Это статистический метод, используемый для сглаживания временных рядов и устранения краткосрочных колебаний, чтобы выявить долгосрочные тренды. Он представляет собой последовательность средних значений определенного количества предыдущих точек данных.
Уменьшение случайных колебаний и шума в данных.
Обнаружение долгосрочных направлений в данных, которые могут быть скрыты краткосрочными колебаниями.
Помощь в прогнозировании будущих значений на основе текущих трендов.
Часто используется в техническом анализе для выявления трендов на фондовых рынках.
Среднее арифметическое определенного количества предыдущих значений.
Похож на SMA, но при этом более недавним значениям присваиваются большие веса.
Более сложное скользящее среднее, которое придает большее значение последним данным, что делает его более чувствительным к новым изменениям.
Для простого скользящего среднего (SMA) на основе последних \( n \) значений, формула выглядит следующим образом:
\text{SMA} = \frac{X_{t} + X_{t-1} + X_{t-2} + \ldots + X_{t-(n-1)}}{n}Где \( X \) – значения временного ряда, а \( t \) – текущее время.
Пример с кодом
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# Пример данных
data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# Преобразование данных в DataFrame
df = pd.DataFrame(data, columns=['Value'])
# Вычисление скользящего среднего с окном 3
df['SMA_3'] = df['Value'].rolling(window=3).mean()
# Построение графика
plt.plot(df['Value'], label='Исходные данные')
plt.plot(df['SMA_3'], label='Скользящее среднее (окно=3)')
plt.legend()
plt.title('Пример Скользящего Среднего')
plt.show()
Ставь 👍 и забирай 📚 Базу знаний