[均線指標 MA與EXPMA 的區別]
MA（Moving Average），中文名稱叫移動平均，或移動均線，是統計學中資料處理的最簡單方法之一。
對原始資料進行這種“平滑”處理的目的是消除原始資料中的干擾因素，保留本質的內容。
移動平均的核心思想就是將當日前若干天（這個若干天就是MA的時間引數）的股票價格的算術平均數作為當日的移動平均值，
這樣就可以得到每日的移動平均值，再將每日的移動平均值連線成一條線，就得到移動均線。
計算公式：
其中，m為引數。為第n天的m日移動平均值。
傳統移動平均實際上在數理統計學裡是一個很簡單的概念。
移動均線實際上就是對過去股價走勢的一個擬合和濾波，透過這個方法，發現運動規律，以便能預測股價未來的走勢。
移動均線的引數是時間天數，通常結合短期和長期移動均線來使用，因為短期移動均線和長期移動均線在走勢上還是有些區別的。
根據移動均線的定義和演算法，數學上可以證明如下結果：
不論哪種引數的移動均線較之原始資料的連線都有滯後，而且長期移動均線較之短期移動均線更滯後
（所謂滯後，就是移動均線反映股價的走勢總是比實際走勢慢或遲鈍：當股價走勢出現反轉後，移動均線往往要等幾天才出現反轉訊號，這也是所有移動均線的共性）。
但是移動均線卻是對原始股價進行了一次濾波處理，“過濾”了股價走勢的"鋸齒"成分，
這樣，移動均線就比原始股價資料連線更為光滑，更容易看出股價的中長期執行趨勢。
而且，長期移動均線比短期移動均線更光滑，引數時間越長，走勢也越光滑，越穩定。
-----------------------------------------------------------------------------------------------------------------------------
EXPMA（Exponentially Moving Average），也叫EMA，中文名稱叫指數平滑移動平均，也是一種經常用的資料處理方法。
EXPMA與MA一樣，也是對股價的一種平均演算法，
不同的是MA用的是算術平均，而EX PMA用的是加權平均。
EXPMA與移動均線（MA）相同的是：兩者都是把從當日起過去若干日的資料（也就是股價）作一平均，當作當日的擬合值。
EXPMA與MA有兩點不同的是：
1.MA演算法裡，只考慮了當日起過去有限若干日（移動均線的引數）對當日的影響，至於若干日之前，就不考慮了，而EXPMA認為過去所有的資料都有影響；
2.MA演算法裡認為過去若干日的資料對當日擬合值的影響大小是一樣的，
而EXPMA演算法認為：歷史資料對當日股價的影響是不同的，時間越遠，影響越小，時間越近，影響越大（這就是加權的思想）。
同樣，EXPMA也是有引數的，引數是時間，根據時間長短的不同選擇，也可以把EXPMA分為短期EXPMA和長期EXPMA等。
一般來說，短期EXPMA對股價走勢的擬合程度比長期EXPMA好，但是不如長期EXPMA光滑（所有的均線系統都有此性質）。
其中m為引數，而且上市當日的EXPMA一般取值為當日收盤價。
從MA和EXPMA的演算法中可以知道，兩者都是對股價的一個平均，
但MA（移動均線）由於認為前面一段日子資料的影響都是一樣，
而EXPMA（指數平滑移動均線）認為越近的資料貢獻越大，因此，一般來說，EXPMA比MA對股價走勢的反映更靈敏一些。
EXPMA的用法同MA類似，也是從股價同EXPMA之間的關係以及長期EXPMA和短期EXPMA之間的關係這兩方面去考慮，
主要也是判斷市場多空雙方力量，從而得出股價的執行趨勢以及給出買賣訊號。
[均線指標 MA與EXPMA 的區別]
MA（Moving Average），中文名稱叫移動平均，或移動均線，是統計學中資料處理的最簡單方法之一。
對原始資料進行這種“平滑”處理的目的是消除原始資料中的干擾因素，保留本質的內容。
移動平均的核心思想就是將當日前若干天（這個若干天就是MA的時間引數）的股票價格的算術平均數作為當日的移動平均值，
這樣就可以得到每日的移動平均值，再將每日的移動平均值連線成一條線，就得到移動均線。
計算公式：
其中，m為引數。為第n天的m日移動平均值。
傳統移動平均實際上在數理統計學裡是一個很簡單的概念。
移動均線實際上就是對過去股價走勢的一個擬合和濾波，透過這個方法，發現運動規律，以便能預測股價未來的走勢。
移動均線的引數是時間天數，通常結合短期和長期移動均線來使用，因為短期移動均線和長期移動均線在走勢上還是有些區別的。
根據移動均線的定義和演算法，數學上可以證明如下結果：
不論哪種引數的移動均線較之原始資料的連線都有滯後，而且長期移動均線較之短期移動均線更滯後
（所謂滯後，就是移動均線反映股價的走勢總是比實際走勢慢或遲鈍：當股價走勢出現反轉後，移動均線往往要等幾天才出現反轉訊號，這也是所有移動均線的共性）。
但是移動均線卻是對原始股價進行了一次濾波處理，“過濾”了股價走勢的"鋸齒"成分，
這樣，移動均線就比原始股價資料連線更為光滑，更容易看出股價的中長期執行趨勢。
而且，長期移動均線比短期移動均線更光滑，引數時間越長，走勢也越光滑，越穩定。
-----------------------------------------------------------------------------------------------------------------------------
EXPMA（Exponentially Moving Average），也叫EMA，中文名稱叫指數平滑移動平均，也是一種經常用的資料處理方法。
EXPMA與MA一樣，也是對股價的一種平均演算法，
不同的是MA用的是算術平均，而EX PMA用的是加權平均。
EXPMA與移動均線（MA）相同的是：兩者都是把從當日起過去若干日的資料（也就是股價）作一平均，當作當日的擬合值。
EXPMA與MA有兩點不同的是：
1.MA演算法裡，只考慮了當日起過去有限若干日（移動均線的引數）對當日的影響，至於若干日之前，就不考慮了，而EXPMA認為過去所有的資料都有影響；
2.MA演算法裡認為過去若干日的資料對當日擬合值的影響大小是一樣的，
而EXPMA演算法認為：歷史資料對當日股價的影響是不同的，時間越遠，影響越小，時間越近，影響越大（這就是加權的思想）。
同樣，EXPMA也是有引數的，引數是時間，根據時間長短的不同選擇，也可以把EXPMA分為短期EXPMA和長期EXPMA等。
一般來說，短期EXPMA對股價走勢的擬合程度比長期EXPMA好，但是不如長期EXPMA光滑（所有的均線系統都有此性質）。
計算公式：
其中m為引數，而且上市當日的EXPMA一般取值為當日收盤價。
從MA和EXPMA的演算法中可以知道，兩者都是對股價的一個平均，
但MA（移動均線）由於認為前面一段日子資料的影響都是一樣，
而EXPMA（指數平滑移動均線）認為越近的資料貢獻越大，因此，一般來說，EXPMA比MA對股價走勢的反映更靈敏一些。
EXPMA的用法同MA類似，也是從股價同EXPMA之間的關係以及長期EXPMA和短期EXPMA之間的關係這兩方面去考慮，
主要也是判斷市場多空雙方力量，從而得出股價的執行趨勢以及給出買賣訊號。