全面解析MACD指标：用Python和历史数据评估其表现

导读： 文章浏览阅读2.7k次，点赞14次，收藏45次。经常有朋友问我一些MACD这个技术指标相关的问题：本文就全面的讲解一下MACD指标，用Python和全量的历史数据...

MAC D 指标在交易领域是很有名的。然而，它的实际表现到底是怎样的？今天我们就利用 Python 并结合全量历史数据来探究一下！

MACD指标简介

大部分交易行情软件会默认将 MACD 指标显示在较前位置。不管你是交易 A 股，还是交易美股、期货或者数字货币。在这个指标中，DIFF（橙线）是通过对 K 线收盘价进行一系列计算而得到的。许多投资者都凭借它来判断买卖时机，它是一个被广泛关注的指标。

MACD 指标的计算不是很复杂。在使用 Python 进行计算时，只有最后 5 行代码是用来计算的。前面 3 行是导入数据以及计算复权价的操作。即便计算本身不复杂，但是能否凭借此来盈利则是另外一回事了。

MACD信号原理

观察 MACD 的图形时，能看到 DIFF（橙线）与 DEA（蓝线）相互缠绕且不断交叉。这些交叉点属于常见的买卖信号，通常金叉会被当作买入信号，而死叉会被视为卖出信号。这也成为许多投资者进行决策的重要依据。

沪深 300 的某段 K 线图，其中红色部分意味着处于金叉买入且持有指数的阶段，绿色部分则表示处于死叉卖出后空仓的阶段。然而，要判断这些信号是否有效，还需要结合实际的数据。

统计方法与需求

如果要统计一只股票在历史上所有出现的金叉和死叉的表现情况，依靠人工去数是肯定不切实际的。在这种情况下，Python 就能够发挥作用了。通过编写程序，能够迅速且准确地找出所有的相关信号。

要全面评估 MACD 指标的有效性，就需要找出所有的金叉和死叉，并且观察它们之后的表现，只有这样才能决定是否依据 MACD 指标进行交易。

浦发银行案例

以浦发银行为参照。对大部分行情软件 MACD 的默认参数（12,26,9）予以采用。同时设置好手续费和印花税后进行回测。其结果表明，运用 MACD 进行择时的效果极为不佳。甚至不如直接进行买入并持有。

出现死叉之后，下跌的概率大概是 50%。涨跌幅的中值接近于 0%。这表明该指标在浦发银行身上，难以提供有效的交易指导，实际起到的作用也不大。

贵州茅台案例

再看贵州茅台，金叉之后的上涨概率比浦发银行要高不少，涨跌幅的中值也有所上升。然而即便如此，将 MACD 择时的表现与茅台自身的表现进行对比，依然能够察觉到 MACD 择时的效果并不好。

茅台本身的走势即便较好，然而倘若仅仅依靠 MACD 来进行交易，却无法获得更为良好的收益，这就使得人们对 MACD 指标的适用性产生了疑问。

全面数据统计与结论

统计表明，从 1990 年到现在大概有 5000 个交易日。在 A 股市场中，4000 多只股票的历史上大概有 80 万次金叉和死叉信号。然而，在这些信号里，并没有展现出明显的规律。由此可见，MACD 指标在 A 股市场整体上并不是那么可靠的。

价格峰值出现下跌，而 MACD 峰值却创新高，这种情况被称为底背离，它被当作买入信号。然而，实际的情形是比较复杂的，仅仅依靠这个信号来进行操作，并不一定就能够获得盈利。

2017 年 9 月到现在的 4 小时 K 线数据表明，对于数字货币比特币而言，金叉之后的上涨概率以及涨跌幅的中值，比 A 股的表现要好。然而，如果严格按照金叉、死叉来进行买卖操作，尽管最大回撤从 84.09%降低到了 36.97%，但整体表现却未必能够大幅超过原始价格。由此可以看出，MACD 指标真的有那么神奇吗？大家认为在实际的交易过程中应当怎样去运用 MACD 指标？可以评论一下并分享你们的看法，同时也可以点赞并进行转发！