打开任何一个行情软件，切到日 K，副图里那个「两根线 + 一排红绿柱」的指标，十有八九就是 MACD。它被很多老股民叫作「指标之王」：不吹不黑，它未必最准，但一定最常见——你迟早会在新闻、研报和股评里遇到「MACD 金叉」「顶背离」这些词，与其到时一头雾水，不如今天就把它的底细看穿。
上一篇我们认识了均线系统：SMA 等权平均、EMA 越近越重要，还用 MA5 与 MA20 演练了金叉与死叉。本篇在这个基础上再进一步——两条均线的「距离」本身也是信息，MACD（Moving Average Convergence Divergence，指数平滑异同移动平均线）正是把这个想法做成指标的典范：用 12 期快 EMA 减 26 期慢 EMA 得到差离值 DIF，看两条均线的「距离」如何张合；再给 DIF 做一次 9 期 EMA 平滑得到 DEA；最后把两者的距离画成红绿柱。本篇我们不背口诀，从三行公式出发，手写一个完整 MACD，自动标记金叉死叉，讲清零轴与背离，最后让参数跑起来看取舍。
本篇目标
学完本篇，你能够做到：
- 用三行公式说清 DIF、DEA、MACD 柱的推导关系，不再把它们当成三条互不相干的线。
- 用 pandas 的
ewm从零手写 MACD，并封装成参数可调的函数。 - 用代码自动标记金叉（Golden Cross）与死叉（Dead Cross），并区分信号发生在零轴上方还是下方。
- 用文字加图示解释顶背离与底背离，说清它为什么是「预警」而不是「发令枪」。
- 说出 (12, 26, 9) 三个参数各自的作用，以及调大调小的取舍。
核心概念
三步推导：DIF、DEA 与柱
整个 MACD 只有三步，每一步都建立在上一步之上。第一步算两条 EMA——EMA12 与 EMA26，平滑系数就是第 10 篇讲的 2/(n+1)，ewm(span=n, adjust=False) 一行搞定；第二步相减、再平滑：
DIF = EMA12 − EMA26 （差离值，Difference）
DEA = EMA9(DIF) （信号线，Signal，对 DIF 再做一次 EMA9）
MACD 柱 = 2 × (DIF − DEA) （柱线，Histogram，A 股软件口径）
白话版：DIF 衡量「短期均线比长期均线远了多少」——价格上涨时短期 EMA 跑在前面，DIF 为正且越大，代表上涨动能越足；DEA 是 DIF 的平滑版，相当于滤掉毛刺后的「动能均线」；柱是 DIF 与 DEA 的距离再放大两倍，把「动能与其自身均值的关系」变成一眼能看的红绿柱。柱为正表示 DIF 在 DEA 上方、动能强于近期平均；柱由长变短时，哪怕还在零轴之上，也说明动能在衰减。
划重点：柱线乘 2 是 A 股软件（同花顺、通达信等）的惯用口径，国际平台（如 TradingView）通常不乘。两种口径画出来的柱高低不同，但金叉死叉的位置完全一样。本篇统一用 A 股口径，和别人讨论指标前先对齐口径再吵架。
金叉、死叉与零轴：信号的坐标系
金叉指 DIF 自下而上穿过 DEA（柱由负转正），死叉相反。但「在哪儿交叉」比「交叉」本身更重要：零轴是 DIF 的正负分界，DIF > 0 等价于 EMA12 > EMA26，也就是短期均线在长期均线上方——正是第 10 篇里金叉之后、死叉之前的那段多头状态。所以零轴上方的金叉，是「上升趋势中的动能再启动」，顺势信号；零轴下方的金叉，是「下跌趋势中的反弹起步」，波动大、假信号多。这就是双均线思路的动能化改写：均线看方向，MACD 看方向里的油门深浅。
背离：价格与新高不同步的警报
背离（Divergence）是 MACD 最有名的用法。顶背离：价格创出阶段新高，DIF 却没能同步创新高——价格还在涨，但「油门」已经松了。底背离相反：价格创新低，DIF 的低点却抬高，下跌动能在衰竭。看个示意图：
顶背离（两个上涨波段，上：价格，下：DIF）
价格
峰1
/\ 峰2
/ \ /\
/ \ / \
/ \_______/ \____
↑ 价格峰 2 高于峰 1
DIF
峰1
/\ 峰2
/ \ /
/ \______/
↑ DIF 峰 2 低于峰 1 —— 顶背离
此时往往伴随红柱一波比一波矮。要强调的是：背离是动能衰减的预警，不是精确的买卖点——强趋势里背离可以连续出现三四次，每次都当见顶信号去操作，会被趋势反复打脸。它更像「减速带」：提醒你系好安全带，而不是替你决定下车。
