一、前言
移动平均线（Moving Average，简称MA）是技术分析中最基础、最常用的指标之一。无论是股票还是期货市场，均线都被广泛应用于趋势判断和交易决策。
本文将介绍：
- 均线的基本概念和类型
- 金叉、死叉的含义和判断方法
- 使用Python计算各种均线指标
- 均线在量化交易中的实战应用
二、环境准备
本文使用TqSdk获取期货行情数据并计算均线指标。
安装依赖：
pipinstalltqsdk账户说明：运行代码需要快期账户，可在 shinnytech.com 免费注册。
三、均线基础知识
3.1 什么是移动平均线
移动平均线是将一定时期内的价格加以平均，并把不同时间的平均值连接起来形成的曲线。它能够反映价格的趋势方向。
均线的核心作用：
- 平滑价格波动- 过滤掉短期的随机波动，显示价格趋势
- 判断趋势方向- 均线向上表示上涨趋势，向下表示下跌趋势
- 提供支撑阻力- 价格往往在均线附近获得支撑或遇到阻力
- 产生交易信号- 均线交叉可以作为买卖信号
3.2 常见均线类型
| 类型 | 全称 | 英文 | 特点 |
|---|---|---|---|
| SMA | 简单移动平均 | Simple MA | 各周期权重相同，计算简单 |
| EMA | 指数移动平均 | Exponential MA | 近期数据权重更大，反应更灵敏 |
| WMA | 加权移动平均 | Weighted MA | 可自定义权重分布 |
3.3 常用均线周期
| 周期 | 类型 | 适用场景 |
|---|---|---|
| MA5 | 短期均线 | 日内交易、短线操作 |
| MA10 | 短期均线 | 短线趋势判断 |
| MA20 | 中期均线 | 波段交易 |
| MA60 | 中期均线 | 中线趋势判断 |
| MA120 | 长期均线 | 半年线，大趋势判断 |
| MA250 | 长期均线 | 年线，牛熊分界 |
四、计算简单移动平均线（SMA）
4.1 SMA计算公式
简单移动平均线的计算公式：
SMA = (P1 + P2 + P3 + ... + Pn) / n其中：
- P1, P2, … Pn 是最近n个周期的收盘价
- n 是均线周期
特点：所有价格的权重相同，计算简单直观。
4.2 Python代码实现
#!/usr/bin/env python# -*- coding: utf-8 -*-""" 功能：计算期货均线指标 说明：本代码仅供学习参考 """fromtqsdkimportTqApi,TqAuth api=TqApi(auth=TqAuth("快期账户","快期密码"))# 获取螺纹钢1分钟K线klines=api.get_kline_serial("SHFE.rb2501",60,200)api.wait_update()# 使用pandas计算5周期和20周期均线klines["ma5"]=klines["close"].rolling(5).mean()klines["ma20"]=klines["close"].rolling(20).mean()# 打印最后10行print("K线数据（含均线）:")print(klines[["datetime","close","ma5","ma20"]].tail(10))api.close()运行结果示例：
K线数据（含均线）: datetime close ma5 ma20 190 2024-12-17 14:50:00 3205.0 3203.6 3198.5 191 2024-12-17 14:51:00 3206.0 3204.4 3199.2 192 2024-12-17 14:52:00 3204.0 3204.6 3199.8 ...4.3 代码解析
klines["ma5"]=klines["close"].rolling(5).mean()| 部分 | 说明 |
|---|---|
klines["close"] | 获取收盘价列（pandas Series） |
.rolling(5) | 创建5周期的滚动窗口 |
.mean() | 计算窗口内数据的平均值 |
五、计算指数移动平均线（EMA）
5.1 EMA的特点
与SMA不同，EMA对近期价格赋予更高的权重，因此：
- 对价格变化反应更加灵敏
- 能更快地捕捉趋势变化
- 常用于MACD等复合指标的计算
5.2 EMA计算公式
EMA今日 = α × 今日收盘价 + (1-α) × EMA昨日 其中 α = 2 / (n + 1)例如12周期EMA的α = 2/(12+1) ≈ 0.154
5.3 Python代码实现
fromtqsdkimportTqApi,TqAuth api=TqApi(auth=TqAuth("快期账户","快期密码"))klines=api.get_kline_serial("SHFE.rb2501",60,200)api.wait_update()# 计算EMAklines["ema12"]=klines["close"].ewm(span=12,adjust=False).mean()klines["ema26"]=klines["close"].ewm(span=26,adjust=False).mean()print("EMA指标:")print(klines[["datetime","close","ema12","ema26"]].tail(10))api.close()参数说明：
