简介本资源是一份面向金融量化初学者与MATLAB入门用户的MACD技术指标实战演示代码包聚焦于理解与复现经典趋势跟踪策略的核心逻辑。资源以简洁可运行的MATLAB脚本为核心完整实现MACD三要素DIF线、DEA信号线、MACD直方图的计算、可视化及零轴交叉买卖信号标注覆盖数据读取、EMA平滑计算、差值处理与多子图绘图等关键环节助力用户建立从理论公式到工程落地的完整认知链条。压缩包为6KB的ZIP格式内含主程序脚本及必要注释说明文件具体文件数未提供代码结构清晰、变量命名规范、关键步骤均附中文注解便于逐行调试与策略扩展。目前已有1262人学习下载适合用于课程实验、量化入门实训或个人交易系统原型开发的技术验证环节。 最近在整理一个MATLAB项目标题写得很朴素就叫“基本演示MACD”。但真正把它跑起来你会发现这个脚本一点都不“基本”MACD指标计算、金叉死叉信号识别、买卖点标注、资金曲线和回测统计全在几十行代码里串成了一条完整的量化策略链路。对刚入门量化、又一直在用MATLAB做数据分析的人来说这是很合适的练手样本。这篇文章我就用这个项目标题作为主线把基于MATLAB的MACD策略代码从原理到实现完整拆一遍内容包括MACD三参数怎么算、金叉死叉信号怎么落到代码里、回测主循环怎么写、结果怎么看以及我实际踩过的几个和数据对齐、信号偏移有关的坑。适合谁看已经会一点MATLAB、想第一次尝试“策略回测”的读者以及写毕业论文需要做程序化交易演示的同学。如果你完全没接触过MACD也没关系下面会用最直白的话讲清楚。1. 内容整体设计与思路拆解1.1 这个演示到底在演示什么“基本演示MACD”这个标题拆开看有三个信息基本意味着最小可用、不追求复杂是一个能独立跑通的demo演示说明它侧重在“看出来”和“复现”要把买卖信号、收益曲线都展示出来MACD指技术指标“指数平滑异同移动平均线”是这段代码的核心逻辑。很多人拿到这类脚本第一反应是“跑一下看到图结束”。但真正有价值的是把它拆成五个模块数据读取、指标计算、信号生成、回测执行、结果展示。标题里“演示”二字恰恰告诉我们这套代码设计的初衷是让人看清一个策略从数据到决策、再到结果的全过程而不是写一个黑盒。所以我整理代码时刻意保持了模块化每个函数只干一件事主脚本负责串联。这样做的最大好处是后续想换数据源、换指标参数、换交易规则只需要动一个模块其他部分几乎不用改。别小看这个习惯很多回测脚本一开始写着写着就成了几百行的“大泥球”问题出在哪都找不到模块化是少走弯路的第一道保障。1.2 为什么用MATLAB做MACD策略演示我见过不少用Python做MACD策略的例子为什么这个项目选MATLAB主要有三个原因。第一MATLAB的矩阵运算和内置函数让指标计算特别顺手。EMA这类递推公式用循环写虽然直观但本质上就是在做数组的逐点更新MATLAB对这类数值计算非常友好而且plot系列绘图函数能很快画出价格、MACD指标和买卖点这对“演示”的定位来说非常契合。第二很多高校的金融工程、数量经济学课程默认工具就是MATLAB。学生手边已经装了MATLAB有基础的数据处理能力那么用一个MATLAB脚本来演示MACD策略比让零基础的人先搭建Python环境要顺得多。我自己见过不少论文里的策略复现部分代码本身不复杂但用了MATLAB之后从公式到代码的迁移成本很低指标计算和公式符号几乎一一对应这是很大的优势。第三策略本身不复杂。MACD只涉及三根线DIF、DEA和柱状图计算量极小用MATLAB足够跑完全不需要分布式计算或高频框架。它的短板也是明显的数据获取、并发回测、社区生态都不如Python但只要你把定位放在“策略研究”和“教学演示”上MATLAB的优势还是能发挥出来。如果哪天真要上生产环境、跑几百上千个标的的组合回测再迁移到Python也不迟因为策略逻辑已经在MATLAB里验证过了。1.3 MACD策略的三种常见信号MACD策略本质上不是预测价格而是用快慢两条EMA的收敛/发散来描述趋势状态。最常见的信号有三种金叉死叉DIF上穿DEA是金叉做多DIF下穿DEA是死叉做空或平仓。这是最常见、最容易代码化的信号。零轴过滤DIF在零轴上方运行时说明快线在慢线之上、市场处于强势区这个位置的金叉更可信零轴下方则偏空头市场可以过滤掉一部分假信号。