划重点：背离之后可以再背离，趋势的韧性经常超出想象。实战里背离要结合位置（零轴上下）、量能和更大的时间框架一起看，单独使用很容易「预测了十次顶，对了半次」。
参数 (12, 26, 9)：三个旋钮各管什么
12 与 26 是快慢 EMA 的周期，决定 DIF 对价格变化的反应速度；9 是 DEA 对 DIF 的平滑周期，决定信号的「迟钝程度」。三个数一起调小，指标变灵敏：信号多、来得早、假信号也多，适合观察短线节奏；一起调大则钝化：信号少、来得晚、噪声小，适合看中期趋势。没有「最优参数」这回事——第 25 篇讲参数优化时会看到，把参数调到历史回测最好看，往往只是过拟合（Overfitting）。
划重点：换参数就像换眼镜，看同一条路，清晰度和变形各有取舍。指标的价值在于给你一个一致的观察框架，而不是一个万能参数。
完整代码
依赖：uv pip install pandas numpy，可选 uv pip install akshare 拉真实行情；拉不到会自动降级为本地模拟数据。第一块造数据并手写 MACD 函数；三块代码连起来依次运行。
import numpy as np
import pandas as pd
def make_fake_close(n: int = 250, seed: int = 11) -> pd.Series:
"""本地造一段模拟收盘价：先涨、再震荡、后跌，方便观察指标形态。"""
rng = np.random.default_rng(seed) # 固定随机种子
drift = np.concatenate([
rng.normal(0.0015, 0.012, 100), # 前 100 天：缓慢上涨
rng.normal(0.0000, 0.010, 80), # 中间 80 天：横盘震荡
rng.normal(-0.0015, 0.014, 70), # 后 70 天：缓慢下跌
])
dates = pd.bdate_range("2024-01-02", periods=n) # 交易日历
close = pd.Series(20 * np.exp(np.cumsum(drift)), index=dates).round(2)
close.index.name = "date"
return close
def macd(close: pd.Series, fast: int = 12, slow: int = 26,
signal: int = 9) -> pd.DataFrame:
"""手写 MACD：输入收盘价，输出 DIF、DEA 与 MACD 柱。"""
ema_fast = close.ewm(span=fast, adjust=False).mean() # 快线 EMA12（口径同第 10 篇）
ema_slow = close.ewm(span=slow, adjust=False).mean() # 慢线 EMA26
dif = ema_fast - ema_slow # DIF = 快线 − 慢线
dea = dif.ewm(span=signal, adjust=False).mean() # DEA = DIF 的 EMA9
hist = 2 * (dif - dea) # MACD 柱（A 股软件口径 ×2）
return pd.DataFrame({"DIF": dif, "DEA": dea, "MACD": hist})
close = make_fake_close()
try:
import akshare as ak
raw = ak.stock_zh_a_hist(symbol="600519", period="daily",
start_date="20240101", end_date="20241231")
close = pd.Series(raw["收盘"].values, index=pd.to_datetime(raw["日期"]),
name="close")
print("已使用 akshare 真实行情。")
except Exception:
print("真实数据不可用，改用本地模拟行情。")
ind = macd(close)
print(ind.tail(3))
第二块把金叉死叉自动标出来，并区分零轴位置。
import pandas as pd
ind = macd(close) # 接上文：close 为收盘价，macd 为上文手写函数
