4. MACD指标策略：金叉死叉、顶底背离与实战过滤

MACD这个指标，说实话，是期货趋势跟踪里最经典的几个工具之一。我刚开始做量化那会儿，第一个策略就是基于MACD金叉死叉写的。那时候觉得这东西太神奇了，金叉买、死叉卖，简单粗暴。后来吃了不少亏，才慢慢明白——MACD真正厉害的地方，不是它本身，而是你怎么用它。

今天咱们就把MACD策略拆开揉碎了讲。我会从最基础的金叉死叉讲起，再到顶底背离、柱状线策略，最后加上趋势线过滤。嗯，这些都是我实盘验证过的思路。

4.1 MACD基础：金叉与死叉

先说说最基础的金叉死叉。MACD由三部分组成：快线（DIF）、慢线（DEA）和柱状线（MACD柱）。金叉就是快线上穿慢线，死叉就是快线下穿慢线。

听起来很简单对吧？但这里有个坑——单纯的金叉死叉在震荡行情里会被反复打脸。我2019年做螺纹钢回测时，用纯金叉死叉策略，半年回撤了30%。后来我加了个条件：只在大周期趋势明确时做金叉死叉。

核心逻辑：金叉死叉的本质是短期动能与长期动能的交叉。金叉代表短期动能强于长期，死叉则相反。但要注意，这个信号在趋势行情中有效，在震荡中就是噪音。

来看一段简单的回测代码：

import pandas as pd
import numpy as np

def macd_cross_strategy(df, fast=12, slow=26, signal=9):
    # 计算MACD
    exp1 = df['close'].ewm(span=fast).mean()
    exp2 = df['close'].ewm(span=slow).mean()
    dif = exp1 - exp2
    dea = dif.ewm(span=signal).mean()
    macd = 2 * (dif - dea)
    
    # 生成信号
    df['signal'] = 0
    df.loc[(dif > dea) & (dif.shift(1) <= dea.shift(1)), 'signal'] = 1  # 金叉买入
    df.loc[(dif < dea) & (dif.shift(1) >= dea.shift(1)), 'signal'] = -1 # 死叉卖出
    
    return df

这段代码很简单，但实际用的时候，我建议你加一个过滤条件：比如只在大周期均线多头排列时做多，空头排列时做空。这样能过滤掉一半以上的假信号。

4.2 顶底背离：最赚钱的形态

顶底背离，说白了就是价格和MACD走势不一致。价格创新高，但MACD没创新高，这叫顶背离，是卖出信号。反过来就是底背离，买入信号。

我个人觉得，顶底背离是MACD策略里最值得深入研究的部分。为什么？因为它抓住了市场动能的本质变化。价格还在涨，但推动上涨的力量已经跟不上了，这就是趋势衰竭的信号。

实战技巧：我习惯用15分钟级别做顶底背离，配合日线趋势方向。比如日线多头，15分钟出现底背离，那就是绝佳的加仓点。这个组合我用了三年，胜率大概在65%左右。

顶底背离的识别逻辑：

  1. 顶背离：价格创出新高，但MACD的DIF线或柱状线没有创出新高
  2. 底背离：价格创出新低，但MACD的DIF线或柱状线没有创出新低
  3. 确认信号：背离形成后，等待MACD金叉（底背离）或死叉（顶背离）确认

我曾经犯过一个错误：看到背离就进场，结果被连续背离打爆。后来我加了背离次数统计——连续两次背离后，第三次背离的成功率会大幅提升。嗯，这个经验值不少钱。

4.3 柱状线策略：捕捉动能变化

MACD柱状线，就是DIF与DEA的差值乘以2。它反映的是短期动能的变化速度。柱状线从负转正，说明动能由弱转强；从正转负，说明动能由强转弱。

柱状线策略的核心是关注柱状线的收缩与扩张。举个例子：

  • 柱状线扩张：柱状线长度在增加，说明动能正在加强
  • 柱状线收缩：柱状线长度在减小，说明动能正在减弱
  • 柱状线拐点：柱状线由扩张转为收缩，往往是趋势转折的前兆

