在策略开发过程中，我们很有可能会对数据进行平滑操作，因为原始数据并不是我们想象的那么流畅，毛刺越多就越容易触发假突破等假信号，可能导致策略频繁止损。

寻找适合的数据平滑方法，也就我们的工作，好的平滑算法，无论对单周期策略还是用于跨周期趋势过滤，都比较有优势！

比如，跨周期趋势过滤，很明显需要一种比较敏感、反应比较快的、抓住整个波段的数据平滑算法。这样才适合用于跨周期方向性过滤！

那么今天，作者就给大家分享8大数据平滑算法，分析其优劣势并通过布林通道策略展示其历史交易盈亏数据进行对比。

“8大”数据平滑算法

首先，需要注意的是所有的算法及实践都在交易开拓者TB平台进行操作的。“8大”数据平滑算法包括：简单移动平均、权重平均、指数平均、双指数平均、调和平均、线性回归值、平滑平均、考夫曼平均算法。

1.简单移动平均。

也就是人们常说的，算数平均。

如下图所示：

这个算法，比较简单并且应用于各大行情软件的主图指标当中。但是，它有一个比较严重的缺点就是滞后性大！反应是最迟钝的，但不过有好处有坏处，好处是能够较大限度的平滑数据。

2.权重平均。

权重平均算法，相比上面的简单移动平均来说就复杂了。

（1）算法源码：

（2）效果：

黄色：简单移动平均，紫色：权重移动平均。

他们的计算周期都是12，但是从图中很明显的看出来，权重平均在具有和简单移动平均平滑度的情况下，具有高反应能力，在趋势反转的时候，能够提前反应。

3.指数移动平均。

（1）算法源码：

（2）效果：加粗的线就是指数移动平均。

黄色：简单移动平均，紫色：权重移动平均。

从上图中我们可以看出，指数移动平均线相对于其他2条均线而言，更加的灵敏。但是，随之而来的是过度敏感了，平滑度没有前两个算法高。

不太适合用于跨周期的方向过滤！

4.双指数平均算法。

（1）算法源码：

从上面算法源码来看，它是在指数移动平均线基础上再进行指数移动平均，返回2倍均线1与均线二的差。

（2）效果：绿色线为双指数平均算法。

相比于其他算法，该算法在保证平滑度的情况下，也考虑了反应的灵敏度。可以用作跨周期方向过滤，但是其不是最好的解决方案。

5.调和平均算法。

（1）算法源码：

（2）效果：白色线为调和移动平均线。

可以看出，调和移动平均比简单移动平均更加滞后，犹如压路机一样，一路压过去。缺点就是滞后性大，优点在于能够过滤大部分的毛刺。

6.线性回归值。

这个算法是我比较推荐的数据平滑算法。它既保留了较好的数据平滑度，又能够及时的反应过来。

（1）算法源码：感兴趣的可以在软件中打开LinearReg（）函数学习。

（2）效果：深蓝色线。

我们从图中看出，线性回归值这个算法，表现是非常的平滑，同时又兼具了趋势反转比较灵敏。这个算法是非常适合在跨周期的方向过滤上，也就是用这个算法在小周期内，来判断大周期的趋势！

7.平滑平均算法。

（1）算法源码：

（2）效果：

平滑平均算法和简单移动平均算（黄色线）的效果是差不多的，滞后性大、灵敏度弱。但是我们也没必要去排斥，因为它可能用在其他用途可能价值更大！并不一定说要用于跨周期方向过滤。

8.考夫曼均线。

（1）算法源码：

（2）效果：灰色加粗线。

考夫曼均线它遇到波动小的或者趋势反转的时候会呈现平摊的状态，而在趋势行情的启动阶段会有延迟，但是指标的角度一旦放大，后续出现趋势行情的概率就比较大。

8大平滑算法下的，布林线通道策略

作者将这8种算法，应用于布林线通道策略中去，对比下它们的交易情况是如何的。首先来看看策略的交易逻辑。

1.策略开平仓。（多头为例）

• 价格突破布林线通道上轨，开多。
• 价格跌破均线中轨，平多。

2.策略回测统计。

（1）表格数据。

如下图所示：

（2）柱状图统计。

如下图所示：

从数据中可以看出，平滑平均和考夫曼在布林线策略中表现相对可以。

最后

数据平滑算法有很多，重要的是如何使用，什么时候用，什么策略适合用，这都是需要我们自己去尝试的。

就好比策略的止盈方法一样，各种各样的方法，总有一款适合自己的策略，总有一个是比较优异的。