# 1) 金叉 / 死叉：今天穿越 + 昨天还没穿越，两个条件相与（shift 防未来数据）
cross_up = (ind["DIF"] > ind["DEA"]) & (ind["DIF"].shift(1) <= ind["DEA"].shift(1))
cross_dn = (ind["DIF"] < ind["DEA"]) & (ind["DIF"].shift(1) >= ind["DEA"].shift(1))
ind["signal"] = 0
ind.loc[cross_up, "signal"] = 1 # 金叉记 +1
ind.loc[cross_dn, "signal"] = -1 # 死叉记 -1
# 2) 零轴位置：同一个交叉，零轴上还是零轴下，含义大不相同
sig_days = ind[ind["signal"] != 0]
print(f"全样本共 {len(sig_days)} 个信号：")
for day, row in sig_days.iterrows():
zone = "零轴上" if row["DIF"] > 0 else "零轴下"
action = "金叉" if row["signal"] == 1 else "死叉"
print(f"{day.date()} {action}（{zone}）")
# 3) 柱线为正的天数占比：DIF 在 DEA 上方的时间，趋势强弱的粗略体温计
up_ratio = (ind["MACD"] > 0).mean()
print(f"柱线为正的天数占比：{up_ratio:.0%}")
# 4) 分段统计：按造数据时的三段行情，分别看柱线为正的占比
seg = pd.Series("震荡段", index=ind.index) # 默认全部标为震荡段
seg.iloc[:100] = "上涨段" # 前 100 天（与造数据的三段设定一致）
seg.iloc[180:] = "下跌段" # 第 181 天起
print(ind.assign(seg=seg).groupby("seg")["MACD"].apply(lambda s: (s > 0).mean()).round(2))
第三块让参数跑起来，对比三组参数的信号数量与 DIF 波动幅度。
import pandas as pd
# 4) 参数可调：同一份行情，三组参数跑一遍，看灵敏度与噪声的取舍
def golden_cross_count(close: pd.Series, fast: int, slow: int, signal: int) -> int:
"""返回给定参数下的金叉次数（DIF 上穿 DEA 的天数）。"""
m = macd(close, fast, slow, signal) # 复用上文的手写 macd
up = (m["DIF"] > m["DEA"]) & (m["DIF"].shift(1) <= m["DEA"].shift(1))
return int(up.sum())
for fast, slow, sig in [(6, 13, 5), (12, 26, 9), (24, 52, 18)]:
m = macd(close, fast, slow, sig)
n = golden_cross_count(close, fast, slow, sig)
print(f"参数({fast:2d},{slow:2d},{sig:2d})：金叉 {n} 次，"
f"DIF 波动幅度（标准差）{m['DIF'].std():.3f}")
print("结论：参数越小越灵敏，信号越多、噪声越大；参数越大越钝，信号越少、越稳。")
代码逐段解释
第 1 块：数据与手写 MACD。 make_fake_close 用三段不同斜率的随机游走拼出「先涨、再震荡、后跌」的行情：np.concatenate 把三段日收益拼在一起，np.exp(np.cumsum(...)) 累乘成价格曲线（起点 20 元）——这种带趋势转折的形状比纯随机走势更适合观察指标形态。macd 函数是全篇核心：两个 ewm(span=..., adjust=False) 算快慢 EMA（口径与第 10 篇完全一致），相减得 DIF，DIF 再做一次 ewm(span=signal) 得 DEA，2 * (dif - dea) 得柱。打印尾部（示意，模拟数据）：
真实数据不可用，改用本地模拟行情。
DIF DEA MACD
date
2024-12-13 -0.281 -0.236 -0.090
