3. 技术指标入门：移动平均线（MA）的计算与信号生成
移动平均线，圈内人常叫它「均线」。这玩意儿可以说是技术分析里最基础、也最实用的工具了。我刚开始做量化那会儿，第一个上手的指标就是它。说白了，均线就是给价格序列「做平滑」，把那些短期的噪音过滤掉，让你看清趋势的方向。
3.1 什么是移动平均线？
你想想看，每天的收盘价上蹿下跳的，直接看K线图很容易被误导。均线的作用，就是取一段时间的平均值，让价格曲线变得平滑。比如5日均线，就是把最近5天的收盘价加起来除以5，每天算一个点，连成一条线。
我个人习惯把均线分为三类：
- 短期均线（5日、10日）：反应快，但容易假突破
- 中期均线（20日、30日）：趋势跟踪的常用选择
- 长期均线（60日、120日）：看大趋势，滞后性强
核心要点：均线的本质是「滞后指标」。它永远在价格之后给出信号。这不是缺点，而是特性——你要学会跟滞后性做朋友，而不是对抗它。
3.2 简单移动平均线（SMA）的计算
SMA是最原始的均线算法。公式很简单：
SMA = (P₁ + P₂ + ... + Pₙ) / n其中P是收盘价，n是周期数。举个例子，计算5日SMA：
数据：收盘价 [10, 12, 11, 13, 14, 15, 16]
第5天的SMA = (10+12+11+13+14) / 5 = 12.0
第6天的SMA = (12+11+13+14+15) / 5 = 13.0
第7天的SMA = (11+13+14+15+16) / 5 = 13.8嗯，这里要注意：SMA给每一天的权重是一样的。这意味着最老的数据和最新的数据「地位平等」。我在项目中遇到过一个问题——用SMA做短线交易时，信号总是慢半拍。后来才发现，问题出在权重分配上。
3.3 指数移动平均线（EMA）——我更喜欢这个
EMA解决了SMA的「等权」问题。它给近期的数据更高的权重，反应更快。计算公式稍微复杂一点：
EMA_today = (Price_today × α) + (EMA_yesterday × (1 - α))
其中 α = 2 / (n + 1)比如10日EMA，α = 2 / (10 + 1) ≈ 0.1818。也就是说，今天的价格占18%的权重，昨天的EMA占82%。
我的建议：做短线交易，用EMA比SMA好。我自己的策略里，5日EMA和10日EMA是标配。中长线的话，SMA反而更稳定，不容易被短期波动带偏。
3.4 均线信号的生成逻辑
均线的信号生成，主要有三种玩法：
- 价格穿越均线：价格上穿均线做多，下穿做空
- 均线交叉：短期均线上穿长期均线（金叉）做多，下穿（死叉）做空
- 均线斜率：均线向上倾斜表示多头趋势，向下表示空头
我曾经踩过一个坑：单纯用金叉死叉做交易，结果在震荡行情里被来回打脸。后来加了「过滤条件」——比如要求价格在均线上方超过3天再确认信号，效果好了很多。
3.5 实战代码：从数据到信号
下面是一段Python代码，演示如何计算SMA和EMA，并生成交易信号：
import pandas as pd
import numpy as np
# 模拟价格数据
data = {
'close': [10, 12, 11, 13, 14, 15, 16, 14, 13, 15,
17, 18, 16, 15, 17, 19, 20, 18, 17, 19]
}
df = pd.DataFrame(data)
# 计算SMA和EMA
df['SMA_5'] = df['close'].rolling(window=5).mean()
df['EMA_5'] = df['close'].ewm(span=5, adjust=False).mean()
# 生成信号：价格上穿SMA_5做多，下穿做空
df['signal'] = 0
df.loc[df['close'] > df['SMA_5'], 'signal'] = 1
df.loc[df['close'] < df['SMA_5'], 'signal'] = -1
# 找出信号变化点（穿越点）
df['position'] = df['signal'].diff()
print(df[['close', 'SMA_5', 'EMA_5', 'signal', 'position']])避坑指南：我曾经直接用收盘价和均线比较来生成信号，结果回测收益很漂亮，实盘却亏得一塌糊涂。为什么？因为收盘价是「事后数据」。正确的做法是用开盘价或实时价格来判断穿越，或者至少做「次日开盘执行」的假设。
3.6 均线的参数选择
参数选多少？没有标准答案。我整理了一个常用参数表：
| 交易风格 | 常用均线 | 周期 | 特点 |
|---|---|---|---|
| 超短线 | EMA | 3、5、8 | 反应极快，噪音多 |
| 短线 | EMA/SMA | 10、20 | 平衡灵敏度与稳定性 |
| 中线 | SMA | 30、60 | 趋势跟踪效果好 |
| 长线 | SMA | 120、250 | 看大方向，滞后明显 |
我个人习惯用「斐波那契数列」来选参数：5、8、13、21、34。这些数字在市场中似乎有某种天然的契合感。当然，你也可以用优化算法去找最优参数，但小心过拟合。
3.7 均线系统的知识体系
下面这张图，是我梳理的均线系统核心逻辑。你看一眼就能明白整个框架：
3.8 实战中的避坑指南
最后，分享几个我这些年踩过的坑：
- 别在震荡市用均线——横盘行情里，均线信号基本是反向指标。我吃过这个亏，后来加了ATR指标做过滤。
- 参数不是越优化越好——回测里表现最好的参数，实盘往往最差。我建议用「稳健参数区间」，而不是单一最优值。
- 多周期配合使用——只看一条均线容易误判。我习惯同时看日线和小时线的均线，确认趋势共振再动手。
均线这东西，看似简单，但用好了能解决很多问题。记住一点：它不会告诉你未来涨还是跌，但它能告诉你「现在处于什么状态」。这就够了。
公众号：蓝海资料掘金营，微信 deep3321