4. 均线交叉信号：金叉死叉的定义、单均线策略、双均线策略、三均线策略

均线交叉，这玩意儿在量化圈里被聊得最多，也最容易被误解。

很多人一上来就搞双均线金叉买入、死叉卖出，结果回测曲线漂亮得像假的一样，实盘一跑就崩。为什么？因为没搞懂均线交叉背后的逻辑。

我个人习惯把均线交叉分成三个层次来理解：定义、单均线、多均线。今天咱们一层层剥开。

4.1 金叉与死叉：最基础的定义

先说定义，简单到不能再简单：

• 金叉：短期均线上穿长期均线。比如5日均线上穿20日均线。市场短期趋势转强，是买入信号。
• 死叉：短期均线下穿长期均线。比如5日均线下穿20日均线。市场短期趋势转弱，是卖出信号。

但这里有个坑——均线参数怎么选？

我在项目中遇到过不少新手，上来就用(5, 20)或者(10, 30)，觉得这是标准答案。其实不是。参数选择取决于你的持仓周期和品种波动率。

4.2 单均线策略：最简单的趋势跟踪

单均线策略，说白了就是一根均线走天下。

规则：

• 价格上穿均线 → 买入
• 价格下穿均线 → 卖出

听起来是不是比双均线还简单？但实际用起来，你会发现一个问题——震荡行情里被反复打脸。

我记得有一次做股指期货的日内策略，用20周期均线做单均线跟踪。行情单边上涨时赚得盆满钵满，但一到横盘震荡，连续被左右打耳光，一周亏掉之前两周的利润。

为什么会这样？因为单均线策略本质上是一个滞后指标。它只能告诉你趋势已经发生了，不能预测趋势什么时候开始。

代码实现也很简单：

# 单均线策略示例
import pandas as pd
import numpy as np

def single_ma_strategy(df, ma_period=20):
    df['MA'] = df['close'].rolling(window=ma_period).mean()
    df['signal'] = 0
    df.loc[df['close'] > df['MA'], 'signal'] = 1  # 买入信号
    df.loc[df['close'] < df['MA'], 'signal'] = -1 # 卖出信号
    return df

4.3 双均线策略：金叉死叉的经典应用

双均线策略，就是咱们开头说的金叉死叉。它比单均线多了一层过滤，能减少一部分假信号。

规则：

• 短期均线上穿长期均线 → 金叉，买入
• 短期均线下穿长期均线 → 死叉，卖出

但这里有个细节很多人忽略——金叉死叉的确认时机。

我见过有人用收盘价确认，有人用盘中实时确认。我个人习惯用收盘价确认。为什么？因为盘中波动太大，很容易被瞬间的假突破骗进去。

双均线策略的代码：

# 双均线策略示例
def dual_ma_strategy(df, short_period=5, long_period=20):
    df['MA_short'] = df['close'].rolling(window=short_period).mean()
    df['MA_long'] = df['close'].rolling(window=long_period).mean()
    
    df['signal'] = 0
    # 金叉信号
    df.loc[(df['MA_short'] > df['MA_long']) & 
           (df['MA_short'].shift(1) <= df['MA_long'].shift(1)), 'signal'] = 1
    # 死叉信号
    df.loc[(df['MA_short'] < df['MA_long']) & 
           (df['MA_short'].shift(1) >= df['MA_long'].shift(1)), 'signal'] = -1
    return df

4.4 三均线策略：更精细的趋势判断

三均线策略，说白了就是在双均线的基础上再加一根中期均线，用来判断趋势的强度。

常见的三均线组合：

• 短期：5日或10日
• 中期：20日或30日
• 长期：60日或120日

三均线策略的核心逻辑：

• 多头排列：短期 > 中期 > 长期 → 强势上涨趋势
• 空头排列：短期 < 中期 < 长期 → 弱势下跌趋势
• 交叉信号：短期上穿中期，且中期在长期之上 → 更可靠的金叉

我曾经用三均线策略做过一个ETF轮动组合。当时选了5只行业ETF，用(5, 20, 60)三均线判断趋势强度，只做多头排列的品种。效果比单纯的双均线好不少，尤其是在震荡市里，能过滤掉很多假突破。

三均线策略的代码实现：

# 三均线策略示例
def triple_ma_strategy(df, short=5, mid=20, long=60):
    df['MA_short'] = df['close'].rolling(window=short).mean()
    df['MA_mid'] = df['close'].rolling(window=mid).mean()
    df['MA_long'] = df['close'].rolling(window=long).mean()
    
    # 判断排列状态
    df['bullish'] = (df['MA_short'] > df['MA_mid']) & (df['MA_mid'] > df['MA_long'])
    df['bearish'] = (df['MA_short'] < df['MA_mid']) & (df['MA_mid'] < df['MA_long'])
    
    # 只在多头排列时做多
    df['signal'] = 0
    df.loc[df['bullish'], 'signal'] = 1
    df.loc[df['bearish'], 'signal'] = -1
    return df

4.5 三种策略的对比与选择

说了这么多，到底该用哪种？

我整理了一个对比表，方便你快速决策：

策略类型	优点	缺点	适用场景
单均线	简单直观，参数少	震荡市假信号多	强趋势行情
双均线	过滤部分假信号	滞后性依然存在	中等趋势行情
三均线	趋势判断更精细	参数多，过拟合风险大	震荡市+趋势市混合

4.6 均线交叉策略的核心逻辑图

下面这张图，是我自己总结的均线交叉策略决策流程。你想想看，从原始价格数据到最终买卖信号，中间经历了哪些步骤：

这张图的核心逻辑其实就一句话：从价格到均线，从均线到交叉，从交叉到信号。每一步都在做信息过滤和趋势确认。

嗯，关于均线交叉的内容，今天就聊到这儿。记住一点：均线是工具，不是圣杯。再好的策略，也要结合仓位管理和风险控制才能长期赚钱。