移动平均线 (Moving Averages)公式及买入卖出用法（含Python）

由bqw9z8tc创建，最终由bqw9z8tc更新于2024-06-07 10:48 被浏览 123 用户

（包含移动平均线公式及Python代码）

移动平均线（Moving Averages）是一种分析金融时间序列数据的基本工具，用于平滑价格数据以识别趋势。移动平均线主要有两种类型：简单移动平均线（SMA）和指数移动平均线（EMA）。

BigQuant也提供全面的金融市场历史数据因子平台以及AI量化策略编写平台（PC端），帮助大家快速验证不同指标因子组成的量化策略。

移动平均线 (Moving Averages)

简单移动平均线 (SMA)

公式：

其中，Pi 是第 i 天的价格，n 是时间窗口的天数。

例如，如果过去5天的收盘价分别是 100, 102, 101, 103, 104，

则 5 天 SMA 是：

指数移动平均线 (EMA)

公式：EMA(t) = (Pt * 2/(n+1)) + EMA(t-1) * (1 - 2/(n+1))

其中，Pt 是第 t 天的价格。

买入卖出信号示例

图表展示了一个虚构股票的价格变动，以及10天、50天和200天简单移动平均线（SMA）。移动平均线通过平滑价格波动，帮助识别趋势和潜在的交易信号。

蓝线：表示股票的实际价格。

橙线：10天SMA，反映了短期价格趋势。

绿线：50天SMA，显示了中期价格趋势。

红线：200天SMA，指示长期价格趋势。

买入和卖出信号通过观察10天SMA（橙线）和50天SMA（绿线）的交叉点来确定：

绿色向上箭头：买入信号，出现在10天SMA上穿50天SMA的时候。

红色向下箭头：卖出信号，出现在10天SMA下穿50天SMA的时候。

使用案例

简单移动平均线（SMA）：计算一定时间段内的平均收盘价。

SMA = 价格之和/时间段长度

指数移动平均线（EMA）：给予最近价格更高的权重，计算方法稍复杂。

EMA今天=(价格今天×平滑系数)+(EMA昨天×(1−平滑系数))

其中，平滑系数 α=2/(n+1)，n 为所选周期。

使用10天股票收盘价数据来计算5天的SMA和EMA。

现在，我们将计算这些移动平均线。

根据上述数据和计算，我们得到以下移动平均线的参数：

5天简单移动平均线（SMA）：129.2，这是最后五天收盘价的平均值。
5天指数移动平均线（EMA）：129.09，这是一个更加关注最近价格变动的移动平均值，给予最近的数据更多权重。

这两种移动平均线各有特点：

SMA 提供了一种平滑数据的简单方法，有助于识别价格趋势。
EMA 更加敏感于最近的价格变动，因此它可以更快地反映价格的最新变化。

import numpy as np

# 示例数据
prices = np.array([115, 120, 123, 122, 121, 125, 127, 130, 133, 131])

# 计算5天的简单移动平均线（SMA）和指数移动平均线（EMA）

# 5天的SMA
n_sma = 5
sma_5_day = np.mean(prices[-n_sma:])

# 5天的EMA
n_ema = 5
alpha = 2 / (n_ema + 1)
ema_values = [prices[0]]  # 初始值为第一天的价格

# 计算EMA
for price in prices[1:]:
    ema_today = (price * alpha) + (ema_values[-1] * (1 - alpha))
    ema_values.append(ema_today)

ema_5_day = ema_values[-1]

sma_5_day, ema_5_day

输出结果Result