分类
技術分析 是什麼

指数移动平均线使用指南

  • 文章作者 左丘宜
  • 发布日期 7月 7, 2022
指数移动平均线使用指南
结果如图所示：

移动平均线¶

MACD在应用上应先行计算出快速（一般选12日）移动平均值与慢速（一般选26日）移动平均值。以这两个数值作为测量两者（快速与慢速线）间的“差离值”依据。所谓“差离值”（DIF），即12日EMA数值减去26日EMA数值。因此，在持续的涨势中，12日EMA在26日EMA之上。其间的正差离值（+DIF）会愈来愈大。反之在跌势中，差离值可能变负（-DIF），也愈来愈大。 至于行情开始回转，正或负差离值要缩小到一定的程度，才真正是行情反转的信号。MACD的反转信号界定为“差离值”的9日移动平均值（9日EMA）。 在MACD的指数平滑移动平均线计算公式中，都分别加T+1交易日的份量权值，以现在流行的参数12和26为例，其公式如下

  1. 当DIF和MACD均大于0(即在图形上表示为它们处于零线以上)并向上移动时，一般表示为行情处于多头行情中，可以买入开仓或多头持仓；
  2. 当DIF和MACD均小于0(即在图形上表示为它们处于零线以下)并向下移动时，一般表示为行情处于空头行情中，可以卖出开仓或观望。
  3. 当DIF和MACD均大于0(即在图形上表示为它们处于零线以上)但都向下移动时，一般表示为行情处于下跌阶段，可以卖出开仓和观望；
  4. 当DIF和MACD均小于0时(即在图形上表示为它们处于零线以下)但向上移动时，一般表示为行情即将上涨，股票将上涨，可以买入开仓或多头持仓。

© Copyright 2019, qytz(lennyh) Revision 72e39d11 .

Versions latest Downloads pdf html epub On Read the Docs Project Home Builds Free document hosting provided by Read 指数移动平均线使用指南 the Docs.

移动平均线

BTCUSD: 【教材】均线小结

股票价格行为分析教学 价格行为三大信号：1、pinbar（信号之王） 2、insidebar（顺势之神） 3、outsidebar（反转之仙） 我唯独喜欢insidebar（孕线），原因有二：一、简单明了，没有模棱两可.

XAUUSD: 趋势通道在XAU震荡下跌行情中的应用

下跌趋势逢高空为主。以蓝色趋势通道为参考， 动能通道处于趋势通道下方时逢高卖出。 当前供需指标正在赶工，预计很快能给大家见面，这样即使不懂供需的粉丝也可以学习使用供需指标并参考交易。

GBPUSD: 趋势通道指标在震荡上升行情中的应用。

关于指标发布时间： 趋势通道 2021年03月01日晚 Nirvana Supply&Demand 2021年03月15日内发布

AUDUSD: 34EMA指标使用心得分享。

First of all, thanks to the first designer of this indicator, I just made some modifications to this favorite indicator.Please forgive me for my limited English！ First of all, I would like to say that the modification of 指数移动平均线使用指南 King EMA index has given me a new trading experience. Four moving averages can be used for indicators, but I only used two because I think two.

Python 金融量化 均线系统交易策略专题(简单移动平均，加权移动平均，指数加权移动平均，异同移动平均MACD等解读与绘图)指数移动平均线使用指南

在这里插入图片描述

运行效果如下图所示：

1.3 定义简单移动平均计算函数

1.4 指数移动平均线使用指南 定义简单移动平均绘图函数

在这里插入图片描述

输出结果如图：

1.5 直接使用mplfinance库来绘制

在这里插入图片描述

图像效果如下：

2.加权移动平均

2.1 加权移动平均数

2.2 定义加权移动平均计算函数

2.3 绘制加权移动平均线

在这里插入图片描述

图像效果展示如下：

3.指数加权移动平均(EMA)(EXPMA)(EWMA)

3.1指数加权移动平均数

指数加权移动平均也可简称指数移动平均，相当于一种比较特别的加权移动平均。需要先给定一个权重值w，比如0.2。时间跨度为k。第k期的EWMAt=k为前k期的算数平均数。
第k+1期EWMAt=k+1 = w * pk+1 + (1-w) * EWMA t=k
即当天指数移动平均数 = 0.2*当天股价 + 0.8 * 前一天指数移动平均
后边的按此公式以此类推。

  • 由其计算特点可知，即便选择的时间跨度相同，权重相同。选择的研究日期起点不同，指数加权移动平均数也会不同。因为首个值是用算术平均的方法计算的。

3.2 指数加权移动平均线

在这里插入图片描述

结果如图所示：

3.2定义计算指数加权移动平均数函数

4.常用平均方法比较

  • 简单移动平均(SMA)对前n期的价格求算术平均，所有价格数据同等权重。
  • 加权移动平均(WMA)赋予价格数据不同的权重。一般近期数据权重大，远期数据权重小。
  • 指数移动平均(EMA)类似于加权移动平均，是以指数形式递减加权的移动平均。
  • 三条均线对收盘价曲线的变化往往都有一定的滞后性。

5.双均线交叉策略

  1. 先求出短期均线和长期均线。
  2. 当短期均线从下向上穿过长期均线时，释放出买入信号。
  3. 当短期均线从上向下穿过长期均线时，释放出买入信号。
    长短均线的时间跨度的选择，因人而异。

6.异同移动平均线(MACD)

6.1 指标概述

  • MACD指标由两线一柱组合起来形成。
  • 快速线为DIF，慢速线为DEA，柱状图为MACD。
  • 快速线DIF一般由12日指数加权移动平均值减掉26日指数加权移动平均值得到，慢速线DEA是DIF的9日指数加权移动平均值。
  • 柱状图MACD由快速线DIF与慢速线DEA作差得到。
  • MACD指标可以反映出股票近期价格走势的能量和变化强度，通过快慢速线和柱状图来把握股票的买入点和卖出点。
  • 一般默认MACD的求值参数为12、26和9。
  • DIF = EMA(close,12) - EMA(close,26)
  • DEA = EMA(DIF,9)
  • MACD = DIF - DEA

6.2 绘图代码

在这里插入图片描述

生成结果如下：

6.3常用MACD交易思想

  1. 当DIF和DEA都在零刻度线上方时，表明市场是多头行情；反之，当DIF和DEA都在零刻度线下方时，表明市场是空头行情。投资实战中，“零上双金叉” 策略广为人们使用：当DIF和DEA都在零刻度线上方，在一段时间内，DIF先上穿DEA线，不久DIF下跌到DEA线的下方，然后DIF又上穿DEA线，此时，说明股价上涨趋势较强，市场处于上涨行情中。
  2. 当DIF下穿信号线DEA时，释放出买入信号；当DIF向上穿过信号线DEA时，释放出卖出信号。
  3. MACD柱状图的高低表示DIF与DEA的离差值大小，柱状图在零刻度附近时，释放出买卖信号。柱形图在零刻度线上方，表示DIF大于DEA，市场走势较强；柱形图在零刻度线下方，表示DIF小于DEA，市场走势较弱。
  4. MACD指标的形态分析也是一大关注焦点，可以套用一般的形态分析理论与方法。
  1. 先求出DIF(离差值，快线)、DEA(信号线，慢线)的值；
  2. DIF、DEA均为正，DIF向上突破DEA，买入信号。
  3. DIF、DEA均为负，DIF向下跌破DEA，卖出信号。

版权声明： 本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

【炼丹技巧】指数移动平均（EMA）的原理及PyTorch实现

作者：邢不行 原文链接： http://bbs.pinggu.org/thread-3631776-1-1.html （本文已获作者授权转载，如需转载请与原作者.

PyTorch 指数移动平均线使用指南 零基础入门 GAN 模型之 cGAN

在之前的文章中，我们介绍了 GAN 的原理以及如何评价训练好的模型。可能有小伙伴看到，怎么生成的都是单一类别的图片呢，像 CIFAR10 和 ImageNet，.

TA-Lib MA_Type

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 .

Tkinter学习笔记（三）- 重叠研究指标

EMA算法的C#实现

EMA表示的是指数平滑移动平均，其函数的定义为Y=EMA(X,N) 则Y=[2*X+(N-1)*Y']/(N+1), 其中Y'表示上一周期Y值。 求X的N日指数.

聊聊rsocket load balancer的Ewma

SMA(Simple Moving Average)，即简单移动平均，其公式如下：

金融数据分析与挖掘具体实现方法 -2

Tensorflow滑动平均模型

量化投资教程：用R语言打造量化分析平台

? 概述 和Python计算环境中的tushare包一样，在R中我们使用quantmod包接入第三方数据源，实现自定义量化分析平台的构建。 指数移动平均线使用指南 本文打算以陌陌的股.

QQ浏览器大盘指标体系搭建与拆解

作者：kylequ 腾讯PCG数据分析工程师 |导语 指标体系是什么？GSM、OSM、HEART、AARRR、场景化（人物场）等指标模型如何搭建指标体系？.

EasyBert，基于Pytorch的Bert应用

PyTorch实现自由的数据读取

深入了解NNIE量化技术

论文笔记系列-Neural Architecture Search With Reinforcement Learning

神经网络在多个领域都取得了不错的成绩，但是神经网络的合理设计却是比较困难的。在本篇论文中，作者使用 递归网络去省城神经网络的模型描述，并且使用 增强学习训练RN.

10个梯度下降优化算法+备忘单

用Python进行时间序列分解和预测

PyTorch实现自由的数据读取

北京 上海巡回站 | NVIDIA DLI深度学习培训 2018年1月26/1月12日 NVIDIA 深度学习学院 带你快速进入火热的DL领域 正文共3850个.