👇我的小册 54章教程:(小白零基础用Python量化股票分析小册) ,原价299，限时特价2杯咖啡，满100人涨10元。
大家好，我是菜哥
做量化交易的朋友都知道，均线是个好东西，我自己刚开始学量化的时候第一个学的指标就是MA/EMA。但是有很纠结，比如周期设短了，K线稍微动一下就给你发信号，结果十次有八次是假突破；周期设长了，等你反应过来，黄花菜都凉了，最肥的那段行情早跑没影了。
那么有没有一种均线，能在行情火爆的时候反应灵敏，在震荡磨人的时候又能淡定如水？
今天给大家安利一个指标：这个"有眼力见"的指标——KAMA自适应移动平均线。
01.啥是KAMA
KAMA的全称是Kaufman's Adaptive Moving Average，中文叫考夫曼自适应移动平均线，是美国量化大师Perry Kaufman在上世纪90年代提出的。
是不是听起来特别牛，它的核心思想特别朴素：市场趋势明显的时候，我就灵敏点；市场来回拉锯的时候,我就钝一点。
听起来是不是很像个聪明人？行情好的时候冲在前面，行情乱的时候躲在后面观望。
KAMA怎么做到这一点的呢？关键在于一个叫"效率比率"（ER）的东西。
效率比率说白了就是：价格真正走了多远，相比它上上下下折腾的总路程，占了多大比例。
下面我用白话说：
假如10天前价格是100，现在是110，涨了10块，这是"净位移"。但这10天里价格可能今天涨2块、明天跌1块、后天又涨3块，折腾来折腾去加起来走了30块，这是"总波动"。那效率比率ER = 10/30 = 0.33。
如果ER接近1，说明价格基本是直线上涨或下跌，趋势强劲
如果ER接近0，说明价格来回拉锯，横盘震荡
咱们用Python算一下这个ER：
有了ER之后，KAMA会根据它来动态调整自己的"敏感度"。ER大的时候跑得快，ER小的时候走得慢，这就是"自适应"的精髓。
02.手把手教你用Python实现KAMA
理论说完了，咱们动手写代码。整个过程分三步：下载数据、计算KAMA、生成交易信号。
第一步：准备数据
我们用yfinance库下载苹果公司（AAPL）2020到2024年的股价数据：
这段代码跑完，你就拿到了苹果股票5年的开盘价、收盘价、成交量等数据。
第二步：计算KAMA
KAMA的计算稍微有点绕，但拆开来看其实不难。核心公式是：
KAMA[今天] = KAMA[昨天] + SC × (价格[今天] - KAMA[昨天])
这里的SC是"平滑常数"，它由ER和快慢周期共同决定。ER越大，SC越大，KAMA变化越快；ER越小，SC越小，KAMA变化越慢。
代码里的fast=2和slow=30分别代表快速和慢速EMA的周期，你可以理解为KAMA在这两个极端之间灵活切换。
第三步：生成交易信号
策略逻辑很简单：价格上穿KAMA就买入，下穿就卖出。
跑完这段代码,你就能看到5年里一共产生了多少次买入和卖出信号。
03.实战回测：5年21倍的收益是怎么来的
光有信号还不够，咱们得模拟真金白银地买卖，看看最后能赚多少钱。光说不练假把式！前面举例用的苹果的股价，下面我们用特斯拉然后换成AK库来获取数据！
好，假设你有1万美元的本金，每次信号来了就全仓操作（实际交易千万别这么干，这里只是为了演示）：
我们抓住取特斯拉的5年的数据来看看效果：
回测代码有200多行，我就不打开了，不然篇幅太长了，简单说就是通过ak下载美股的特斯拉的数据，接着用python写kama指标的，然后去跑这个下载的5年数据进行交易，看看买入和卖出的点位，最后进行打印显示结果并可视化展示。
我们看一下结果：
图上有3根曲线：
深蓝是kama策略的资金曲线
绿色是买入就不动的
红色虚线是初始资金
下面是回测的数据：
回测周期: 2020-01-02 至 2025-12-31
初始资金: $10,000.00
最终资产: $225,211.52
总收益率: 2152.12%
年化收益率: 68.11%
最大回撤: -36.37%
交易次数: 222次
胜率: 27.93%
简单说一下：
买入并不动，大概收益率: 1467.84%（特斯拉还是很猛的）
策略是21.5倍，大概赚超额收益: 684.27%
04.写在最后
KAMA的魅力在于它的"眼力"——知道什么时候该冲，什么时候该稳。
这种自适应的思想在量化交易中非常重要。市场不是一成不变的，一套参数打天下的时代早就过去了。好的策略应该像KAMA一样，能根据市场环境自我调整。
当然，单纯靠一个指标就想稳赚不赔是不现实的。量化路漫漫，我们下一篇再聊！
如果你对量化交易感兴趣，可以看一下我们的入门小册，考虑清楚了，合适了再下手哈！买了之后有我们专门的新手量化交流群可以讨论。
2506
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
