DeepMoney

行情 · 均线设置

均线算法说明

均线把一段价格变化压成一条平滑曲线。算法决定哪些价格更重要，周期决定观察的时间尺度。同样设置“20”，不同算法也会画出不同的线。

设置与周期

DeepMoney 的“均线设置”使用当前主图周期的收盘价。每条线分别选择算法、周期和颜色，点击“应用设置”后更新；颜色只影响显示。

周期N表示K线根数。日线的N＝5观察5根日K，周线观察5根周K，5分钟图观察5根5分钟K，并不是固定的5个自然日。下文用Pₜ表示当前根的收盘价，t − 1表示前一根。

对数坐标只改变价格在图上的位置，均线仍先按原价格计算，再映射到坐标轴。

七种算法对比

先看权重分配，再决定需要哪种平滑。没有一种算法在所有行情中都更合适。

算法通俗理解主要差异
SMA简单移动平均最近N根收盘价同等重要直观；最旧价格移出窗口也会改变结果。
EMA指数移动平均近期价格权重更高，旧影响逐步衰减递推计算，初始化及更早历史会影响数值。
WMA线性加权移动平均窗口内由旧到新，权重从1增加到N强调近期，但只使用最近N根。
DEMA双重指数移动平均组合两层EMA，抵消部分滞后使用加减组合，可能超出近期价格范围。
TEMA三重指数移动平均组合三层EMA，进一步补偿滞后补偿更强，也可能出现过冲。
TRIMA三角移动平均窗口中间的价格权重最大强调窗口中间，不是给最新价格最大权重。
KAMA考夫曼自适应移动平均根据价格变化的效率调整平滑速度N是效率观察窗口，不是固定的平滑系数。

SMA · 简单移动平均

把最近N根收盘价相加，再除以N。每根价格的权重相同；每出现一根新K线，就移出最旧的一根。

SMAₜ = (Pₜ + Pₜ₋₁ + … + Pₜ₋₍ₙ₋₁₎) ÷ N

例如最近5根收盘价依次为10、11、12、11、13，SMA5＝57÷5＝11.4。如果下一根收14，窗口变为11、12、11、13、14，SMA5变成12.2。变化同时包含新价格进入和旧价格移出的影响。

算法参考：TA-Lib SMA。

EMA · 指数移动平均

每次用当前价格修正上一根EMA。近期价格影响更大，更早价格的影响逐步衰减，不会像SMA那样在窗口边界一次移出。

α = 2 ÷ (N + 1)
EMAₜ = EMAₜ₋₁ + α × (Pₜ − EMAₜ₋₁)

DeepMoney 用最初N个连续有效价格的算术平均作为首个EMA值，再开始递推。仍用前面的5个价格，EMA5的首值为11.4；下一根收14时，α＝1/3，结果约为12.2667。

其他软件如果从第一个价格直接递推，或使用不同长度的历史数据，开头一段数值可能不同。比较前应先核对初始化和输入范围。

算法参考：TA-Lib EMA；本产品使用首N根均值初始化。

WMA · 线性加权移动平均

只看最近N根，最旧一根权重为1，最新一根权重为N。与EMA的递推衰减不同，这是一段固定窗口内的线性权重。

WMAₜ = [1×Pₜ₋₍ₙ₋₁₎ + 2×Pₜ₋₍ₙ₋₂₎ + … + N×Pₜ]
       ÷ [N×(N+1)÷2]

