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，看看它的表现到底如何。
01 什么是MACD不管你是交易A股、美股、期货还是XX市场，大部分的行情软件都会将MACD指标默认显示在指标的前几位。
例如下图，在常见的K线图下方有两条曲线和一些红或绿色的柱子，这个组合就是MACD指标。
根据MACD指标的定义，它主要由DIFF、DEA和MACD三部分组成：
DIFF是下图中的橙线，它是对K线收盘价进行一系列的计算后得到：
DEA是下图中的蓝线，它是在DIFF的基础上进一步计算得出：
用橙线（DIFF）减去蓝线（DEA）后，再乘以2就能得到MACD指标了，也就是下图中红色和绿色的柱子。
柱子的长度就是MACD绝对值的大小，如果MACD大于0，则为红色，如果MACD小于0，则为绿色。
我们做量化交易的，不仅要在图上看到指标，还要将其计算出来，这样才方便之后得到相应的买点、卖点。
知道定义后要计算MACD并不复杂，几行Python代码就能搞定：
其中计算MACD仅用了最后5行代码，前面3行主要是导入数据及计算复权价。人生苦短，我用Python。
当然，头发苦短，也用Python
有了这个代码，我们读取某股票的K线数据，就能得到其每根K线对应的MACD指标：
数据输出
02 如何使用MACD计算出MACD指标之后，我们应该如何使用呢？
介绍一个MACD最常见的用法--“金叉和死叉”。
仔细观察MACD的图形，我们会发现，橙线（DIFF）和蓝线（DEA）纠缠在一起，互相不断交叉，这些交叉点就可以作为买入和卖出的信号。
橙线（DIFF）和蓝线（DEA）相互交叉
当橙线（DIFF）向上穿过蓝线（DEA）时，被称为“黄金交叉”，简称“金叉”，这是一个买入信号。
例如下图发生金叉后，确实一路上涨。
当橙线（DIFF）向下穿过蓝线（DEA）时，被称为“死亡交叉”，简称“死叉”，这是一个卖出信号。
例如下图发生死叉后，股价也开始下跌。
金叉和死叉必定是相邻交替出现，最常见基于MACD的择时策略就是选择在金叉时买入、死叉时卖出。
沪深300MACD择时表现
上图是沪深300某段时间的K线图，红色部分表示金叉买入，持有指数的阶段，绿色部分表示死叉卖出，空仓的阶段。
从图中看，红色部分确实主要在上涨，绿色部分也确实在下跌。
这样看来，MACD的择时能力，让人不禁打出666。
看到这是不是有点心动了，甚至准备试着操作，从此走向人生巅峰？
先别着急。
新华书店正面显眼处，摆放着"炒股大师"的书，通常也会告诉你某个神奇的指标。
然后再精挑细选出几张行情图片，展示这个指标的买点、卖点是多么的神奇，让你对这个指标深信不疑。
但是对于做量化投资的我们，几张图并不能让人信服。万一这并不是大概率事件，只是巧合呢？
想要知道MACD金叉、死叉是否有效，不是只看几张图就行的。
而是要把一只股票历史上所有的金叉死叉都找出来，看看它们之后的表现到底怎么样。这样才有说服力。
02 MACD金叉死叉表现要统计一只股票历史上所有金叉、死叉的表现，人工对着行情软件去数肯定是不行的，此时就需要使用Python。
我们把之前计算MACD的Python代码稍作扩展：
统计MACD金叉死叉的代码
通过上面的代码，就可以找到一只股票历史上所有的金叉、死叉。并且还计算了信号发生1、5、20个交易日后股票的涨跌幅：
有了这个结果就能全面的对金叉、死叉进行评估。
1 浦发银行MACD表现先随便挑一只股票，上交所代码序号排列第一的浦发银行(sh60000)，运行下程序看看MACD在它上面的表现：
数据显示，浦发银行从1999年上市至今一共出现过194次金叉，在金叉之后的1天、5天、20天出现上涨的比例分别是：50.51%、48.45%、51.55%。
这...结果有点出乎意料啊。出现金叉后，上涨的概率都在50%左右...