注意：柱状线策略不能单独使用。我见过有人只看柱状线做交易，结果在单边行情里频繁进出。柱状线更适合作为辅助确认信号，配合趋势线或均线使用效果更好。

柱状线策略的代码实现：

def macd_histogram_strategy(df):
    # 计算柱状线变化
    df['hist'] = 2 * (df['dif'] - df['dea'])
    df['hist_change'] = df['hist'] - df['hist'].shift(1)
    
    # 柱状线由负转正且加速扩张
    df['signal'] = 0
    df.loc[(df['hist'] > 0) & (df['hist_change'] > 0) & 
           (df['hist'].shift(1) < 0), 'signal'] = 1
    
    # 柱状线由正转负且加速收缩
    df.loc[(df['hist'] < 0) & (df['hist_change'] < 0) & 
           (df['hist'].shift(1) > 0), 'signal'] = -1
    
    return df

4.4 结合趋势线的过滤

这是今天最重要的部分。MACD策略最大的问题就是假信号太多，而趋势线过滤能有效解决这个问题。

我的做法是：先画一条趋势线，然后只在趋势线同侧做交易。比如上升趋势线之上，只做多不做空；下降趋势线之下，只做空不做多。

具体步骤：

  1. 画趋势线：连接两个或三个低点（上升趋势）或高点（下降趋势）
  2. 确认趋势：价格在趋势线上方运行，视为多头趋势；下方为空头趋势
  3. 过滤信号：多头趋势中，只接受金叉和底背离的买入信号；空头趋势中，只接受死叉和顶背离的卖出信号

实战效果：我做过一个对比测试。纯MACD金叉死叉策略在螺纹钢上的年化收益是12%，最大回撤28%。加上趋势线过滤后，年化收益提升到18%，最大回撤降到15%。这就是过滤的价值。

趋势线过滤的代码实现：

def trend_line_filter(df, lookback=20):
    # 简单趋势线判断：用最近N根K线的最高点和最低点
    df['high_max'] = df['high'].rolling(lookback).max()
    df['low_min'] = df['low'].rolling(lookback).min()
    
    # 判断趋势方向
    df['trend'] = 0
    df.loc[df['close'] > df['high_max'].shift(1), 'trend'] = 1   # 多头
    df.loc[df['close'] < df['low_min'].shift(1), 'trend'] = -1   # 空头
    
    # 过滤MACD信号
    df['filtered_signal'] = 0
    df.loc[(df['signal'] == 1) & (df['trend'] == 1), 'filtered_signal'] = 1
    df.loc[(df['signal'] == -1) & (df['trend'] == -1), 'filtered_signal'] = -1
    
    return df

4.5 知识体系框架

下面这张图是我自己整理的MACD策略知识体系，你可以把它当作学习路线图：

MACD趋势跟踪策略知识体系 MACD策略核心 金叉死叉策略 顶底背离策略 柱状线策略 趋势线过滤 DIF上穿/下穿DEA 震荡行情易假信号 需配合趋势过滤 价格与MACD背离 趋势衰竭信号 连续背离胜率更高 动能变化速度 扩张与收缩信号 辅助确认工具 画趋势线定方向 同侧交易原则 大幅提升胜率 核心原则：趋势过滤 + 信号确认 = 稳定盈利

4.6 避坑指南与实战建议

最后，分享几个我踩过的坑：

  • 不要逆势做背离：我曾经在日线下降趋势中做底背离，结果被连续打止损。记住，背离只是信号，不是反转的保证。
  • 参数不是固定的：默认的12、26、9参数适合日线级别。如果你做15分钟或1小时，建议重新优化参数。我习惯用(8, 21, 5)做短线。
  • 多周期共振：大周期定方向，小周期找入场点。比如日线多头，15分钟金叉，这就是共振信号。
  • 止损要严格：MACD策略的止损我一般放在最近一个低点下方2-3个ATR的位置。别扛单，扛单是亏损的根源。

我的个人习惯：每次开仓前，我会问自己三个问题——趋势方向对吗？MACD信号确认了吗？止损设好了吗？三个问题都回答「是」，才动手。这个习惯帮我过滤掉了至少70%的冲动交易。

好了，MACD策略就讲到这里。记住，指标是死的，人是活的。再好的策略，没有纪律和风控，都是白搭。希望这些内容对你有帮助。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →