简单移动平均在量化中的应用（附Python实战代码）

量化祛魅官老Q

于 2023-02-26 23:53:58 发布

阅读量279

点赞数

分类专栏： Python量化入门：经典指标原理及实战文章标签： python 人工智能数据挖掘

本文链接：https://blog.youkuaiyun.com/qixizhuang/article/details/129233784

版权

31 篇文章 ¥99.90 ¥299.90

订阅专栏

本文探讨了简单移动平均(SMA)在金融投资中的应用，包括计算和呈现，以及在股票交易中的实战案例。通过Python展示了计算SMA的三种方法，并讨论了移动平均线作为支撑和阻力的策略。同时，文中提出通过分析历史数据来评估均线有效性，以及有效突破的概率，强调了在量化投资中不断探索的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在大多数金融产品的投资过程中，均线系统都是很重要的投资参考。一般来说，均线可以近似理解为某段时间内成交筹码的均价，它往往能帮助我们找到合适的支撑位和压力位。随着各种技术流派以及统计学的发展，从简单移动平均中逐渐衍生出了更多的均线计算方式，比如指数移动平均、加权移动平均、自适应移动平均等。

TA-Lib中支持了九种移动平均值的计算，具体如下表。接下来的内容里我们会一一介绍它们的具体含义，以及如何在Python中用talib库计算这些指标。

函数	英文名	中文名	其他调用方式
SMA	Simple Moving Average	简单移动平均	MA(matype=0)
EMA	Exponential Moving Average	指数移动平均	MA(matype=1)
WMA

了解本专栏