| 参数 | 说明 |
|---|---|
span=12 | EMA的周期，对应公式中的n |
adjust=False | 使用递归计算方式，与传统EMA公式一致 |
5.4 SMA与EMA的对比
| 对比项 | SMA | EMA |
|---|---|---|
| 权重分布 | 各周期权重相同 | 近期权重更大 |
| 反应速度 | 较慢 | 较快 |
| 平滑程度 | 更平滑 | 波动稍大 |
| 适用场景 | 趋势确认 | 趋势跟踪 |
六、金叉与死叉
6.1 什么是金叉和死叉
**金叉（Golden Cross）和死叉（Death Cross）**是均线系统中最重要的交易信号：
| 信号 | 定义 | 市场含义 |
|---|---|---|
| 金叉 | 短期均线从下向上穿越长期均线 | 短期趋势转强，可能是买入信号 |
| 死叉 | 短期均线从上向下穿越长期均线 | 短期趋势转弱，可能是卖出信号 |
图示说明：
金叉示意： MA5 ↗ ╳ ← 交叉点 MA20 → 死叉示意： MA5 ↘ ╳ ← 交叉点 MA20 →6.2 金叉死叉的判断逻辑
判断金叉死叉需要比较当前K线和前一根K线的均线位置：
| 条件 | 说明 |
|---|---|
| 金叉 | 当前MA5 > MA20，且 前一根MA5 ≤ MA20 |
| 死叉 | 当前MA5 < MA20，且 前一根MA5 ≥ MA20 |
6.3 Python代码实现
fromtqsdkimportTqApi,TqAuth api=TqApi(auth=TqAuth("快期账户","快期密码"))klines=api.get_kline_serial("SHFE.rb2501",60,200)api.wait_update()# 计算双均线klines["ma5"]=klines["close"].rolling(5).mean()klines["ma20"]=klines["close"].rolling(20).mean()# 判断金叉：当前MA5在MA20上方，前一根MA5在MA20下方klines["cross_up"]=(klines["ma5"]>klines["ma20"])&\(klines["ma5"].shift(1)<=klines["ma20"].shift(1))# 判断死叉：当前MA5在MA20下方，前一根MA5在MA20上方klines["cross_down"]=(klines["ma5"]<klines["ma20"])&\(klines["ma5"].shift(1)>=klines["ma20"].shift(1))# 输出金叉死叉信号cross_signals=klines[klines["cross_up"]|klines["cross_down"]]print("最近的金叉死叉信号:")print("-"*50)foridx,rowincross_signals.tail(5).iterrows():signal="金叉 ↑"ifrow["cross_up"]else"死叉 ↓"print(f"{row['datetime']}|{signal}| 收盘价:{row['close']:.0f}")api.close()运行结果示例：
最近的金叉死叉信号: -------------------------------------------------- 2024-12-17 10:25:00 | 金叉 ↑ | 收盘价:3198 2024-12-17 11:15:00 | 死叉 ↓ | 收盘价:3185 2024-12-17 13:45:00 | 金叉 ↑ | 收盘价:3202 2024-12-17 14:30:00 | 死叉 ↓ | 收盘价:3195 2024-12-17 14:55:00 | 金叉 ↑ | 收盘价:32086.4 金叉死叉的使用注意事项
虽然金叉死叉是经典的交易信号，但在实际使用中需要注意：
| 问题 | 说明 | 解决方法 |
|---|---|---|
| 滞后性 | 均线是滞后指标，信号出现时趋势可能已走了一段 | 结合其他指标确认 |
| 假信号 | 震荡行情中会频繁出现假的金叉死叉 | 添加过滤条件（如成交量、趋势强度） |
| 周期选择 | 不同周期组合效果不同 | 根据交易风格选择合适周期 |
七、均线多头/空头排列
7.1 什么是均线排列
多头排列：短期均线在上，长期均线在下，如 MA5 > MA10 > MA20 > MA60，表示市场处于强势上涨趋势。
空头排列：长期均线在上，短期均线在下，如 MA5 < MA10 < MA20 < MA60，表示市场处于弱势下跌趋势。
7.2 Python代码实现
