MACD指标精讲PART1：MACD指标入门及使用法则

大家好，欢迎来到IT知识分享网。

一、MACD指标入门

1.1、MACD指标的特点

（1）MACD指标来源于股价的指数移动平均线EMA，具有均线指标稳定/能追随趋势的特点，可以对市场动能做出客观的反映。同时，MACD指标去掉了均线有时频繁发出假信号的缺陷，使得指标在对中长期趋势的把握上准确率较高，深受趋势型投资者的欢迎。
（2）MACD指标实际上围绕两个离差值进行分析，是市场动能最直接的反映。两个离差值，一个是DIFF线，是快慢均线的差值，可以理解为股价上涨或下跌的速度；另一个是MACD柱线，是快慢DIFF线的差值（DIFF-DEA），可以理解为股价上涨或下跌的加速度。
（3）MACD指标的滞后性：该指标剔除了股价短期上下波动的影响，主要反映市场中长期趋势，对股价短期走势的反映往往较为滞后，远不如K线形态那样及时。
（4）MACD指标不适合超短线投资者使用，不适合在盘整行情中使用。在盘整行情中，MACD指标一般会围绕着零轴上下运动，频繁发出交易信号，这些信号大多属于无效信号。

1.2、DIFF和DEA线

（1）DIFF线与DEA线的计算过程

（2）DIFF线和DEA线的用法

1.3、MACD柱线

（1）MACD柱线的由来

（2）MACD柱线的用法

柱线是对DIFF线变化快慢程度（DIFF线与DEA线的差值）的一种度量，而DIFF线则是对股价变动快慢程度的一种度量，因此可以把柱线看作为股价涨跌的加速度，并由此来理解它的各种用法。

二、MACD指标的作用和使用法则

2.1、四大作用

2.1.1判断股价涨跌趋势

2.1.2 寻找买卖点

买卖点是指技术指标所发出的关于买进和卖出股票的信号。利用MACD指标寻找买卖点，可以有多种方法，常见的有DIFF线和DEA线与股价的背离、DIFF线和DEA线的交叉、MACD柱的背离、DIFF线和DEA线的形态等。

2.1.3寻找转支撑/阻力位

寻找支撑/阻力位是MACD指标的另一个重要作用，它主要通过以下两个方法来实现：

投资者要注意的是，当DIFF线长时间围绕着零轴窄幅震荡时，表明在股价走势中，两条快慢均线正缠绕到一起，市场正处于盘整状态。那么DIFF线围绕零轴震荡的区间一旦被突破，也会有重要的支撑或阻碍作用。

2.2、使用技巧

2.2.1 趋势第一

MACD指标作为判断市场趋势的重要工具，在使用的过程中，首先要注意的就是利用该指标判断市场趋势。

2.2.2 多周期共振

2.2.3参数的修改

对股价变动的反应滞后，买卖价位有时不太理想，这是MACD指标的一个缺陷，改变这种情况的方法之一就是通过改变指标参数，使得MACD指标对走势的反应变得灵敏一些。投资者可以在实际使用中自行验证，比如修改位5/34/5，5/10/30等。但修改参数虽然能让灵敏度提高，但可靠性会有所降低，需要综合考虑。

2.2.4 多指标配合

2.2.5形态法则

4、MACD指标实操练习

结合DIFF线/MACD柱线以及股价状态，我制定了如下策略，随机选择一些股票看看实战效果如何：

我们以海康威视的股票为例，先定义一个存储策略函数的py文件，代码如下：

import numpy as np import pandas as pd import talib from gm.api import * import datetime import matplotlib.pyplot as plt """ MACD指标 TALIB金融库中提供的MACD函数与国内实际使用的不同，因此转换为国内常用的形式； MACD称为异同移动平均线，是从双指数移动平均线发展而来的; 由快的指数移动平均线（EMA12）减去慢的指数移动平均线（EMA26）得到快线DIF，再用2×（快线DIF-DIF的9日加权移动均线DEA）得到MACD柱。 MACD的意义和双移动平均线基本相同，即由快、慢均线的离散、聚合表征当前的多空状态和股价可能的发展变化趋势，但阅读起来更方便。 MACD的变化代表着市场趋势的变化，不同K线级别的MACD代表当前级别周期中的买卖趋势。 """ def MACD_CN(close, fastperiod = 12, slowperiod = 26, signalperiod = 9): macdDIFF,macdDEA,macd = talib.MACDEXT(close,fastperiod = fastperiod,fastmatype=1,slowperiod = slowperiod,slowmatype =1,signalperiod =signalperiod,signalmatype =1) #平滑异同移动平均线(可控制移动平均算法) macd = macd * 2 return macdDIFF,macdDEA,macd """ MACD指标买入策略 策略1：当DEA大于0时，且MACD由绿转红的时刻触发买入操作； """ def MACD_strategy_buy_simple1(close, fastperiod=12, slowperiod=26, signalperiod=9,strategy_buy_num=1): macdDIFF, macdDEA, macd = MACD_CN(close, fastperiod=12, slowperiod=26, signalperiod=9) signal = 0 # 标志位，0代表无动作，1代表买入 #策略1：当DEA大于0时，且MACD由绿转红的时刻触发买入操作； if strategy_buy_num == 1: if macdDEA[-1] > 0 and macd[-1]*macd[-2] < 0: signal = 1; return signal """ MACD指标卖出策略 策略1：当DEA小于0时，且MACD由红转绿的时刻触发卖出操作； """ def MACD_strategy_sell_simple1(close, fastperiod=12, slowperiod=26, signalperiod=9,strategy_sell_num=1): macdDIFF, macdDEA, macd = MACD_CN(close, fastperiod=12, slowperiod=26, signalperiod=9) signal = 0 # 标志位，0代表无动作，1代表卖出 #策略1：当DEA小于0时，且MACD由红转绿的时刻触发卖出操作； if strategy_sell_num == 1: if macdDEA[-1] < 0 and macd[-1]*macd[-2] < 0: signal = 1 return signal 

