ptrade计算EMA指标，对比同花顺

同花顺 EMA 与标准 EMA 的核心区别

初始值计算：

标准 EMA：以周期内的第一个 SMA（简单移动平均）作为初始值
同花顺 EMA：直接以第一根 K 线的收盘价作为初始 EMA 值

计算逻辑：
两者在后续递推计算上一致，均使用公式：
plaintext
EMA(今日) = (2/(周期+1)) × 收盘价(今日) + (1-2/(周期+1)) × EMA(昨日)

实际影响：
由于初始值不同，在计算初期（小于周期长度的 K 线数量时），两种方法结果差异较大；随着数据增多，差异会逐渐缩小。

使用时只需将你的收盘价数据整理成 pandas Series 格式，调用该函数即可得到与同花顺软件完全一致的 EMA 计算结果，便于策略回测和指标对比。

import pandas as pd



def tonghuashun_ema(close_series, period):

    """

    按照同花顺的算法计算EMA指标

    

    参数:

    close_series: pd.Series，包含收盘价数据，索引为日期

    period: int，EMA周期（如5、10、50等）

    

    返回:

    pd.Series，计算得到的EMA指标序列

    """

    if len(close_series) < 1:

        return pd.Series(dtype='float64')

    

    # 平滑系数

    alpha = 2 / (period + 1)

    

    # 初始化EMA序列

    ema = pd.Series(index=close_series.index, dtype='float64')

    

    # 同花顺特色：第一根EMA值等于当日收盘价

    ema.iloc[0] = close_series.iloc[0]

    

    # 从第二根开始使用递推公式计算

    for i in range(1, len(close_series)):

        ema.iloc[i] = alpha * close_series.iloc[i] + (1 - alpha) * ema.iloc[i-1]

    

    return ema



# 示例：计算同花顺EMA(12)和EMA(26)（常用的MACD组件）

if __name__ == "__main__":

    import numpy as np

    

    # 生成模拟数据（50个交易日收盘价）

    dates = pd.date_range(start='2023-01-01', periods=50)

    np.random.seed(42)  # 固定随机种子，保证结果可复现

    close_prices = np.cumsum(np.random.randn(50)) + 100  # 模拟价格波动

    close_series = pd.Series(close_prices, index=dates, name='close')

    

    # 计算同花顺EMA(12)和EMA(26)

    ema12 = tonghuashun_ema(close_series, 12)

    ema26 = tonghuashun_ema(close_series, 26)

    

    # 合并结果并显示

    result = pd.DataFrame({

        '收盘价': close_series,

        'EMA12(同花顺)': ema12,

        'EMA26(同花顺)': ema26

    })

    

    print("同花顺EMA指标计算结果（前10行）：")

    print(result.head(10))

    print("\n同花顺EMA指标计算结果（最后10行）：")

    print(result.tail(10))

    

然后直接把上面代码贴入ptrade，封装成函数，传入日线数据即可使用。