Overlap：RMA（运行移动平均线）技术指标详解

Overlap：RMA（运行移动平均线）技术指标详解

一、RMA的定义

RMA（Running Moving Average，运行移动平均线） 也被称为 Wilder's Moving Average （威尔德移动平均线），是技术分析大师J. Welles Wilder在1978年出版的《技术交易系统新概念》（New Concepts in Technical Trading Systems）一书中引入的一种特殊移动平均线。

核心定位

RMA的本质其实是一种指数移动平均线（EMA），但它采用了一个特定的平滑系数公式。你可以把它理解为"威尔德版本的EMA"，而它最著名的应用场景，就是作为RSI（相对强弱指数）指标的核心计算组件。

RMA与EMA的区别

对比维度	RMA（运行移动平均）	EMA（指数移动平均）
平滑系数（Alpha）	固定为 1 / period	通常为 2 / (period + 1)
与EMA的关系	RMA是EMA使用特定Alpha时的一种特例	更通用的指数平滑形式
典型应用	威尔德系列指标（RSI、ADX等）的核心计算	各类趋势跟踪和动量指标
对近期价格的权重	权重相对较小（当period较大时）	通常给予近期价格更高权重

这一公式也说明了为什么RMA（或Wilder平滑）常被评价为"速度较慢"，因为它相当于一个有较长有效周期的EMA。

二、RMA的计算方法

1. 核心公式

RMA的计算基于一个递归公式：

RMAt=Pricet×α+RMAt−1×(1−α) \mathrm{RMA}_t = \mathrm{Price}t \times \alpha + \mathrm{RMA}{t-1} \times (1 - \alpha) RMAt=Pricet×α+RMAt−1×(1−α)

其中平滑系数 α\alphaα 为周期的倒数：

α=1length \alpha = \frac{1}{\mathrm{length}} α=length1

2. 计算步骤

第一步：初始化第一个RMA值

与EMA类似，第一个RMA值通常使用简单移动平均（SMA） 作为初始值。

RMAinitial=SMA(Price,length) \mathrm{RMA}_{\text{initial}} = \mathrm{SMA}(\mathrm{Price}, \mathrm{length}) RMAinitial=SMA(Price,length)

第二步：递归计算后续值

从第 length + 1 个数据点开始，使用递推公式计算：

RMAt=1length×Pricet+(1−1length)×RMAt−1 \mathrm{RMA}_t = \frac{1}{\mathrm{length}} \times \mathrm{Price}t + \left(1 - \frac{1}{\mathrm{length}}\right) \times \mathrm{RMA}{t-1} RMAt=length1×Pricet+(1−length1)×RMAt−1

3. 计算示例

以 length = 3 为例：

时间	价格	计算过程	RMA值
t1	100	初始SMA	100.00
t2	105	105 × 0.333 + 100 × 0.667	101.67
t3	102	102 × 0.333 + 101.67 × 0.667	101.78
t4	108	108 × 0.333 + 101.78 × 0.667	103.85

4. pandas_ta中的实现

在pandas_ta库中，RMA函数直接调用了pandas的ewm方法，并传入alpha = 1 / length作为平滑参数：

# pandas_ta中RMA的简化实现
def rma(close, length=10):
    alpha = 1.0 / length
    return close.ewm(alpha=alpha, min_periods=length).mean()

5. 参数说明

参数	类型	默认值	说明
close	pd.Series	必需	收盘价序列
length	int	10	RMA的计算周期，控制平滑程度
offset	int	0	结果偏移周期数

三、RMA的使用方法

1. 作为RSI的核心计算组件

RMA最广为人知的应用是作为RSI指标的计算基础。在RSI计算中：

• 上涨幅度的平滑使用RMA（周期14）
• 下跌幅度的平滑同样使用RMA（周期14）

2. 作为趋势跟踪工具

与EMA类似，RMA可以作为趋势跟踪均线使用：

RMA状态	趋势含义	操作倾向
RMA向上运行	上升趋势，买方力量主导	以做多为主
RMA向下运行	下降趋势，卖方力量主导	以做空为主
RMA走平	趋势可能减弱或进入盘整	观望

3. 价格穿越信号

价格与RMA的穿越是最简单的入场/出场信号：

信号类型	触发条件	操作建议
买入信号	价格从下方上穿RMA	考虑建立多头仓位
卖出信号	价格从上方下穿RMA	考虑平仓或建立空头

4. 与其他指标配合

RMA本身并不作为独立的交易信号源使用，更多是作为其他指标（如RSI、ADX）的计算基础。pandas_ta库的许多函数都支持通过mamode参数指定使用RMA作为平滑方式。

四、使用pandas_ta计算RMA

1. 函数完整参数

pandas_ta.overlap.rma(close, length=None, offset=None, **kwargs)

返回值 ：pd.Series------RMA值序列。

2. 示例代码

import pandas as pd
import pandas_ta as ta
import numpy as np
import matplotlib.pyplot as plt

# ========== 第一步：准备数据 ==========
np.random.seed(42)
dates = pd.date_range(start='2023-01-01', end='2024-12-31', freq='D')
n = len(dates)

trend = np.linspace(0, 45, n)
cycle = np.sin(np.linspace(0, 6 * np.pi, n)) * 15
noise = np.random.randn(n) * 3
price_series = 100 + trend + cycle + noise

