3、技术指标计算：移动平均线（SMA/EMA）、相对强弱指标（RSI）、布林带（Bollinger Bands）、MACD指标

技术指标这东西，说白了就是给价格数据「化妆」。原始的价格走势太粗糙，我们需要一些数学工具来提炼规律。我个人习惯把指标分为两类：一类是趋势跟踪型，比如均线、MACD；另一类是震荡型，比如RSI、布林带。今天咱们就把这四个最常用的指标，从原理到代码，彻底讲透。

3.1 移动平均线：SMA 与 EMA

移动平均线是最基础的指标，没有之一。它的核心思想就是「平滑」——把短期的噪音过滤掉，看清长期趋势。

3.1.1 简单移动平均线（SMA）

SMA 的计算很简单：取最近 N 天的收盘价，求算术平均值。公式如下：

SMA = (P₁ + P₂ + ... + Pₙ) / N

其中 P 是收盘价，N 是周期数。比如 20 日 SMA，就是最近 20 个收盘价的平均值。

我在项目中遇到过一个问题：SMA 对每个数据点一视同仁，这其实不太合理。你想想看，昨天的价格和 20 天前的价格，对当前趋势的影响能一样吗？所以就有了 EMA。

3.1.2 指数移动平均线（EMA）

EMA 给近期的数据更高的权重。公式稍微复杂一点：

EMA_today = (Price_today × α) + (EMA_yesterday × (1 - α))

其中 α = 2 / (N + 1)，N 是周期数。比如 20 日 EMA，α = 2 / 21 ≈ 0.095。

嗯，这里要注意：EMA 的第一个值通常用 SMA 来初始化。我建议直接用 pandas 的 ewm 函数，省得自己手算。

实战经验：我个人习惯用 EMA 而不是 SMA。原因很简单——EMA 对价格变化反应更快。在趋势行情里，EMA 能帮你早一步进场；在震荡行情里，虽然信号会多一些，但配合其他指标可以过滤掉。

3.1.3 代码实现

import pandas as pd
import numpy as np

def calculate_sma(data, window=20):
    """计算简单移动平均线"""
    return data['close'].rolling(window=window).mean()

def calculate_ema(data, window=20):
    """计算指数移动平均线"""
    return data['close'].ewm(span=window, adjust=False).mean()

# 使用示例
df['SMA_20'] = calculate_sma(df, 20)
df['EMA_20'] = calculate_ema(df, 20)

小技巧：pandas 的 rolling() 函数默认是「右对齐」的。也就是说，第 20 天的 SMA 值，用的是第 1 天到第 20 天的数据。这在回测中不会引入未来信息，放心用。

3.2 相对强弱指标（RSI）

RSI 是用来衡量价格「超买」或「超卖」的指标。它的取值范围是 0 到 100。一般认为，RSI 高于 70 是超买，低于 30 是超卖。

公式其实不复杂：

RSI = 100 - (100 / (1 + RS))
RS = 平均上涨幅度 / 平均下跌幅度

这里的「平均」通常用 SMA 或 EMA 来计算。我个人习惯用 Wilder 的平滑方法，也就是用 EMA 来计算平均涨跌幅。

3.2.1 计算步骤

  1. 计算每日价格变化：delta = close - close.shift(1)
  2. 分离上涨和下跌：gain = max(delta, 0)，loss = abs(min(delta, 0))
  3. 计算平均上涨和平均下跌（用 EMA 平滑）
  4. 计算 RS = avg_gain / avg_loss
  5. 计算 RSI = 100 - 100 / (1 + RS)

3.2.2 代码实现

def calculate_rsi(data, window=14):
    """计算相对强弱指标"""
    delta = data['close'].diff()
    gain = delta.where(delta > 0, 0)
    loss = -delta.where(delta < 0, 0)
    
    avg_gain = gain.ewm(span=window, adjust=False).mean()
    avg_loss = loss.ewm(span=window, adjust=False).mean()
    
    rs = avg_gain / avg_loss
    rsi = 100 - (100 / (1 + rs))
    
    return rsi

df['RSI_14'] = calculate_rsi(df, 14)

避坑指南：我曾经在回测中直接用 RSI 低于 30 就买入，结果亏得很惨。为什么？因为在强下跌趋势中，RSI 可以长期低于 30，你抄底抄在半山腰。后来我加了趋势过滤——只有在大周期均线向上的时候，才用 RSI 超卖信号进场。

3.3 布林带（Bollinger Bands）

布林带由三条线组成：中轨（通常是 20 日 SMA）、上轨（中轨 + 2 倍标准差）、下轨（中轨 - 2 倍标准差）。

它的核心思想是：价格在正常情况下会落在上下轨之间。当价格突破上轨或下轨时，意味着波动加剧，可能发生趋势反转或延续。

3.3.1 计算公式

中轨 = SMA(close, 20)
上轨 = 中轨 + 2 × std(close, 20)
下轨 = 中轨 - 2 × std(close, 20)

