 一、*Java*基础知识 数据类型、变量与运算符：理解*Java*...](https://download.csdn.net/download/qq_43509086/88949852) 1 条评论 您还未登录，请先 登录 后发表或查看评论 [*Java**常见**面试*题汇总（一）](https://devpress.csdn.net/v1/article/detail/50945432) [Walk the horizon](https://blog.csdn.net/u014492609) 03-27  7536 [1）什么是*Java*虚拟机？为什么*Java*被称作是“平台无关的编程语言”？ *Java*虚拟机是一个可以执行*Java*字节码的虚拟机进程。*Java*源文件被编译成能被*Java*虚拟机执行的字节码文件。 *Java*被设计成允许应用程序可以运行在任意的平台，而不需要程序员为每一个平台单独*重写*或者是重新编译。*Java*虚拟机让这个变为可能，因为它知道底层硬件平台的指令长度和其他特性。 2）JDK和JRE的区别](https://devpress.csdn.net/v1/article/detail/50945432) [*Java**面试*题和答案——终极列表（上）](https://blog.csdn.net/hekang1011/article/details/24346423) [hekang1011的专栏](https://blog.csdn.net/hekang1011) 04-23  1424 [下面的章节分为上下两篇，第一篇将要讨论面向对象编程和它的特点，关于*Java*和它的功能的*常见*问题，*Java*的集合类，垃圾收集器，第二篇主要讨论异常处理，*Java*小应用程序，Swing，JDBC，远程方法调用(RMI)，Servlet和JSP。 开始！ 目录 面向对象编程（OOP） *常见*的*Java*问题 *Java*线程 *Java*集合类 垃圾收集器 面向对象编](https://blog.csdn.net/hekang1011/article/details/24346423) [*JAVA*中最为关键的几个知识点](https://blog.csdn.net/chensheng913/article/details/32641) [键者天行](https://blog.csdn.net/chensheng913) 07-02  7085 [想成为*JAVA*高手,你至少要非常熟悉并能自如地应用如下几个知识点:1.序列化机制.(有人认为它并不是重要的技术,我以我的经验*声明*,这是*JAVA*平台第一重要的知识点.)2.RTTI机制3.CALLBACK机制4.反射机制序列化： 是一切对象深度CLONE,对象的存储与恢复,对象的远程调用的基础,也就是说它是对象池化管理,分布式引用的基础,想想J2EE平台如果不靠它能做什么?RTTI： 是](https://blog.csdn.net/chensheng913/article/details/32641) [*常见*的*Java*语法*面试**真题*](https://blog.csdn.net/u011915230/article/details/11179565) [u011915230的专栏](https://blog.csdn.net/u011915230) 09-05  1415 [以下这些都是我自己整理出来的，贴出来和大家分享一下！ 面向对象的特征有哪些方面? 参考答案： 抽象、继承、封装和多态 如果把一个对象作为参数传递给一个方法，这个方法可改变这个对象的属性，并可返回变化后的结果，那么这里到底是值传递还是引用传递? 参考答案：值传递 *java*中使用什么机制实现多态？ 参考答案：重载和*重写* 什么是自动装包/拆包？ 参考答案： 自动完](https://blog.csdn.net/u011915230/article/details/11179565) [*JAVA*企业*面试**真题*收集](https://download.csdn.net/download/qq_41320700/89940000) 10-31 [*JAVA*作为当前最受欢迎的编程语言之一，其企业*面试**题目*一直是程序员们关注的焦点。在求职过程中，掌握和了解这些*面试**题目*能够帮助程序员更好地准备*面试*，提高*面试*成功率。本篇内容主要涵盖了*Java**面试*过程中*常见*的问题...](https://download.csdn.net/download/qq_41320700/89940000) [技术*面试*\_*Java*基础\_*面试*指南\_学习复习\_1741870208.zip 最新发布](https://download.csdn.net/download/weixin_45922644/90488242) 03-16 [这个目录中可能还会有针对特定公司的*面试**题目*的总结，或者是根据历年*面试**真题*提炼出的高频考点。例如，数据结构在*面试*中经常被考察的点包括但不限于数组、链表、栈、队列、树、图、哈希表等，以及与之相关的算法问题...](https://download.csdn.net/download/weixin_45922644/90488242) [*java**面试**真题*通用*题目*8卷](https://download.csdn.net/download/zdxxinlang/13719011) 12-18 [*Java*作为一门广泛使用的编程...