EMA策略–量化实战(附Python代码)

指数移动平均线（Exponential Moving Average，EMA）是一种在技术分析中广泛使用的平滑指标，用于识别和跟踪股票、货币和其他金融资产的趋势。EMA给予最近的价格数据更大的权重，使得它能更快地对市场变化做出反应。

一、EMA指标简介

EMA是由分析师杰拉德·阿佩尔（Gerald Appel）在20世纪70年代末开发。EMA的计算公式如下：

其中，Price是最新的价格，Period是设置的周期数，EMA_previous是前一周期的EMA值。

二、EMA交易策略

交易信号

买入信号：当短期EMA（例如12日EMA）从下方穿越长期EMA（例如26日EMA），这通常被视为买入信号。
卖出信号：当短期EMA从上方穿越长期EMA，这通常被视为卖出信号。

策略逻辑

选择适当的周期数来计算EMA。
使用EMA交叉作为交易信号。
确定入场和退出点。

风险管理

设定止损点，例如固定价格或基于ATR（平均真实范围）。
根据账户规模和风险承受能力确定交易头寸。

三、EMA策略量化实战

import pandas as pdimport matplotlib.pyplot as plt
def calculate_ema(df, window):    return df['Close'].ewm(span=window, adjust=False).mean()
# 示例数据df = pd.DataFrame({    'Close': [22.27, 22.19, 22.08, 22.17, 22.18, 22.00, 21.99, 21.92, 21.91, 21.75,              21.76, 21.78, 21.84, 21.70, 21.65, 21.67, 21.58, 21.46, 21.35, 21.41,              21.49, 21.56, 21.70, 21.75, 21.65, 21.80, 21.92, 22.00]})
# 计算EMAdf['EMA_12'] = calculate_ema(df, 12)df['EMA_26'] = calculate_ema(df, 26)
# 生成交易信号df['Signal'] = 0df['Signal'][df['EMA_12'] > df['EMA_26']] = 1  # Buy signaldf['Signal'][df['EMA_12'] < df['EMA_26']] = -1  # Sell signal
# 绘制EMA和交易信号plt.figure(figsize=(14, 7))plt.plot(df['Close'], label='Close Price')plt.plot(df['EMA_12'], label='12-Day EMA')plt.plot(df['EMA_26'], label='26-Day EMA')plt.bar(df.index, df['Signal'], label='Signals', color='orange')plt.title('EMA Crossover Strategy')plt.legend()plt.show()