1.6 重叠因子：移动平均线(Moving Average, MA)概念与Python实战-CSDN博客

0. 本栏目因子汇总表

1. 因子简述

移动平均线(Moving Average, MA)是技术分析中最基础和最常用的指标之一。它通过计算一定时间窗口内的价格平均值来平滑价格波动，帮助识别市场趋势。MA可以过滤市场噪音，提供更清晰的价格走势，是构建交易策略的重要工具。

2. 因子计算逻辑

MA的计算公式如下：

$\begin{align*} MA_t &= \frac{1}{n} \sum_{i=0}^{n-1} Close_{t-i} \\ MA_{factor} &= \frac{Close - MA}{\sigma_n(Close)} \end{align*}$

其中：

n为移动平均的周期
Close为收盘价
σ_n(Close)为n周期收盘价的滚动标准差

3. 因子应用场景

趋势识别：
- 价格上穿MA，产生做多信号
- 价格下穿MA，产生做空信号
支撑阻力：
- MA线常作为动态支撑位
- MA线常作为动态阻力位
趋势强度：
- 价格与MA的距离反映趋势强度
- MA的斜率反映趋势速度
均线系统：
- 与其他周期MA配合使用
- 构建黄金交叉、死亡交叉等策略

4. 因子优缺点

优点：

简单直观：计算方法简单，容易理解
应用广泛：可用于各种市场和时间周期
稳定可靠：具有良好的统计学基础
适应性强：可根据需要调整参数

缺点：

滞后性：作为滞后指标，存在一定延迟
假信号：震荡市场可能产生虚假信号
参数依赖：不同参数可能产生不同结果
单一维度：仅考虑价格信息，忽略其他因素

5. 因子代码实现

def MA_factor(df, n=20):
    """
    计算移动平均线(MA)因子
    
    参数:
    df (DataFrame): 输入数据
        - code: 证券代码，如'600036.SH'
        - date: 日期，格式为'YYYY-MM-DD'
        - close: 收盘价
    n (int): 移动平均周期，默认20
    
    返回:
    DataFrame: 包含原有列和MA因子值，理论取值范围(-∞,+∞)，实际大多在[-3,3]之间
    注意:
        1. 返回数据包含所有输入列
        2. 新增MA列为因子值
        3. date列保持原有字符串格式'YYYY-MM-DD'
        4. 数据将按code分组、date倒序排列
    """
    import numpy as np
    import pandas as pd
    
    # 创建副本避免修改原始数据
    df_copy = df.copy()
    
    # 检查code格式
    valid_codes = df_copy['code'].str.match(r'^(?:\d{6}\.(SH|SZ)|[A-Z]+/[A-Z]+|\w+\.(IB|CFE|US))$')
    if not valid_codes.all():
        raise ValueError("Invalid code format found")
    
    # 检查date格式
    valid_dates = df_copy['date'].str.match(r'^\d{4}-\d{2}-\d{2}$')
    if not valid_dates.all():
        raise ValueError("Invalid date format found, expected 'YYYY-MM-DD'")
    
    # 排序（使用字符串比较）
    df_copy = df_copy.sort_values(['code', 'date'], ascending=[True, False])
    
    # 按code分组计算
    def calculate_ma(group):
        # 计算简单移动平均
        ma = group['close'].rolling(window=n).mean()
        
        # 计算n周期滚动标准差
        rolling_std = group['close'].rolling(window=n).std()
        
        # 计算因子值
        group['MA'] = np.where(
            rolling_std != 0,
            (group['close'] - ma) / rolling_std,
            0
        )
        return group
    
    df_copy = df_copy.groupby('code', group_keys=False).apply(calculate_ma)
    
    # 按照最终要求重新排序并重置索引
    df_copy = df_copy.sort_values(['code', 'date'], ascending=[True, False]).reset_index(drop=True)
    
    return df_copy

参考数据：
在这里插入图片描述

6. 因子取值范围及其含义

MA因子的取值范围理论上是(-∞,+∞)，但实际上大多数值会落在[-3,3]区间内：

取值 > 2：表示价格显著高于MA（超过2个标准差），强烈超买信号
取值在(1,2]之间：表示价格高于MA一个标准差以上，偏多信号
取值在[-1,1]之间：表示价格在MA一个标准差范围内波动，震荡区间
取值在[-2,-1)之间：表示价格低于MA一个标准差以上，偏空信号
取值 < -2：表示价格显著低于MA（超过2个标准差），强烈超卖信号

7. 因子函数参数建议

n (移动平均周期)：
- 默认值：20
- 建议范围：[5, 120]
- 参数说明：决定移动平均的平滑程度和滞后性
- 选择建议：
  - 日线数据常用周期：
    - 短期：5、10、20日
    - 中期：30、60日
    - 长期：120、250日
  - 小时线数据建议使用较小的周期：5-30
  - 分钟线数据建议使用更小的周期：3-15
  - 高波动市场使用较大的周期
  - 低波动市场使用较小的周期