📚 课程目录第2章均线基础

2. 均线基础

移动平均线（Moving Average，简称均线或MA）是技术分析中最基础、也最经得起时间检验的工具之一。它的核心思想非常朴素：把最近N根K线的收盘价（或开盘价、最高价、最低价）做某种平均，得到一条平滑曲线，用来过滤短期噪声、观察价格的中长期运行方向。在双均线趋势跟踪体系中，均线既是信号来源，也是参数稳健性研究的起点。理解均线的定义、类型与计算差异，是后续判断“金叉死叉是否可靠”的前提。

一、核心原理：均线到底在做什么

均线本质上是一个低通滤波器。价格序列中既有趋势成分，也有随机波动成分。均线通过“取最近N期的平均”，把高频的随机波动削弱，让趋势成分更突出。N越大，曲线越平滑，反应越慢；N越小，曲线越贴近价格，反应越快但噪声更多。

从数学上看，均线是对价格序列的加权求和。不同均线的区别，就在于“权重如何分配”：

SMA（简单移动平均）：每期权重相等，都是1/N。
EMA（指数移动平均）：近期权重更大，权重按指数衰减，衰减系数由N决定。
WMA（加权移动平均）：权重线性递减，最近一期权重最大，最远一期权重最小。

这三种均线的共同点是都在平滑价格，差异在于对“新信息”的敏感程度。EMA最敏感，WMA次之，SMA最迟钝。这个差异直接决定了双均线策略中信号出现的早晚与假信号的数量。

二、计算方法：三种均线的公式与代码

设收盘价序列为 C_t，窗口长度为 N。三种均线的计算如下：

SMA_t = (C_t + C_t-1 + ... + C_t-N+1) / N
EMA_t = α × C_t + (1 - α) × EMA_t-1，其中 α = 2 / (N + 1)
WMA_t = (N×C_t + (N-1)×C_t-1 + ... + 1×C_t-N+1) / (N×(N+1)/2)

下面用一段Python代码直观展示三者的计算差异：

import pandas as pd
import numpy as np

# 假设 df 含 'close' 列
N = 10
df['sma'] = df['close'].rolling(N).mean()
df['ema'] = df['close'].ewm(span=N, adjust=False).mean()

weights = np.arange(1, N + 1)
df['wma'] = df['close'].rolling(N).apply(
    lambda x: np.dot(x, weights) / weights.sum(), raw=True
)

print(df[['close', 'sma', 'ema', 'wma']].tail())

运行后可以观察到一个典型现象：当价格突然跳涨时，EMA会最先抬头，WMA紧随其后，SMA最后才反应。这就是“敏感度排序”的直观体现。

三、均线在趋势识别中的作用

均线在趋势识别中主要承担三个角色：

方向指示：均线向上倾斜表示上升趋势，向下倾斜表示下降趋势，走平表示震荡。双均线体系中，快线方向代表短期趋势，慢线方向代表中长期趋势。
支撑与阻力：在趋势运行中，价格回踩均线后继续沿原方向运行，均线起到动态支撑或阻力作用。这一现象在EMA上通常比SMA更明显，因为EMA更贴近价格。
交叉信号：快线上穿慢线称为金叉，视为多头信号；快线下穿慢线称为死叉，视为空头信号。这是双均线策略最核心的交易触发条件。

需要强调的是，均线本身是滞后指标。它不会预测价格，而是确认已经发生的趋势。因此，双均线策略的盈利逻辑不是“买在最低点”，而是“在趋势确认后入场，在趋势反转后离场”，用较小的试错成本换取趋势中段的主要利润。

四、案例与场景：不同均线在双均线策略中的表现差异

假设我们构建一个经典的双均线策略：快线周期10，慢线周期30，分别使用SMA、EMA、WMA进行回测。下表总结了三种均线组合在趋势行情与震荡行情中的典型表现差异：

均线类型	信号出现速度	趋势行情表现	震荡行情表现	适用场景
SMA	最慢	入场晚，但持仓稳定	假信号较少	中长线、波动较小的品种
EMA	最快	入场早，能吃到更多趋势	假信号较多	短线、波动较大的品种
WMA	中等	介于SMA与EMA之间	假信号中等	希望兼顾灵敏与稳定的场景

在实际双均线策略中，常见做法是快线用EMA、慢线用SMA，或者快慢线都用EMA。前者利用EMA的灵敏度捕捉入场时机，利用SMA的稳定性过滤部分噪声；后者则追求信号的一致性。没有绝对最优，只有与品种波动特征和交易周期匹配的组合。

五、常见误区与复盘要点

误区一：认为均线可以预测价格。均线是滞后确认工具，不是预测工具。金叉出现时，价格往往已经上涨了一段。误区二：盲目追求“最优参数”。在历史数据上表现最好的均线周期，往往在未来失效，这就是过拟合。误区三：忽略均线类型的影响。同样的10/30周期，EMA和SMA的信号可能相差数根K线，回测结果差异显著。

复盘时建议重点检查以下清单：

当前品种的波动特征更适合敏感型还是稳定型均线？
金叉死叉信号是否集中在震荡区间反复出现？如果是，考虑加过滤条件。
快慢线周期差是否足够大？周期差过小会导致信号过于频繁。
均线类型切换后，策略的最大回撤和盈亏比是否发生显著变化？
参数在相邻取值上是否表现稳定？稳健性比单点最优更重要。

理解均线的定义、类型与计算差异，是构建双均线趋势跟踪体系的第一步。只有先弄清楚SMA、EMA、WMA各自“如何分配权重、如何影响信号”，后续的参数稳健性测试才有明确的调整方向，而不是盲目试错。