前面我們討論過"C#實現加權平均法",今天我們繼續研究另外一種【移動加權平均法】。
在時間序列分析、股票數據處理、工業信號平滑等場景中,移動平均(Moving Average) 是最常見的平滑技術之一。相比簡單移動平均(SMA),移動加權平均(WMA) 會給更靠近當前時刻的數據分配更高的權重,能更敏銳地反映趨勢變化。
本文會深入了解如下內容:
什么是移動加權平均(WMA)?
移動加權平均(Weighted Moving Average, WMA)與簡單移動平均(Simple Moving Average, SMA)的區別在于:
- ? WMA 則對窗口內的值分配不同的權重,通常是離當前點越近,權重越大。
舉個例子:
- ? 對于長度為 5 的窗口,權重可能是 [1, 2, 3, 4, 5],最新值乘以 5,最舊值乘以 1。
算法思路
對于一個時間序列:
- 1. 定義窗口大小
n
,以及對應的權重列表 [w1, w2, ..., wn]
C# 實現示例
下面是一份使用 .NET 6/C# 10 的 WMA 完整示例:
using System;
using System.Collections.Generic;
using System.Linq;
namespaceWeightedMovingAverageDemo
{
classProgram
{
static void Main(string[] args)
{
// 原始數據序列
List<double> data = new() { 10, 20, 30, 40, 50, 60, 70, 80, 90, 100 };
// 設置窗口大小
int windowSize = 3;
// 設置權重(例如 1, 2, 3,離當前位置越近權重越大)
List<double> weights = new() { 1, 2, 3 };
List<double> result = CalculateWeightedMovingAverage(data, windowSize, weights);
Console.WriteLine("移動加權平均結果:");
Console.WriteLine(string.Join(", ", result.Select(x => x.ToString("F2"))));
}
/// <summary>
/// 計算移動加權平均數
/// </summary>
static List<double> CalculateWeightedMovingAverage(List<double> data, int windowSize, List<double> weights)
{
if (weights.Count != windowSize)
thrownew ArgumentException("權重數量必須等于窗口大小。");
List<double> result = new();
for (int i = 0; i <= data.Count - windowSize; i++)
{
double weightedSum = 0;
double weightSum = weights.Sum();
for (int j = 0; j < windowSize; j++)
{
weightedSum += data[i + j] * weights[j];
}
result.Add(weightedSum / weightSum);
}
return result;
}
}
}
代碼解析
1?? 輸入數據
- ?
data
:原始時間序列,如傳感器數據、股價等。 - ?
weights
:自定義權重列表,元素個數必須與窗口大小一致。
2?? 算法核心
3?? 返回值
- ? 返回一個新的列表,長度是
data.Count - windowSize + 1
。
輸出結果
輸入數據:
10, 20, 30, 40, 50, 60, 70, 80, 90, 100
窗口大小:3
權重:[1, 2, 3]
輸出:
---解釋:
- ? 第一個窗口
(10,20,30)
=> (10×1 + 20×2 + 30×3)/6 = 23.33 - ? 第二個窗口
(20,30,40)
=> (20×1 + 30×2 + 40×3)/6 = 33.33
?? 小結
本篇演示了:
在工業生產、金融數據分析、實時信號濾波等場景,都可以直接使用此實現,或者把它封裝為工具類。
閱讀原文:原文鏈接
該文章在 2025/7/18 10:46:16 編輯過