作者：老余捞鱼
原创不易，转载请标明出处及原作者。
写在前面的话：今天给大伙分享 5 种用移动平均线提升交易表现的方法，像移动平均线斜率、包络线这些高级技术，我还为此搭配了完整的Python代码。不管你是交易小白还是老手，都能从中学到新东西，赶紧来看看吧！
什么是移动平均线 ？
移动平均线（Moving Average，简称MA）是一种常用的技术分析工具，广泛应用于金融市场，尤其是在股票、外汇和期货交易中。
它通过计算一定时间段内的价格平均值，帮助交易者平滑价格波动，识别趋势方向，从而做出更明智的交易决策。
移动平均线在交易中的应用主要包括以下几个方面：
移动平均线应用广泛，很多人都靠着研究它开发出各种交易方法。我自己也用移动平均线构建了不少的交易系统，今天就给大家分享5种更高级的应用移动平均线交易系统。
一、移动平均线斜率(MAS)
移动平均线斜率（Moving Average Slope），简单来说，就是看移动平均线在一段时间里上升或下降的陡峭程度。以前咱们可能只关注它是涨还是跌，现在用斜率，能更准确判断趋势的强弱。
为什么它这么有用呢？当移动平均线斜率很陡，向上的话，说明市场上涨的劲头特别足；要是向下很陡，那就是市场下跌的力量很强。咱们交易者可以借助斜率，确认当前市场趋势是不是真的强，还能提前发现趋势可能反转的信号。
它的计算方法是算出移动平均线上两个点的价格差，再除以这两个点之间的时间间隔。角度越陡，趋势就越强。
上图是一张移动平均线斜率计算过程的示意图，横坐标为时间，纵坐标为价格，移动平均线明显的斜率展示了其变化。
下面是用 Python 代码计算移动平均线斜率的示例：
# 计算移动平均线斜率的函数
def calculate_ma_slope(df, period=50):
ma = df['Close'].rolling(window=period).mean()
first_derivative = ma.diff()
second_derivative = first_derivative.diff()
return first_derivative, second_derivative我们将移动平均线斜率用于SPY(标普500)的实战交易策略，并使用了 vectorbt 进行回测。
策略的核心思想是在移动平均线斜率较强时入场，斜率较弱时出场。通过回测可以评估策略的表现，并绘制了资金曲线。
二、移动平均线包络线(MAE)
移动平均线包络线（Moving Average Envelope）它就像是给移动平均线穿上了一件 “外套”。
在移动平均线的上方和下方，各有一条平行的线，这两条线和移动平均线之间的距离是固定比例的，形成了一个类似 “通道” 的东西，这个通道就叫 “包络线”。
它有啥用呢？当价格跑到包络线外面去了，就说明市场可能有点 “过头” 了，价格可能要往回走；要是价格在包络线附近晃悠，那就可能是市场在盘整。
交易者还能自己调整包络线和移动平均线之间的距离比例。距离小，说明市场波动小；距离大，市场波动就大，价格变化更剧烈。
这是一张展示移动平均线包络线的 K 线图，K 线在包络线内波动，偶尔突破包络线，清晰展示包络线作为动态支撑和阻力位的作用。
Python 代码示例如下：
# 计算移动平均线包络线（上下边界）的函数
def calculate_ma_envelope(df, ma_period=20, envelope_pct=0.02):
ma = df['Close'].rolling(window=ma_period).mean() # 计算移动平均线
upper_envelope = ma * (1 + envelope_pct) # 上包络线（高于移动平均线的百分比）
lower_envelope = ma * (1 - envelope_pct) # 下包络线（低于移动平均线的百分比）
return upper_envelope, lower_envelope三、顾比复合移动平均线（GMMA）
顾比复合移动平均线（Guppy Multiple Moving Averages）是把好多条移动平均线组合在一起，帮助咱们交易者更好地了解短期和长期的市场趋势。
它分成两组移动平均线，一组用来反映短期趋势（一般是 3 – 6 条指数移动平均线），另一组反映长期趋势（一般是 6 – 12 条指数移动平均线） 。
为啥要用 GMMA 呢？它能让我们全面地看清市场，通过观察短期和长期移动平均线之间的交叉情况，就能找到合适的买卖时机。要是短期的移动平均线跑到长期移动平均线上面去了，这就是市场要上涨的信号；反过来，就是市场要下跌的信号。
使用的时候，我们要留意短期和长期移动平均线是靠近还是远离。它们离得远，说明市场趋势很强；要是越来越近，那就可能市场要变盘了。
上图是 SPY 带有 GMMA 指标的 K 线图，清晰展示短期和长期移动平均线的交叉、收敛和发散情况，以及对应的价格走势变化。
Python 代码示例：
# 计算顾比复合移动平均线（GMMA）的函数
def calculate_gmma(df, short_periods=range(3, 16, 3), long_periods=range(30, 51, 5)):
