移动加权平均法怎么计算？一文讲清

移动加权平均法是一种在时间序列分析中常用的平均值计算方法，可以有效的去掉波动数据的影响，常常用于金融分析和流量分析。它的计算思路是将一段时间内的数据分组，然后给这段时间内的每组数据指派不同的权重，以此来实现数据的综合分析，综合来看出某种趋势，可以有效表明某个变量在决策分析中的实际价值。



移动加权平均法的具体计算步骤如下：

（1）定义滑动窗口，即以固定的平均段数，比如3个段数来移动进行计算。

（2）对滑动窗口中的每个段来建立每段所需所需的权重，一般而言，是采用相等权重来计算，即每一段的数据量都相等，总的权重也是一样的，比如3个加权系数相等，每个段就有1/3的权重，有时，也可按实际情况给定不同段的权重，根据实际情况和需求进行调整。

（3）确定每一段的数据量，例如若一共有9个段，可以将9个段中将每3个段作为一个窗口，第一窗口为第1、2、3段，第二个窗口为第4、5、6段，以此类推。

（4）根据确定的权重和数据量来计算移动加权平均值，计算公式：

MwMA（n）=1/w1*t1+1/w2*t2+1/w3*t3+……+1/wn*tn;

其中，MwMA（n）表示第n段的加权平均值，当每个段的权重是1/n，即相等时，计算简化为：
MwMA（n）=1/3*(t1+t2+t3)+1/3*(t4+t5+t6)…

（5）根据最终得出的移动加权平均值来分析对应的时间段的数据，可以看出相应时间段的数据的特点，尤其是关注数据波动的趋势，甚至可以通过对比多期数据更准确的抓住不同时间段的变化趋势。

移动加权平均法的优缺点

移动加权平均法具有以下优点：

1）能够很好地表示历史趋势的特性，可以有效避免波动数据的影响，常用于金融分析和流量分析。

2）分析简单，计算结果清晰，比较容易看清结果。

3）对不同的滑动窗口，可用不同的权重。

移动加权平均法也具有缺点：

1）无法处理断层的情况，而时间序列数据往往也会存在某个时刻的突变或者明显不同，例如抛出某个异常值，因此移动加权平均不能有效的处理。

2）滑动窗口中的数据量越少就越容易受到异常值的影响，而滑动窗口中的数据量越多越容易抛弃历史数据，所以需要选择非常合适的滑动窗口参数。

总之，移动加权平均法的使用可以有效的去掉波动数据的影响，以更准确实际的结果表示，但是也有一些局限性，需要灵活运用，才能得到更加有效的结果。