第四节：技术指标计算——移动平均线、RSI、布林带、MACD、OBV

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、动量、波动率这些关键信息。我个人习惯，在轮动模型里不会堆砌太多指标，选三四个互补的就够了。

今天咱们把五个最常用的指标过一遍。我会把计算公式、代码实现、以及实战中容易踩的坑都讲清楚。

4.1 移动平均线：SMA 与 EMA

移动平均线是最基础的指标。它把价格“抹平”，让我们看清趋势方向。

简单移动平均线（SMA）

SMA 就是取最近 N 天的收盘价，算个算术平均。公式很简单：

SMA = (P₁ + P₂ + ... + Pₙ) / N

举个例子，5日SMA就是最近5天收盘价加起来除以5。代码实现：

def sma(close, window=20):
    return close.rolling(window=window).mean()

嗯，这里要注意：SMA 对每个数据点一视同仁。也就是说，10天前的价格和昨天的价格权重一样。这其实不太合理——昨天的价格显然比10天前更重要。

指数移动平均线（EMA）

EMA 解决了这个问题。它给近期的价格更高的权重。公式稍微复杂一点：

EMA_today = (Price_today × α) + (EMA_yesterday × (1 - α))
其中 α = 2 / (N + 1)

你看，今天的EMA由两部分组成：今天的价格乘以一个权重α，加上昨天的EMA乘以(1-α)。α越大，对近期价格反应越敏感。

def ema(close, window=20):
    return close.ewm(span=window, adjust=False).mean()
我的经验：在轮动模型里，我通常用EMA而不是SMA。EMA反应更快，能更早捕捉到趋势变化。但如果你做长周期轮动（比如月度调仓），SMA反而更稳定，不容易被短期噪音干扰。

4.2 相对强弱指标（RSI）

RSI 衡量的是“涨的力度”和“跌的力度”谁更强。取值范围0到100，一般认为70以上超买，30以下超卖。

计算分三步：

  1. 计算每日涨跌幅：今天收盘 - 昨天收盘
  2. 分别计算N天内平均涨幅和平均跌幅
  3. RSI = 100 - 100 / (1 + 平均涨幅/平均跌幅)
def rsi(close, window=14):
    delta = 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
    return 100 - (100 / (1 + rs))
避坑指南：我曾经在震荡行情里死磕RSI，结果频繁被假信号打脸。RSI在趋势行情里很好用，但在横盘震荡时，它会反复穿越70和30线，让你左右挨打。所以用RSI之前，先判断一下市场状态。

4.3 布林带（Bollinger Bands）

布林带由三条线组成：中轨是SMA，上下轨分别是中轨加减两倍标准差。它告诉我们价格相对于历史波动率的位置。

def bollinger_bands(close, window=20, num_std=2):
    sma = close.rolling(window=window).mean()
    std = close.rolling(window=window).std()
    upper = sma + num_std * std
    lower = sma - num_std * std
    return sma, upper, lower

布林带的核心思想：价格大概率在上下轨之间运行。当价格触及上轨，可能超买；触及下轨，可能超卖。但要注意——强势行情里，价格会沿着上轨一直走，这时候做空就惨了。

我的用法：我不单独看布林带，而是结合RSI一起用。比如价格突破上轨且RSI大于80，说明上涨动能很强，我不会急着卖。只有当价格跌破中轨时，我才会考虑减仓。

4.4 MACD 指标

MACD 由三部分组成：快线（DIF）、慢线（DEA）、柱状图（MACD柱）。它本质上是两条EMA的差值。

计算步骤：

  1. 计算12日EMA和26日EMA
  2. DIF = 12日EMA - 26日EMA
  3. DEA = DIF的9日EMA
  4. MACD柱 = (DIF - DEA) × 2
def macd(close, fast=12, slow=26, signal=9):
    ema_fast = close.ewm(span=fast, adjust=False).mean()
    ema_slow = close.ewm(span=slow, adjust=False).mean()
    dif = ema_fast - ema_slow
    dea = dif.ewm(span=signal, adjust=False).mean()
    macd_bar = (dif - dea) * 2
    return dif, dea, macd_bar

MACD 最常用的信号是金叉和死叉。DIF上穿DEA是金叉，看涨；下穿是死叉，看跌。但说实话，金叉死叉在震荡市里准确率不高。

我个人的偏好：我更关注MACD柱的背离。比如价格创新低，但MACD柱的底部在抬高，这叫底背离，往往是反转信号。我在2022年10月那波反弹里，就是靠底背离抓住了机会。

4.5 成交量指标（OBV）

OBV 把成交量和价格结合起来。它的逻辑很简单：价格上涨时，成交量是“正”的；价格下跌时，成交量是“负”的。OBV 就是把这些正负成交量累加起来。

def obv(close, volume):
    obv = volume.copy()
    obv[close.diff() > 0] = volume[close.diff() > 0]
    obv[close.diff() < 0] = -volume[close.diff() < 0]
    obv[close.diff() == 0] = 0
    return obv.cumsum()

OBV 的核心用法是看“背离”。如果价格在涨，但OBV在跌，说明上涨没有成交量支持，可能是虚涨。反过来，价格在跌，OBV在涨，说明有人在悄悄吸筹。

注意：OBV 的数值本身没有意义，有意义的是它的趋势方向。另外，OBV 对成交量数据质量要求很高，如果数据有缺失或异常，OBV 会完全失真。我曾经因为数据源的问题，OBV 算出来一条直线，排查了半天才发现是成交量字段搞错了。

4.6 知识体系总览

下面这张图把五个指标的核心逻辑串起来了。你可以看到，每个指标解决一个不同的问题：

技术指标知识体系 技术指标 移动平均线 RSI 布林带 MACD OBV 识别趋势方向 衡量超买超卖 判断波动率位置 捕捉趋势信号 验证量价关系 实战组合建议 趋势判断：SMA/EMA + MACD 动量确认：RSI + 布林带 量价验证：OBV

4.7 实战中的组合用法

指标不是越多越好。我见过有人一个策略里塞了十几个指标，结果信号互相矛盾，根本没法交易。我的建议是：

  • 趋势类选一个：SMA 或 EMA，二选一就行
  • 动量类选一个：RSI 或 MACD，看个人偏好
  • 波动率类选一个：布林带
  • 量价类选一个：OBV

这样四个指标各司其职，互不重叠。你想想看，如果趋势和动量都看涨，波动率也支持，成交量也在配合，那这个信号的可靠性就高多了。

一个小技巧：在轮动模型里，我通常把指标信号量化成0到1的分数，然后加权求和。比如趋势信号占40%，动量占30%，波动率占20%，量价占10%。这样既综合了多个维度的信息，又不会因为某个指标的假信号而误判。

好了，技术指标的计算就讲到这里。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，关键还是理解它背后的逻辑——为什么涨？为什么跌？成交量在说什么？把这些想明白了，指标才能为你所用。

← 上一章 📖 返回目录 下一章 →