R / quantmod - BBands() 和 runsd(EMA) 计算之间的差异答案

【问题标题】：R / quantmod - discrepancy between BBands() and runsd(EMA) calculationsR / quantmod - BBands() 和 runsd(EMA) 计算之间的差异
【发布时间】：2015-08-14 23:12:18
【问题描述】：

当我的点差计算大于或小于布林带上/下限时，我试图创建一个信号状态，但是我的计算：

pair <- c("qqq","iwm")
start <-  "2014-08-08"
finish <- "2015-08-13"
stckY <- suppressWarnings(getSymbols(pair[1], from = start, to = finish, auto.assign = FALSE))
stckX <- suppressWarnings(getSymbols(pair[2], from = start, to = finish, auto.assign = FALSE))

adY <- Ad(stckY)
adX <- Ad(stckX)

logY <- log(adY)
logX <- log(adX)

spread <- cbind(logY, logX)
spread <- spread[complete.cases(spread),] #remove NAs
spread$dailyDiff <- spread[,1] - spread[,2]

ema <- EMA(spread[,1] - spread[,2], n=20)
spread$UpBand <- (runSD(ema, n=20) * 2) + ema
spread$LwBand <- ema - (runSD(ema, n=20) * 2)

chartSeries(spread$dailyDiff, up.col = "white", 
            theme = chartTheme("black"), line.type = "l")
addEMA(n = 20, col = "orange")
addBBands(n = 20, sd = 2, maType = "EMA")

与 chartSeries 显示屏上显示的波段值不匹配，我不知道为什么？帮助文件指出不使用 SMA 可能会导致“不一致”，所以这可能是问题的根源吗？ chartSeries 也在使用 EMA。

也许有更好的方法来解决这个问题？我不确定如何单独使用 BBands() 来引用上/下频段...

【问题讨论】：

我不清楚您在比较什么以及它们有何不同。 reproducible example 比模糊的描述要好得多。
cmets 中的代码很难阅读。请将其编辑到您的问题中（使用正确的代码格式），然后删除您的 cmets。
@JoshuaUlrich - 对此感到抱歉 - 仍在学习这个网站 - 我已经更新了原帖

标签： r quantmod

【解决方案1】：

有2个问题：

当您应该取原始系列的标准差时，您取的是移动平均线的标准差。
BBands 函数在runSD 调用中使用sample = FALSE。

这会复制图表中 BBands 函数的输出：

ema <- EMA(spread$dailyDiff, n=20)
spread$UpBand <- runSD(spread$dailyDiff, n=20, sample=FALSE) * 2 + ema
spread$LwBand <- ema - runSD(spread$dailyDiff, n=20, sample=FALSE) * 2
tail(spread)
#            QQQ.Adjusted IWM.Adjusted   dailyDiff      UpBand     LwBand
# 2015-08-06     4.704563     4.793060 -0.08849663 -0.06442705 -0.1381200
# 2015-08-07     4.703295     4.786575 -0.08328008 -0.06687188 -0.1322478
# 2015-08-10     4.714652     4.798267 -0.08361464 -0.06938022 -0.1267023
# 2015-08-11     4.701752     4.789323 -0.08757113 -0.07421110 -0.1198771
# 2015-08-12     4.705196     4.787408 -0.08221192 -0.07856667 -0.1126964
# 2015-08-13     4.703566     4.784320 -0.08075361 -0.08283161 -0.1055975
tail(BBands(spread$dailyDiff, n=20, maType="EMA"))
#                    dn        mavg          up      pctB
# 2015-08-06 -0.1381200 -0.10127351 -0.06442705 0.6733800
# 2015-08-07 -0.1322478 -0.09955985 -0.06687188 0.7490178
# 2015-08-10 -0.1267023 -0.09804126 -0.06938022 0.7516764
# 2015-08-11 -0.1198771 -0.09704411 -0.07421110 0.7074403
# 2015-08-12 -0.1126964 -0.09563152 -0.07856667 0.8931942
# 2015-08-13 -0.1055975 -0.09421457 -0.08283161 1.0912769

【讨论】：

宾果游戏，谢谢 - 你非常有帮助，非常感谢