expma和ma的區別？[均線指標MA與EXPMA的區別]MA（Moving Average），中文名稱叫移動來算，或移動均線，是統計學中數據處理的最簡單方法之一。對原始數據接受這種“光潔”處理的目的

expma和ma的區別？

[均線指標MA與EXPMA的區別]

MA（Moving Average），中文名稱叫移動來算，或移動均線，是統計學中數據處理的最簡單方法之一。

對原始數據接受這種“光潔”處理的目的是可以消除原始數據中的干擾因素，可以保留本質的內容。

天翼總平均的核心思想就是將當日前若干天（這個若干天是MA的時間參數）的股票價格的算術平均數以及當日的天翼平均值，

這樣的話就是可以能得到每月十五的移動平均值，再將日日的移動平均值連接成一條線，就能夠得到移動均線。

計算公式：

其中，m為參數。為第n天的m日移動平均值。

悠久的傳統移動換算下來雖然在數理統計學里是一個很很簡單的概念。

移動均線事實上那是對過去股價走勢的一個擬合和濾波，通過這個方法，突然發現運動規律，以便于能預估股價未來的走勢。

移動均線的參數是時間天數，正常情況生克制化短期和長期移動均線來在用，因為短期移動手機均線和長期性移動均線在走勢上那就有些區別的。

依據什么移動均線的定義和算法，數學上是可以可證明:結果：

無論哪種參數的移動均線較之原始數據的連線也有反應滯后，而且長期性移動均線較之中短期移動均線更反應滯后

（有所謂滯后，應該是移動均線上級主管部門股價的走勢總是比實際中走勢慢或遲鈍：當股價走勢出現反轉后，移動均線往往要等幾天才會出現反轉信號，這也是所有移動均線的共性）。

但移動均線卻是對遠古時期股價參與了一次濾波處理，“過濾”了股價走勢的鋸齒成分，

這樣，移動均線就比各種股價數據兩端無比光滑平整，更容易猜出股價的中長期運行趨勢。

不過，常期移動均線比短期移動均線更非常光滑，參數時間越長，走勢也越平滑，越穩定啊。

-----------------------------------------------------------------------------------------------------------------------------

EXPMA（Exponentially Moving Average），也叫EMA，中文名稱叫指數平滑移動聯通換算下來，都是一種經常是用數據處理方法。

EXPMA與MA一般，都是對股價的一種你算算算法，

差別的是MA帶的是算術換算下來，而EXPMA帶的是加權平均。

EXPMA與移動均線（MA）不同的是：兩者是把從當日起過去若干日的數據（也就是股價）作一換算下來，當做當日的擬合值。

EXPMA與MA有兩點相同的是：

算法里，只考慮了當日起過去太遠若干日（移動均線的參數）對當日的影響，當然了若干日之前，就不判斷了，而EXPMA以為過來所有的數據應該有影響；

算法里認為過去了若干日的數據對當日數據擬合值的影響大小是一般的，

而EXPMA算法以為：歷史數據對當日股價的影響是差別的，時間越遠，影響越小，時間越近，影響越大（這應該是加權的思想）。

雖然，EXPMA都是有參數的，參數是時間，依據時間長短的不同選擇，也這個可以把EXPMA兩類短期EXPMA和長期EXPMA等。

一般來說，短期EXPMA對股價走勢的計算得到程度比長期EXPMA好，可是不如你常期EXPMA光滑（所有的均線系統都是此性質）。

計算公式：

其中m為參數，但是上市當日的EXPMA一般取值為當日收盤價。

從MA和EXPMA的算法中可以明白了，兩者都是對股價的一個總平均，

但MA（移動均線）因此其實前面一段日子數據的影響也是一樣，

而EXPMA（指數平滑移動均線）以為越近的數據貢獻越大，并且，一般來說，EXPMA比MA對股價走勢的反映更太靈敏有一些。

EXPMA的用法同MA類似，也從股價同EXPMA之間的關系包括長時刻EXPMA和短期EXPMA之間的關系這兩方面去考慮到，

主要注意也是確定市場多空雙方力量，最大限度地得出來股價的運行趨勢和決定買賣信號。

在數字圖像處理中什么是圖像平滑?什么是圖像銳化？

（圖象光滑）①目的：會降低圖像銳度，另外也會徹底去除部分噪聲，處理后會造成圖象清晰；②處理方法：鄰域平均法、中值濾波法、多圖象來算法，按結構取平均值或中值的方法來什么都看不清楚噪聲；③圖象邊緣及噪聲頻率都在超高頻區，用低通濾波法來去噪聲。

（圖象銳化）①目的：可以提高圖像輪廓和細節，使圖象清楚地，處理后噪聲也會增強；②處理方法：梯度法、拉普拉斯算法、Robert算法，常規微分運算求信號變化率，起到高頻信號分量，使圖象輪廓清晰；③圖象邊緣或線條等細節部分在中頻區，用高通濾波讓超高頻分量是從。