/// <summary>
/// 例如：MA(C，20)表示20日的平均收盘价。C表示CLOSE。
///EMA(X, N)指数平滑移动平均
///求X的N日指数平滑移动平均，它真正的公式表达是：当日指数平均值=平滑系数*（当日指数值-昨日指数平均值）+昨日指数平均值；平滑系数=2/（周期单位+1）；由以上公式推导开，得到：EMA(C, N)=2*C/(N+1)+(N-1)/(N+1)*昨天的指数收盘平均值；
///算法是：若Y=EMA(X，N)，则Y=［2*X+(N-1)*Y’］/(N+1)，其中Y’表示上一周期的Y值。
///EMA引用函数在计算机上使用递归算法很容易实现，但不容易理解。例举分析说明EMA函数。
///X是变量，每天的X值都不同，从远到近地标记，它们分别记为X1，X2，X3，….，Xn
///如果N = 1，则EMA(X，1)=［2*X1+(1-1)*Y’］/(1+1)=X1
///如果N = 2，则EMA(X，2)=［2*X2+(2-1)*Y’］/(2+1)=(2/3)*X2+(1/3)X1
///如果N = 3，则EMA(X，3)=［2*X3+(3-1)*Y’］/(3+1)=［2*X3+2*((2/3)*X2+(1/3)*X1)］/4=(1 /2)*X3+(1/3)*X2+(1/6)*X1
///如果N = 4，则EMA(X，4)=［2*X4+(4-1)*Y’］/(4+1)=2/5*X4+3/5*((1/2)*X3+(1/3)*X2+(1 /6)*X1)=2/5*X4+3/10*X3+1/5*X2+1/10*X1
///如果N = 5，则EMA(X，5)=2/(5+1)*X5+(5-1)/(5+1)(2/5*X4+3/10*X3+3/15*X2+3/30*X1)=(1/3)*X5+(4/15)*X4+(3/15)*X3+(2/15)*X2+(1/15)*X1
///任何时候系数之和恒为1。如果X是常量，每天的X值都不变，则EMA(X, N)=MA(X, N).
///从以上的例举分析中，我们可以看到时间周期越近的X值它的权重越大，说明EMA函数对近期的X值加强了权重比，更能及时反映近期X值的波动情况。所以EMA比Ma更具参考价值，而ema 也不容易出现死叉和金叉，所以一旦出现要立即作出反映！对周线处理，ema就更加稳定了
public static TimeSeries <ITimeSeriesItem <double> > EMA(this TimeSeries <ITimeSeriesItem <double> > ts, int num)
{
TimeSeries <ITimeSeriesItem <double> > results = new TimeSeries <ITimeSeriesItem <double> >();
if (ts == null || ts.Count <= 0)
{
return(results);
}
TimeSeriesItem <double> obj = new TimeSeriesItem <double>()
{
Date = ts[0].Date,
Value = ts[0].Value
};
results.Add(obj);
double prevValue = obj.Value;
for (int i = 1; i < ts.Count; i++)
{
double value = (2 * ts[i].Value + (num - 1) * prevValue) / (num + 1);
obj = new TimeSeriesItem <double>()
{
Date = ts[i].Date,
Value = value
};
results.Add(obj);
prevValue = value;
}
return(results);
}
/// <summary>
/// 乘法
/// </summary>
/// <param name="ts1"></param>
/// <param name="v"></param>
/// <returns></returns>
public static TimeSeries <ITimeSeriesItem <double> > operator *(TimeSeries <T> ts1, double v)
{
TimeSeries <ITimeSeriesItem <double> > results = new TimeSeries <ITimeSeriesItem <double> >();
ts1.ForEach(t1 => results.Add((t1 as TimeSeriesItem) * v));
return(results);
}
/// <summary>
/// MA(X,N)简单算术平均
/// 求X的N日移动平均值，不分轻重，平均算。算法是：
/// (X1+X2+X3+…..+Xn)/N
/// 例如：MA(C，20)表示20日的平均收盘价。C表示CLOSE。
/// </summary>
/// <param name="ts"></param>
/// <param name="num"></param>
/// <returns></returns>
public static TimeSeries <ITimeSeriesItem <double> > MA(this TimeSeries <ITimeSeriesItem <double> > ts, int num)
{
