加权移动平均是各历史值乘以对应权重(如最近值权重更高)后求和再除以权重总和,AVG()窗口函数仅支持等权平均,无法指定动态权重,故必须手动构造SUM(value*weight)/SUM(weight)表达式。

什么是加权移动平均,为什么不能直接用 AVG() 窗口函数
AVG() 窗口函数只做等权平均,而加权移动平均要求每个历史值乘以对应权重(比如最近的值权重更高),再求和归一化。SQL 标准里没有内置的加权移动平均函数,必须手动构造——核心是把窗口内各行的值与权重相乘后累加,再除以权重总和。
常见错误是试图在 OVER 子句里嵌套聚合或条件表达式来“动态加权”,但多数数据库(如 PostgreSQL、SQL Server)不支持在窗口定义中直接引用行级计算的权重系数;必须把权重逻辑写进 SUM(value * weight) OVER (...) 这类表达式中。
PostgreSQL 中实现 3 期加权移动平均(权重为 0.5, 0.3, 0.2)
假设表 sales 有字段 date、amount,按日期升序排列,要对每行计算包含自身及前两行的加权移动平均(最新值权重最高):
SELECT date, amount,
ROUND(
(SUM(CASE WHEN ROW_NUMBER() OVER (ORDER BY date) - ROW_NUMBER() OVER (ORDER BY date) + 1 = 1 THEN amount * 0.5
WHEN ROW_NUMBER() OVER (ORDER BY date) - ROW_NUMBER() OVER (ORDER BY date) + 1 = 2 THEN amount * 0.3
WHEN ROW_NUMBER() OVER (ORDER BY date) - ROW_NUMBER() OVER (ORDER BY date) + 1 = 3 THEN amount * 0.2
ELSE 0 END) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW))
/
(SUM(CASE WHEN ROW_NUMBER() OVER (ORDER BY date) - ROW_NUMBER() OVER (ORDER BY date) + 1 = 1 THEN 0.5
WHEN ROW_NUMBER() OVER (ORDER BY date) - ROW_NUMBER() OVER (ORDER BY date) + 1 = 2 THEN 0.3
WHEN ROW_NUMBER() OVER (ORDER BY date) - ROW_NUMBER() OVER (ORDER BY date) + 1 = 3 THEN 0.2
ELSE 0 END) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)),
2
) AS wma_3
FROM sales
ORDER BY date;但上面写法冗余且不可维护。更实用的是用 LAG() 显式取前几行:
-
LAG(amount, 0) OVER (ORDER BY date)是当前行(即最新) -
LAG(amount, 1) OVER (ORDER BY date)是前一行 -
LAG(amount, 2) OVER (ORDER BY date)是前两行
于是可简化为:
SELECT date, amount,
ROUND(
LAG(amount, 0) OVER (ORDER BY date) * 0.5 +
LAG(amount, 1) OVER (ORDER BY date) * 0.3 +
LAG(amount, 2) OVER (ORDER BY date) * 0.2,
2
) AS wma_3
FROM sales
ORDER BY date;注意:首两行因缺少前置数据会返回 NULL,这是预期行为,不是 bug。
MySQL 8.0+ 的等效写法与 NULL 处理陷阱
MySQL 支持 LAG(),但默认对缺失行返回 NULL,一旦参与乘法就会让整项变 NULL。必须用 COALESCE() 显式兜底:
SELECT date, amount,
ROUND(
COALESCE(LAG(amount, 0) OVER (ORDER BY date), 0) * 0.5 +
COALESCE(LAG(amount, 1) OVER (ORDER BY date), 0) * 0.3 +
COALESCE(LAG(amount, 2) OVER (ORDER BY date), 0) * 0.2,
2
) AS wma_3
FROM sales
ORDER BY date;但这里用 0 填充可能扭曲结果——更合理的是只对有效行计算,保持 NULL 或改用 AVG() 回退逻辑。实际业务中,应根据需求决定:是允许部分权重失效(推荐),还是强制补零(慎用)。
另外,MySQL 对窗口帧(ROWS BETWEEN ...)的支持不如 PostgreSQL 灵活,LAG() 是更可控的选择。
性能与可扩展性提醒:别硬写 20 期权重
如果需要 20 期加权移动平均,手写 20 行 LAG() 不仅易错,还会显著拖慢执行计划——每多一个 LAG() 就多一次窗口扫描。此时应考虑:
- 是否真需任意权重?固定指数衰减(如
0.9^i)可用递归 CTE 或应用层计算 - 数据量大时,优先在应用层用 Pandas 或 NumPy 计算,SQL 只负责取原始时序数据
- 若必须 SQL 内完成,且权重有规律,可用生成序列辅助(如 PostgreSQL 的
generate_series()配合横向连接),但复杂度陡增
真正容易被忽略的,是权重归一化检查:确保所有权重和严格等于 1。小数精度误差(如 0.33 + 0.33 + 0.33 = 0.99)会导致结果系统性偏低,上线前务必验证分母是否恒为 1。

















