python - 计算 smma（平滑移动平均值）

Question

我正在尝试用 Python 编写 smma（平滑移动平均线）。我从 tradeview 中的 pine 脚本中获取公式。

smma =  0.0
smma := na(smma[1]) ? ta.sma(src, length) : (smma[1] * (length - 1) + src) / length

因此，当没有先前的 smma 值时，我们应该采用 (src,length) 的简单移动平均值。接下来的计算是根据 (smma[1] * (length - 1) + src) / length 进行的。 smmma[1] 是之前的 smma 值。

这是我的代码：

def smma(src, length):
    smma = 0.0
    dataLength = len(src)
    lookbackPeriod = dataLength - length

    #first value of smma is the sma of src and length
    #Convert list to dataframe
    df = pd.DataFrame(src, columns = ['hl2'])
    smma = df.rolling(window=length).mean()
    smma = float(smma.iloc[-1])
    log.info(f"First smma value = {smma}")

    lookbackPeriod = dataLength - length + 1 #calculate smma for the other values
    while (lookbackPeriod < dataLength):
        smma = (smma * (length - 1) + float(src[lookbackPeriod])) / length
        log.info(f"lookback = {lookbackPeriod} src[lookbackPeriod] = {src[lookbackPeriod]} smma = {smma}")
        lookbackPeriod = lookbackPeriod + 1
    return smma

周期长度为 5 的输出如下所示：

[2021-11-07 12:26:21,701] First smma value = 61842.0
[2021-11-07 12:26:21,701] lookback = 196 src[lookbackPeriod] = 61817.25 smma = 61837.05
[2021-11-07 12:26:21,701] lookback = 197 src[lookbackPeriod] = 61883.5 smma = 61846.340000000004
[2021-11-07 12:26:21,701] lookback = 198 src[lookbackPeriod] = 61867.75 smma = 61850.621999999996
[2021-11-07 12:26:21,702] lookback = 199 src[lookbackPeriod] = 61838.0 smma = 61848.0976

在我的例子中，src 是一个包含 200 个值的列表。 当我将第一个 smma 的值与 sma 进行比较时，与 Tradingview 上的值相比，它是正确的。与我在 Tradingview 上看到的相比，smma 的最终值不正确。 （在这种情况下，我将其作为源（高+低）/2，而不是收盘价，但当我将其作为 Tradingview 中的源时，它仍然无法正确显示）

有人能发现我在这里做错了什么吗？

非常感谢！

Answer 1

使用公式在 Python 中计算 SMMA 具有挑战性，但有一个简单的替代方案，您可以使用任何 python TA 库（例如

https://technical-analysis-library-in-python.readthedocs.io/en/latest/ta .html）并获取 EMA。 SMMA本质上是EMA，只是长度不同。您可以在交易视图中尝试插入 SMMA 和 EMA，并按照此处的 screennip 中所述更改长度。您会发现 SMMA 和 EMA 在这里重叠。

理想情况下，SMMA长度为x，将EMA长度设置为x*2-1（当然长度1除外），你会得到准确的结果。

希望这有帮助。

Answer 2

最近我遇到了同样的问题 - 由我的代码计算的 SMMA 值与图表上的 TradingView 值。

问题是你可以找到各种计算 SMMA 的公式，例如：

chartmill.com
fxcorporate.com

老实说，到目前为止我无法获得准确的 TradingView 结果，但我发现

chartmill 结果最接近 TradingView。

我尝试在 Java 中实现 SMMA 作为

ta4j 库的扩展。请在下面找到我最近的结果。希望您发现它有帮助，我们将共同找到正确的实现：

public class SMMAIndicator extends RecursiveCachedIndicator<Num> {

/**
 * N - Number of periods, over which the indicator is calculated.
 */
private final int barCount;
private final Num n;

/**
 * Usually ClosePriceIndicator
 */
private final Indicator<Num> indicator;

/**
 * SMA to calculate 1st SMMA period per index
 */
private final SMAIndicator smaIndicator;

public SMMAIndicator(Indicator<Num> indicator, int barCount) {
    super(indicator.getBarSeries());
    this.barCount = barCount;
    this.n = numOf(barCount);
    this.indicator = indicator;
    this.smaIndicator = new SMAIndicator(indicator, barCount);
}

@Override
public Num calculate(int index) {
    var i = max(0, index - barCount + 1);

    if (i == 0) {
        return smaIndicator.getValue(index);
    }

    if (i == 1) {
        var nMinus1 = n.minus(numOf(1));
        var smma0 = getValue(index - 1);
        var input = indicator.getValue(index);
        return smma0.multipliedBy(nMinus1).plus(input).dividedBy(n);
    }

    var prevSmma = getValue(index - 1);
    var prevSum = prevSmma.multipliedBy(n);
    return prevSum.minus(prevSmma).plus(indicator.getValue(index)).dividedBy(n);
}

}

Answer 3

我找到了解决方案。您只需要计算足够大的样本量即可。就我而言，计算 5 个周期的 smma 不应在 5 个数据点上运行，但在大小为 200 的数据点上我有正确的值。 因此，计算前 5 个数据点的简单移动平均值，然后开始剩余 195 个数据点的 smma 计算。 smma 的最后一个值是与 Tradingview 中的值匹配的正确值。

Answer 4

此代码适用于我的

def calculate_smma(src, length):
smma = pd.Series(index=src.index, dtype=float)

for i in range(len(src)):
    if pd.isna(smma.iloc[i - 1]):
        smma.iloc[i] = src.iloc[:i + 1].mean()
    else:
        smma.iloc[i] = (smma.iloc[i - 1] * (length - 1) + src.iloc[i]) / length

return smma