量化均线策略-简单移动平均数、指数加权移动平均数、双均线交叉和异同移动平均线（MACD）...

概述

根据求平均的方式不同,可以有简单移动平均数（ Simple moving Average,SMA)、加权移动平均数( Weighted Moving Average,WMA）和指数移动平均数（Exponential Moving Average,

EXPMA 或 EMA）。

注意：此均线策略需掌握对应代码编写

简单移动平均数(SMA)

即简单求数学平均数，注意为了体现“移动”的概念，不同平均数的分子是逐步向后挪动的

第5天的简单平均数为：

公式：SMA5=(P1+P2+P3+P4+P5) /5

式中，P1、P2、P3、P4、P5分别表示股票在第1天、第2天等的价格。

第6天的5日简单移动平均数则为：

公式：SMA6=(P2+P3+P4+P5+P6) /5

注意：这里算第6天时，是从P2开始，这即是所谓“移动”概念的体现。

期数的选择：

期数选择对简单移动平均的收益效果影响很大，要确定移动平均的期数，一般需要从以下三个方面考虑：

1、 事件发展的周期性：如果事件的发展有周期，一般应以周期长度作为移动平均数的间隔长度，比如研究每年的平均气温变化趋势，对其做12期移动平均，以便通过周期平均消除季节效应的影响

2、 对趋势平均性的要求：一般来说移动平均的期数越多，修匀效果越平均，表现出的趋势就越清晰。

3、 对趋势反映近期变化敏感程度的要求：用移动平均方法确定事件的发展趋势都具有一定的滞后性。

移动平均的期数越多，滞后性也越大； 期数越少，所得的趋势图对近期变化的反应就越敏感。因此，如果想得到长期趋势，最好做期数比较大的移动平均； 如果想密切关注序列的短期趋势，最好做期数比较小的移动平均。

加权移动平均数(WMA)

概述

加权移动平均会考虑最近的数据与久远的数据的区别，昨天的数据会比10天前的价格更能反映今天的股价情况。因此为了表示其代表性的高低，可以考虑先对股价赋予一定的权重，再求平均值。其它的计算方式和移动平均一样。

5日加权移动平均值的计算公式为：

WMAt5=w1p1+w2p2+w3p3+w4p4+w5p5

其中，w1、w2、w3、w4为股价数据的权重且w1+w2+w3+w4+w5=1。同理，得出第6天及以后的加权移动平均数。

代码实现

import pandas as pd

import numpy as np

def wmaCal(tsPrice,weight):

k=len(weight)

arrWeight=np.array(weight)

Wma=pd.Series(0.0,index=tsPrice.index)

for i in range(k-1,len(tsPrice.index)):

Wma[i]=sum( arrWeight*tsPrice[(i-k+1):(i+1)])

return Wma

b=np.array([1,2,3,4,5])

w=b/sum(b)

Wma5=wmaCal(Close,w)

print(Wma5)

指数加权移动平均(EMA)

其相当于一种特别的加权移动平均，主要考虑近期平均价格有更高的权重比，假设第5日的加权移动平均数为56，在第6天时将前面的平均数权重设置为0.8，当天价格权重设置为0.2，以此类推，其它的指数加权均按此公式计算，具体计算过程见下表：

相关代码

简单移动平均代码实现

import pandas as pd

def smaCal(tsPrice,k):

a=pd.Series(0.0,index=tsPrice.index)

for i in range(k-1,len(tsPrice)):

a[i]=sum(tsPrice[(i-k+1):(i+1)])/k

return(a)

sma5=smaCal(Close ,5)

加权移动平均代码实现

import pandas as pd

import numpy as np

def wmaCal(tsPrice,weight):

k=len(weight)

arrWeight=np.array(weight)

Wma=pd.Series(0.0,index=tsPrice.index)

for i in range(k-1,len(tsPrice.index)):

Wma[i]=sum(arrWeight*tsPrice[(i-k+1):(i+1)])

return(Wma)

b=np.array([1,2,3,4,5])

w=b/sum(b)

wma5=wmaCal(Close,w)

三种平均法大体差别

1、 移动平均法（包括简单移动平均和加权移动平均）所利用的数据都是局部，即使用过去N期的数据进行平均。指数加权平均法，则使用的是全局数据，从公式即可看出来

2、 简单移动平均法对所有数据一视同仁，均使用相同的权重。加权移动平均设置权重更加主观，通常根据专家建议或历史经验而确定。指数加权移动平均类似，但均倾向于对较近的数据赋予较大的权重 ，较远的数据相对权重较小

双均线交叉捕捉买卖点

1、 先求出短期均线和长期均线

2、 当短期均线从下向上穿过长期均线时，释放出买入信号

3、 当短期均线从上向下穿过长期均线时，释放出卖出信号

注意：短期和长期的时间跨度是因人而异。比如，选择5日简单移动平均线为短期线，30日简单移动平均线为长期线，运用长短期均线交叉策略的思想捕捉长短期均线突破点，并制定买卖交易点。

异同移动平均线（MACD）

由指数均线演变而来，是股票分析中一种常见的指标。MACD指标由两线柱组合而成，快速线为DIF，慢速线为DEA，柱状图为MACD。

快速线DIF：一般由12日指数加权移动平均值减去26日指数加权移动平均值得到。

慢速线DEA：DIF的9日指数加权移动平均值 。

柱状图MACD：由快速线DIF与慢速线DEA作差得到，如果是正数为红色，负数则为绿色

金叉和死叉：当DEA线向上穿过DIF快线时，释放金叉准备买入信号；当DEA线向下与DIF线时交叉时，释放死叉准备卖出信号。注意：如果是指导投资决策，尽量DEA和DIF大于0时买入，小于0时卖出。

MACD指标可以反映出股票近期价格趋势的能量和变化强度，通过分析快慢速线和柱状图来把握股票的买入和卖出点。一般默认MACD的求值参数为12、26和9，在投资实践中，可以对这些参数进行优化。

MACD交易策略

1.当 DlF 和 DEA 都在零刻度线上方时，表明市场可能是多头行情；反之，当 DIF 和 DEA 都在零刻度下方时，表明市场可能处于空头行情。

2.当 DIF 下穿信号线 DEA 时，释放出买入信号；当 DIF 向上穿过信号线 DEA 时，释放出卖出信号。

以 DIF 与 DEA 线的交叉与背离这一策略的分析过程包括如下 3 个步骤：

(1) 先求出 DIF(差离值，快线)、DEA(信号线，慢线)的值；

(2) DIF、DEA 均为正，DIF 向上突破 DEA，买入信号；

(3) DIF、DEA 均为负，DIF 向下跌破 DEA，卖出信号。