股票指标：异同移动平均线(MACD)解析

wujian0108

已于 2025-05-05 20:55:01 修改

阅读量688

点赞数 14

分类专栏：股票指标文章标签：人工智能大数据

于 2025-05-05 20:53:50 首次发布

本文链接：https://blog.csdn.net/wujian0108/article/details/147722539

版权

股票指标专栏收录该内容

2 篇文章

订阅专栏

MACD是什么？

MACD，全称Moving Average Convergence Divergence，即指数平滑异同移动平均线，是一种在股票、期货等投资市场中广泛使用的动量指标。它能帮助投资者识别市场的趋势及其变化。

简单来说，MACD主要是通过比较短期和长期的指数移动平均线（EMA）之间的关系来工作的。这里的“短期”和“长期”指的是计算这些平均值时所依据的时间段长度。通常情况下，短期是12天，长期是26天。

MACD的计算分为以下几个步骤：

计算短期EMA：首先需要基于收盘价计算出一个12天的指数移动平均线（EMA12）。
计算长期EMA：接着，再计算出一个26天的指数移动平均线（EMA26）。
计算差值（DIFF）：然后，用短期EMA减去长期EMA，得到的数值就是所谓的“DIFF线”，也就是快速线。
计算信号线（DEA/Signal Line）：最后，基于DIFF线的9日EMA生成一条被称为“DEA线”或“信号线”的慢速线。

MACD的一个常见展示方式是直方图，它表示的是DIFF线与信号线之间的差异。当DIFF线上穿信号线时，这通常被视为买入信号；相反，当DIFF线下穿信号线时，则可能是一个卖出信号。

MACD解析

EMA即EXPMA

EXPMA解析

DIFF(快速线)

DIFF = 短期EMA - 长期EMA

通常使用的是：

短期EMA：12日指数移动平均
长期EMA：26日指数移动平均

所以 DIFF = EMA(12) - EMA(26)

DEA(慢速线)

DEA线，全称为DIFFerence of Exponential Average线，也被称为信号线（Signal Line），是MACD指标（Moving Average Convergence Divergence，指数平滑异同移动平均线）中的一个关键组成部分。DEA线通过对DIFF线（快速线）进行进一步的平滑处理来生成，通常使用9日的EMA（指数移动平均）来计算。

对比

DIFF对价格变化反应更快

因为它是用短期EMA减去长期EMA，而短期EMA本身比长期EMA更贴近当前价格，对价格变动更敏感。
所以当价格发生变化时，DIFF线会比DEA线（信号线）更快地出现变化。

DEA线（慢速线）

DEA线是DIFF线的9日EMA，是对DIFF进一步平滑处理后的结果。
它波动更平缓，滞后性更强，就像大卡车一样，转向和加速都比较慢。

MACD实际交易中的意义：

在这里插入图片描述

MACD通过观察价格变动的速度而非价格本身来提供买卖信号，有助于捕捉市场趋势的变化。

在MACD图表中，你会看到两条线：

快速线（DIFF）：颜色通常是白线
慢速线（DEA）：颜色通常是黄线

当：

DIFF上穿DEA → 出现金叉 → 可能是买入信号（股价拉升）
DIFF下穿DEA → 出现死叉 → 可能是卖出信号（股价下跌）

这些交叉点之所以有意义，正是因为DIFF线反应快，能率先捕捉到趋势的变化。

名称	含义	为什么叫“快速”
快速线（DIFF）	短期EMA - 长期EMA	对价格变化更敏感，反应更快
慢速线（DEA）	DIFF的9日EMA（信号线）	更平滑，滞后性强，反应较慢

程序化计算示例

import akshare as ak
import pandas as pd
import numpy as np

# 获取中兴通讯的股票历史数据
stock_code = '000063'  # 中兴通讯在深圳证券交易所的代码
stock_data = ak.stock_zh_a_hist(symbol=stock_code, period="daily", adjust="qfq")  # 调整参数以获取前复权数据

# 将数据转换为DataFrame，并设置日期为索引
df = pd.DataFrame(stock_data, columns=['日期', '开盘', '最高', '最低', '收盘', '成交量', '振幅', '涨跌幅', '涨跌额', '换手率'])
df['日期'] = pd.to_datetime(df['日期'])
df.set_index('日期', inplace=True)

# 计算短期(12日)和长期(26日)EMA
short_window = 12
long_window = 26
signal_window = 9

df['EMA12'] = df['收盘'].ewm(span=short_window, adjust=False).mean()
df['EMA26'] = df['收盘'].ewm(span=long_window, adjust=False).mean()

# 计算DIF(快速线)
df['DIF'] = df['EMA12'] - df['EMA26']

# 计算DEA(信号线)
df['DEA'] = df['DIF'].ewm(span=signal_window, adjust=False).mean()

# 计算MACD柱状图值
df['MACD'] = (df['DIF'] - df['DEA']) * 2

# 打印结果查看
print(df[['DIF', 'DEA', 'MACD']].tail())

# 如果需要，可以将结果保存到CSV文件中
# df.to_csv('ZTE_MACD.csv')