第四节：技术指标计算——MA、EMA、布林带、RSI、MACD

技术指标这东西，说白了就是给价格数据“化妆”。

原始K线图看起来乱糟糟的，指标能帮我们提炼出趋势、强弱、超买超卖这些关键信息。我个人习惯，做CTA策略时，指标不是越多越好，而是要把每个指标的特性吃透。

4.1 移动平均线（MA）——最朴素的趋势跟踪器

MA是所有指标里最基础的。它就是把过去N天的收盘价加起来，除以N。

公式很简单：

MA(N) = (P₁ + P₂ + ... + Pₙ) / N

举个例子，5日均线，就是最近5天收盘价的平均值。

我在项目中遇到过一个常见误区：很多人觉得MA参数越大越平滑，就越好。其实不是。参数越大，滞后越严重。你想想看，等60日均线拐头，行情可能已经走了一半。

4.2 指数移动平均（EMA）——给近期数据更多权重

EMA和MA最大的区别是什么？MA对所有数据一视同仁，EMA却“偏心”。它给最近的价格更高的权重。

公式长这样：

EMA(t) = α × P(t) + (1 - α) × EMA(t-1)
其中 α = 2 / (N + 1)

嗯，这里要注意：EMA的计算是递归的。第一个EMA值通常用MA来初始化。

我曾经在回测一个趋势策略时，发现用MA和EMA结果差很多。EMA反应更快，但假信号也多。说白了，EMA适合震荡行情后的突破确认，MA适合趋势行情中的持仓跟踪。

特性	MA	EMA
计算方式	简单平均	加权平均
滞后性	较大	较小
平滑度	较平滑	较敏感
适用场景	趋势跟踪	短线交易

4.3 布林带（Bollinger Bands）——价格的“安全通道”

布林带由三条线组成：中轨（MA）、上轨（中轨+2倍标准差）、下轨（中轨-2倍标准差）。

核心思想：价格大部分时间会在上下轨之间运行。突破上轨，说明超买；跌破下轨，说明超卖。

中轨 = MA(20)
上轨 = 中轨 + 2 × σ
下轨 = 中轨 - 2 × σ
其中 σ 是过去20天收盘价的标准差

我记得有一次做螺纹钢策略，布林带收窄到极致，然后突然开口。这就是典型的“布林带收缩后的爆发”。很多CTA策略就是靠这个抓趋势启动的。

4.4 RSI（相对强弱指标）——判断超买超卖

RSI衡量的是过去N天内价格上涨幅度占总波动幅度的比例。取值范围0-100。

公式：

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

通常，RSI > 70 视为超买，RSI < 30 视为超卖。

但这里有个坑：在强趋势行情中，RSI会长时间停留在超买或超卖区。你如果看到RSI>70就做空，可能会被趋势碾压。

我个人习惯：在震荡行情中用RSI做反转，在趋势行情中用RSI做确认。比如，RSI从超卖区回升到50以上，说明多头开始发力。

4.5 MACD（指数平滑异同移动平均线）——趋势与动量的结合

MACD由三部分组成：DIF线、DEA线、柱状图。

• DIF线：快线EMA(12) - 慢线EMA(26)
• DEA线：DIF的EMA(9)
• 柱状图：DIF - DEA

核心用法：

1. 金叉/死叉：DIF上穿DEA为金叉（买入信号），下穿为死叉（卖出信号）
2. 零轴：DIF在零轴上方，多头市场；下方，空头市场
3. 背离：价格创新高，但MACD没创新高，顶背离（看跌）

我曾经用MACD背离做股指期货，效果出奇的好。但要注意，背离在单边行情中容易失效。你想想看，如果价格一直涨，MACD一直钝化，背离信号会反复出现，反复打脸。

4.6 知识体系结构图

下面这张图，帮你理清这五个指标的关系：

4.7 代码实现示例

下面用Python实现这五个指标。代码不长，但很实用。

import pandas as pd
import numpy as np

def calculate_ma(data, window=20):
    """计算移动平均线"""
    return data['close'].rolling(window=window).mean()

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

def calculate_bollinger(data, window=20, num_std=2):
    """计算布林带"""
    ma = calculate_ma(data, window)
    std = data['close'].rolling(window=window).std()
    upper = ma + num_std * std
    lower = ma - num_std * std
    return ma, upper, lower

def calculate_rsi(data, window=14):
    """计算RSI"""
    delta = data['close'].diff()
    gain = delta.where(delta > 0, 0)
    loss = -delta.where(delta < 0, 0)
    avg_gain = gain.rolling(window=window).mean()
    avg_loss = loss.rolling(window=window).mean()
    rs = avg_gain / avg_loss
    rsi = 100 - (100 / (1 + rs))
    return rsi

def calculate_macd(data, fast=12, slow=26, signal=9):
    """计算MACD"""
    ema_fast = calculate_ema(data, fast)
    ema_slow = calculate_ema(data, slow)
    dif = ema_fast - ema_slow
    dea = dif.ewm(span=signal, adjust=False).mean()
    histogram = dif - dea
    return dif, dea, histogram

好了，这五个指标就讲完了。记住，指标是工具，不是圣杯。真正赚钱的策略，靠的是对市场的理解，而不是指标的花哨程度。

---

公众号:蓝海资料掘金营，微信deep3321