其中 std 是标准差。注意，这里用的是「样本标准差」，pandas 默认就是样本标准差，所以直接用 rolling().std() 就行。

3.3.2 代码实现

def calculate_bollinger_bands(data, window=20, num_std=2):
    """计算布林带"""
    df = data.copy()
    df['middle'] = df['close'].rolling(window=window).mean()
    df['std'] = df['close'].rolling(window=window).std()
    df['upper'] = df['middle'] + num_std * df['std']
    df['lower'] = df['middle'] - num_std * df['std']
    return df[['middle', 'upper', 'lower']]

bands = calculate_bollinger_bands(df)
df['BB_upper'] = bands['upper']
df['BB_middle'] = bands['middle']
df['BB_lower'] = bands['lower']

个人经验：布林带最常用的策略是「回归均值」——当价格触及下轨时买入，触及上轨时卖出。但要注意，在强趋势行情中，价格可以沿着上轨或下轨「爬行」很久。我一般会结合 ADX 指标来判断当前是趋势行情还是震荡行情。

3.4 MACD 指标

MACD 的全称是「指数平滑异同移动平均线」。它由三部分组成：

  • DIF 线：快线（12 日 EMA）减去慢线（26 日 EMA）
  • DEA 线：DIF 的 9 日 EMA
  • MACD 柱：(DIF - DEA) × 2

MACD 的核心逻辑是：当快线向上穿过慢线（金叉），是买入信号；当快线向下穿过慢线（死叉），是卖出信号。

3.4.1 计算步骤

  1. 计算 12 日 EMA 和 26 日 EMA
  2. DIF = EMA_12 - EMA_26
  3. DEA = DIF 的 9 日 EMA
  4. MACD 柱 = (DIF - DEA) × 2

3.4.2 代码实现

def calculate_macd(data, fast=12, slow=26, signal=9):
    """计算MACD指标"""
    df = data.copy()
    df['ema_fast'] = df['close'].ewm(span=fast, adjust=False).mean()
    df['ema_slow'] = df['close'].ewm(span=slow, adjust=False).mean()
    df['dif'] = df['ema_fast'] - df['ema_slow']
    df['dea'] = df['dif'].ewm(span=signal, adjust=False).mean()
    df['macd'] = 2 * (df['dif'] - df['dea'])
    return df[['dif', 'dea', 'macd']]

macd = calculate_macd(df)
df['MACD_DIF'] = macd['dif']
df['MACD_DEA'] = macd['dea']
df['MACD_HIST'] = macd['macd']

使用技巧：MACD 的金叉和死叉在震荡行情中会频繁出现，导致很多假信号。我建议只看「零轴上方」的金叉和「零轴下方」的死叉。零轴上方代表多头市场，金叉的可靠性更高；零轴下方代表空头市场，死叉的可靠性更高。

3.5 知识体系总览

下面这张图展示了四个指标的核心逻辑和它们之间的关系：

技术指标知识体系 移动平均线 SMA / EMA 趋势跟踪 平滑价格噪音 相对强弱指标 RSI 超买/超卖 震荡指标 布林带 Bollinger Bands 波动率通道 回归均值 MACD 异同移动平均线 趋势+动量 金叉/死叉 核心使用原则 1. 趋势指标 + 震荡指标 配合使用 2. 大周期定方向，小周期找入场点 3. 避免在震荡行情中过度依赖趋势指标 4. 所有指标都有滞后性，没有「万能指标」

3.6 实战中的组合用法

单独使用一个指标，效果往往一般。我习惯把多个指标组合起来，形成「信号共振」。

组合方式 买入条件 卖出条件 适用场景
EMA + RSI 价格在 EMA 上方 + RSI 低于 30 价格跌破 EMA + RSI 高于 70 趋势中的回调
布林带 + MACD 价格触及下轨 + MACD 金叉 价格触及上轨 + MACD 死叉 震荡行情
EMA 双线 + RSI 快线上穿慢线 + RSI 在 40-60 之间 快线下穿慢线 + RSI 在 40-60 之间 趋势启动

重要提醒：指标组合不是越多越好。我曾经试过把 5 个指标叠加在一起，结果信号少得可怜，一年都开不了几次仓。后来我精简到 2-3 个核心指标，效果反而更好。记住：信号越复杂，样本内拟合越严重，实盘表现往往越差。

好了，技术指标的计算和用法就讲到这里。这些代码你直接复制到自己的回测框架里就能用。记住，指标只是工具，真正重要的是你对市场的理解和对风险的控制。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →