熟悉股市的朋友，肯定了解 MACD 這個指標。當然，更多人了解的是一些通用的規則 MACD 金叉，即 DIFF 由下向上突破 DEA，為買入信號； MACD 死叉，即 DIFF 由上向下突破 DEA，為賣出信號……作為一個量化人員，不但要知道這些，而且需要知道緣由和具體的應用。今天這一期，主講 MACD。
MACD，全名是moving average convergence/divergence，中文簡稱平滑異同移動平均線，或移動平均聚散指標，或指數平滑移動平均線。（還是簡稱比較好記啊！）它是 Geral Appel 於 1979 年提出的指標，運用快速（短期）和慢速（長期）移動平均線及其聚合與分離的征兆，加以雙重平滑運算。而根據移動平均線原理發展出來的 MACD，一則去除了移動平均線頻繁發出假信號的缺陷，二則保留了移動平均線的最大效果。因此，MACD 指標具有均線趨勢性、穩重性、安定性等特點，是用來研判買賣股票的時機，預測股票價格漲跌的技術分析指標 。“快”指短時期的 EMA（EMA，全稱 Exponential Moving Average，中文簡稱指數移動平均），而“慢”則指長時期的 EMA。具體計算公式如下：
（1） 首先，計算 EMA 的平滑系數平滑系數＝2÷（周期單位數＋1 ）如：12 日 EMA 的平滑系數＝2÷（12＋1）＝0．1538；
26 日 EMA 平滑系數為=2÷27＝0．0741
（2） 然后，計算指數平均值（EMA）
今天的指數平均值＝平滑系數×（今天收盤指數－昨天的指數平均值）＋昨天的指數平均值。
依公式可計算出 12 日 EMA：
12 日 EMA＝2÷13×（今天收盤指數一昨天的指數平均值）＋昨天的指數平均值。
＝（2÷13）×今天收盤指數＋（11÷13）×昨天的指數平均值。
同理，26 日 EMA 亦可計算出：
26 日 EMA＝（2÷27）×今天收盤指數＋（25÷27）×昨天的指數平均值。
（3） 計算離差值（DIF）
DIF=今日 EMA（12）－今日 EMA（26）
（4） 最后，計算 DIF 的 9 日 EMA
根據離差值計算其 9 日的 EMA，即離差平均值，是所求的 MACD 值。為了不與指標原名相混淆，此值又名 DEA 或 DEM（有時會成為 signal）。計算出的 DIF 和 DEA 的數值均為正值或負值。
今日 DEA =前一日 DEA×8/10+今日 DIF×2/10
為何是 12 日，26 日，9 日呢？因為 12 日和 26 日，剛好可以包好 2 周和 1 個月的數據。考慮到現在的交易日為 5 日，那為何不是 10 日，22 日，8 日呢？這個我真的不好解釋了，我倒是搜到了一篇 paper 關於這個日期設置的問題，參考：http://www.forexabode.com/forexschool/technical-indicators/macd/。文章指出日期的設置有一定歷史問題，同時沿用至今有很多事實依據證實日期選擇的合理性和可靠性。既然如此，我們也遵循 12 日，26 日和 9 日的日期設定。一般情況下，我們不僅能看到 DIF 和 DEA 這兩條不同顏色的曲線，還能看到紅綠的柱狀圖。其實，柱狀圖是 MACD，其中 MACD =（DIF-DEA）*2，通常繪制成圍繞零軸線波動的柱形圖，紅色代表 DIF 大於 DEA，綠色代表 DIF 小於 DEA。
MACD 的運用有如下基本原則：
1.DIF、DEA 均為正，DIF 向上突破 DEA，買入信號參考。
2.DIF、DEA 均為負，DIF 向下跌破 DEA，賣出信號參考。
3.DIF 線與 K 線發生背離，行情可能出現反轉信號。
4.DIF、DEA 的值從正數變成負數，或者從負數變成正數並不是交易信號，因為它們落后於市場。
簡單地對應市場上的說法如下：
- MACD 金叉： DIF 由下向上突破 DEA，為買入信號。
- MACD 死叉： DIF 由上向下突破 DEA，為賣出信號。
針對這兩條的說法，我需要提出 MACD 具有一定的滯后情況，即比市場的反應要慢。因為 MACD 是一個中長期的指標，而不是個短期指標，不適合短期漲跌浮動太大的證券。
接下來，3 種說法更靠譜些：
3. MACD 柱狀圖為紅，即 DIF 與 DEA 均為正值,即都在零軸線以上時，市場趨勢屬多頭市場，若此時 DIF 向上繼續突破 DEA，即紅色柱狀越來越長，可作買入信號，該出手就出手。
4. MACD 柱狀圖為綠，即 DIF 與 DEA 均為負值,即都在零軸線以下時，市場趨勢屬空頭市場，若此時 DIF 向下繼續跌破 DEA，即綠色柱狀越來越長，可作賣出信號，該割肉就割肉。
5. 當 DEA 線與 K 線趨勢發生背離時為反轉信號。
下面，我用 python 程序調用 baostock（baostock 是免費證券數據的 python 接口，具體信息參考：www.baostock.com）實現 MACD 計算，MACD 金叉和死叉提示的功能。
import baostock as bs
import pandas as pd
import talib as ta
import matplotlib.pyplot as plt
def computeMACD(code, startdate, enddate):
login_result = bs.login(user_id='anonymous', password='123456')
print(login_result)
# 獲取股票日 K 線數據
rs = bs.query_history_k_data(code,
"date,code,close,tradeStatus",
start_date=startdate,
end_date=enddate,
frequency="d", adjustflag="3")
# 打印結果集
result_list = []
while (rs.error_code == '0') & rs.next():
# 獲取一條記錄，將記錄合並在一起
result_list.append(rs.get_row_data())
df = pd.DataFrame(result_list, columns=rs.fields)
# 剔除停盤數據
df2 = df[df['tradeStatus'] == '1']
# 獲取 dif,dea,hist，它們的數據類似是 tuple，且跟 df2 的 date 日期一一對應
# 記住了 dif,dea,hist 前 33 個為 Nan，所以推薦用於計算的數據量一般為你所求日期之間數據量的 3 倍
# 這里計算的 hist 就是 dif-dea,而很多證券商計算的 MACD=hist*2=(difdea)*2
dif, dea, hist = ta.MACD(df2['close'].astype(float).values, fastperiod=12, slowperiod=26, signalperiod=9)