之后再建立一个运行的主函数:

# coding=utf-8 from __future__ import print_function, absolute_import, unicode_literals from gm.api import * import datetime import numpy as np import talib import pandas as pd import MACD_strategy import pandas as pd import matplotlib.pyplot as plt ''' 示例策略仅供参考，不建议直接实盘使用。 行业轮动策略 逻辑：以场内ETF基金代表，按照月收益率进行排序，选择收益率最高的10只ETF基金进行买入，每月进行一次调仓换股 ''' def init(context): #股票代码 context.index = "SZSE.002415" #买入股票的标志位 context.buy_signal = 0 #卖出股票的MFI阈值 context.sell_signal = 0 # 每日定时任务 schedule(schedule_func=algo, date_rule='1d', time_rule='09:30:00') # schedule(schedule_func=algo_zhiyingzhisun, date_rule='1d', time_rule='09:31:00') #根据盈利亏损值止盈止损 def algo(context): # 当天日期 now_str = context.now.strftime('%Y-%m-%d') # 获取上一个交易日及上一周交易日 last_day = get_previous_n_trading_dates(exchange='SHSE', date=now_str, n=1)[0] # 获取历史交易数据 data = history_n(symbol=context.index, frequency="1d", count=100, end_time=last_day, fields="high, low, close, volume", fill_missing="last", adjust=ADJUST_PREV, df=True) # 从dataframe中提取数据 close = data["close"].values context.buy_signal = MACD_strategy.MACD_strategy_buy_simple1(close=close, fastperiod=12, slowperiod=26, signalperiod=9, strategy_buy_num=1) context.sell_signal = MACD_strategy.MACD_strategy_sell_simple1(close=close, fastperiod=12, slowperiod=26, signalperiod=9,strategy_sell_num=1) if context.buy_signal == 1: print("买入") order_target_percent(symbol=context.index, percent=1, order_type=OrderType_Market,position_side=PositionSide_Long) if context.sell_signal == 1: print("卖出") order_target_percent(symbol=context.index, percent=0, order_type=OrderType_Market,position_side=PositionSide_Long) def algo_zhiyingzhisun(context): now_str = context.now.strftime('%Y-%m-%d') print(now_str+"执行策略2") positions = get_position() for position in positions: symbol = position['symbol'] price = position["price"] #当前行情价格 vwap = position["vwap"] #持仓均价 # print(position) if (price - vwap)/vwap < -0.1: #当亏损大于10%，止损 order_target_percent(symbol=symbol, percent=0, order_type=OrderType_Market, position_side=PositionSide_Long) print(symbol+"止损"+now_str) elif (price - vwap)/vwap > 0.4: #当盈利大于30%，止盈 order_target_percent(symbol=symbol, percent=0, order_type=OrderType_Market, position_side=PositionSide_Long) print(symbol+"止盈"+now_str) def on_order_status(context, order): # 标的代码 symbol = order['symbol'] # 委托价格 price = order['price'] # 委托数量 volume = order['volume'] # 目标仓位 target_percent = order['target_percent'] # 查看下单后的委托状态，等于3代表委托全部成交 status = order['status'] # 买卖方向，1为买入，2为卖出 side = order['side'] # 开平仓类型，1为开仓，2为平仓 effect = order['position_effect'] # 委托类型，1为限价委托，2为市价委托 order_type = order['order_type'] if status == 3: if effect == 1: if side == 1: side_effect = '开多仓' else: side_effect = '开空仓' else: if side == 1: side_effect = '平空仓' else: side_effect = '平多仓' order_type_word = '限价' if order_type == 1 else '市价' print('{}:标的：{}，操作：以{}{}，委托价格：{}，委托数量：{}'.format(context.now, symbol, order_type_word, side_effect, price, volume)) def on_backtest_finished(context, indicator): print('*' * 50) print('回测已完成，请通过右上角“回测历史”功能查询详情。') if __name__ == '__main__': ''' strategy_id策略ID,由系统生成 filename文件名,请与本文件名保持一致 mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST token绑定计算机的ID,可在系统设置-密钥管理中生成 backtest_start_time回测开始时间 backtest_end_time回测结束时间 backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST backtest_initial_cash回测初始资金 backtest_commission_ratio回测佣金比例 backtest_slippage_ratio回测滑点比例 backtest_match_mode市价撮合模式，以下一tick/bar开盘价撮合:0，以当前tick/bar收盘价撮合：1 ''' run(strategy_id='自己的策略ID', filename='MACD_strategy_test.py', mode=MODE_BACKTEST, token='自己的token码', backtest_start_time='2012-03-01 09:00:00', backtest_end_time='2024-08-01 15:00:00', backtest_adjust=ADJUST_PREV, backtest_initial_cash=, backtest_commission_ratio=0.0001, backtest_slippage_ratio=0.0001, backtest_match_mode=1)