# 添加趋势变化区间
price_series = price_series.astype(float)
for i in range(300, 450):
    price_series[i] = price_series[300] + (i-300) * 0.2
for i in range(450, 600):
    price_series[i] = price_series[450] - (i-450) * 0.15

df = pd.DataFrame(index=dates[:n])
df['close'] = price_series[:n]

print("=" * 60)
print("数据预览：")
print(df.head())
print("\n" + "=" * 60 + "\n")

# ========== 第二步：计算RMA ==========
# 默认参数 length=10
df['RMA'] = ta.rma(df['close'])

print("RMA计算结果（最近10行）：")
print(df[['close', 'RMA']].tail(10))
print("\n" + "=" * 60 + "\n")

# ========== 第三步：不同周期RMA对比 ==========
df['RMA_5'] = ta.rma(df['close'], length=5)
df['RMA_10'] = ta.rma(df['close'], length=10)
df['RMA_20'] = ta.rma(df['close'], length=20)

print("不同周期RMA对比（最近5行）：")
print(df[['close', 'RMA_5', 'RMA_10', 'RMA_20']].tail())
print("\n" + "=" * 60 + "\n")

# ========== 第四步：RMA与EMA对比 ==========
# 计算等效周期的EMA进行对比
# RMA(period) ≈ EMA(2*period - 1)
df['EMA_19'] = ta.ema(df['close'], length=19)  # 对应RMA(10)

print("RMA(10) vs EMA(19) 对比（最近10行）：")
print(df[['close', 'RMA_10', 'EMA_19']].tail(10))
print("\n" + "=" * 60 + "\n")

# ========== 第五步：价格穿越信号 ==========
df['price_above_rma'] = df['close'] > df['RMA_10']
df['cross_above'] = (df['price_above_rma'] == True) & (df['price_above_rma'].shift(1) == False)
df['cross_below'] = (df['price_above_rma'] == False) & (df['price_above_rma'].shift(1) == True)

df['signal'] = ''
df.loc[df['cross_above'], 'signal'] = '买入（价格上穿RMA）'
df.loc[df['cross_below'], 'signal'] = '卖出（价格下穿RMA）'

print("价格穿越信号统计：")
print(f"买入信号数量：{df['cross_above'].sum()}")
print(f"卖出信号数量：{df['cross_below'].sum()}")
print("\n" + "=" * 60 + "\n")

# ========== 第六步：策略回测 ==========
# 策略：价格 > RMA 时持仓多头
df['position'] = (df['close'] > df['RMA_10']).astype(int)

df['returns'] = df['close'].pct_change()
df['strategy_returns'] = df['position'].shift(1) * df['returns']

total_return_buyhold = (1 + df['returns']).prod() - 1
total_return_strategy = (1 + df['strategy_returns']).prod() - 1

print("=" * 60)
print("策略绩效统计（RMA穿越策略回测）：")
print(f"买入持有策略总收益率：{total_return_buyhold:.2%}")
print(f"RMA穿越策略总收益率：{total_return_strategy:.2%}")
print("\n注意：此为简化回测，仅供参考")
print("=" * 60 + "\n")

# ========== 第七步：可视化 ==========
plt.figure(figsize=(14, 10))

plt.subplot(2, 1, 1)
plt.plot(df.index[-200:], df['close'][-200:], 
         label='Close Price', linewidth=1.5, color='black')
plt.plot(df.index[-200:], df['RMA_10'][-200:], 
         label='RMA (10)', linewidth=1.5, color='blue')
plt.plot(df.index[-200:], df['EMA_19'][-200:], 
         label='EMA (19) - Equivalent', linewidth=1, color='orange', linestyle='--')
plt.title('RMA(10) vs EMA(19) 对比 (Last 200 days)', fontsize=14)
plt.ylabel('Price')
plt.legend()
plt.grid(True, alpha=0.3)

plt.subplot(2, 1, 2)
plt.plot(df.index[-200:], df['close'][-200:], 
         label='Close Price', linewidth=1, alpha=0.5, color='black')
plt.plot(df.index[-200:], df['RMA_5'][-200:], 
         label='RMA (5) - 短线', linewidth=1, alpha=0.7)
plt.plot(df.index[-200:], df['RMA_10'][-200:], 
         label='RMA (10) - 标准', linewidth=1.5, color='blue')
plt.plot(df.index[-200:], df['RMA_20'][-200:], 
         label='RMA (20) - 长线', linewidth=1.5, color='green')

plt.title('RMA：不同周期对比与穿越信号', fontsize=14)
plt.xlabel('Date')
plt.ylabel('Price')
plt.legend(loc='upper left')
plt.grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

五、总结

RMA（运行移动平均线）是技术分析大师威尔德引入的一种特殊移动平均线，其核心价值与定位如下：

维度	特点
核心定位	威尔德版本EMA，平滑系数 α = 1/period
与EMA关系	RMA(period) ≈ EMA(2×period - 1)
主要用途	RSI、ADX等威尔德系列指标的计算基础
默认参数	length=10
最佳应用场景	作为RSI、ADX等指标的平滑工具，也可作为趋势跟踪均线
主要局限	本质是EMA的一种特例，不具备独立的理论突破