3、趋势共振：均线系统在不同周期上的共振（MA5/MA10/MA20）。金叉死叉的共振过滤。

各位同学，咱们今天聊一个实战中特别实在的话题——趋势共振。

很多新手做交易，喜欢看单一周期。比如只看日线，金叉就买，死叉就卖。结果呢？经常被来回打脸。为什么？因为单一周期的信号，太容易被市场噪音干扰了。

我个人习惯，是把MA5、MA10、MA20这三条均线，放在不同周期上去看。说白了，就是让大周期定方向，小周期找入场点。这叫“以大周期为锚，以小周期为箭”。

3.1 均线系统的三层过滤逻辑

先讲清楚一个核心逻辑：周期越大，信号越稳，但越迟钝；周期越小，信号越灵敏，但越虚假。

所以我们要做的是——用大周期过滤方向，用小周期过滤时机。

我一般用这三层：

• 第一层（大周期）：周线或日线。判断市场的主趋势方向。比如周线MA5上穿MA20，说明大趋势偏多。
• 第二层（中周期）：60分钟或30分钟。确认当前波段是否与大周期共振。如果大周期看多，中周期也出现金叉，那这个信号的可靠性就高很多。
• 第三层（小周期）：15分钟或5分钟。用来找具体的入场点。大周期和中周期都共振了，小周期一出现金叉，就可以考虑进场。

嗯，这里要注意：三层共振不是必须同时发生。有时候大周期和中周期已经共振了，小周期还在震荡，那就等一等。别急，机会有的是。

3.2 金叉死叉的共振过滤

金叉死叉，大家都知道。但怎么过滤掉那些假信号？

我分享一个我自己的经验：不要只看均线交叉的那一瞬间。要看交叉前后的均线排列状态。

举个例子：

• 真金叉：MA5上穿MA10，同时MA10也在向上走，MA20也拐头向上。三条均线呈多头排列（MA5 > MA10 > MA20）。这种金叉，成功率很高。
• 假金叉：MA5上穿MA10，但MA10还在向下，MA20也是向下的。这种金叉，说白了就是反弹，大概率会失败。

我曾经在期货上吃过这个亏。当时日线MA5上穿MA10，我一看金叉就追进去了。结果MA20还在向下压着，价格没涨两天就掉头往下，直接把我套住了。后来复盘才发现，那根本就是个假金叉。

所以，我现在的规则是：金叉必须配合均线排列。只有多头排列下的金叉，才值得参与。死叉同理，只有空头排列下的死叉，才值得做空。

3.3 实战中的周期搭配

不同交易风格，周期搭配不一样。我列个表，大家参考：

交易风格	大周期（定方向）	中周期（确认）	小周期（入场）
短线	60分钟	15分钟	5分钟
波段	日线	60分钟	15分钟
中长线	周线	日线	60分钟

我个人做波段比较多。所以我的习惯是：日线看方向，60分钟看共振，15分钟找入场。你想想看，日线多头排列，60分钟也金叉了，这时候15分钟一出现回调不破均线，那就是很好的入场点。

3.4 代码实现：多周期共振过滤

光说不练假把式。咱们直接上代码。下面这个Python函数，实现了多周期均线共振的过滤逻辑。

import pandas as pd
import numpy as np

def multi_period_resonance_filter(df_daily, df_60min, df_15min):
    """
    多周期均线共振过滤
    :param df_daily: 日线数据，需包含'close'列
    :param df_60min: 60分钟数据
    :param df_15min: 15分钟数据
    :return: 是否产生共振信号
    """
    # 计算各周期均线
    df_daily['MA5'] = df_daily['close'].rolling(5).mean()
    df_daily['MA10'] = df_daily['close'].rolling(10).mean()
    df_daily['MA20'] = df_daily['close'].rolling(20).mean()
    
    df_60min['MA5'] = df_60min['close'].rolling(5).mean()
    df_60min['MA10'] = df_60min['close'].rolling(10).mean()
    df_60min['MA20'] = df_60min['close'].rolling(20).mean()
    
    df_15min['MA5'] = df_15min['close'].rolling(5).mean()
    df_15min['MA10'] = df_15min['close'].rolling(10).mean()
    df_15min['MA20'] = df_15min['close'].rolling(20).mean()
    
    # 获取最新数据
    daily_last = df_daily.iloc[-1]
    daily_prev = df_daily.iloc[-2]
    min60_last = df_60min.iloc[-1]
    min60_prev = df_60min.iloc[-2]
    min15_last = df_15min.iloc[-1]
    min15_prev = df_15min.iloc[-2]
    
    # 判断大周期方向（日线多头排列）
    daily_bull = (daily_last['MA5'] > daily_last['MA10'] > daily_last['MA20'])
    
    # 判断中周期金叉（60分钟）
    min60_golden_cross = (min60_prev['MA5'] <= min60_prev['MA10']) and (min60_last['MA5'] > min60_last['MA10'])
    
    # 判断小周期金叉（15分钟）
    min15_golden_cross = (min15_prev['MA5'] <= min15_prev['MA10']) and (min15_last['MA5'] > min15_last['MA10'])
    
    # 共振条件：大周期多头 + 中周期金叉 + 小周期金叉
    if daily_bull and min60_golden_cross and min15_golden_cross:
        return "多头共振信号"
    elif not daily_bull and min60_golden_cross and min15_golden_cross:
        return "注意：大周期不共振，信号可靠性低"
    else:
        return "无共振信号"

这段代码的逻辑很清晰：先判断大周期方向，再看中周期和小周期的金叉。只有三层都满足，才输出“多头共振信号”。

3.5 避坑指南

最后，分享几个我踩过的坑：

• 不要过度共振：我曾经试过把5个周期都拿来共振，结果信号少得可怜，一年都做不了几笔交易。其实3个周期就够了。
• 注意均线的滞后性：均线本身就是滞后指标。共振过滤虽然能提高胜率，但也会让你错过一些急涨急跌的行情。有得必有失。
• 震荡市慎用：在横盘震荡的行情里，均线会频繁交叉，共振信号也会失效。这时候最好的策略是——不做。

嗯，关于趋势共振，今天就聊这么多。记住一句话：周期共振不是万能钥匙，但它能帮你过滤掉大部分垃圾信号。