同样的10、11、12、11、13，WMA5＝(10＋22＋36＋44＋65)÷15＝11.8。最新的13元权重最高，所以结果高于同窗口的SMA5。

算法参考：TA-Lib WMA。

DEMA · 双重指数移动平均

先算价格的EMA，再对这条EMA算一次EMA，最后做线性组合。两层使用相同周期N。

E1 = EMA(P, N)
E2 = EMA(E1, N)
DEMA = 2×E1 − E2

DEMA的最终结果不是第二层EMA本身。减去E2是为了补偿一部分平滑造成的滞后；由于包含减法，曲线可能越过近期价格区间，不能将它当成普通加权平均。

算法参考：TA-Lib DEMA。

TEMA · 三重指数移动平均

沿用DEMA中的E1、E2，再对E2计算同周期EMA得到E3，然后组合三条序列。

E3 = EMA(E2, N)
TEMA = 3×E1 − 3×E2 + E3

TEMA的最终结果也不是第三层EMA本身。它通过正负系数进一步补偿滞后，代价是可能过冲，对局部变化的反应也更明显。“更贴近价格”不等于更能预测后续走势。

算法参考：TA-Lib TEMA。

TRIMA · 三角移动平均

窗口内的权重先增加、再减小，中间价格最重要。例如N＝5时权重为1、2、3、2、1；N＝4时为1、2、2、1。

a = 向上取整(N÷2)
b = 向下取整(N÷2) + 1
TRIMA(P, N) = SMA(SMA(P, a), b)

对10、11、12、11、13，TRIMA5＝(10＋22＋36＋22＋13)÷9≈11.4444。它强调窗口中部，与强调最新价格的WMA方向不同。

算法参考：TA-Lib TRIMA。

KAMA · 考夫曼自适应移动平均

先比较“净移动了多远”和“途中一共走了多远”。价格持续向一个方向移动时，两者接近；来回折返时，净移动小于总移动。这个比例叫效率比ER。

净移动 = |Pₜ − Pₜ₋ₙ|
总移动 = 最近N次相邻收盘价变化的绝对值之和
ER = 净移动 ÷ 总移动
SC = [ER×(2/3 − 2/31) + 2/31]²
KAMAₜ = KAMAₜ₋₁ + SC×(Pₜ − KAMAₜ₋₁)

ER较高时，平滑系数较大；来回波动较多、ER较低时，平滑系数较小。本设置使用标准KAMA的快慢常数2和30，用户填写的N控制效率比的观察窗口。总移动为零时，计算采用ER＝1处理平价窗口。

计算第一个ER要比较相隔N根的两个价格，因此至少需要N＋1个收盘价；首次递推以前一根收盘价作为起始值。KAMA同样受起算位置影响，不能只看最后N根就认为与所有软件完全一致。

算法参考：TA-Lib KAMA及其初始化与平价窗口实现。

预热与数值核对

“预热”是算出第一个有效值以前所需的历史输入。以下从一段连续有效收盘价的第一根开始计数，采用本产品当前初始化口径；已有同口径历史状态时可以续算。

算法首次输出所需收盘价数N＝20的例子
SMAN第20根
EMAN第20根
WMAN第20根
DEMA2N − 1第39根
TEMA3N − 2第58根
TRIMAN第20根
KAMAN + 1第21根

DEMA和TEMA需要等待前一层EMA产生足够的有效值，所以不会在第N根同时出值。预热不足的位置保留空值；未闭合或缺失的行情可能使当前范围无法计算，不会用零补齐。

第一个有效值只表示计算已经成立，不表示初始化影响已经消失。核对两条均线时，先确认算法和周期，再确认K线周期、收盘价口径、复权方式、历史起点和初始化方法。递推算法在这些条件不一致时可能出现差异。

关于窗口算法与递推算法的起点差异，见TA-Lib 数值稳定性说明。本页算例和首次输出位置已按DeepMoney使用的计算实现核对。

阅读曲线

观察同权窗口平均可选SMA；强调近期价格可比较EMA和WMA；研究滞后补偿可对照DEMA、TEMA；强调窗口中部平滑可看TRIMA；研究随路径效率调整平滑速度可看KAMA。比较算法时先保持周期和输入一致，才能看清权重造成的差异。

周期加大通常会让曲线更平滑，也更慢地响应新变化。不同周期或算法的线相交，只说明两条计算结果的相对位置变化；均线描述已经发生的价格，单次交叉不能证明之后会上涨或下跌。

在客户端点击“均线设置”，修改一条线后应用，再回到相同历史区间对照。先只改变算法或周期中的一项，比同时改动所有设置更容易理解差异。

DeepMoney 内测