df3 = pd.DataFrame({'dif': dif[33:], 'dea': dea[33:], 'hist':hist[33:]},index=df2['date'][33:], columns=['dif', 'dea','hist'])
df3.plot(title='MACD')
plt.show()
# 尋找 MACD 金叉和死叉
datenumber = int(df3.shape[0])
for i in range(datenumber - 1):
if ((df3.iloc[i, 0] <= df3.iloc[i, 1]) & (df3.iloc[i + 1, 0] >= df3.iloc[i + 1, 1])):
print("MACD 金叉的日期：" + df3.index[i + 1])
if ((df3.iloc[i, 0] >= df3.iloc[i, 1]) & (df3.iloc[i + 1, 0] <=df3.iloc[i + 1, 1])):
print("MACD 死叉的日期：" + df3.index[i + 1])
bs.logout()
return (dif, dea, hist)
if __name__ == '__main__':
code = 'sh.600000'
startdate = '2017-03-01'
enddate = '2017-12-01'
(dif, dea, hist) = computeMACD(code, startdate, enddate)
運行結果如下：
MACD 金叉的日期：2017-05-02
MACD 死叉的日期：2017-05-09
MACD 金叉的日期：2017-05-12
MACD 死叉的日期：2017-05-25
MACD 金叉的日期：2017-06-21
MACD 死叉的日期：2017-08-03
MACD 金叉的日期：2017-08-28
MACD 死叉的日期：2017-09-27
MACD 金叉的日期：2017-10-09
MACD 死叉的日期：2017-10-23
MACD 金叉的日期：2017-11-13
MACD 死叉的日期：2017-11-16
MACD 金叉的日期：2017-11-17
觀看代碼可知，我通過 TA-LIB 計算出 MACD 線，並且畫折線圖，打印出 MACD 金叉和死叉的提示日期。
在這里，需要注意以下幾點：
1.TA-LIB 計 算 MACD，結果的前 33 個值為 NAN；
2.輸入的數據量盡量足夠大（推薦是你真實計算 MACD 的數據量的 3 倍），例如，你需要計算 2017-04-01 到 2017-05-01 的 MACD，那么你需要輸入的數據日期應該是 2017-0201 到 2017-05-01；3.MACD 的金叉和死叉提示日期可能在真實金叉和死叉日期之后，也就是可能會延后一日。至於利用 MACD 進行交易的具體策略實現，是要依靠你們自己。
網上有很多很多關於利用 MACD 的買賣策略，我只是提醒一下真正靠譜實用的策略一般不會公開（別人不會將賺錢的方法告訴你），而那些公開的策略一般都不怎么能賺錢，重要 的是你自己不斷摸索出屬於你自己對市場和個股的判斷方法。正所謂“臨淵羡魚，不如退而結網”。
以上轉自博客XXX
以下轉自博客：https://blog.csdn.net/chenxiao17301/article/details/100143614
具體內容看博客就行了，這里copy一份python的計算代碼
def calculateEMA(period, closeArray, emaArray=[]):
length = len(closeArray)
nanCounter = np.count_nonzero(np.isnan(closeArray))
if not emaArray:
emaArray.extend(np.tile([np.nan], (nanCounter + period - 1)))
firstema = np.mean(closeArray[nanCounter:nanCounter + period - 1])
emaArray.append(firstema)
for i in range(nanCounter + period, length):
ema = (2 * closeArray[i] + (period - 1) * emaArray[-1]) / (period + 1)
emaArray.append(ema)
return np.array(emaArray)
def calculateMACD(closeArray, shortPeriod=12, longPeriod=26, signalPeriod=9):
ema12 = calculateEMA(shortPeriod, closeArray, [])
ema26 = calculateEMA(longPeriod, closeArray, [])
diff = ema12 - ema26
dea = calculateEMA(signalPeriod, diff, [])
macd = (diff - dea)*2
fast_values = diff # 快線
slow_values = dea # 慢線
diff_values = macd # macd
# return fast_values, slow_values, diff_values # 返回所有的快慢線和macd值
return fast_values[-1], slow_values[-1], diff_values[-1] # 返回最新的快慢線和macd值
# return round(fast_values[-1],5), round(slow_values[-1],5), round(diff_values[-1],5)
def getMACD():
data = RequestUtil.sendRequest_GET(UrlConstant.Get_K_Line)
closeArray = [float(i[4]) for i in data]
closeArray.reverse()
return calculateMACD(closeArray)