TimeSeries <ITimeSeriesItem <double> > results = new TimeSeries <ITimeSeriesItem <double> >();
for (int i = num - 1; i < ts.Count; i++)
{
ITimeSeriesItem t = ts[i];
TimeSeriesItem <double> item = new TimeSeriesItem <double>()
{
Date = t.Date,
Value = ts[i - num + 1, i].Sum(x => x.Value) / num
};
results.Add(item);
}
return(results);
}
/// <summary>
/// y=a+b*x;
///最小平方法求出估计值a,b,代入得估计直线
///b1:=∑(x(i)-avr(x,30))* (y(i)-avr(y,30));
///b2:=∑(x(i)-avr(x,30))^2;
///b:=b1/b2;
///a:=avr(y,30)-b*avr(x,30);SLOPE=(X,N)
/// </summary>
/// <param name="ts"></param>
/// <param name="num"></param>
/// <returns></returns>
public static TimeSeries <ITimeSeriesItem <double> > SLOPE(this ITimeSeries <ITimeSeriesItem <double> > ts, int num)
{
TimeSeries <ITimeSeriesItem <double> > results = new TimeSeries <ITimeSeriesItem <double> >();
for (int i = num - 1; i < ts.Count; i++)
{
List <double> list = ts[i - num + 1, i].ConvertAll <double>(x => x.Value).ToList();
double slope = list.SLOPE();
TimeSeriesItem <double> item = new TimeSeriesItem <double>()
{
Date = ts[i].Date,
Value = slope
};
results.Add(item);
}
return(results);
}
/// <summary>
/// 假设日期：1，2，3，4，5，6，7，8，9，10，11，12，13，14，15，16，17，18，19，20.。。。。。。。
/// 如果在10这个地方统计MA（C,5）=（6+7+8+9+10）/5;这是以10为终点,向前统计法;
/// 如果在10这个地方统计XMA（C,5）=（8+9+10+11+12）/5;这是以10为中点,从中间向前和向后统计法;
/// 如果在10这个地方统计MA（C,7）=（4+5+6+7+8+9+10）/7;这是以10为终点,向前统计法;
/// 如果在10这个地方统计XMA（C,7）=（7+8+9+10+11+12+13）/7;这是以10为中点,从中间向前和向后统计法;
/// 如果在10这个地方统计MA（C,9）=（2+3+4+5+6+7+8+9+10）/9;这是以10为终点,向前统计法;
/// 如果在10这个地方统计XMA（C,9）=（6+7+8+9+10+11+12+13+14）/9;这是以10为中点,从中间向前和向后统计法;
/// 假如今天就是10号收盘,前面的数据已经发生了,但是11号、12、13、14、15、16、17、18、19、20......没有发生，
/// 没有发生就没数据，但XMA如何给没发生的赋值数据呢？
/// 原理很简单：假如是XMA（C,7）,以10号收盘来统计XMA（C,7）,7、8、9、10数据已经有了，
/// 但11、12、13还没发生，数据没有，怎么办？就是这用7、8、9、10这4天的平均价赋值分别给11、12、13；然后全部求平均。
/// 如果是N天呢？N天后的没有发生的怎么赋值？那就用N天前的包括N天的（（N+1)/2）天的平均价赋值；
/// 但是有一点，XMA还怪在这里：当今天10号已经过去，11号变成今天，昨天对11号没发生的赋值又会用今天的实际值来取代。
/// 用11号实际发生的数值取代昨天对今天的赋值；
/// XMA（C,N）里的一般为奇数，当N设定为偶数时候，它怎么办呢？就是自动采用N+1法自动调整为奇数。
/// </summary>
/// <param name="ts"></param>
/// <param name="num"></param>
/// <returns></returns>
public static TimeSeries <ITimeSeriesItem <double> > XMA(this TimeSeries <ITimeSeriesItem <double> > ts, int num)
{
if (num % 2 == 0)
{
num += 1;
}
int len = (num - 1) / 2;
TimeSeries <ITimeSeriesItem <double> > results = new TimeSeries <ITimeSeriesItem <double> >();
for (int i = len; i < ts.Count; i++)
{
double sum = 0, temp = 0;
