量化笔记系列 · 第63篇

Why：为什么你用MACD总是亏钱？

2015年A股牛市，我一个朋友小李，刚入市三个月。

他在某股票论坛上看到一个"MACD金叉必胜法"------DIF上穿DEA就买，死叉就卖。帖子里晒了十几张截图，每张都精准抄底逃顶，回测年化收益80%。

小李如获至宝，拿了20万积蓄照着做。

结果呢？

2015年6月，MACD在5000点附近给出金叉信号，小李全仓杀入。然后股灾来了，千股跌停。DIF在高位掉头向下，死叉信号出现时，他的账户已经亏了35%。

他割肉了。

然后7月，MACD又给出金叉，他以为反弹来了，又冲进去。结果又是一波暴跌，再亏20%。

前后三个月，20万亏到10万出头。

他跟我说："MACD就是个骗子指标。"

我说："MACD没骗你。是你根本不知道MACD算的是什么。"

这不是小李一个人的问题。90%用技术指标的散户，都不知道MA、EMA、MACD、RSI背后的数学公式到底在算什么。他们只知道"金叉买、死叉卖"，却不知道：

• 均线本质上是过去N天收盘价的平均值，它天然是滞后的

• EMA给近期价格更高权重，但它仍然是过去价格的加权平均

• MACD只是两条EMA的差值再做一次平均，它没有任何预测能力

• RSI衡量的是过去N天涨幅占总波动的比例，超买不代表一定会跌

你拿着一个描述过去的工具，去预测未来，这本身就有问题。

但问题不在于指标本身------问题在于你不理解它。一个你不理解的工具，比没有工具更危险。因为你会对它产生虚假的信心。

所以今天，我们把技术指标的数学底裤扒下来。从均线到MACD到RSI，一个个讲清楚：它们到底在算什么？为什么有效？什么时候失效？

What：技术指标到底是什么？

一句话定义

技术指标 = 对价格和成交量数据做数学变换后得到的衍生数据序列。

关键词是"数学变换"和"衍生"。指标不是独立于价格的新信息，它是从价格（和成交量）中加工出来的。原材料就是开高低收量，指标只是换了个角度看同一组数据。

就像一块猪肉------你可以切成肉丝、肉片、肉末、肉丸。但不管怎么切，它还是那块猪肉。技术指标就是把价格数据这块"肉"切成不同形状，让你更容易看出某些特征。

技术指标的三层本质

第一层：指标是过滤器。

原始价格数据噪音很大，今天涨2%明天跌1.5%，你很难看出趋势。均线把N天的价格平均一下，日常波动被平滑掉了，趋势就显现出来了。这就像你给照片磨皮------痣和斑还在那里，但看起来更光滑了。

第二层：指标是视角转换器。

K线图看的是价格本身，MACD看的是两条均线的距离变化，RSI看的是涨跌力度的对比，布林带看的是价格偏离均值的程度。同一个市场，不同指标给你不同的视角。就像看一座山------正面看雄伟，侧面看险峻，空中看又是另一回事。

第三层：指标是统计描述，不是预测工具。

这是最关键的一点。所有技术指标都是对历史数据的统计描述。MA告诉你"过去N天平均成本是多少"，MACD告诉你"短期趋势相对于长期趋势是加速还是减速"，RSI告诉你"过去N天涨的天数和幅度占比是多少"。

它们都在描述过去。没有任何一个指标能告诉你未来会怎样。

如果有人跟你说某个指标能精准预测买卖点，他不是蠢就是坏。

四大核心指标的数学拆解

1. MA（移动平均线）：最简单也最基础

MA的公式小学生都能算：

MA(N) = (C1 + C2 + ... + CN) / N

C是每天的收盘价，N是你选的周期。比如MA5就是最近5天收盘价的算术平均。

每天往前移动一天，就把最早一天的价格去掉，加上最新一天的价格，重新算平均。这就是"移动"平均的含义。

直觉理解： MA(N)就是过去N天所有买入者的平均持仓成本。价格在均线上方，说明最近N天买入的人整体赚钱；价格在均线下方，说明最近N天买入的人整体亏钱。

优点： 简单、直观、平滑噪音。

缺点：： 严重滞后。N越大越平滑，但滞后越严重。MA20在趋势行情中好用，在震荡市中反复被打脸------价格频繁穿越均线，发出大量假信号。

关键认知： MA给每天的价格相同权重。10天前的价格和昨天的价格对MA的影响是一样的。这合理吗？显然不合理------昨天的价格显然比10天前的价格更能反映当前市场状态。于是就有了EMA。

2. EMA（指数移动平均线）：给近期价格更高权重

EMA的公式稍微复杂一点：

EMA(t) = α × C(t) + (1 - α) × EMA(t-1)

其中 α = 2 / (N + 1)，这是平滑系数。

这个公式看起来简单，但理解它的关键在于展开递归。把EMA(t-1)继续展开：

EMA(t) = α×C(t) + α(1-α)×C(t-1) + α(1-α)²×C(t-2) + α(1-α)³×C(t-3) + ...

