股票中 5 日均线(MA)你会画了？

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第2篇文章，点击查看活动详情

在分析一个事件走势的时候，一般我们会获取到这个事件系列的数据。但是，在绘制出相关的曲线的之后，我们会发现曲线的上下振动比较频繁，那是因为一些短期内的杂数据引起的。比如：

上图的原始数据获取 chartData.js，总共 2000 个点

那么，我们怎么通过事件的系列数据，得到这个事件的相关走势呢？

在进入主题前，我们先了解下 滑动窗口算法

滑动窗口算法

假设给你这一些列的数据：[1,2,3,4,5,6,7,8,4,3,2,1]，求出相邻的三个数之和最大是多少？

👌，我们有下面的思路：

1. 从左到右，三个数计算求和
2. 先右移动一位，三个数重新计算求和
3. 比较每次的求和大小，取最大的保存
4. 进入第 2 步骤执行
5. 直到数组最后三个数求和并比较完成后，返回最大的和

我们来实现下：

function getSum(arr, step) { // arr 是一维数组
  // 这里没有考虑边界等问题
  let sum = 0;
  for(let i = 0; i < (arr.length - step + 1); i += 1) {
    let tempSum = 0;
    for(let j = i; j < (i+step); j += 1) {
      tempSum += arr[j];
    }
    if(tempSum > sum) {
      sum = tempSum;
    }
    tempSum = 0;
  }
  return sum;
}
let maxSum = getSum([1,2,3,4,5,6,7,8,4,3,2,1], 3);
console.log(maxSum); // 21

但是，这里的时间算法复杂度去到了 O(n2n^2n2)，我们能够改善下时间复杂度吗？

窗口滑动算法 是一种基于双指针的一种思想，两个指针指向的元素之间形成一个窗口。可用于解决数组/字符串的字元素问题，用在减少嵌套循环的使用，并且用单循环代替它，减少时间复杂度。

So，我们将上面的代码更改下：

function getSumSlidingWindow(arr, step) {
  //  这里同样没有考虑边界等问题
  let sum = 0;
  for(let i = 0; i < step; i++) {
    sum += arr[i];
  } 
  
  let tempSum = sum;
  for(let i = step; i < arr.length; i++) {
    tempSum += arr[i] - arr[i - step];
    if(tempSum > sum) {
      sum = tempSum;
    }
  }
  return sum;
}
let maxSum = getSumSlidingWindow([1,2,3,4,5,6,7,8,4,3,2,1], 3);
console.log(maxSum); // 21

窗口滑动算法的时间复杂度去到了 O(n)。

实现平滑曲线

接下来，我们使用移动滑动窗口，来进行 21 个点为一个窗口的 MA 过滤算法。

MA -> Moving Average 移动平均

顾名思义，移动平均，就是将移动窗口中的值进行求平均，我们可以通过下面的代码进行数据处理：

let maDatas = [];
// 滑动窗口
function filterAverage(signal, k) { // k 应该为奇数
  let sum = 0;
  for(let i = 0; i < k; i++) {
    sum += signal[i];
    if(i < (k-1) / 2) { // 本例中，我们忽略数组的前 10 个数据
      maDatas.push(null); 
    }
  }
  maDatas.push(sum / k);
  
  for(let i = k; i < signal.length; i++) {
    sum += signal[i] - signal[i - k];
    maDatas.push(sum / k)； // 本例中，忽略数组的后 10 个数据
  }
}

filterAverage(rawDatas, 21);

数据量大的时候，我们忽略些前后的数据，影响不大，如果你觉得不应该忽略的话，那你需要对这些数据进行特殊的处理。比如，第一数据，平均值是第一个数据的值，第二个数据，平均值是第一个数据+第二个数据的平均值，以此类推

通过上面 filterAverage 方法，我们可以计算出移动平均过滤后的数值，绘制出曲线见下图 ma。

通过图，我们可能没能感受到 ma 的图表的平滑度，我们结合 求解波值的波峰和波谷「Javascript」 来求一下两者的波峰和波谷：

原始数据: 波峰 => 430; 波谷 => 430

MA 数据: 波峰 => 64; 波谷 => 65

思考🤔：那么，我们可以通过调整滑动窗口，算出股票中的 5 日均线，10 日均线，20 日均线和 60日均线。

我们可以通过移动平均过滤算法预测接下来一段时间的走势。You can think in deeply。

推荐阅读

求解波值的波峰和波谷「Javascript」