for (int j = i - len; j <= i + len; j++)
{
if (j < ts.Count)
{
sum += ts[j].Value;
}
else
{
if (temp == 0)
{
temp = sum / (j - i + len);
}
sum += temp;
}
}
TimeSeriesItem <double> item = new TimeSeriesItem <double>()
{
Date = ts[i].Date,
Value = sum / num
};
results.Add(item);
}
return(results);
}
public static TimeSeries <ITimeSeriesItem <double> > LLV(this TimeSeries <ITimeSeriesItem <double> > ts, int num)
{
TimeSeries <ITimeSeriesItem <double> > results = new TimeSeries <ITimeSeriesItem <double> >();
for (int i = num - 1; i < ts.Count; i++)
{
double min = double.MaxValue;
for (int j = i - num + 1; j <= i; j++)
{
if (min > ts[j].Value)
{
min = ts[j].Value;
}
}
TimeSeriesItem <double> item = new TimeSeriesItem <double>()
{
Date = ts[i].Date,
Value = min
};
results.Add(item);
}
return(results);
}
public virtual ITimeSeries Zoomout(TimeUnit tu, DateTime begin, DateTime end)
{
Func <List <T>, T> merger = this.getElementMerger();
if (merger == null)
{
return(null);
}
if (this.Count <= 0)
{
return(null);
}
if (begin < this[0].Date)
{
begin = this[0].Date;
}
if (end > this[this.Count - 1].Date)
{
end = this[this.Count - 1].Date;
}
List <T> items = new List <T>();
TimeSeries <T> result = (TimeSeries <T>) this.GetType().GetConstructor(new Type[] { typeof(String), typeof(TimeUnit) }).Invoke(new Object[] { code, tu });
/*
* DateTime d = begin;
* KeyValuePair<int, ITimeSeriesItem> kv = this.GetNearest(d);
* if (kv.Value == null)
* return null;
* int index = kv.Key;
* while(index < this.Count)
* {
* int n = CalendarUtils.TimeUnitGetSerialNo(this[index].Date,tu);
* if (n == 1)
* break;
* index += 1;
* }
*
* DateTime[] dayRange = null;
* for (int i=index;i<this.Count;i++)
* {
* d = this[i].Date;
* if(dayRange == null)
* dayRange = CalendarUtils.TimeUnitRange(d, tu);
* if(d<=dayRange[1])
* {
* items.Add(this[i]);
* continue;
* }
* T newItem = merger(items);
* if (newItem != null)
* result.Add(newItem);
* dayRange = null;
*
* }
*/
DateTime d = begin;
while (d <= end)
{
DateTime[] dayRange = CalendarUtils.TimeUnitRange(d, tu); //找到d所在的周期的第一天
KeyValuePair <int, ITimeSeriesItem> kvBegin = this.GetNearest(dayRange[0]);
KeyValuePair <int, ITimeSeriesItem> kvEnd = this.GetNearest(dayRange[1]);
items.Clear();
for (int i = kvBegin.Key; i <= kvEnd.Key; i++)
{
items.Add(this[i]);
}
T newItem = merger(items);
if (newItem != null)
{
result.Add(newItem);
}
d = CalendarUtils.TimeUnitNextDate(d, tu);
}
return(result);
}