你会发现，EMA其实是过去所有价格的加权平均，只是权重随着时间推移指数级衰减。越近的价格权重越大，越远的价格权重越小，但永远不会变成零。

直觉理解： MA像民主投票------每天一票，票票等值。EMA像精英投票------越近期的价格"话语权"越大，远期价格的声音越来越小但永远存在。

以EMA12为例，α = 2/(12+1) ≈ 0.154。也就是说，今天的价格占15.4%的权重，昨天占约13%，前天约11%......以此类推。而MA12每天都是1/12 ≈ 8.3%。

关键区别： EMA比MA反应更快，但也更容易被短期波动影响。在趋势行情中EMA能让你更早入场，但在震荡市中EMA也会更早地发出假信号。

3. MACD：均线差值的差值

MACD是被使用最多也被误解最深的指标。它的计算分三步：

第一步：算DIF（快线）

DIF = EMA(12) - EMA(26)

DIF就是12天EMA减去26天EMA。它衡量的是短期趋势和长期趋势之间的距离。DIF为正，说明短期均价高于长期均价，多头占优；DIF为负，说明空头占优。

第二步：算DEA（慢线）

DEA = EMA(DIF, 9)

DEA是DIF的9天指数移动平均。它就是DIF的平滑版，比DIF慢半拍。

第三步：算MACD柱状图

MACD柱 = 2 × (DIF - DEA)

柱状图就是DIF和DEA的差值乘以2。正数画红柱（多头），负数画绿柱（空头）。

直觉理解： MACD的本质是"趋势的加速度"。DIF是短期和长期趋势的距离（相当于速度），DIF和DEA的差值（MACD柱）是这个距离的变化率（相当于加速度）。

金叉（DIF上穿DEA）意味着什么？意味着短期趋势相对于长期趋势正在变强------速度在增加。但注意，这只是描述"已经发生了什么"，不是"将要发生什么"。

金叉买入法为什么在震荡市亏钱？ 因为在震荡市中，DIF围绕DEA上下翻飞，频繁金叉死叉。你每次金叉买入，价格已经反弹了一段；每次死叉卖出，价格已经下跌了一段。来回打脸，反复止损。

MACD的致命缺陷： 它是双重滞后的------EMA本身滞后于价格，DEA又滞后于DIF。等你看到金叉，行情可能已经走完一半了。在强趋势中这个滞后可以接受（因为趋势会持续），但在震荡市中这个滞后是致命的。

4. RSI（相对强弱指标）：涨跌力度的温度计

RSI的公式：

RSI(N) = 100 - 100 / (1 + RS)

其中：
RS = N天平均涨幅 / N天平均跌幅

具体计算：

• 取过去N天，每天的收盘价变化（涨了还是跌了）

• 涨幅的平均值 / 跌幅的平均值 = RS

• RSI = 100 - 100/(1+RS)

RSI的取值范围是0到100：

• RSI = 50：涨跌力度均衡

• RSI > 70：超买区，涨的力度远大于跌

• RSI < 30：超卖区，跌的力度远大于涨

直觉理解： RSI就像一个弹簧温度计。价格连续上涨，RSI升高，弹簧被压紧，有回归的趋势；价格连续下跌，RSI降低，弹簧被拉伸，也有回归的趋势。

但这里有个巨大的误区：超买不等于会跌，超卖不等于会涨。

在强趋势中，RSI可以长期处于超买区（牛市中天天涨，RSI持续80+），你以为超买了要做空，结果价格继续涨，你被轧空。反过来也一样，熊市中RSI可以长期在20以下，你以为超卖了要抄底，结果底下还有底。

RSI真正有用的场景是震荡市 ------价格在区间内来回波动，RSI在30-70之间摆动，这时候高抛低吸有一定参考价值。但在趋势行情中，RSI的超买超卖信号几乎是反向指标。

5. 布林带（Bollinger Bands）：波动率的可视化

布林带由三条线组成：

中轨 = MA(N)，通常N=20
上轨 = 中轨 + K × σ，通常K=2
下轨 = 中轨 - K × σ

σ是过去N天收盘价的标准差，K通常取2。

直觉理解： 布林带就是给均线加了一个"波动范围"。如果价格服从正态分布（实际上不完全是），价格落在上下轨之间的概率约95%。带宽变窄说明波动率在收缩（暴风雨前的宁静），带宽变宽说明波动率在放大（趋势正在展开）。

布林带最有价值的信号不是"碰到上轨就卖、碰到下轨就买"------这在趋势市中会死得很惨。真正有价值的是带宽收缩 ：当布林带收窄到极致，往往意味着大行情即将来临。但方向不确定，需要结合其他信号判断。

How：用Python从零计算技术指标

理论讲完了，下面手把手教你用Python实现这些指标。不依赖talib，纯numpy/pandas手写，让你彻底理解每一步在算什么。

第一步：准备数据和环境

// python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

读取行情数据

数据需要包含：date, open, high, low, close, volume

df = pd.read_csv('your_stock_data.csv')
df $'date'$ = pd.to_datetime(df $'date'$ )
df.set_index('date', inplace=True)
df.sort_index(inplace=True)

确保数据没有缺失值

df = df.dropna(subset= $'close'$ )
print(f"数据范围：{df.index $0$ .date()} 到 {df.index $-1$ .date()}")
print(f"共 {len(df)} 个交易日")

这段代码做了三件事：

导入pandas（数据处理）、numpy（数学计算）、matplotlib（画图）
读取CSV行情数据并按日期排序
清理缺失值，打印数据概况

你需要准备一个包含date/open/high/low/close/volume列的CSV文件。可以从Tushare、AKShare等免费数据源获取。

第二步：计算MA移动平均线

// python
def calc_ma(close, period):
"""
计算简单移动平均线MA
close: 收盘价Series
period: 周期（如5, 10, 20, 60）
"""
return close.rolling(window=period).mean()

计算常用均线

df $'MA5'$ = calc_ma(df $'close'$ , 5)
df $'MA10'$ = calc_ma(df $'close'$ , 10)
df $'MA20'$ = calc_ma(df $'close'$ , 20)
df $'MA60'$ = calc_ma(df $'close'$ , 60)

rolling(window=period).mean()是pandas的滚动窗口函数。它做的事情就是：取最近period天的close值，求平均。前period-1天因为数据不足，结果是NaN（空值），这是正常的。

实操要点：

• MA5/MA10是短期均线，反映近期趋势

• MA20是中期均线，一个月大约20个交易日

• MA60是季线，反映中长期趋势

• 多头排列：MA5 > MA10 > MA20 > MA60，短期到长期依次向上

• 空头排列反过来

第三步：计算EMA指数移动平均线

// python
def calc_ema(close, period):
"""
计算指数移动平均线EMA
使用pandas的ewm函数
"""
return close.ewm(span=period, adjust=False).mean()

计算EMA12和EMA26（MACD用）

df $'EMA12'$ = calc_ema(df $'close'$ , 12)
df $'EMA26'$ = calc_ema(df $'close'$ , 26)

ewm(span=period, adjust=False)就是pandas的指数加权移动平均函数。span=period对应公式中的α=2/(period+1)。adjust=False表示使用递归公式计算（即EMA(t) = α×C(t) + (1-α)×EMA(t-1)），和行情软件的计算方式一致。

为什么不用adjust=True？ adjust=True会用递推展开的方式精确计算所有历史数据的加权平均，结果更精确但和大多数行情软件不一致。adjust=False使用递归近似，和同花顺、东方财富等软件的结果一致。

第四步：计算MACD

// python
def calc_macd(close, fast=12, slow=26, signal=9):
"""
计算MACD指标
fast: 快线周期，默认12
slow: 慢线周期，默认26
signal: 信号线周期，默认9
返回：DIF, DEA, MACD柱
"""

第一步：计算快慢EMA

ema_fast = close.ewm(span=fast, adjust=False).mean()
ema_slow = close.ewm(span=slow, adjust=False).mean()

第二步：DIF = 快线EMA - 慢线EMA

dif = ema_fast - ema_slow

第三步：DEA = DIF的signal日EMA

dea = dif.ewm(span=signal, adjust=False).mean()

第四步：MACD柱 = 2 * (DIF - DEA)

macd_hist = 2 * (dif - dea)

return dif, dea, macd_hist

计算MACD

df $'DIF'$ , df $'DEA'$ , df $'MACD_hist'$ = calc_macd(df $'close'$ )

