火花指数移动平均线

Question

EMA: {Price - EMA(previous day)} x multiplier + EMA(previous day)

multiplier = (2 / (Time periods + 1)) //let's assume Time period is 10 days for now

var window = Window.partitionBy("ID").orderBy("Date").rowsBetween(-windowSize, Window.currentRow)
dataFrame.withColumn(avg(col("Price")).over(window).alias("SMA"))

我也看过Pyspark中的加权移动平均线，但我需要一个Spark/Scala的方法，以及10天或30天的均线。

有什么想法吗？

Answer 1

最后，我分析了指数移动平均是如何在pandas数据中实现的。除了我上面描述的递归公式之外，它很难在任何sql或窗口函数中实现（因为它是递归的），还有另一个公式，在它们的问题跟踪器上有详细说明：

y[t] = (x[t] + (1-a)*x[t-1] + (1-a)^2*x[t-2] + ... + (1-a)^n*x[t-n]) /
       ((1-a)^0 + (1-a)^1 + (1-a)^2 + ... + (1-a)^n).

考虑到这一点，并在这里提供了额外的spark实现帮助，我最终得到了下面的实现，这与执行pandas_dataframe.ewm(Span=window_size).mean()大致相同。

def exponentialMovingAverage(partitionColumn: String, orderColumn: String, column: String, windowSize: Int): DataFrame = {
  val window = Window.partitionBy(partitionColumn)
  val exponentialMovingAveragePrefix = "_EMA_"

  val emaUDF = udf((rowNumber: Int, columnPartitionValues: Seq[Double]) => {
    val alpha = 2.0 / (windowSize + 1)
    val adjustedWeights = (0 until rowNumber + 1).foldLeft(new Array[Double](rowNumber + 1)) { (accumulator, index) =>
      accumulator(index) = pow(1 - alpha, rowNumber - index); accumulator
    }
    (adjustedWeights, columnPartitionValues.slice(0, rowNumber + 1)).zipped.map(_ * _).sum / adjustedWeights.sum
  })
  dataFrame.withColumn("row_nr", row_number().over(window.orderBy(orderColumn)) - lit(1))
    .withColumn(s"$column$exponentialMovingAveragePrefix$windowSize", emaUDF(col("row_nr"), collect_list(column).over(window)))
    .drop("row_nr")
}

（我假定需要计算指数移动平均线的列的类型是双倍的。）