背离价格创新低但DIF没有创新低叫底背离通常视为做多信号反之叫顶背离。这里要强调本演示脚本实现的是第一种“金叉死叉”信号原因很简单它是所有MACD用法里最容易二值化、最方便回测的。背离虽然更有“技术含量”但在程序里需要辅助判断局部极值代码复杂度会高一个量级放在演示项目里会喧宾夺主。先把金叉死叉跑通再往背离、零轴过滤这些方向扩展这个学习路径最顺。2. 数据、指标与回测规则的准备工作2.1 数据格式与预处理任何策略代码的第一步都是数据。我习惯把行情数据统一整理成CSV文件至少包含6列date、open、high、low、close、volume。列名最好不要用中文避免readtable读取时出现编码问题。一个典型的数据文件长这样date,open,high,low,close,volume 2022-01-04,18.20,18.55,17.90,18.30,1023400 2022-01-05,18.28,18.42,17.75,17.96,984500 ...MATLAB读取用readtable就行data readtable(your_data.csv); date data.date; open data.open; high data.high; low data.low; close data.close; volume data.volume;这里有两个坑需要提醒。第一个坑日期格式。如果你把日期当作字符串读进来后面画图的x轴以及时间统计都会很麻烦。建议在readtable之后用datetime函数做一次转换date datetime(data.date, InputFormat, yyyy-MM-dd);第二个坑缺值和停牌。行情数据里偶尔会出现NaN比如某天停牌、成交量为0。如果不处理EMA计算会把NaN一路传播下去导致后面所有指标全部变成NaN。我通常的做法是直接剔除全为NaN的行或者用fillmissing做插值。演示项目里最简单可靠的是保留有效数据、剔除缺失行。注意不要让NaN进入指标计算否则EMA会把缺失值一路传播下去后面画出来的MACD图全是断崖信号也会乱掉。2.2 MACD指标的手算原理与MATLAB实现MACD的完整计算分三步理解了这三步代码就是顺水推舟。第一步计算快线EMA。以最常见的12日EMA为例公式是EMA(t) alpha * close(t) (1 - alpha) * EMA(t-1)其中alpha 2 / (12 1) 0.1538。这个alpha的设计思路是让最新数据占有固定权重同时对距离当前越远的数据衰减更多。EMA本质上是一种带遗忘因子的移动平均相比简单移动平均SMA它对新信息的反应更快。第二步计算慢线EMA常见的是26日EMA。快线减慢线得到DIFDIF EMA(close, 12) - EMA(close, 26)DIF的含义就是短期趋势与长期趋势的差。DIF为正说明短期均线在长期均线之上市场处于多头氛围DIF为负则是空头氛围。第三步对DIF再做一次EMA得到DEA。常见参数是9也就是DEA EMA(DIF, 9)最后MACD柱状图通常是2倍DIF和DEA之差MACD_Bar 2 * (DIF - DEA)为什么乘2这是国内行情软件的通用约定只是为了让柱子在图上更明显不影响信号本质。有了公式MATLAB实现很直接。我习惯先写一个独立的EMA函数function out ema(data, period) % EMA递推计算 alpha 2 / (period 1); out zeros(length(data), 1); out(1) data(1); for i 2:length(data) out(i) alpha * data(i) (1 - alpha) * out(i - 1); end end再写一个MACD计算函数function [dif, dea, macdBar] calcMACD(close, shortPeriod, longPeriod, signalPeriod) emaShort ema(close, shortPeriod); emaLong ema(close, longPeriod); dif emaShort - emaLong; dea ema(dif, signalPeriod); macdBar 2 * (dif - dea); end这里有一个和行情软件对不上的常见问题EMA的第一个值怎么定。