虚心屈己，受福之基。彼气盈者，必非远器，纵发亦无受用。

什么是MACD

MACD全称为Moving Average Convergence and Divergence，也就是股市中常说的平滑异同移动平均线。最早由Geral Appel于1979年提出，它属于一个趋势类指标，由快速线DIF，慢速线DEA以及红绿柱状图组成。

其中，DIF与DEA是以X轴为中心轴，上下交叉移动的两条线，而柱状图由DIF减去DEA获得，我们常常在股市中，将MACD的红绿柱收缩作为研判行情的辅助指标。所以，我们可以得出结论，MACD的绘制最重要的就是获取到DIF与DEA。

其中，DIF是由收盘价的短期指数移动平均线EMA1与长期指数移动平均线EMA2相减得到。至于DEA，只是对DIF值进行的二次移动平滑，主要用于辅助观察变化。

理论上来说，在股票持续上涨的行情中，短期EMA1线在长期EMA2线之上，其间的正离差值（+DIF）会越来越大，DIF距离DEA也会变大，柱状图也会扩展；反之，在加速跌势中，负离插值（-DIF）会越来越小。当行情反转时，DIF与DEA距离也会逐渐减小，也就是常说的指标出现背离的情形，对应于股价可体现为第二轮上涨/下跌虽然超越了第一轮股价的高点/低点，但第二轮运行的动能比第一轮降低了，预示着趋势已经时强弩之末的态势了。

MACD指标的计算

MACD指标计算分为4个步骤：

（1）如前文所说，MACD由DIF、DEA以及柱状图组成，其中DIF由EMA1与EMA2相减得到。所以，我们首先需要计算EMA1与EMA2的值。需要注意的是，EMA不同于普通的均线，它是指数加权的移动平均线，也就是EMA1的窗口周期为12日，EMA2的窗口周期为26日。计算公式如下：

EMA1（12日收盘价移动平均线）=前一日EM1（12）11/13+今日收盘价2/13

EMA2（26日收盘价移动平均线）=前一日EMA2（26）25/27+今日收盘价2/27

现在我们直接通过代码计算这2个值，具体步骤如下：

EMA1=df["close"].ewm(span=12, adjust=False).mean()
EMA2=df["close"].ewm(span=26, adjust=False).mean()

（2）得到EMA1与EMA2之后，我们就可以计算出DIF与DEA的值。通常DEA的窗口周期为9日，具体公式如下：

DIF（差离值）=EMA1-EMA2

DEA（差离平均值）=前一日DEA8/10+今日DIF2/10

替换成python代码之后，如下所示：

DIF=EMA1-EMA2
DEA=DIF.ewm(9,adjust=False).mean()

（3）最后，通过DIF与DEA得到柱状图，具体公式如下：

BAR（柱状值）=2*（DIF-DEA）

替换成代码后，如下所示：

BAR=2*(DIF-DEA)

但是我们看到过其他股票软件上柱状图并不是一层不变的，而是红绿相间，所以，这里我们还需要将BAR的值进行分类，以显示红绿柱状图。代码如下：

red_bar=np.where(BAR>0,BAR,0)
blue_bar=np.where(BAR<0,BAR,0)

绘制MACD图

既然我们已经得到了绘制MACD的所有值，那么现在我们就可以直接绘制MACD指标图，完整代码如下所示：

import numpy as np
import matplotlib.pyplot as plt
from datetime import datetimefig = plt.figure(figsize=(12, 8))
ax = fig.add_subplot(111)df = pd.read_excel("歌尔股份k.xlsx")
df['date'] = pd.to_datetime(df['date'])
df['date'] = df['date'].apply(lambda x: x.strftime('%Y-%m-%d'))
EMA1=df["close"].ewm(span=12, adjust=False).mean()
EMA2=df["close"].ewm(span=26, adjust=False).mean()
DIF = EMA1 - EMA2
DEA = DIF.ewm(span=9, adjust=False).mean()
BAR = 2 * (DIF - DEA)red_bar = np.where(BAR > 0, BAR, 0)
blue_bar = np.where(BAR < 0, BAR, 0)ax.plot(np.arange(0, len(df)), DIF)
ax.plot(np.arange(0, len(df)), DEA)ax.bar(np.arange(0, len(df)), red_bar, color="red")
ax.bar(np.arange(0, len(df)), blue_bar, color="blue")
ax.xaxis.set_major_locator(ticker.MaxNLocator(20))def format_date(x, pos=None):if x < 0 or x > len(df['date']) - 1:return ''return df['date'][int(x)]ax.xaxis.set_major_formatter(ticker.FuncFormatter(format_date))
plt.setp(plt.gca().get_xticklabels(), rotation=45, horizontalalignment='right')
plt.title("MACD")
plt.show()

运行之后，得到的效果如下图所示：

MACD到这里就讲解完成，下一篇将介绍金叉与死叉。