移动平均线

策略介绍

双均线策略是一种简单而又广泛使用的技术分析工具，主要用于识别市场趋势的变化和生成交易信号。这种策略涉及两条移动平均线——一条短期（快速）和一条长期（慢速）——并通过观察这两条线的交叉点来决定买入或卖出的时机。

策略流程

1. 筛选条件：将5日平均收盘价作为短线，50日平均收盘价作为长线；短线上穿长线买入，长线下穿短线卖出
2. 策略回测：开盘买入，收盘卖出，回测时间为2017-11-24至2024-11-24

策略实现

输入特征模块

• 将5日均线作为短线，m_avg(close, 5) AS _mean_short；50日均线作为长线，`

MACD 含义

在股票市场中，MACD 是投资者常用的技术指标之一，MACD 是移动平均收敛背离的缩写，是一种跟随动量指标的趋势。它是三个时间序列的集合，根据历史价格数据计算为移动平均线，通常是收盘价。MACD 线是特定证券收盘价的快速（短期）指数移动平均线和慢速（长期）指数移动平均线之间的差异。信号线是 MACD 线的指数移动平均线。在这种 移动平均线策略中，交易者寻找 MACD 和信号线之间的交叉点。是由DEA（黄线）和DIF均线（白线）、量能柱（红柱和绿柱）加上0轴多空分界线组成，该指标可以帮助投资者关注市场或者个股的趋势性指标。其中，DIF线（白线）是由收盘价短期、长期指数平滑

{{membership}}

https://bigquant.com/codeshare/9a29b13f-6ebe-46a4-a131-c356aed54a36

\

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[ht

问题

有什么方法或因子可以描述股价在高位或低位？

视频

https://www.bilibili.com/video/BV1ov4y1Z7Yg?share_source=copy_web

策略源码

[https://bigquant.com/experimentshare/9fa4d332095143b598308c57de203788](https://bigquant.com/experimentshare/9fa4d33

{{membership}}

https://bigquant.com/codeshare/176e62e4-b61d-45f0-a960-3dbb48b50aba

\

【此文档为旧版】 相关新版文档参考：

https://bigquant.com/wiki/doc/ai-rq8QOC2fDb

策略案例

https://bigquant.com/experimentshare/16571b942a8a4a92a4914c15f65d0883

\

https://bigquant.com/experimentshare/5d58aac171cc4f0da4c5ef68b8871c80

\

布林带指标（Bollinger Bands，缩写BOLL）是一种流行的技术分析工具，由约翰·布林格（John Bollinger）在1980年代发明。

布林带主要用于评估股票或其他金融资产的价格波动性和市场趋势。一般由三条线组成：一个中间带（移动平均线）和两个外带（标准差带）。

BigQuant的金融市场数据因子平台以及AI量化策略平台（PC端），可以验证布林带BOLL指标因子组成的AI量化策

（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。

![](/wiki/api/att

基本概念

AI选股通过人工智能技术对股票市场的数据进行分析和预测，从而筛选出具有较高投资价值的股票。这些指标可以包括多种因素，如技术指标、基本面指标、市场情绪指标等。AI选股通常涉及复杂的机器学习模型，这里将介绍一些基础但重要的金融指标，这些指标常被用于构建更复杂的AI选股模型。

1. 移动平均线（Moving Averages）

移动平均线是分析股价趋势的基本工具，包括简单移动平均（SMA）和指数移动平均（EMA）。

简单移动平均SMA公式

SMA(N)=( ∑(N, i=1), Close i) / N​ ![](/wiki/api

https://bigquant.com/experimentshare/ce74bc7af5cd4206bcb1b6334235e2f8

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

策略案例

https://bigquant.com/experimentshare/50587a5bf63646e0b50bac78a9658ba0

\

策略案例

https://bigquant.com/experimentshare/9fa4d332095143b598308c57de203788

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

https://bigquant.com/experimentshare/674ea5c045844e0fa032173cbc230f4e

\

https://bigquant.com/codeshare/8281c26e-a3cb-4878-94ce-a9effa809a6f

\

什么是移动平均线？

移动平均线（在本博文中有时称为 MA）是一系列数值的平均值。对于要平均的值的数量，它们具有预定义的长度，并且随着时间的推移添加更多数据，这组值会向前移动。给定一系列数字和固定的子集大小，MA 系列的第一个元素是通过取数字系列的初始固定子集的平均值来获得的。然后通过将子集向前移动一个值来修改子集，即排除前一个子集的第一个元素，并将前一个子集之后的元素立即添加到新子集，保持长度固定。考虑下面提到的示例，以了解简单移动平均线的计算。让计算五个数据点的平均值（下划线表示用于计算平均值的子集）。

移动平均线是用于验证市场走势的最广泛使用的技术指标之一。很少有其他指标

指标介绍

移动平均线指标（Moving Average）：简称：MA

所需数据和参数：MA(close,lag )

指标伪码：MAVAL:MA(CLOSE,LAG);

指标含义

/wiki/static/upload/09/090518d4-3580-44c8-b32b-98e7cf9b9fe9.pdf

\

问题

ta_sma_5_0 > ta_sma_10_0 ta_sma_5_0 > ta_sma_20_0 ta_sma_5_0 > ta_sma_30_0 ta_sma_5_0 > ta_sma_60_0 ta_sma_10_0 > ta_sma_5_0 ta_sma_10_0 > ta_sma_20_0 ta_sma_10_0 > ta_sma_30_0 ta_sma_10_0 > ta_sma_60_0 ta_sma_20_0 > ta_sma_5_0 ta_sma_20_0 > ta_sma_10_0 ta_sma_20_0 > ta_sma_30_0 ta_sma_20_0 >

https://bigquant.com/experimentshare/91d5e91c4aec407c95ea3aafdf0ac74f

\

https://bigquant.com/experimentshare/dec76184070c45f1a9293794b0ca90ae

\