我这个函数是把EMA(1)直接设成data(1)也就是第一天的收盘价。大部分行情软件也是这么做的但如果你用的数据在计算起点之前还有更长的行情显示结果会略有偏差。演示项目里影响不大但如果你要和Wind、通达信这类软件严格对齐通常会把第一个有效EMA定在第longPeriod根K线附近或者干脆跳过前N根数据再计算。原因在于EMA是递推公式初值的选择会被后续所有计算继承越靠前的数据偏差越明显但过了足够长的迭代区间后这个初值影响会逐渐衰减到可以忽略。2.3 交易规则金叉死叉怎么落成代码指标算完之后要把它转成交易动作。这步是整个演示的灵魂也是代码里最容易出错的地方。一个完整的交易系统至少需要三个规则开仓规则DIF从下方向上穿越DEA金叉买入平仓规则DIF从上方向下穿越DEA死叉卖出资金规则全仓进出手续费按万三计算。在代码里判断金叉死叉最常用的方式是看前一根K线的DIF和DEA关系以及当前这根K线的DIF和DEA关系。用前一根判断的目的是避免未来函数——技术指标用的都是截至当前K线收盘的数据“当前这根K线收盘时确认信号”是合理逻辑但要在“当前这根K线最高价”判断信号就会偷看未来数据。核心判断逻辑if position 0 dif(i-1) dea(i-1) dif(i) dea(i) % DIF上穿DEA金叉买入 elseif position 1 dif(i-1) dea(i-1) dif(i) dea(i) % DIF下穿DEA死叉卖出 end这里我特意用了position这个状态变量而不是直接用信号数组。因为交易系统的持仓状态是连续的已经持仓时重复出现金叉不该重复买入空仓时重复出现死叉也不该重复卖出。用状态机维护持仓状态才能保证回测逻辑和真实交易一致。为什么演示版用全仓进出因为这样资金曲线和买卖信号是一一对应的看到收益曲线往下掉马上就能想到是哪一次信号出了问题方便排查问题。真到了实盘阶段全仓肯定太过激进需要引入仓位管理但那是后话演示阶段先把逻辑跑对是第一位的。3. 实操过程从零写出一套可运行的MACD回测3.1 完整代码结构与参数区我把整套演示代码分成四部分参数区、函数区、主回测循环、统计绘图。参数区放在脚本最上方方便随时调整clear; clc; close all; %% 参数区 fileName demo_stock.csv; % 行情数据文件 shortPeriod 12; % 快线EMA周期 longPeriod 26; % 慢线EMA周期 signalPeriod 9; % DEA周期 initCash 100000; % 初始资金 feeRate 0.0003; % 单边手续费率这样的结构看起来简单但重要性不亚于策略本身。我把参数集中管理后调参数时只改一个地方不会出现某个数字散落在循环里的尴尬局面。真正跑回测时你一定会反复尝试不同的参数组合如果参数散落在代码各处改一个漏一个结果自然对不上。我见过不少同学因为这类小问题折腾了一个晚上最后发现是有一处参数没改过来。3.2 指标计算函数将2.2中的ema和calcMACD保存成独立m文件。注意MATLAB函数名必须和文件名一致否则会报错。% 文件名: ema.m function out ema(data, period) alpha 2 / (period 1); out zeros(length(data), 1); out(1) data(1); for i 2:length(data) out(i) alpha * data(i) (1 - alpha) * out(i - 1); end end% 文件名: calcMACD.m function [dif, dea, macdBar] calcMACD(close, shortPeriod, longPeriod, signalPeriod) emaShort ema(close, shortPeriod); emaLong ema(close, longPeriod); dif emaShort - emaLong; dea ema(dif, signalPeriod); macdBar 2 * (dif - dea); end严格来说纯循环的EMA在数据量很大的时候效率一般但因为每次递推都必须依赖上一次结果所以MATLAB里很难完全向量化。