和抛硬币没什么差别！
虽然本来也不指望金叉后100%上涨，但概率怎么说也要有60%吧？
要不然干脆来个30%也行，这样当反指用就是70%的胜率。50%是最尴尬的概率了，反过来还是50%
而且194次金叉之后1、5、20个交易日的涨幅中位数分别是0.08%、-0.09%、0.39%。
只有20日的涨跌幅中值表现稍好，但算一下这个年化收益也就和余额宝差不多。
再来看死叉。出现死叉后，下跌的概率也基本上是50%左右，涨跌幅中值也接近0%，也是一个没有任何意义的指标。
以上只是简单的统计，我们再看看严格的按照金叉买入、死叉卖出浦发银行，最终的资金曲线会怎么样呢？
我们采用大部分行情软件MACD的默认参数(12,26,9)，设置手续费和印花税，进行回测，结果如下：
橙线是浦发银行的原始表现，蓝线是MACD择时策略在浦发银行上的表现。
采用MACD择时买卖浦发银行，年化收益率只有3.5%，历时13年资产只涨了61%，而浦发银行本身的股价都翻了1.9倍。
可以看到使用MACD择时浦发银行的效果很差，还不如直接买入持有。
没想到在各大行情软件都处于C位的人气指标，表现居然这么差？
是不是浦发银行刚好不适合MACD呢？
2 贵州茅台MACD表现那我们换个股票，来看看MACD在贵州茅台上的表现。
把之前的Python程序的输入数据改成贵州茅台，直接运行即可得出结论：
由图中可见，在发生金叉之后，茅台的上涨概率比浦发银行高了不少，并且涨跌幅中值也有所提升，很不错。
但死叉之后的表现就不尽如人意了。20日后下跌的概率只有43%，中位数上涨0.92%。
这...明明是个看涨信号啊。
如果对茅台严格的按照金叉买入、死叉卖出进行操作，表现又如何呢？
我们同样采用默认的MACD参数得到如下结果：
如果从2007年投入1元，到现在已经翻了8倍了，年化率高达16.33%，看起来好像很不错。
但如果我们和茅台本身的价格对比一下：
上图中的蓝线是MACD择时的表现，橙线是茅台本身的表现，这么一对比，MACD择时的表现就有点可笑了。
茅台本身的年化收益率高达28.69%，共翻了32.5倍，但是经过MACD择时的一番神操作，只翻了8倍。
这大概就是传说中的一顿操作猛如虎，一看收益2.5%吧。
MACD在茅台上的表现依旧不好，难道是MACD恰好在这两只股票上都不适用？
3 所有股票MACD表现这次我们玩得狠一点，统计一下A股所有股票的MACD表现，看看结果到底怎么样。
将之前的Python代码稍作修改就能统计所有股票的MACD表现：
我们统计了1990年至今大约5000个交易日，A股市场上4000多只股票历史上所有的金叉和死叉，共计约80万次信号，得到如下结果：
不管是金叉后上涨的概率，还是死叉后下跌的概率，都集中在50%左右，涨跌幅中值也都趋近于0%。
金叉、死叉并不能预测未来的涨跌。
所以之后大家如果遇到所谓神器的指标，千万不要人云亦云，一定要亲自用代码和数据去验证下。
不用代码验证，就只能投入真金白银去试错了。
4 MACD的其他用法当然有的朋友可能会说MACD还有很多其他用法。比如著名的顶背离、底背离。
底背离
顶背离指价格峰值不断创新高，但是MACD峰值却一路下跌，这是一个卖出信号。
底背离刚好相反，价格峰值一路下跌，MACD峰值却不断新高，这是一个买入信号。
背离的用法我也验证过，结论暂时保密。对此感兴趣的可以留言，多的话之后可以再单独讲讲。
MACD很多其他的用法，想测试的也可以自己用代码和数据程序验证一下它是否有效。