逐行解释：

先算EMA12（短期）和EMA26（长期）
DIF就是两条EMA的差------短期趋势偏离长期趋势的程度
DEA是DIF的9天EMA------DIF的平滑版
MACD柱是DIF和DEA差值的2倍------柱状图的红绿柱

MACD的三个核心信号：

• 金叉：DIF从下方上穿DEA → 短期趋势转强信号

• 死叉：DIF从上方下穿DEA → 短期趋势转弱信号

• 顶背离：价格创新高但DIF不创新高 → 上涨动能衰竭

• 底背离：价格创新低但DIF不创新低 → 下跌动能衰竭

注意： 背离信号的可靠性高于金叉死叉，但仍然不是100%准确。背离之后还可以再背离，在强趋势中背离可以持续很久。

第五步：计算RSI

// python
def calc_rsi(close, period=14):
"""
计算RSI相对强弱指标
period: 计算周期，默认14
"""

计算每日价格变化

delta = close.diff()

分离涨幅和跌幅

where(条件, 不满足时的值)：满足条件保留原值，不满足替换为0

gain = delta.where(delta > 0, 0.0) # 涨的日子保留涨幅，跌的日子填0
loss = (-delta).where(delta < 0, 0.0) # 跌的日子保留跌幅（取正），涨的日子填0

计算平均涨幅和平均跌幅（使用EMA方式，和Wilder原版一致）

avg_gain = gain.ewm(alpha=1/period, adjust=False).mean()
avg_loss = loss.ewm(alpha=1/period, adjust=False).mean()

计算RS和RSI

rs = avg_gain / avg_loss
rsi = 100 - (100 / (1 + rs))

return rsi

计算RSI（常用6日和14日）

df $'RSI6'$ = calc_rsi(df $'close'$ , 6)
df $'RSI14'$ = calc_rsi(df $'close'$ , 14)

逐行解释：

diff()计算每天收盘价相对于前一天的变化（今天-昨天）
where(delta > 0, 0.0)把负的变化（下跌）替换为0，只保留涨幅；跌幅取负值后同样处理
用EMA方式计算平均涨幅和平均跌幅。这里用alpha=1/period而不是span=period，因为RSI的发明者Wilder使用的是特殊的平滑方式，alpha=1/14
RS就是平均涨幅除以平均跌幅
RSI = 100 - 100/(1+RS)，把RS映射到0-100的区间

为什么用alpha=1/period而不是span=period？ RSI的原版计算方法由Welles Wilder提出，他使用的平滑系数是1/N，而不是EMA标准的2/(N+1)。两者略有差异，用alpha=1/N更接近原版和行情软件的结果。

第六步：计算布林带

// python
def calc_bollinger(close, period=20, num_std=2):
"""
计算布林带
period: 均线周期，默认20
num_std: 标准差倍数，默认2
"""
mid = close.rolling(window=period).mean() # 中轨 = MA20
std = close.rolling(window=period).std() # 20日标准差

upper = mid + num_std * std # 上轨
lower = mid - num_std * std # 下轨

return upper, mid, lower

计算布林带

df $'BOLL_upper'$ , df $'BOLL_mid'$ , df $'BOLL_lower'$ = calc_bollinger(df $'close'$ )

布林带的计算最简单：

中轨就是20日均线
计算20天收盘价的标准差
上下轨 = 中轨 ± 2倍标准差

标准差是什么？ 标准差衡量的是数据偏离平均值的程度。标准差大，说明价格波动大；标准差小，说明价格波动小。布林带的宽度实际上就是4倍标准差，直接反映波动率大小。

第七步：可视化------把指标画出来

// python
fig, axes = plt.subplots(4, 1, figsize=(16, 14),
gridspec_kw={'height_ratios': $3, 1, 1, 1$ })

子图1：K线 + 均线 + 布林带

ax1 = axes $0$
ax1.plot(df.index, df $'close'$ , label='收盘价', color='black', linewidth=1)
ax1.plot(df.index, df $'MA5'$ , label='MA5', color='blue', linewidth=0.8)
ax1.plot(df.index, df $'MA20'$ , label='MA20', color='orange', linewidth=0.8)
ax1.plot(df.index, df $'MA60'$ , label='MA60', color='purple', linewidth=0.8)
ax1.fill_between(df.index, df $'BOLL_upper'$ , df $'BOLL_lower'$ ,
alpha=0.1, color='gray', label='布林带')
ax1.set_title('价格 + 均线 + 布林带')
ax1.legend(loc='upper left')
ax1.grid(True, alpha=0.3)

