Exponentially Weighted (Moving) Average, EWMA
指數加權移動平均

EWMA

為了觀察數據，我們今天要來看看 EWMA
我們先來介紹移動平均 Moving Average 是甚麼

MA

移動平均 Moving Average

在一個時間序列資料之中，訂出一個區間大小，將其隨時間去計算各個時間點的平均數
畫成圖表後，即能看出整體平均的走向

時間序列資料 Time Series Data

補充一下這個東西
聽起來很瞎趴但其實生活中無所不在

所謂時間序列資料可以理解成把資料畫成圖表的時候，你可以把時間丟到你的 X 軸上面
e.g. 股票走勢圖、天氣預報的溫度變化圖、教育部健康護照的身高成長曲線圖

簡單來說，我們的 MA 移動平均其實就是在觀察整體資料的變化趨勢

EMA 本體

Exponentially Weighted (Moving) Average, EWMA

我們加上 Exponential 來計算 MA

公式為：

• v_t：時間點 t 的 EMA 數
• beta：smoothing factor
  • 介於 0~1 是拿來控制兩者權重的參數
  • Weighted 就是在說這個傢伙
• theta_t：時間點 t 的數據點

至於 Exponential 哪裡來的則是因為：

如果忘記自然對數 e 的公式請參考 Wiki

因為 EMA 配合指數來做計算，因此有新的數據變化時，他能更為迅速的調整，好讓我們更能追蹤數據的走向
那就大概介紹到這裡

Ref.

• https://medium.com/mlearning-ai/exponentially-weighted-average-5eed00181a09