如何为股票市场Cube数据构建每日简单移动平均（Simple Moving Average）度量

嘿，这个移动平均的需求我在Cube里实现过，咱们来拆解一下怎么搞定它！

核心思路 #

你猜的没错，确实可以用tt.agg.mean()结合scope参数来实现，但关键是动态获取每个日期对应的X个交易日窗口——因为要跳过周末、节假日这些非交易日，不能直接用自然日的区间。Cube的时间维度成员是按实际交易日排序的，所以我们可以利用tt.range()函数来精准定位窗口范围。

具体实现步骤 #

假设你的Cube里，时间维度叫date（对应数据库里的trade_date字段），收盘价字段是close_price，我们以X=5为例写代码：

cube(`StockMarket`, {
  sql: `SELECT * FROM your_stock_table`,
  
  measures: {
    // 定义5日简单移动平均度量
    SMA5: {
      type: `number`,
      sql: `close_price`,
      aggregator: tt.agg.mean({
        // 动态生成每个日期对应的窗口范围
        scope: (members) => {
          // 获取当前行的日期成员
          const currentTradeDate = members['date'];
          // 生成从当前日期往前数4个交易日（含当前）的范围，共5个交易日
          // 这里的-4是因为X=5，所以需要-(X-1)
          return tt.range(currentTradeDate, -4, 0);
        }
      })
    }
  },

  dimensions: {
    date: {
      sql: `trade_date`,
      type: `time`,
      // 确保维度只包含交易日（如果你的原始数据有非交易日的话）
      filters: [{ sql: `EXTRACT(ISODOW FROM trade_date) NOT IN (6,7)` }]
    },
    // 其他维度（比如股票代码）
    ticker: {
      sql: `ticker`,
      type: `string`
    }
  }
});

关键细节解释 #

• tt.range()的用法：tt.range(currentMember, startOffset, endOffset)会返回从currentMember + startOffset到currentMember + endOffset的所有维度成员。这里0代表当前日期，-4代表往前数第4个交易日，加起来正好是5个交易日的窗口。
• 非交易日过滤：如果你的原始数据里包含周末或节假日的空数据，一定要在date维度里加上过滤条件，确保时间维度的成员都是有效的交易日，这样tt.range()才会正确跳过非交易日。
• 可配置窗口大小：如果想让用户自由选择窗口大小（比如5日、10日、20日），可以把窗口数做成Cube参数：

parameters: {
  smaWindow: {
    type: `number`,
    default: 5,
    description: "简单移动平均的窗口大小"
  }
},

measures: {
  SMA: {
    type: `number`,
    sql: `close_price`,
    aggregator: tt.agg.mean({
      scope: (members) => {
        const currentDate = members['date'];
        const windowSize = cube.parameters.smaWindow;
        return tt.range(currentDate, -(windowSize - 1), 0);
      }
    })
  }
}

边界情况处理 #

当遇到数据开头的几个交易日（比如前4个交易日，对应X=5），tt.range()会自动只取现有存在的交易日成员，这时候移动平均会计算现有天数的平均值（比如第一个交易日的SMA5就是当天收盘价），这符合常规的移动平均逻辑。

内容的提问来源于stack exchange，提问作者Alex