【量化】策略交易 - 均线策略（Moving Average Strategy）

策略交易 - 均线策略（Moving Average Strategy）

---

一、前言

均线策略 是最经典、最简单、最实用的量化交易策略之一，也是许多新手入门量化交易的第一步。

二、“均线”是什么

均线（Moving Average，简称 MA），是某个时间段内价格的平均值，通常用于观察价格趋势。

常见均线种类：

名称	公式	意义
简单均线（SMA）	最简单的平均值	平滑价格波动
指数均线（EMA）	最近的数据权重更高	更快反应新行情

三、核心逻辑

利用两条不同周期的均线判断趋势，决定买入或卖出。

最经典形式：双均线策略（Dual MA Strategy）

四、“双均线策略”规则

条件	操作
短期均线 上穿 长期均线	买入（称为“金叉”）
短期均线 下穿 长期均线	卖出（称为“死叉”）

比如：

• 短期均线：5日平均价格（SMA_5）
• 长期均线：20日平均价格（SMA_20）

五、图示理解

价格线：         ／＼    ／＼
短期均线（5日）：   ／＼／＼＼
长期均线（20日）：  ——＼__／———

金叉：短期从下向上穿过长期 → 做多（买入）
死叉：短期从上向下穿过长期 → 平仓或做空

六、原理&本质

为什么这个策略有效？

-> 原理：

• 当短期均线向上穿越长期均线，说明“短期上涨速度超过长期平均”，可能是上涨趋势开始。
• 当短期均线向下穿越长期均线，说明“短期下跌加剧”，趋势可能反转。

-> 本质：

这是一种趋势跟随（Trend Following）策略，它不会抄底或摸顶，而是追着趋势吃中间的一段。

七、可调参数

参数	意义	示例
短期周期	越小越敏感	5、10
长期周期	越大越稳重	20、50、200
交易频率	与K线周期有关	日线、小时线、分钟线等
滑点与手续费	实盘中必须考虑	0.1%每次交易等

八、优点和缺点

-> 优点

• 简单易懂，逻辑清晰
• 可用在任何标的（股票、币种、期货）
• 可参数优化（适合机器学习）
• 可程序化、自动化交易

-> 缺点

• 信号滞后（必须等趋势确认后再进场）
• 高频震荡行情中会频繁“假信号”，导致亏损
• 不适合震荡盘（更适合趋势行情）

九、实战事例

以狗狗币（DOGEUSDT）为例，来实现均线策略，数据从币安拿。

-> 库的安装

pip install python-binance pandas matplotlib

-> 相关代码

# -*- coding: utf-8 -*-
# @Author: zhangfujie
# @Date:   2025-06-08 19:01:45
# @Last Modified by:   zhangfujie
# @Last Modified time: 2025-06-08 19:35:27

from binance.client import Client
import pandas as pd
import matplotlib.pyplot as plt
import datetime
# 设置支持字体，不然中文无法显示
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

# 策略交易之均线策略
def moving_average_strategy():
	# 1. 初始化币安客户端（不需要API KEY也可以获取公共行情）
	client = Client()

	# 2. 下载 DOGE/USDT 的历史数据（如1小时K线）
	symbol = "DOGEUSDT"
	interval = Client.KLINE_INTERVAL_1HOUR
	start_str = "1 Jan, 2025"

	# 3. 获取K线数据
	klines = client.get_historical_klines(symbol, interval, start_str)

	# 4. 整理为DataFrame
	data = pd.DataFrame(klines, columns=[
		"timestamp", "open", "high", "low", "close", "volume",
		"close_time", "quote_asset_volume", "number_of_trades",
		"taker_buy_base", "taker_buy_quote", "ignore"
	])
	data["timestamp"] = pd.to_datetime(data["timestamp"], unit="ms")
	data.set_index("timestamp", inplace=True)
	data["close"] = data["close"].astype(float)

	# 5. 计算均线
	data["SMA_5"] = data["close"].rolling(window=5).mean()
	data["SMA_20"] = data["close"].rolling(window=20).mean()

	# 6. 生成交易信号
	data["signal"] = 0
	data.loc[data["SMA_5"] > data["SMA_20"], "signal"] = 1
	data.loc[data["SMA_5"] < data["SMA_20"], "signal"] = -1

	# 7. 策略收益
	data["position"] = data["signal"].shift(1)
	data["return"] = data["close"].pct_change()
	data["strategy"] = data["position"] * data["return"]

	# 8. 可视化：策略 vs 原始收益
	data[["return", "strategy"]].cumsum().plot(figsize=(12, 6))
	# 图标显示的字体是苹方体
	font_path = '/System/Library/Fonts/PingFang.ttc'
	chinese_font = FontProperties(fname=font_path)
	plt.title("DOGE/USDT - 均线策略 vs 持有收益", fontproperties=chinese_font)
	plt.ylabel("累计收益", fontproperties=chinese_font)
	plt.grid(True)
	plt.show()

if __name__ == '__main__':
	moving_average_strategy()

-> 运行结果

-> 说明

步骤	内容
数据源	直接从 币安API 获取 DOGEUSDT 的历史K线（1小时）
策略	5小时均线 > 20小时均线 → 做多；反之做空（或清仓）
可视化	累计收益图，比较“策略 vs 单纯持有”表现

-> 提示 & 拓展

• 若我们想做分钟级别高频策略，把 KLINE_INTERVAL_1HOUR 改成 KLINE_INTERVAL_1MINUTE

• 可以加上手续费（如每次交易扣 0.1%）来模拟更真实场景

• 如果你想让它实时监控并自动下单，需要使用 Binance 的下单接口（需要 API Key）

十、策略总结

均线策略是趋势交易的入门方法，虽然简单，但理解透彻后能衍生出更复杂的量化系统。

-> 延伸策略：

策略名称	改进点
三均线策略	加入第三条长期均线，过滤震荡
均线+RSI	均线判断趋势，RSI判断超买超卖
多因子策略	均线作为因子之一，加入成交量、MACD、布林带等

十一、关于作者(ZFJ_张福杰)

• 官网：https://zfjsafe.com
• 博客：https://zfj1128.blog.csdn.net
• Github：https://github.com/zfjsyqk
• Gitee：https://gitee.com/zfj1128
• 打赏：https://zfjsafe.com/paycode