这里有个优化思路你可以把整个EMA写成一个filter调用或者用MATLAB的tsmovavg函数需要Econometrics Toolbox但循环写法最直观也最容易让别人看懂演示项目优先保证可读性。如果数据量真的到了几十万根K线再考虑用filter或MEX加速也不迟。3.3 信号生成与逐日回测主循环主脚本里读取数据、计算指标之后就到了最核心的逐日循环%% 读取数据 data readtable(fileName); date datetime(data.date, InputFormat, yyyy-MM-dd); close data.close; %% 计算指标 [dif, dea, macdBar] calcMACD(close, shortPeriod, longPeriod, signalPeriod); %% 生成信号 n length(close); signal zeros(n, 1); % 1买入-1卖出0无操作 position 0; % 当前是否持仓0空仓1持仓 for i 2:n if isnan(dif(i-1)) || isnan(dea(i-1)) continue; end if position 0 dif(i-1) dea(i-1) dif(i) dea(i) signal(i) 1; position 1; elseif position 1 dif(i-1) dea(i-1) dif(i) dea(i) signal(i) -1; position 0; end end有几点要说明。第一为什么从i2开始判断因为信号判断要同时用到第i-1和第i根K线第1根K线没有前一根可对比。实际运行MACD时前面还有一部分指标值因EMA初值影响而不稳定通常建议从longPeriod之后才开始产生信号。第二这里用第i根K线收盘价生成信号又在同一天以第i根K线收盘价成交严格来说属于“用收盘信号按当日收盘成交”在日线级别对回测结果会有轻微乐观偏差。更严谨的做法是第i天收盘产生信号第i1天才真正下单。演示版可以接受但实盘一定要注意。第三isnan判断非常重要。如果数据前面存在NaN或者EMA初值导致某些点算出来是NaN循环可能在还没进入稳定状态时就误判出信号。跳过非数值区是最稳妥的做法。接下来是回测主循环。我用最朴素的逐日记账方式%% 回测主循环 cash initCash; % 可用资金 holdShares 0; % 持仓股数 equity zeros(n, 1); % 每日总资产 for i 1:n if signal(i) 1 % 买入全仓 if holdShares 0 availShares floor(cash / (close(i) * (1 feeRate))); if availShares 0 cost availShares * close(i) * (1 feeRate); cash cash - cost; holdShares availShares; end end elseif signal(i) -1 % 卖出清仓 if holdShares 0 income holdShares * close(i) * (1 - feeRate); cash cash income; holdShares 0; end end equity(i) cash holdShares * close(i); end这里用了一个细节买入时用floor取整股数因为在A股交易单位是1手100股但为了演示简单我直接按整数股买入。如果你用美股数据可能需要考虑小数股如果严格按照A股规则应该改成floor(cash / (close * 100)) * 100。这个细节值得新手注意不然回测和实盘对不上真实下单时系统告诉你“买入数量不合法”你才会发现模拟和现实差了整整一个数量单位。买入成本、卖出收入都乘了手续费率。这里的手续费是单边万三实际交易中还有印花税、滑点后面可以逐步加上。别觉得万三不起眼MACD这种中高频率的趋势策略一年可能来回几十次手续费会实实在在吃掉一截利润。3.4 回测统计与可视化输出回测跑完之后如果不把结果展示出来“演示”的意义就少了一半。我写个统计函数和绘图代码。统计指标至少包含总收益率、年化收益率、最大回撤、交易次数、胜率。%% 回测统计 totalReturn equity(end) / initCash - 1; nYear length(close) / 245; % 日线数据按每年245个交易日估算 annualReturn (1 totalReturn)^(1 / nYear) - 1; runningPeak cummax(equity); drawdown equity ./ runningPeak - 1; maxDrawdown min(drawdown); % 统计每笔交易 tradeReturns []; isHold false; for i 1:n if signal(i) 1 ~isHold buyPrice close(i); isHold true; elseif signal(i) -1 isHold sellPrice close(i); tradeReturns [tradeReturns; (sellPrice - buyPrice) / buyPrice]; isHold false; end end winRate sum(tradeReturns 0) / length(tradeReturns);这里年化收益率用了一个简化估算一年245个本文还有配套的精品资源点击获取 MATLAB实现MACD策略：从指标计算到回测全流程解析
简介本资源是一份面向金融量化初学者与MATLAB入门用户的MACD技术指标实战演示代码包聚焦于理解与复现经典趋势跟踪策略的核心逻辑。资源以简洁可运行的MATLAB脚本为核心完整实现MACD三要素DIF线、DEA信号线、MACD直方图的计算、可视化及零轴交叉买卖信号标注覆盖数据读取、EMA平滑计算、差值处理与多子图绘图等关键环节助力用户建立从理论公式到工程落地的完整认知链条。压缩包为6KB的ZIP格式内含主程序脚本及必要注释说明文件具体文件数未提供代码结构清晰、变量命名规范、关键步骤均附中文注解便于逐行调试与策略扩展。目前已有1262人学习下载适合用于课程实验、量化入门实训或个人交易系统原型开发的技术验证环节。 最近在整理一个MATLAB项目标题写得很朴素就叫“基本演示MACD”。但真正把它跑起来你会发现这个脚本一点都不“基本”MACD指标计算、金叉死叉信号识别、买卖点标注、资金曲线和回测统计全在几十行代码里串成了一条完整的量化策略链路。对刚入门量化、又一直在用MATLAB做数据分析的人来说这是很合适的练手样本。这篇文章我就用这个项目标题作为主线把基于MATLAB的MACD策略代码从原理到实现完整拆一遍内容包括MACD三参数怎么算、金叉死叉信号怎么落到代码里、回测主循环怎么写、结果怎么看以及我实际踩过的几个和数据对齐、信号偏移有关的坑。适合谁看已经会一点MATLAB、想第一次尝试“策略回测”的读者以及写毕业论文需要做程序化交易演示的同学。如果你完全没接触过MACD也没关系下面会用最直白的话讲清楚。1. 内容整体设计与思路拆解1.1 这个演示到底在演示什么“基本演示MACD”这个标题拆开看有三个信息基本意味着最小可用、不追求复杂是一个能独立跑通的demo演示说明它侧重在“看出来”和“复现”要把买卖信号、收益曲线都展示出来MACD指技术指标“指数平滑异同移动平均线”是这段代码的核心逻辑。很多人拿到这类脚本第一反应是“跑一下看到图结束”。但真正有价值的是把它拆成五个模块数据读取、指标计算、信号生成、回测执行、结果展示。标题里“演示”二字恰恰告诉我们这套代码设计的初衷是让人看清一个策略从数据到决策、再到结果的全过程而不是写一个黑盒。所以我整理代码时刻意保持了模块化每个函数只干一件事主脚本负责串联。这样做的最大好处是后续想换数据源、换指标参数、换交易规则只需要动一个模块其他部分几乎不用改。