知道如何实现通达信中的DMA函数吗？比如以下语句中的ＤＭＡ ``` CC:=ABS((2*CLOSE+HIGH+LOW)/4-MA(CLOSE,20))/MA(CLOSE,20); DD:=DMA(CLOSE,CC); ``` 是你这里说的ＷＭＡ么？

@刀客 必然不是WMA。DMA的实现如下： ``` # 同花顺和通达信等软件中的DMA def DMA_CN(close, weighted) : return reduce(lambda x, y: (1 - y[1]) * x + y[1] * y[0], zip(close, weighted), close[0]) ```

@软猫克鲁 算了下和通达信的结果不一致 算法：　若Y=DMA(X，A)则 Y=A*X+(1-A)*Y'，其中Y'表示上一周期Y值，A必须小于1。 感觉这里map和reduce一起用吧。我对Python还是不熟悉 还是因为Y'初始值默认是close[0]不准引起的？

@刀客 函数本身是符合算法的。reduce就是只算当期的DMA，如果要中间每一期的值，需要用map做，返回值类似talib一样返回一个DMA的数组。 比如： ``` map(lambda x : DMA_CN(close[:x], weighted[:x]), range(1, len(close) + 1)) ``` 数据和通达信不一致，有很多原因，比如基础数据一致性，验算的期数等等。这个具体情况具体分析了，算法应该没错。

@软猫克鲁,结合map reduce，结果正确。多谢

SMA(X，N，M)　X的M日加权移动平均， M为权重，如Y=(X*M+Y'*(N-M))/N 英文含义不知道，中文有的说是算术平均值。 我看还是加权平均值比较好。 SMA 就是把EMA(X,N) 中的权重2， 变成了一个可自己定义的变数。要求 M < N; 还是加权平均的意思。 ------------------------------------------------------------ M/N, (N-M)/N 就是一个加起来等于1的小数，于是定义动态平均值。 好像和你的不一样？ 我想实现一个策略： 公式：(3)*(SMA(((CLOSE - a)/(b - a))*(100),5,1)) - (2)*(SMA(SMA(((CLOSE - a)/(b - a))*(100),5,1),3,1)) >3时买进，买进时如果市值>50亿，盈利20%止盈；50~150亿，盈利10%止盈；150亿以上，盈利5%止盈； a = 30日中的盘中最低价 b=30中的盘中最高价 复盘不少个股，认为以上策略有价值。 根据你的代码自己不能实现。 我是新手，能否帮忙实现。 hData = attribute_history(security, g.period * 6, unit='1d' , fields=('open','close','high','low') , skip_paused=True , df=False) close = hData['close'] close_1 = hData['close'][-1] high = hData['high'] low = hData['low'] high_H = max(hData['high'][-31:-1]) low_L = min(hData['low'][-31:-1]) print high_H print low_L buy_point = (3)*(SMA_CN(((close_1 - low_L)/(high_H - low_L))*(100),5,1)) - (2)*(SMA_CN(SMA_CN(((close_1 - low_L)/(high_H - low_L))*(100),5,1),3,1))

@BUNC 代码中的SMA是权重为1的实现，你如果需要不同权重可以稍微改改。策略不难实现，有空帮你看看。

@软猫克鲁 好的，谢谢你！！

hData = attribute_history(security, g.period * 6, unit='1d' , fields=('close') , skip_paused=True , df=False) g.period * 6 乘以6的原因是不是就是保证回测的数据足够多，保证均线数据尽量和交易软件中的一致？

@Yole 有这种因素，也是因为选择不同的均线type需要的数据量不一样，比如TRIMA(10)，至少需要30个数据点计算

moving average在数学上其实是定义成一个卷积操作: ![CodeCogsEqn.png][1] 而SMA,EMA,WMA其实就是对序列x做卷积时选不同的函数h 比如: SMA5选的h函数就是[1/5, 1/5, 1/5, 1/5, 1/5] 其他像EMA, WMA还有更复杂一点的滑动平均在数字信号处理里我们使用transfer function的统一形式来表达： ![CodeCogsEqn (1).png][2] 这里h函数的选择其实就是设置a1 a2,b1,b2,c0,c1，回看长度由递归项来控制 比如: SMA5系数设置为a1=1 b0=1/5 c0=1 c1=1/5 EMA的设置为a1=1-alpha b0=alpha c1=1 其中alpha为平滑参数 当alpha = 2/(L+1)时,这个EMA近似等价于L天的SMA 可以参照我这个帖子里的两个滑动平均： https://www.joinquant.com/post/1077 函数是getSSF 和get2PHPF [1]: https://joinquant-image.b0.upaiyun.com/b5abb7863baf0db07383d1114b582cc2 [2]: https://joinquant-image.b0.upaiyun.com/c9d9fde5810fbbc7d93c779bc64d7a9e

@韭菜Hulk 学习学习

@BUNC 我用同花顺把你这个公式算了一下，很少有个股能够低于3，值域大部分时间都比3大，这指标用来抄底倒是可以。选股估计效果不会太好。 ``` a = LLV(LOW, 30); b = HHV(HIGH, 30); x = ((CLOSE - a)/(b - a))*(100); tv = SMA(x, 5, 1); // (3)(SMA(((CLOSE - a)/(b - a))(100),5,1)) - (2)(SMA(SMA(((CLOSE - a)/(b - a))(100),5,1),3,1)) y : (3)*(tv) - (2)*(SMA(tv,3,1)); ```

@软猫克鲁 是的，抄底，小散户一年有几次一起够了。有空帮忙代码试试，感谢了！

新手已学习

还是不太明白DMA怎么用？～本期DMA取数会取到上期的DMA，是不是基础数据要很多？

@邪恶的小米虫 是的，推荐3倍以上的基础数据量

def DMA_CN(close, weighted) : return reduce(lambda x, y: (1 - y[1]) * x + y[1] * y[0], zip(close, weighted), close[0]) map(lambda x : DMA_CN(close[:x], weighted[:x]), range(1, len(close) + 1)) 这两段代码要如何添加？用lambda匿名函数太优雅了~投资研究中使用DMA_CN出现 TypeError: zip argument #2 must support iteration import numpy as np import pandas as pd def DMA_CN(close, weighted) : return reduce(lambda x, y: (1 - y[1]) * x + y[1] * y[0], zip(close, weighted), close[0]) data = get_price('603159.XSHG', start_date='2016-5-1',end_date='2016-11-4', frequency='daily', fields=['close']) data['DMA']=DMA_CN(data.close, 0.5) data.tail(10)

谢谢分享