这些知识点在*Java**面试*中都至关重要，通过深入学习和实践，可以为应聘者提供坚实的技术基础，提高*面试*成功率。每套题卷都旨在帮助求职者全面复习和检验自身技能，以便在*面试*中表现出色。](https://download.csdn.net/download/zdxxinlang/13719011) [*java**面试**真题*整理](https://download.csdn.net/download/a__6851/11072314) 03-29 [*java*开发岗企业常考*面试**题目* 1.GC垃圾回收处理器，回收内存 托管资源： 非托管资源：手动释放资源 2.堆内存：new出来的 栈内存：基本数据类型的变量，方法的返回值，对象的引用（对象的引用地址） 3.static：存放...](https://download.csdn.net/download/a__6851/11072314) [*JAVA*重要知识点](https://devpress.csdn.net/v1/article/detail/49914691) [造梦先森Kai的专栏](https://blog.csdn.net/qq_15437629) 11-20  1140 [*JAVA*虚拟机：执行*java*字节码的虚拟机进程（*java*虚拟机知道底层硬件平台的指令长度和其它特性，使得*java*程序运行在任意平台成为可能）指令*java*c与*java*： *java*c：编译 *java*：运行JDK与JRE： JDK：*java*开发工具包与运行环境（包含JRE、编译器和其他工具：如*Java*Doc、*java*调试器） JRE：*java*运行环境（将要执行*java*程序的虚拟机，同时包含了执行a](https://devpress.csdn.net/v1/article/detail/49914691) [*java*重要知识点总结](https://blog.csdn.net/qq_38977097/article/details/80821086) [热心网友](https://blog.csdn.net/qq_38977097) 06-26  1518 [主要详细知识点 常用算法考察 冒泡排序 快速排序 插入排序 希尔排序 归并排序 堆排序 桶排序 动态规划 最长公共子串 最长回文子串 数组的最大k个值 数字的最大连续子数组之和 左旋转字符串 字符串匹配算法:KMP算法 二分查找 \&nbsp; 链...](https://blog.csdn.net/qq_38977097/article/details/80821086) [【*面试*题】*Java**常见**面试*题集锦](https://devpress.csdn.net/v1/article/detail/80544117) [小哲的博客](https://blog.csdn.net/ARPOSPF) 09-14  3734 [*Java**常见**面试*题集锦 *面试*题模块 这份*面试*题，包含的内容了十九了模块：*Java* 基础、容器、多线程、反射、对象拷贝、*Java* Web 模块、异常、网络、设计模式、Spring/Spring MVC、Spring Boot/Spring Cloud、Hibernate、Mybatis、RabbitMQ、Kafka、Zookeeper、MySql、Redis、JVM 。如下图所示： 具体*面试*题...](https://devpress.csdn.net/v1/article/detail/80544117) [*java*重要知识点](https://blog.csdn.net/jly594761082/article/details/90200098) [jly594761082的博客](https://blog.csdn.net/jly594761082) 05-14  884 [一、基本 1、当一个*成员函数*，没有访问任何成员变量时，应该用static静态修饰； 2、一个类保证其他程序不创建对象，可以将该类的构造函数私有化（*private*） 3、*java*doc文档注释工具：*java*doc -d myhelp-author -version *java*源文件（类名要设为public更改权限，类名和文件名保持一致） /\*\* 对数组进行选择排序 @param 接受一个i...](https://blog.csdn.net/jly594761082/article/details/90200098) [*面试**JAVA*常被问到的问题（持续更新中）](https://blog.csdn.net/weixin_39388918/article/details/97030053) [weixin\_39388918的博客](https://blog.csdn.net/weixin_39388918) 07-23  2万+ [引言 有的*面试*会被问到有没有写博客，这时候我尴尬，不知道怎么回答，所以这篇文章仅仅是把我*面试**JAVA*的遇到的问题记录下来而已，也算是我写博客迈出的第一步，起码，以后被问到：有没有写博客？我可以回答，我写过。 （最主要的是以后换工作我不用频繁百度*常见**面试*题了。。。。） ps 1，别把我太当回事，我是个LJ； 2，说得不对的地方请多多包涵，想看更详细的请百度官方文档和其他大佬的文章； 3，如果有被问到......](https://blog.csdn.net/weixin_39388918/article/details/97030053) [*Java**常见**面试*题 非常实用【个人经验】](https://blog.csdn.net/weixin_47367675/article/details/108003707) [weixin\_47367675的博客](https://blog.csdn.net/weixin_47367675) 08-14  362 [*Java* *面试*题 一. 容器部分 二. 多线程部分 三. SpringMvc部分 四. Mybatis部分 五. MySQL部分 六. Redis部分 七. RabbitMQ部分 八. JVM虚拟机部分 九. 算法知识部分 十. 其他*面试*部分 2\|1更新 时间：2020/08/10 内容： JVM虚拟机部分 预更： 算法部分 2\|2容器部分*面试*题 *Java* 容器都有哪些 Collection 的子类 ...](https://blog.csdn.net/weixin_47367675/article/details/108003707) [*Java**常见**面试*题\_理论+实践](https://blog.csdn.net/qq_28844767/article/details/82346330) [Ran\_记忆犹新的博客](https://blog.csdn.net/qq_28844767) 09-03  7076 [*Java**面试*宝典2010版 一. *Java*基础部分 7 1、一个".*java*"源文件中是否可以包括多个类（不是内部类）？有什么限制？ 7 2、*Java*有没有goto? 7 3、说说\&amp;和\&amp;\&amp;的区别。 8 4、在*JAVA*中如何跳出当前的多重嵌套循环？ 8 5、switch语句能否作用在byte上，能否作用在long上，能否作用在String上? 9 6、short...](https://blog.csdn.net/qq_28844767/article/details/82346330) [*java**常见**面试*题（2）](https://blog.csdn.net/Andy_96/article/details/82152306) [Andy\_96的博客](https://blog.csdn.net/Andy_96) 08-28  378 [*java*反射机制，动态代理是基于什么原理？ *JAVA*反射机制是在运行状态中，对于任意一个类，都能够知道这个类的所有属性和方法；对于任意一个对象，都能够调用它的任意方法和属性；这种动态获取信息以及动态调用对象方法的功能称为*java*语言的反射机制。反射机制是*java*提供的一种基础功能，赋予程序在运行时自省的能力。通过反射我们可以直接操作类或者对象，比如获取某个对象的类定义，获取*声明*的属性和方法，调用...](https://blog.csdn.net/Andy_96/article/details/82152306) [*java**常见**面试*题（160道） 热门推荐](https://devpress.csdn.net/v1/article/detail/131473266) [打造专业技术博客](https://blog.csdn.net/myydnz) 06-30  8万+ [*java**常见**面试*题](https://devpress.csdn.net/v1/article/detail/131473266) [*Java*程序员*面试*宝典：*常见*题型与互联网公司*真题*汇编](https://wenku.csdn.net/doc/2073x47kym) [资源摘要信息:"*Java**面试*题整理.zip" 一、*Java*基础知识 *Java*是一种广泛使用的面向对象的编程语言，其设计哲学是尽量减少必要的编程工作，同时让程序员能够编写清晰、精确、可靠的代码。 1. OOP（面向对象编程） - ...](https://wenku.csdn.net/doc/2073x47kym) [](https://blog.csdn.net/cndrip) [cndrip](https://blog.csdn.net/cndrip "cndrip") 博客等级  码龄19年 [92 原创](https://blog.csdn.net/cndrip) 529 点赞 1351 收藏 595 粉丝 [关注]() [私信](https://im.csdn.net/chat/cndrip) [](https://mpbeta.csdn.net/edit?utm_source=blog) ### 热门文章 - [Android中两个Activity之间数据传递及返回  53904](https://blog.csdn.net/cndrip/article/details/7191381) - [Android之Intent全面解析及用法  28749](https://blog.csdn.net/cndrip/article/details/7191072) - [Android异步从网络下载图片并且缓存图片到本地的demo  20796](https://blog.csdn.net/cndrip/article/details/7753787) - [【机器学习可解释性】5.SHAP值的高级使用  12036](https://blog.csdn.net/cndrip/article/details/134101065) - [C\#操作Excel的函数  10565](https://blog.csdn.net/cndrip/article/details/7961531) ### 