子图2：成交量

ax2 = axes $1$
colors = $'red' if df\['close'$ $i$ >= df $'open'$ $i$ else 'green'
for i in range(len(df))]
ax2.bar(df.index, df $'volume'$ , color=colors, width=0.8)
ax2.set_title('成交量')
ax2.grid(True, alpha=0.3)

子图3：MACD

ax3 = axes $2$
ax3.plot(df.index, df $'DIF'$ , label='DIF', color='blue', linewidth=0.8)
ax3.plot(df.index, df $'DEA'$ , label='DEA', color='orange', linewidth=0.8)
macd_colors = $'red' if v \>= 0 else 'green' for v in df\['MACD_hist'$ ]
ax3.bar(df.index, df $'MACD_hist'$ , color=macd_colors, width=0.8)
ax3.axhline(y=0, color='black', linewidth=0.5)
ax3.set_title('MACD')
ax3.legend(loc='upper left')
ax3.grid(True, alpha=0.3)

子图4：RSI

ax4 = axes $3$
ax4.plot(df.index, df $'RSI14'$ , label='RSI14', color='purple', linewidth=0.8)
ax4.axhline(y=70, color='red', linestyle='--', linewidth=0.8, label='超买线(70)')
ax4.axhline(y=30, color='green', linestyle='--', linewidth=0.8, label='超卖线(30)')
ax4.axhline(y=50, color='gray', linestyle='--', linewidth=0.5)
ax4.fill_between(df.index, 70, 100, alpha=0.05, color='red')
ax4.fill_between(df.index, 0, 30, alpha=0.05, color='green')
ax4.set_ylim(0, 100)
ax4.set_title('RSI')
ax4.legend(loc='upper left')
ax4.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig('technical_indicators.png', dpi=150, bbox_inches='tight')
plt.show()

这段代码画了一个四合一的技术分析图：

最上面是收盘价、MA5/MA20/MA60均线和布林带
第二行是成交量（红涨绿跌）
第三行是MACD的DIF线、DEA线和柱状图
最下面是RSI，标注了70超买线和30超卖线

你可以一眼看出价格、趋势、动量和波动率的关系。

第八步：指标的正确使用方式

计算出指标只是第一步，关键是怎么用。以下是我多年实盘总结的几条原则：

1. 不要单指标决策。 任何单一指标都会在特定行情中失效。MA在趋势市好用但在震荡市被打脸，RSI在震荡市好用但在趋势市是反向指标。至少用两个不同类型的指标交叉验证：一个趋势指标（MA/MACD）+ 一个震荡指标（RSI/KDJ）。

2. 先判断行情类型，再选指标。 用ADX或者布林带宽度判断当前是趋势市还是震荡市。趋势市用MA/MACD顺势而为，震荡市用RSI/布林带高抛低吸。用错了场景，再好的指标也是亏钱机器。

3. 指标是过滤器不是触发器。 不要"金叉就买、死叉就卖"。正确的用法是：指标发出信号 → 你去检查这个信号是否有其他因素支撑（成交量、支撑阻力位、基本面）→ 综合判断后再决策。指标是帮你筛选机会的，不是替你做决策的。

4. 理解参数的含义。 MACD默认参数12/26/9是由来已久的设定（以前一周6个交易日，12天=2周，26天=1月），但在A股一周5天的交易制度下，这些参数是否仍然最优？不同品种、不同周期，最优参数可能不同。不要盲目使用默认参数，回测验证后再用。

5. 所有指标都滞后，接受这个事实。 技术指标是对已发生数据的加工，它不可能领先于价格。如果你的策略需要"领先指标"，那技术指标帮不了你。你应该去研究基本面数据、资金流向、市场情绪等可能领先于价格的信息。

写在最后

技术指标不是圣杯，也不是骗术。它是一个工具------一个帮你从不同角度观察市场的工具。

锤子不能保证你造出好房子，但理解锤子的人比拿锤子乱砸的人强。

MA让你看到趋势，EMA让你更敏感地感知趋势变化，MACD让你看到趋势的加速度，RSI让你感知涨跌力度，布林带让你看到波动率。每个工具都有它擅长的场景和失效的场景。

重要的不是你用了多少指标，而是你是否理解每个指标在算什么、为什么有效、什么时候会失效。

一个被充分理解的RSI，比十个你只会看金叉死叉的MACD组合有用得多。

下期我们讲如何用Python的talib库快速计算技术指标，以及实盘中那些官方文档不会告诉你的坑。

如果对你有帮助，点赞关注，我们下期见。

量化笔记系列 · 第63篇

模块3：金融数据分析

关键词：#技术指标 #MACD #均线 #RSI #指标计算

【维克】技术指标是什么：从均线到MACD的数学原理