2、指数加权移动平均模型 即 （EWMA—Exponentially Weighted Moving Averages） α越小，时间序列的平滑程度越高。 [例2] 美国月度新建住房数（1986年1月至1995年10月）

ewma - Go实现指数加权移动平均算法

matlab开发-使用指数加权移动平均值的估计值。用指数加权移动平均法估计投资组合的风险价值。

EWMA 此回购，提供了指数加权移动平均算法（简称EWMA）。 指数加权移动平均线 指数加权移动平均值是一种在数字到达时连续计算一系列数字的平均类型的方法。 将系列中的值添加到平均值后，其在平均值中的权重会随着时间呈指数下降。 这会使平均值偏向于最新数据。 EWMA之所以有用，有几个原因，主要是其廉价的计算和存储成本，以及它们代表了一系列值最近的集中趋势的事实。 EWMA算法需要衰减因子alpha。 Alpha值越大，平均值越倾向于最近的历史记录。 alpha必须在0到1之间，并且通常是一个相当小的数字，例如0.04。 稍后我们将讨论alpha的选择。 因此，该算法以伪代码工作： 将系列中的下一个数字乘以alpha。 将平均值的当前值乘以1减去alpha。 将步骤1和2的结果相加，并将其存储为平均值的新当前值。 对系列中的每个数字重复此操作。 有关如何初始化当前值的特殊情况

指数加权移动平均 (EWMA) 标准差对不同的回报应用不同的权重。 最近的回报对方差的影响更大。 指数加权移动平均 (EWMA) 引入了 lambda，称为平滑参数。 Lambda 必须小于 1。

该文件包含三个m文件，该文件通过使用指数加权移动平均线来估计由两个股票价格组成的投资组合的风险价值（VaR）。 主要功能是“ewmaestimatevar”。 要估算 VaR，您应该使用此函数。 此功能还绘制给定置信水平（两个置信水平）的相关图表。

matlab开发-使用指数加权移动平均值的估计值。用指数加权移动平均法估计投资组合的风险价值