我试图用python（和pandas一起）来计算Intel（intc）每日股票数据的20天指数移动平均值（ema）。熊猫有很多方法可以做到这一点，我也尝试过在熊猫上运行的stockstats，但它们不会像我从股票/金融网站上获得的那样返回相同的EMA。
我已经仔细检查了成交价，它们是一致的，但EMA总是“错”的。
这是我使用的csv:INTC Stock Data
它包含Intel股票（股票代码：INTC）从2016年4月20日到2018年2月1日的每日日期、月份名称、开盘、盘高、盘低、收盘、日平均值和成交量。
当我浏览大型股票网站（如MarketWatch或Fidelity）时，它们的数字与我的不匹配。他们彼此匹配，但不是我。
例如。。。
df2['Close'].ewm(span=20,min_periods=0,adjust=False,ignore_na=False).mean()
或者…
df2['Close'].ewm(span=20, min_periods=20, adjust=True).mean()
或者…
df2["Close"].shift().fillna(df["Close"]).ewm(com=1, adjust=False).mean()
给我2018年2月1日的EMA，比如44.71美元、47.65美元、46.15美元等，当任何金融网站上的20天EMA为45.65美元时。无论我尝试计算EMA的日期是什么，我都会得到错误的数字。当我试着做5天的EMA时，这甚至是错误的。
我已经阅读、观看和跟踪了有关这一主题的教程，但它们的结果也与您在任何金融网站上找到的已接受/已发布的EMA不匹配。创建教程和视频的人在熊猫计算出数字后，从来不会互相检查。我需要我的号码来匹配。
我如何才能得出互联网上其他金融网站为EMA所获得的相同数据？我认为这与调整后的收盘价无关，因为我使用的是旧的/结算的数据，我的收盘价和日期与他们的相同。
最佳答案
对数据帧进行排序，使日期按递增顺序排列。
由于数据是按日期递减的，因此如果不首先对日期排序，则您的ewm计算会以指数方式对最早的日期进行加权，而不是最晚的日期（应该是这样）。
import pandas as pd
df = pd.read_csv('intc_data.txt', parse_dates=['Date'], index_col=['Date'])
df['backward_ewm'] = df['Close'].ewm(span=20,min_periods=0,adjust=False,ignore_na=False).mean()
df = df.sort_index()
df['ewm'] = df['Close'].ewm(span=20,min_periods=0,adjust=False,ignore_na=False).mean()
print(df[['ewm', 'backward_ewm']].tail())
产量
ewm backward_ewm
Date
2018-01-26 45.370936 48.205638
2018-01-29 45.809895 48.008337
2018-01-30 46.093714 47.800794
2018-01-31 46.288599 47.696667
2018-02-01 46.418256 47.650000
这与Marketwatch一致，即2018-02-01的EWMA（20）为46.42。