인프런 커뮤니티 질문&답변

안녕하세요. 만들어 주신 강의 정말 감사히 잘 수강하고 있습니다. 너무 이론적인 질문이 아닌가 싶기는 하지만, df.ewm()에 들어가는 alpha  값에 관하여 문의가 있어서 글을 남깁니다. alpha값 산정의 기준은 어떤게 있을까요? 혹시 이동평균화할 구간에 맞춰서 변동을 하나요? 밑에 질문이 좀 장황해졌는데, 아무래도 진행해본 과정을 자세히 알려드리는게 나을것 같아서 좀 많이 적었습니다.

 

현재 수강을 하면서 추가적으로 기술적 지표 코딩을 연습하는데, 이 교재에서는 numpy array를 이용하여 for 문등 원초적인? 코딩을 따라하며 익히고 있습니다. Pandas DataFrame을 이용해 하면 좋지 않나 싶지만, 저자가 옛날 스타일의 코딩을 좋아하는것인지 모르겠지만, 일단 따라서 연습하고 있습니다.

 

다시 질문으로 돌아가, alpha 값에 관하여 궁금한 점이 있습니다.  강의중에 alpha 값을 0.8을 쓰시기도, 0.2를 쓰시기도 하셔서, 어떤 값이 더 적합한지 찾아보았습니다. 최근에 개인적으로 ema 함수로 사용하는 과정들이 많아졌는데, 혹시 잘못되면 문제일것 같아서, 찾아보았습니다.

 

아래 링크에 있는 Investopia의 설명에서는 2/(이평하고자하는 n갯수 +1)의 값이 alpha에 들어간다고 나옵니다. 수학적인 증명의 과정은 정확히 모르겠습니다.

 

그래서 연산되어 나오는 값을 비교해 보았습니다.

 

현재 제가 연습한 코딩은 아래와 같습니다.

def ema(Data, alpha, lookback, what, where):

    alpha = alpha / (lookback + 1.0)

    beta  = 1 - alpha

        # First value is a simple SMA

    Data = ma(Data, lookback, what, where)

    # Calculating first EMA

    Data[lookback + 1, where] = (Data[lookback + 1, what] * alpha) + (Data[lookback, where] * beta)

    # Calculating the rest of EMA

    for i in range(lookback + 2, len(Data)):

        try:

            Data[i, where] = (Data[i, what] * alpha) + (Data[i - 1, where] * beta)

                except IndexError:

            pass

    # Cleaning

    Data = jump(Data, lookback) # lookback 구간동안 새로생긴 칼럼의 값은 nan 이라서 삭제한다.

    return Data 

 

여기에서 5일 지수이평을 구한다고 값을 내어보고,

ema(Data, alpha, lookback, what, where)에서는 alpha에 2, lookback에는 5를 입력하였습니다.

 

Pandas에 들어가있는 오브젝트인 ewm를 이용해 계산을 해보았습니다. 아래와 같이 0.333을 입력하여야 근사한 값이 나오는것 같습니다.

2/(20+1)로 0.333333를 계산한 것입니다.

pd.DataFrame(dfe).iloc[:,1].ewm(alpha = 0.3333).mean()

 

이미 지수이평의 값은 단순이평보다 반응이 빠르기에 어떤 값을 넣어도 문제가 없다고 생각하는 분들도 계시겠지만, 그래도 확실히 알아보는게 나을것 같아서 문의 드립니다.

 

새해 복 많이 받으시고, 감사합니다.

 

 

출처:

How Is Exponential Moving Average (EMA) Calculated? (investopedia.com)