2024-12-16 -0.302 -0.249 -0.106
2024-12-17 -0.268 -0.253 -0.030
下跌段里 DIF 与 DEA 都在零轴下方、柱为负，数值形态与理论一致——柱恒等于 DIF 与 DEA 之差的两倍，你可以拿这三行验算：2 × (−0.281 − (−0.236)) = −0.090。
第 2 块：信号标记。 金叉的判定是「今天 DIF > DEA 且昨天 DIF ≤ DEA」：今天的比较用当天值，昨天的状态用 shift(1) 取，两个条件相与，一行锁定穿越发生的那一天；死叉镜像。signal 列用 +1/−1 记录信号，循环打印每个信号日与它的零轴位置（示意）：
全样本共 7 个信号：
2024-01-16 金叉（零轴下）
2024-02-27 死叉（零轴上）
2024-03-18 金叉（零轴上）
2024-05-20 死叉（零轴上）
2024-07-15 金叉（零轴上）
2024-09-10 死叉（零轴上）
2024-11-22 死叉（零轴下）
读法：1 月的金叉发生在零轴下方，属于「下跌后的反弹起步」；3 月与 7 月的零轴上金叉才是「上升趋势中的动能再启动」；11 月的零轴下死叉则与下跌段相互印证。信号个数与行情的三段结构吻合：上涨段以零轴上金叉为主、下跌段死叉增多。柱线为正天数占比（示意：约五成）等于「DIF 在 DEA 上方的时间占比」；再按造数据时的三段切开来统计（示意，groupby 按标签编码排序）：
seg
上涨段 0.72
下跌段 0.18
震荡段 0.45
上涨段动能为正的时间最长、下跌段最短，与三段设定吻合——这也是检查指标有没有「算对」的土办法：让数字讲得通行情的故事。
第 3 块：参数对比。 把 (6, 13, 5)、(12, 26, 9)、(24, 52, 18) 三组参数喂给同一个 macd 函数，分别数金叉次数、算 DIF 的标准差（示意）：
参数( 6, 13, 5)：金叉 9 次，DIF 波动幅度（标准差）0.164
参数(12, 26, 9)：金叉 6 次，DIF 波动幅度（标准差）0.108
参数(24, 52, 18)：金叉 3 次，DIF 波动幅度（标准差）0.071
规律清晰可见：参数越小，金叉越频繁、DIF 起伏越大——灵敏与噪声是一枚硬币的两面。把三组参数的手感记下来，第 18 篇写双均线回测、第 25 篇做参数优化时，今天搭好的 macd 函数和「数信号」的思路会直接派上用场。
常见坑与小练习
坑 1：口径打架。 同一天同一只票，你的 MACD 柱和朋友的差一倍，多半是「乘不乘 2」的口径差异，也可能是 adjust 参数不同。写代码时把口径写进注释，跨平台对比先统一口径。
坑 2：ewm 忘了 adjust=False。 默认的 adjust=True 用另一种加权方式，数值与行情软件对不上，整条 MACD 链都会偏差。第 10 篇定下的规矩：与软件对齐就用 adjust=False。
坑 3：拿 signal 列直接回测。 金叉那天收盘之后才确认信号，当天就用收盘价成交属于偷跑（未来函数）。回测时至少 shift(1) 到次日执行；这个问题的完整讨论在第 17、18 篇。
坑 4：数据有洞还硬算。 停牌、缺数会让 EMA 断档，DIF 出现莫名的跳变。先把缺失处理好（第 8 篇的数据清洗），再算指标。
坑 5：把背离当精确卖点。 背离是动能预警，可以连续出现；把它当发令枪，强趋势里会反复止损。背离只负责「提醒」，不负责「扣扳机」。
小练习 1： 给 macd 的返回值加一列 cross（金叉 1、死叉 −1、其余 0），统计全样本的金叉死叉次数，再只统计「零轴上方」的金叉次数。
思路提示：先
ind[ind["DIF"] > 0]筛出零轴上方的行，再对cross == 1计数。
小练习 2： 把参数改成 (5, 35, 5) 跑一遍，观察金叉次数和 DIF 标准差的变化方向，并用一句话解释为什么快慢线周期拉得越开，信号越少。
思路提示：快慢 EMA 的差异被拉平后，DIF 本身更「钝」，穿越 DEA 的次数自然减少。
小练习 3： 在模拟数据的下跌段里找一次底背离：打印 DIF < 0 期间的收盘价局部低点与对应的 DIF 值，比较两个相邻低点的 DIF 高低。
思路提示：可以用
rolling(10).min()找价格的局部低点，再看这些日期上 DIF 是否一个比一个高。
本文 MACD 相关内容仅用于教学，不构成投资建议，实盘前请充分测试。