fromtqsdkimportTqApi,TqAuth api=TqApi(auth=TqAuth("快期账户","快期密码"))klines=api.get_kline_serial("SHFE.rb2501",300,200)# 5分钟线api.wait_update()# 计算多周期均线periods=[5,10,20,60,120]forpinperiods:klines[f"ma{p}"]=klines["close"].rolling(p).mean()# 获取最新均线值latest=klines.iloc[-1]print("当前均线系统:")print("="*40)forpinperiods:print(f" MA{p:3d}:{latest[f'ma{p}']:8.1f}")# 判断均线排列状态ma_values=[latest[f"ma{p}"]forpinperiods]print("="*40)ifall(ma_values[i]>ma_values[i+1]foriinrange(len(ma_values)-1)):print("状态: 【多头排列】- 强势上涨趋势")elifall(ma_values[i]<ma_values[i+1]foriinrange(len(ma_values)-1)):print("状态: 【空头排列】- 弱势下跌趋势")else:print("状态: 【均线交织】- 趋势不明朗")api.close()八、实时均线监控
下面的代码展示如何实时监控均线状态：
fromtqsdkimportTqApi,TqAuthimportdatetime api=TqApi(auth=TqAuth("快期账户","快期密码"))klines=api.get_kline_serial("SHFE.rb2501",60,100)print("实时均线监控（按Ctrl+C停止）")print("="*70)print(f"{'时间':<12}{'收盘价':<10}{'MA5':<10}{'MA20':<10}{'趋势':<10}")print("-"*70)whileTrue:api.wait_update()ifapi.is_changing(klines.iloc[-1],"close"):# 每次K线更新时重新计算均线ma5=klines["close"].rolling(5).mean().iloc[-1]ma20=klines["close"].rolling(20).mean().iloc[-1]close=klines.iloc[-1]["close"]trend="多头 ↑"ifma5>ma20else"空头 ↓"now=datetime.datetime.now().strftime("%H:%M:%S")print(f"{now:<12}{close:<10.0f}{ma5:<10.1f}{ma20:<10.1f}{trend:<10}")九、使用TqSdk内置函数
TqSdk的tqsdk.tafunc模块提供了常用技术指标的计算函数，可以直接使用：
fromtqsdkimportTqApi,TqAuthfromtqsdk.tafuncimportma,ema api=TqApi(auth=TqAuth("快期账户","快期密码"))klines=api.get_kline_serial("SHFE.rb2501",60,200)api.wait_update()# 使用tqsdk内置函数计算均线klines["ma5"]=ma(klines["close"],5)klines["ma20"]=ma(klines["close"],20)klines["ema12"]=ema(klines["close"],12)print("使用TqSdk内置函数计算均线:")print(klines[["datetime","close","ma5","ma20","ema12"]].tail())api.close()tafunc模块常用函数：
| 函数 | 说明 |
|---|---|
ma(series, n) | 计算n周期简单移动平均 |
ema(series, n) | 计算n周期指数移动平均 |
macd(series, short, long, m) | 计算MACD指标 |
boll(series, n, k) | 计算布林带 |
atr(klines, n) | 计算ATR指标 |
十、总结
10.1 均线计算方法对照表
| 均线类型 | pandas方法 | tqsdk方法 |
|---|---|---|
| SMA | rolling(n).mean() | ma(series, n) |
| EMA | ewm(span=n).mean() | ema(series, n) |
10.2 均线应用场景
| 应用场景 | 说明 |
|---|---|
| 趋势判断 | 价格在均线上方为多头，下方为空头 |
| 金叉死叉 | 短期均线穿越长期均线产生交易信号 |
| 多头排列 | MA5 > MA10 > MA20 > MA60，强势行情 |
| 支撑阻力 | 均线常作为价格的支撑位或阻力位 |
免责声明：本文仅供学习交流使用，不构成任何投资建议。期货交易有风险，入市需谨慎。