03 降维打击那MACD指标真的已经不能用了吗？
熟悉我的朋友知道我常常会说一句话：
“与其花时间提高牌技，我更愿意花时间寻找对手更弱的牌局。”
这句话的意思是，不要去高手扎堆的地方，要主动去找一些竞争对手更弱的环境。
我给大家举一个交易上的例子。
华尔街日报统计的数据显示，在美国90%以上的主动基金都没能跑赢大盘指数。美国金融市场发达，基金经理骚操作也多，但还是败给了指数基金。
不过这只是美国的情况，中国可不太一样。
我之前的视频中曾提到过，A股的基金经理是可以显著跑赢大盘指数的。
感兴趣的可以看这个视频：
Python量化15年数据告诉你，5000个基金经理平均跑赢大盘了吗？
那是A股的基金经理更厉害吗？显然目前还不是。
原因是美股市场更成熟，高手如云，是一个更高端的牌局。
而很多人抱怨A股混乱、不成熟、散户多，但这其实是好事。这意味着市场上有更多低水平的投资者，是一个对手更弱的牌局。
A股散户持仓占比
其实不光是交易，在平时的工作和生活中，换一个对手更弱的牌局会让你更加轻松。
这句话放在MACD指标上也一样。
上图是冰糖橙的历史行情图，以冰糖橙为代表的XX市场，其实是比A股更不成熟的市场，是一个对手更更弱的牌局。
在这个市场上，MACD指标就突然显得有效了起来。我们使用冰糖橙2017年9月至今的4小时K线数据，用Python统计其金叉死叉后的表现：
出现金叉后，上涨的概率和涨跌幅的中值比在A股的表现都要好。
再来看严格按照MACD金叉、死叉进行买卖的表现，依旧使用在股市默认的参数，扣除手续费，结果如下：
橙线是冰糖橙原始的价格，蓝色的线是MACD择时在冰糖橙上的表现。
原始的冰糖橙价格，从2017年9月至今年化收益率是40.07%，而MACD择时的年化收益率为57.79%，提高17个百分点。
在风险方面，原始冰糖橙价格的最大回撤高达84.09%，而MACD择时后最大回撤显著降低为36.97%。
这意味着MACD应用在冰糖橙上可以显著地提高收益并且降低风险，效果显著。
04 总结XX市场还是一个相对原始的市场，股市里很多已经被无效的策略，在XX市场仍然有用。
我2017年刚进入XX市场，当时行情火热，来不及细细开发策略，就是把原来股票、期货市场的策略简单的搬过来，就有很好的收益。
再次印证了那句话：“与其提高牌技，我更愿意花时间寻找对手更弱的牌局。”
我整理好了本文中用到的数据和代码。
本期数据
05 后记文章的最后，和大家分享一点量化投资的心得。
很多人问我小白如何开始学习量化投资，有什么可以书单推荐。
我的建议是千万不要直接找本书来看。
你找本编程书看，那跟着敲完“Hello World”就结束了；你找本数学书看，那看到第七页的公式就睡着了。
更好的学习方式是做实际的项目，在实践中学习量化策略。
研报就是很好的量化实践项目。
一篇研报就是一个策略，作者都是年薪百万的高学历券商分析师，你要做的就是读懂策略研报，并用代码实现。
在此期间什么不会学什么，哪里不会点哪里，抱着解决问题的心态去学习，事半功倍。
熟读唐诗三百首，不会作诗也会吟。
那么哪里可以获取研报呢?
你可以在网上零零散散的搜索到一些，但是非常的不系统。
而像WIND这类能找到系统性研报的软件，则需要付费，并且里面的研报太多，让人不知该从何处入手。
我分门别类整理了几万份研报并实时更新，同时区分了研报的难度进行精选。
也可以交流量化投资相关问题，我比较忙，回复的比较慢，但是看到的都会回复。
也可以翻翻我主页的内容，还是有很多量化干货的。