Question

我正在尝试使用Python（使用Pandas）来计算英特尔（INTC）每日股票数据的20天指数移动平均线（EMA）。 Pandas有很多方法可以做到这一点，我也尝试过在Pandas上运行的stockstats，但它们从来没有像我从股票/金融网站那样返回相同的EMA。

我已经仔细检查了收盘价，但它们相符，但EMA总是出现“错误”。

这是我正在使用的CSV：INTC Stock Data

它包含2016年2月20日至2月1日期间英特尔股票（股票代码：INTC）的每日日期，月份名称，开盘价，最高价，最低价，收盘价，日平均价和成交量。

当我查看较大的股票网站时，如MarketWatch或Fidelity，他们的数字与我的不相符。他们匹配彼此，但不是我。

例如......

df2['Close'].ewm(span=20,min_periods=0,adjust=False,ignore_na=False).mean()

...或

df2['Close'].ewm(span=20, min_periods=20, adjust=True).mean()

...或

df2["Close"].shift().fillna(df["Close"]).ewm(com=1, adjust=False).mean()

在任何财务网站上的真实的20天EMA 为$ 45.65时，给我218/2018的EMA，如$ 44.71，$ 47.65，$ 46.15等。无论我尝试计算EMA的日期，我得到的数字都是错误的。当我尝试5天EMA时，这甚至是错误的。

我已阅读，观看并关注该主题的教程，但其结果也与您在任何金融网站上找到的已接受/已发布的EMA不符。在Panda捣乱数字之后，创建教程和视频的人们根本就不会互相检查它们。我需要我的数字才能匹配。

我如何得到相同的数字互联网上的其他财务网站正在获取EMA？我不认为这与调整后的收盘价有任何关系，因为我使用的是旧的/结算数据，我的收盘价和日期与他们的相同。

Answer 1

对DataFrame进行排序，使日期按递增顺序排列。由于您的数据按日期递减排序，如果您不先对日期进行排序，则ewm计算会对最早日期进行指数级加权，而不是最新日期（因为它应该是）。

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

这同意Marketwatch，其中说2018-02-01的EWMA（20）为46.42。

Answer 2

我建议使用 Pandas TA 在 python 中计算技术指标。我发现它比熊猫自带的更准确，指标也更多。

使用 Pandas TA，计算 20 周期指数移动平均线如下：

import pandas_ta as ta

data["EMA20"] = ta.ema(df2["Close"], length=20)

熊猫的EMA与股票的EMA不匹配？

2 个答案: