通达信指标公式（4）MACD指标3个进阶版本与C++源代码（值得收藏）

相信大家都了解MACD这个技术指标，它是基于移动平均线的原理，通过计算短期和长期移动平均线之间的差异和聚合状态，来预测价格的走势，属于趋势型指标。

今天主要分享我在实战中，使用MACD的3个进阶版本（如下图），介绍每个版本的由来，如何一步步优化、调整，从而去除一些干扰的信号（去噪），最终提供相对正确率较高的入场信号。

前情回顾

• 通达信指标公式-如何添加使用指标公式
• 通达信指标公式-主力操盘线与生命线（含源码）
  
• 通达信指标公式-多彩MACD指标
  

限时福利

在公众号后台回复关键字，免费获取优质策略资源：

策略大礼包
通达信教程
高盛报告
…
更多资源尽情期待，文末还有重磅福利！！！

基础知识

MACD指标由三部分组成：快线（DIF）、慢线（DEA）和柱状图（MACD），这三个值的计算方式也比较简单，不过多介绍了，有几个概念需要提前说明下：

• 金叉：当 DIF 上穿DEA时，通常表示买入信号。
• 死叉：当 DIF 下穿DEA时，通常表示卖出信号。
• 顶背离：当价格上涨，但 DIF 和 DEA 下降，表示上涨动能减弱。
• 底背离：当价格下跌，但 DIF 和 DEA 上升，表示下跌动能减弱。

V2.0 版本

我们希望通过金叉/死叉，提供买入/卖出的信号，但是传统的MACD指标没有这些信号的标记，V2.0版本由此诞生，我们用红色向上的箭头标记买入信号，绿色向下的箭头标记卖出信号。

这个版本的代码比较简单，就是将金叉、死叉的位置标记出来，其他的没有进行任何过滤。

{ 金叉条件 }
GOLD_CROSS := CROSS(DIF,DEA);

{ 死叉条件 }
DEATH_CROSS := CROSS(DEA,DIF);

V3.0版本

V2.0版本相比标准的MACD指标，只是将金叉死叉标记了出来，那这个版本存在哪些问题呢？

问题1-干扰信号过多

当行情k线处于横盘阶段，市场波动不大的时候，会产生很多干扰信号，如上图V2.0版本中，这段时间产生了19次信号，尤其在三个紫色框的部分，我们希望过滤掉这些不太明显的趋势信号。

问题2-零轴分水岭

如果你身边有老股民，他们会经常把一句话挂在嘴巴：“零轴之上不做多、零轴之下不做空”，这个零轴分水岭在很多趋势型技术指标中都适用。

如上图V2.0版本中，在MACD零轴之上有4次做多的信号（买入），在MACD零轴之下有2次做空的信号（卖出），这6个信号也是我们不想要的。

V3.0版本，解决了上面两个问题，代码如下：

{ 定义过滤条件 }
DIF_V := 0.1;        { DIF阈值，可调参数 }
THRESHOLD := 0.1;     { 差值阈值，可调参数 }
ZERO_FILTER := 0;     { 零轴过滤开关：1启用/0禁用 }

{ 金叉条件优化 }
GOLD_CROSS := CROSS(DIF,DEA) 
		   AND ABS(DIF) > DIF_V
           AND DIF < 0
           AND ABS(DIF-DEA) > THRESHOLD 
           AND (ZERO_FILTER = 0 OR (DIF > 0 OR DEA > 0))
           AND MACD > REF(MACD,1);

{ 死叉条件优化 }
DEATH_CROSS := CROSS(DEA,DIF) 
            AND ABS(DIF) > DIF_V
            AND DIF > 0
            AND ABS(DEA-DIF) > THRESHOLD 
            AND (ZERO_FILTER = 0 OR (DIF < 0 OR DEA < 0)) 
            AND MACD < REF(MACD,1);

上面代码，我们在金叉死叉的判断上，增加了更多条件，这个版本优化下来，直接从V2.0版本的19个信号，降低到了10个信号。

当然信号也不是越少越好，而是要相对更高的正确率。

V3.0版本的要点

这个版本优化下来，已经比传统MACD指标强了不少，截至目前也没有将MACD与k线图放到一直进行验证，最开始也说了：优化的目的是为了过滤掉一些干扰信号（去噪），提供相对正确率较高的入场信号。不可能做到百分之百正确率的，主要说下使用该版本的要点：

• 适用于相对长周期的趋势策略，从我的使用来看，至少在30分钟及以上的k线上
• 过滤条件定义了2个阈值，需要结合不同市场（股票、期货），不同品种进行调整，这些阈值会相差比较大
• 我在期货上使用比较多，重点在自己常做的品种上进行阈值调整，找到适合自己的参数

V3.0版本的问题

这个版本的问题，其实也是大多数趋势型技术指标的共性问题，那就是只关注‘价格’这一个维度产生的信号，‘量价量价’，不把‘量’加进来，单单由‘价‘产生的信号，往往会存在欺骗行为。

如上图，MACD金叉产生了买入信号，但是之后行情k线一路下跌，这样的信号就可以称之为虚假信号。那么如何识别并过滤掉这些虚假信号呢？

加入成交量指标进行过滤，上面的截图已经非常明了了，虽然MACD金叉产生了买入信号，但是这根k线的成交量非常低，甚至还不到前一根k线成交量的一半。

V4.0版本

V4.0版本不仅仅是增加了成交量Volume的指标，我还增加了一些更复杂的计算逻辑：MACD值的线性回归斜率等，最终V4.0版本从V3.0版本的10个信号，降到了6个。

1、增加成交量指标

下面的代码相比V3.0版本，只增加了2行，这两是一样的，当前K线的成交量要大于前一根K线的成交量：AND VOL > REF(VOL, 1)。

{ 金叉条件优化 }
GOLD_CROSS := CROSS(DIF,DEA) 
		   AND ABS(DIF) > DIF_V
           AND DIF < 0
           AND ABS(DIF-DEA) > THRESHOLD 
           AND (ZERO_FILTER = 0 OR (DIF > 0 OR DEA > 0))
		   AND VOL > REF(VOL, 1)
           AND MACD > REF(MACD,1);

{ 死叉条件优化 }
DEATH_CROSS := CROSS(DEA,DIF) 
            AND ABS(DIF) > DIF_V
            AND DIF > 0
            AND ABS(DEA-DIF) > THRESHOLD 
            AND (ZERO_FILTER = 0 OR (DIF < 0 OR DEA < 0)) 
		    AND VOL > REF(VOL, 1)
            AND MACD < REF(MACD,1);

同样，这个条件针对不同品种还需进一步调整，比如成交量要大于前一根k线成交量的1.5倍、2倍、3倍等等。

看到这里，相信我，目前的MACD指标进阶版本，已经可以战胜市场上绝大多数使用传统MACD指标的投资者了。

2、增加线性回归斜率

以下仅展示斜率的计算代码，至于斜率如何加入使用，暂且留个悬念，后面找机会分享。

{ 参数设置，默认与前5个周期计算斜率 }
N:=5; 

{ 线性回归斜率计算 }
MACD_SLOPE:=SLOPE(MACD, N);
DIF_SLOPE:=SLOPE(DIF, N);
DEA_SLOPE:=SLOPE(DEA, N);

比如我常做的期货日内趋势型策略，需要关注短周期的变化，尤其是反转行情，斜率就可以用上了。

其他优化方案

• 可调整MACD参数，比如将快慢EMA调整为14和28，信号线调整为10，或者其他组合。
• 采用自定义K线周期进行观察，比如31分钟、37分钟等
• 调整更合适的成交量阈值
• 如果是股票，可以加入成交额参数进行过滤
• 如果是期货，可以加入持仓量参数进行过滤

C++代码（主要函数源码）

	// 判断金叉或死叉
	inline BoolArray CROSS(const DoubleArray& S1, const DoubleArray& S2) {
		BoolArray result = xt::empty<bool>(S1.shape());
		for (size_t i = 1; i < S1.size(); ++i) {
			result(i) = (S1(i - 1) <= S2(i - 1)) && (S1(i) > S2(i));
		}
		result(0) = false; // 第一个值无效
		return result;
	}
	
	// 线性回归斜率
	inline DoubleArray SLOPE(const DoubleArray& S, int N) {
		DoubleArray result = xt::empty_like(S);
		DoubleArray X = xt::arange(0, N);

		for (size_t i = 0; i < S.size(); ++i) {
			if (i >= N - 1) {
				auto sub_array = xt::view(S, xt::range(i - N + 1, i + 1));
				double numerator = xt::sum((X - xt::mean(X)) * (sub_array - xt::mean(sub_array)))();
				double denominator = xt::sum(xt::square(X - xt::mean(X)))();
				double slope = numerator / denominator;
				result(i) = slope;
			}
			else {
				result(i) = get_nan();
			}
		}
		return result;
	}
	
    // EMA 指标
    inline DoubleArray EMA(const DoubleArray& close, std::size_t period) {
        double alpha = 2.0 / (period + 1);
        DoubleArray ema = xt::empty<double>({ close.size() });

        ema(0) = close(0);

        for (std::size_t i = 1; i < close.size(); ++i) {
            ema(i) = (close(i) - ema(i - 1)) * alpha + ema(i - 1);
        }

        return ema;
    }
    
    // MACD 指标
    inline std::tuple<DoubleArray, DoubleArray, DoubleArray> MACD(const DoubleArray& close, std::size_t short_period, std::size_t long_period, std::size_t mid_period) {
        auto dif = EMA(close, short_period) - EMA(close, long_period);
        auto dea = EMA(dif, mid_period);
        auto macd = (dif - dea) * 2;

        return std::make_tuple(dif, dea, macd);
   }

MACD指标最终版本获取方式

创作不易，如果想要最终版本的MACD指标源码，打赏50及以上，在后台留下你的邮箱，发给你，或者加我微信进行交流沟通。

原文跳转链接

社群介绍：码上君量化互助社群介绍

📌 声明：交易有风险，入市需谨慎。