分类专栏 - [ 机器学习](https://blog.csdn.net/cndrip/category_11733789.html) 45篇 - [ 量化交易](https://blog.csdn.net/cndrip/category_12231804.html) 19篇 - [ CDA Level](https://blog.csdn.net/cndrip/category_11842238.html) 11篇 - [ 深度学习](https://blog.csdn.net/cndrip/category_11804031.html) 13篇 - [ keras](https://blog.csdn.net/cndrip/category_11804045.html) 7篇 - [ kaggle](https://blog.csdn.net/cndrip/category_11772215.html) 37篇 - [ 大数据应用](https://blog.csdn.net/cndrip/category_11755508.html) 1篇 - [ 数据可视化](https://blog.csdn.net/cndrip/category_11750450.html) 19篇 - [ Android入门开发](https://blog.csdn.net/cndrip/category_1057575.html) 8篇 - [ Java](https://blog.csdn.net/cndrip/category_1091168.html) 1篇 - [ Android提高](https://blog.csdn.net/cndrip/category_1188270.html) 1篇 - [ .NET](https://blog.csdn.net/cndrip/category_1234186.html) 2篇 - [ 算法-概率论](https://blog.csdn.net/cndrip/category_7460254.html) 1篇 - [ 程序片段](https://blog.csdn.net/cndrip/category_7460534.html) [展开全部 ]() [收起 ]() 上一篇： [【量化交易笔记】4.移动平均值的实现](https://blog.csdn.net/cndrip/article/details/129395827) 下一篇： [【量化交易笔记】6.布林带的实现](https://blog.csdn.net/cndrip/article/details/129444901) ### 最新评论 - [【Kaggle】练习赛《洪水数据集的回归预测》(上)](https://blog.csdn.net/cndrip/article/details/138411300#comments_37358704) [宝妹儿:](https://blog.csdn.net/Lao_JiFuLi) 博主 能发一个数据集吗 1303506103@qq.com - [【Kaggle】练习赛《肥胖风险的多类别预测》](https://blog.csdn.net/cndrip/article/details/136505718#comments_37299044) [\_\_kds\_\_:](https://blog.csdn.net/uucle) 您好 求一份源码 非常感谢 邮箱 2468841702@qq.com - [【Kaggle】练习赛《肥胖风险的多类别预测》](https://blog.csdn.net/cndrip/article/details/136505718#comments_37220085) [西一西:](https://blog.csdn.net/2301_76770075) 大佬求源码 - [【Kaggle】练习赛《洪水数据集的回归预测》(上)](https://blog.csdn.net/cndrip/article/details/138411300#comments_37053275) [卑微小余！:](https://blog.csdn.net/m0_57017078) 博主 能发一个数据集吗 3232602218@qq.com - [【Kaggle】练习赛《肥胖风险的多类别预测》](https://blog.csdn.net/cndrip/article/details/136505718#comments_37011913) [百詩可乐:](https://blog.csdn.net/m0_70587756) 博主可以看一下私信吗？求源码 ### 大家在看 - [Day34--动态规划--62. 不同路径，63. 不同路径 II，343. 整数拆分，96. 不同的二叉搜索树](https://blog.csdn.net/m0_60740070/article/details/150035431) - [\[优选算法专题一双指针——两数之和\]（双指针和哈希表）](https://blog.csdn.net/2401_83386596/article/details/150022550) - [从SELECT到UPDATE：SQL查询的转变艺术](https://blog.csdn.net/m0_62153576/article/details/150034456) - [Java SE——11.1 String-常用方法部分](https://blog.csdn.net/Miraitowa_6/article/details/150035967) - [AI原生应用开发必看：人机交互设计的10个黄金法则  547](https://blog.csdn.net/2501_91590464/article/details/149915248) ### 最新文章 - [【量化交易笔记】18.