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MarketWatchFidelity)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。
python -  Pandas 的EMA与股票的EMA不匹配?-LMLPHP

10-08 06:17