2022-11-11 01:36来源：m.sf1369.com作者：宇宇
[均线指标 MA与EXPMA 的区别]
MA（Moving Average），中文名称叫移动平均，或移动均线，是统计学中数据处理的最简单方法之一。
对原始数据进行这种“平滑”处理的目的是消除原始数据中的干扰因素，保留本质的内容。
移动平均的核心思想就是将当日前若干天（这个若干天就是MA的时间参数）的股票价格的算术平均数作为当日的移动平均值，
这样就可以得到每日的移动平均值，再将每日的移动平均值连接成一条线，就得到移动均线。
计算公式：
其中，m为参数。为第n天的m日移动平均值。
传统移动平均实际上在数理统计学里是一个很简单的概念。
移动均线实际上就是对过去股价走势的一个拟合和滤波，通过这个方法，发现运动规律，以便能预测股价未来的走势。
移动均线的参数是时间天数，通常结合短期和长期移动均线来使用，因为短期移动均线和长期移动均线在走势上还是有些区别的。
根据移动均线的定义和算法，数学上可以证明如下结果：
不论哪种参数的移动均线较之原始数据的连线都有滞后，而且长期移动均线较之短期移动均线更滞后
（所谓滞后，就是移动均线反映股价的走势总是比实际走势慢或迟钝：当股价走势出现反转后，移动均线往往要等几天才出现反转信号，这也是所有移动均线的共性）。
但是移动均线却是对原始股价进行了一次滤波处理，“过滤”了股价走势的'锯齿'成分，
这样，移动均线就比原始股价数据连线更为光滑，更容易看出股价的中长期运行趋势。
而且，长期移动均线比短期移动均线更光滑，参数时间越长，走势也越光滑，越稳定。
-----------------------------------------------------------------------------------------------------------------------------
EXPMA（Exponentially Moving Average），也叫EMA，中文名称叫指数平滑移动平均，也是一种经常用的数据处理方法。
EXPMA与MA一样，也是对股价的一种平均算法，
不同的是MA用的是算术平均，而EX PMA用的是加权平均。
EXPMA与移动均线（MA）相同的是：两者都是把从当日起过去若干日的数据（也就是股价）作一平均，当作当日的拟合值。
EXPMA与MA有两点不同的是：
1.MA算法里，只考虑了当日起过去有限若干日（移动均线的参数）对当日的影响，至于若干日之前，就不考虑了，而EXPMA认为过去所有的数据都有影响；
2.MA算法里认为过去若干日的数据对当日拟合值的影响大小是一样的，
而EXPMA算法认为：历史数据对当日股价的影响是不同的，时间越远，影响越小，时间越近，影响越大（这就是加权的思想）。
同样，EXPMA也是有参数的，参数是时间，根据时间长短的不同选择，也可以把EXPMA分为短期EXPMA和长期EXPMA等。
一般来说，短期EXPMA对股价走势的拟合程度比长期EXPMA好，但是不如长期EXPMA光滑（所有的均线系统都有此性质）。
计算公式：
其中m为参数，而且上市当日的EXPMA一般取值为当日收盘价。
从MA和EXPMA的算法中可以知道，两者都是对股价的一个平均，
但MA（移动均线）由于认为前面一段日子数据的影响都是一样，
而EXPMA（指数平滑移动均线）认为越近的数据贡献越大，因此，一般来说，EXPMA比MA对股价走势的反映更灵敏一些。
EXPMA的用法同MA类似，也是从股价同EXPMA之间的关系以及长期EXPMA和短期EXPMA之间的关系这两方面去考虑，
主要也是判断市场多空双方力量，从而得出股价的运行趋势以及给出买卖信号。
移动平均法可以分为：简单移动平均和加权移动平均。 、简单移动平均法 简单移动平均的各元素的权重都相等。
简单的移动平均的计算公式如下： ft=(at-1+at-2+at-3+…+at-n)/n式中， · ft--对下一期的预测值；
· n--移动平均的时期个数；
· at-1--前期实际值；
· at-2,at-3和at-n分别表示前两期、前三期直至前n期的实际值。 二、加权移动平均法 加权移动平均给固定跨越期限内的每个变量值以相等的权重。其原理是：历史各期产品需求的数据信息对预测未来期内的需求量的作用是不一样的。
除了以n为周期的周期性变化外，远离目标期的变量值的影响力相对较低，故应给予较低的权重。 加权移动平均法的计算公式如下： ft=w1at-1+w2at-2+w3at-3+…+wnat-n式中， · w1--第t-1期实际销售额的权重；
· w2--第t-2期实际销售额的权重；
· wn--第t-n期实际销售额的权 · n--预测的时期数；w1+ w2+…+ wn=1 在运用加权平均法时，权重的选择是一个应该注意的问题。
经验法和试算法是选择权重的最简单的方法。
一般而言，最近期的数据最能预示未来的情况，因而权重应大些。
