自适应均线系统 python_Python熊猫考夫曼自适应移动平均值(KAMA)---熊猫或Cython中的递归计算...
时间: 2023-06-26 19:04:44 浏览: 69
KAMA是一种自适应移动平均值,它的计算方法是将价格数据的波动性考虑在内,以尽可能减小噪声对移动平均线的影响。下面是一个Python实现KAMA的示例代码:
```python
import pandas as pd
import numpy as np
def kama(data, n=10, pow1=2, pow2=30):
'''Kaufman's Adaptive Moving Average (KAMA)
data - pandas DataFrame
n - number of periods for efficiency ratio
pow1 - number of periods for fast EMA
pow2 - number of periods for slow EMA'''
abs_diff = abs(data - data.shift(1))
er = abs_diff / pd.stats.moments.rolling_sum(abs_diff, n)
sc = ((er*(2.0/(pow1+1)-2.0/(pow2+1.0))+2/(pow2+1.0))**2.0).values
kama = np.zeros(sc.size)
N = len(kama)
first_value = True
for i in range(N):
if np.isnan(sc[i]):
kama[i] = np.nan
else:
if first_value:
kama[i] = data[i]
first_value = False
else:
kama[i] = kama[i-1] + sc[i] * (data[i] - kama[i-1])
return kama
```
上述代码使用了Pandas和Numpy库,其中的er表示效率比率,sc为平滑常数,kama为自适应移动平均值。该函数使用递归计算,以加快计算速度。
你也可以使用Cython来加速计算。下面是一个Cython版本的kama计算代码:
```cython
cimport numpy as np
import numpy as np
def kama(np.ndarray[np.float64_t, ndim=1] data, int n=10, int pow1=2, int pow2=30):
cdef np.ndarray[np.float64_t, ndim=1] abs_diff, er, sc, kama
cdef int N, i
cdef bint first_value
abs_diff = np.abs(data - np.roll(data, 1))
er = abs_diff / pd.stats.moments.rolling_sum(abs_diff, n)
sc = ((er*(2.0/(pow1+1)-2.0/(pow2+1.0))+2/(pow2+1.0))**2.0).values
kama = np.zeros(sc.size)
N = len(kama)
first_value = True
for i in range(N):
if np.isnan(sc[i]):
kama[i] = np.nan
else:
if first_value:
kama[i] = data[i]
first_value = False
else:
kama[i] = kama[i-1] + sc[i] * (data[i] - kama[i-1])
return kama
```
使用Cython可以使得计算速度更快,但需要使用Cython的命令来编译这段代码,以便生成优化的机器码。