for period in short_periods:
df[f'GMMA_Short_{period}'] = df['Close'].ewm(span=period).mean()
for period in long_periods:
df[f'GMMA_Long_{period}'] = df['Close'].ewm(span=period).mean()
return df我们还是将 GMMA 用于 SPY (标普500)的实战交易策略，并继续使用了 vectorbt 进行回测。
策略的核心是在短期 GMMA 均线压缩低于长期 GMMA 均线时入场，短期 GMMA 均线低于长期 GMMA 均线时出场。
四、移位移动平均线（DMA）
移位移动平均线（Displaced Moving Average），简单讲就是把移动平均线在时间上往前或者往后挪一挪。这样做能让我们从不同的角度看市场趋势。
往前挪，能帮我们预判未来价格可能走到哪里；往后挪，可以看看历史趋势和未来价格之间有啥关系。
它的作用可不小，通过把移动平均线往前移，我们就能提前知道价格可能的走势，在趋势反转之前收到信号。
计算的时候，就是把移动平均线按照设定的时间往前或往后平移。
上图是英伟达股票（NVDA）移位移动平均线的示意图，展示了移动平均线移位前后的对比，以及对价格走势判断的影响。
Python 代码示例：
# 计算移位移动平均线（DMA）的函数
def calculate_dma(df, period, shift):
return df['Close'].rolling(window=period).mean().shift(shift)
用英伟达股票（NVDA）实现基于 位移移动平均线（DMA） 的交易策略。
我们使用快速 DMA（50 日均线，位移 10 天）上穿慢速 DMA（200 日均线，位移 20 天）作为入场信号，下穿作为出场信号，并通过 vectorbt 进行回测。
五、移动平均线汇聚区（MACZ）
移动平均线汇聚区（Moving Average Confluence Zones）指的是好多条不同周期的移动平均线在同一个价格位置汇聚到一起，这个汇聚的区域就有可能成为价格的支撑位或者阻力位。道理很简单，汇聚的移动平均线越多，这个价格位置的支撑或者阻力作用就越强。
对我们交易者来说，这个汇聚区可太重要了。当价格靠近或者碰到这个区域的时候，价格可能就会反弹（如果是支撑区），或者反转（如果是阻力区）。
一般来说，我们会关注像 50 周期、100 周期、200 周期这些不同周期的移动平均线是不是汇聚在一起。一旦它们汇聚在某个价格点，就说明不同时间段的市场看法达成了一致，这个价格区域很关键，不管是决定什么时候买入、卖出，还是设置止损点，都能参考它。
这是一张展示meta股票的移动平均线汇聚区的 K 线图，标注出了不同周期移动平均线汇聚的位置，以及价格在汇聚区附近的反应。
Python 代码示例：
# 检测汇聚区的函数（可复用周期）
def detect_confluence(df, periods=None):
if periods is None:
periods = [20, 50, 100, 200] # 如果没有提供周期，则使用默认周期
ema_columns = [f'EMA_{period}' for period in periods]
df['Confluence_Upper'] = df[ema_columns].max(axis=1)
df['Confluence_Lower'] = df[ema_columns].min(axis=1)
return df其实，移动平均线的用法还有很多，像移动平均线挤压等。不过我还没基于它好好构建交易系统，所以今天就没详细讲。
而且移动平均线的类型特别多，像简单移动平均线（SMA）、赫尔移动平均线（HMA）、三角移动平均线（TMA）等等。大家可以根据今天讲的这些计算方法，自己动手构建适合自己的交易系统。
观点总结
本文主要分享了 5 种利用移动平均线提升交易表现的方法，无论是交易新手还是有经验的投资者，都能从中获取新的交易思路，有助于在交易市场中做出更明智的决策。
- 移动平均线斜率（MAS）：通过计算斜率判断趋势强弱，斜率越陡，趋势越强。
- 移动平均线包络线(MAE)：可识别市场超买超卖和盘整状态，通过调整包络线与均线距离判断市场波动性。
- 顾比复合移动平均线（GMMA）：由短期和长期两组均线构成，通过观察交叉、收敛和发散判断买卖点和市场趋势。
- 移位移动平均线（DMA）：将均线在时间上移位，提前预判价格走势，获得趋势反转信号。
- 移动平均线汇聚区（MACZ）：多条均线汇聚形成支撑或阻力区，帮助确定交易的关键点位。
源代码下载
以上的源代码请在我的Google Colab中申请下载，内附中文构建说明。
如觉得对您有所帮助，请留言或者私信向我索要，同时请我喝杯咖啡就好。
感谢您阅读到最后，希望这篇文章为您带来了新的启发和实用的知识！如果觉得有帮助，请不吝点赞和分享，您的支持是我持续创作的动力。祝您投资顺利，收益长虹！如果对文中内容有任何疑问，欢迎留言，我会尽快回复！
本文内容仅限技术探讨和学习，不构成任何投资建议。
Be First to Comment