例如，根据前一个月的利润和生产能力比起根据前几个月能更好的估测下个月的利润和生产能力。
但是，如果数据时季节性的，则权重也应是季节性的。 移动平均法 - 移动平均法的优缺点 使用移动平均法进行预测能平滑掉需求的突然波动对预测结果的影响。但移动平均法运用时也存在着如下问题：
1、 加大移动平均法的期数（即加大n值）会使平滑波动效果更好，但会使预测值对数据实际变动更不敏感；
2、 移动平均值并不能总是很好地反映出趋势。由于是平均值，预测值总是停留在过去的水平上而无法预计会导致将来更高或更低的波动；
3、 移动平均法要由大量的过去数据的记录。
MA（Moving Average）就是移动平均线的意思。如果是日线，就是5日收盘价的平均价，也就5天的收盘价之和除以5. 周线就是5周的的均线。以此类推，MA,10日均线，M30,30日均线。主要用于用于交易者判断市场行情趋势。 5天和10天的短期移动平均线。是短线操作的参照指标，称做日均线指标；30天和60天的是中期均线指标，称做季均线指标；120天、240天的是长期均线指标。
首先从参与计算的数据来看,参与移动平均计算的数据是随着时间变化而得出的一系列数据,而参与算术平均计算的数据则没有规定；其次从计算结果来看,移动平均数是一条线，是按时间顺序变动性地取N个数连续计算结果，最后把结果连成一条线；而算术平均则是把参与计算的N个数据一次性地计算平均数，结果是一个数值。
假设2000年有四个季度某商品其销售量为25、32、37、26。2001年分别为30、38、42、30。则其中心化移动平均值（CMA）＝前四个季度的平均值（25＋32＋37＋26）／4加上接下来的四个季度的平均值（32＋37＋26＋30）／4最后再将以上求出的值求平均值即可，其余季度的中心化平均值求法与之一致。对于求四季度开始的一年的前两个季度是没有CMA的，最后一年的后两个季度也是没有CMA的。
平均指数(Average Index)是以指数化因素的个体指数为基础，通过对个体指数的加权平均而计算的一种总指数。它是编制总指数的又一种重要形式。
中文名 平均指数
外文名 EXPMA
本质 一种趋向类指标
简称 EMA
作用 判断价格未走的走向趋势
含义 指数式递减加权的移动平均
构造原理 对股票收盘价进行算术平均
用存货举例子吧 1日买存货1个单价 5元/个 15日买存货1个 单价 6元/个 20日买存货1个单价 7元/个 如果是加权平均法，那么就在月底确认单价那么就是 （5+6+7）/3个 这个就是加权平均单价 移动加权平均呢 比较麻烦但是比较准确 还是上边那个例子 比如16日发出了一个存货，那么现在就要确定发出价格了，怎么确定呢就是前边买的也就是1日和15日的价格相加除以存货数量 （5+6）/
2 加权平均单位成本=（月初库存实际成本+本月各批进货实际单位成本*本月各批进货数量）/月初库存数量+本月各批进货数量 移动加权是分批计算的进一次算一次 单位成本=（原有存货实际成本+本次进货实际成本）/原有数量+本次进货数量
打开原始数据表格，制作本实例的原始数据要求单列，请确认数据的类型。本实例为压力随时间变化成对数据，在数据分析时仅采用压力数据列。
选择“工具”-“数据分析”-“直方图”后，出现属性设置框，依次选择:
输入区域:原始数据区域;如果有数据标签可以选择“标志位于第一行”;
输出区域:移动平均数值显示区域;
间隔:指定使用几组数据来得出平均值;
图表输出;原始数据和移动平均数值会以图表的形式来显示，以供比较;
标准误差:实际数据与预测数据(移动平均数据)的标准差，用以显示预测与实际值的差距。数字越小则表明预测情况越好。
输入完毕后，则可立即生成相应的数据和图表。
从生成的图表上可以看出很多信息。
用伏安法测定值电阻的阻值时，我们需要多次测量取平均值，来减小误差。
实验时，我们移动滑动变阻器，多次改变电阻两端的电压和通过的电流，计算出多个未知电阻的阻值，再将它们相加取平均值。目的是为了减小误差，使测量结果更准确。
用伏安法测灯丝电阻时。把我们也需要多次改变灯两端的电压和通过的电流，测出不同亮度时灯丝阻值。测出的几个电阻值差别较大，原因不是因为误差，而是因为灯丝电阻随温度的升高而增大，此时我们不能够将电阻取平均值。
移动平均间隔的计算可以分为三步，一，打开原始数据表格，制作原始数据要求单例，确认数据类型。
第二步，选择“工具，数据分析，直方图”后，出现属性设置筐，依次选择。
第三，输入完成后，就生成相应的数据和图表。
用伏安法测定值电阻的阻值时，我们需要多次测量取平均值，来减小误差。
实验时，我们移动滑动变阻器，多次改变电阻两端的电压和通过的电流，计算出多个未知电阻的阻值，再将它们相加取平均值。目的是为了减小误差，使测量结果更准确。
用伏安法测灯丝电阻时。把我们也需要多次改变灯两端的电压和通过的电流，测出不同亮度时灯丝阻值。测出的几个电阻值差别较大，原因不是因为误差，而是因为灯丝电阻随温度的升高而增大，此时我们不能够将电阻取平均值。