多因子树型策略](https://blog.csdn.net/cndrip/article/details/147542859) - [【量化交易笔记】17.多因子的线性回归模型策略](https://blog.csdn.net/cndrip/article/details/147375790) - [【量化交易笔记】16.因子的评价和分析](https://blog.csdn.net/cndrip/article/details/146214523) [2025年7篇](https://blog.csdn.net/cndrip?type=blog&year=2025&month=04) [2024年9篇](https://blog.csdn.net/cndrip?type=blog&year=2024&month=11) [2023年24篇](https://blog.csdn.net/cndrip?type=blog&year=2023&month=12) [2022年44篇](https://blog.csdn.net/cndrip?type=blog&year=2022&month=06) [2018年1篇](https://blog.csdn.net/cndrip?type=blog&year=2018&month=02) [2012年11篇](https://blog.csdn.net/cndrip?type=blog&year=2012&month=09) ### 目录 展开全部  收起  ### 目录 展开全部  收起  上一篇： [【量化交易笔记】4.移动平均值的实现](https://blog.csdn.net/cndrip/article/details/129395827) 下一篇： [【量化交易笔记】6.布林带的实现](https://blog.csdn.net/cndrip/article/details/129444901) ### 分类专栏 - [ 机器学习](https://blog.csdn.net/cndrip/category_11733789.html) 45篇 - [ 量化交易](https://blog.csdn.net/cndrip/category_12231804.html) 19篇 - [ CDA Level](https://blog.csdn.net/cndrip/category_11842238.html) 11篇 - [ 深度学习](https://blog.csdn.net/cndrip/category_11804031.html) 13篇 - [ keras](https://blog.csdn.net/cndrip/category_11804045.html) 7篇 - [ kaggle](https://blog.csdn.net/cndrip/category_11772215.html) 37篇 - [ 大数据应用](https://blog.csdn.net/cndrip/category_11755508.html) 1篇 - [ 数据可视化](https://blog.csdn.net/cndrip/category_11750450.html) 19篇 - [ Android入门开发](https://blog.csdn.net/cndrip/category_1057575.html) 8篇 - [ Java](https://blog.csdn.net/cndrip/category_1091168.html) 1篇 - [ Android提高](https://blog.csdn.net/cndrip/category_1188270.html) 1篇 - [ .NET](https://blog.csdn.net/cndrip/category_1234186.html) 2篇 - [ 算法-概率论](https://blog.csdn.net/cndrip/category_7460254.html) 1篇 - [ 程序片段](https://blog.csdn.net/cndrip/category_7460534.html) [展开全部 ]() [收起 ]() ### 目录 评论 1  被折叠的 条评论 [为什么被折叠?](https://blogdev.blog.csdn.net/article/details/122245662) [到【灌水乐园】发言](https://bbs.csdn.net/forums/FreeZone) [查看更多评论]() 添加红包  下一步  知道了 ![]() 成就一亿技术人\! 领取后你会自动成为博主和红包主的粉丝 [规则]() [](https://blog.csdn.net/cndrip/article/details/130456562) hope\_wisdom 发出的红包 实付元 [使用余额支付]()  点击重新获取 扫码支付 钱包余额 0  抵扣说明： 1\.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。 [余额充值](https://i.csdn.net/#/wallet/balance/recharge) ![]()