别小看这个习惯很多回测脚本一开始写着写着就成了几百行的“大泥球”问题出在哪都找不到模块化是少走弯路的第一道保障。1.2 为什么用MATLAB做MACD策略演示我见过不少用Python做MACD策略的例子为什么这个项目选MATLAB主要有三个原因。第一MATLAB的矩阵运算和内置函数让指标计算特别顺手。EMA这类递推公式用循环写虽然直观但本质上就是在做数组的逐点更新MATLAB对这类数值计算非常友好而且plot系列绘图函数能很快画出价格、MACD指标和买卖点这对“演示”的定位来说非常契合。第二很多高校的金融工程、数量经济学课程默认工具就是MATLAB。学生手边已经装了MATLAB有基础的数据处理能力那么用一个MATLAB脚本来演示MACD策略比让零基础的人先搭建Python环境要顺得多。我自己见过不少论文里的策略复现部分代码本身不复杂但用了MATLAB之后从公式到代码的迁移成本很低指标计算和公式符号几乎一一对应这是很大的优势。第三策略本身不复杂。MACD只涉及三根线DIF、DEA和柱状图计算量极小用MATLAB足够跑完全不需要分布式计算或高频框架。它的短板也是明显的数据获取、并发回测、社区生态都不如Python但只要你把定位放在“策略研究”和“教学演示”上MATLAB的优势还是能发挥出来。如果哪天真要上生产环境、跑几百上千个标的的组合回测再迁移到Python也不迟因为策略逻辑已经在MATLAB里验证过了。1.3 MACD策略的三种常见信号MACD策略本质上不是预测价格而是用快慢两条EMA的收敛/发散来描述趋势状态。最常见的信号有三种金叉死叉DIF上穿DEA是金叉做多DIF下穿DEA是死叉做空或平仓。这是最常见、最容易代码化的信号。零轴过滤DIF在零轴上方运行时说明快线在慢线之上、市场处于强势区这个位置的金叉更可信零轴下方则偏空头市场可以过滤掉一部分假信号。背离价格创新低但DIF没有创新低叫底背离通常视为做多信号反之叫顶背离。这里要强调本演示脚本实现的是第一种“金叉死叉”信号原因很简单它是所有MACD用法里最容易二值化、最方便回测的。背离虽然更有“技术含量”但在程序里需要辅助判断局部极值代码复杂度会高一个量级放在演示项目里会喧宾夺主。先把金叉死叉跑通再往背离、零轴过滤这些方向扩展这个学习路径最顺。2. 数据、指标与回测规则的准备工作2.1 数据格式与预处理任何策略代码的第一步都是数据。我习惯把行情数据统一整理成CSV文件至少包含6列date、open、high、low、close、volume。列名最好不要用中文避免readtable读取时出现编码问题。一个典型的数据文件长这样date,open,high,low,close,volume 2022-01-04,18.20,18.55,17.90,18.30,1023400 2022-01-05,18.28,18.42,17.75,17.96,984500 ...MATLAB读取用readtable就行data readtable(your_data.csv); date data.date; open data.open; high data.high; low data.low; close data.close; volume data.volume;这里有两个坑需要提醒。第一个坑日期格式。如果你把日期当作字符串读进来后面画图的x轴以及时间统计都会很麻烦。建议在readtable之后用datetime函数做一次转换date datetime(data.date, InputFormat, yyyy-MM-dd);第二个坑缺值和停牌。行情数据里偶尔会出现NaN比如某天停牌、成交量为0。如果不处理EMA计算会把NaN一路传播下去导致后面所有指标全部变成NaN。我通常的做法是直接剔除全为NaN的行或者用fillmissing做插值。演示项目里最简单可靠的是保留有效数据、剔除缺失行。注意不要让NaN进入指标计算否则EMA会把缺失值一路传播下去后面画出来的MACD图全是断崖信号也会乱掉。2.2 MACD指标的手算原理与MATLAB实现MACD的完整计算分三步理解了这三步代码就是顺水推舟。第一步计算快线EMA。以最常见的12日EMA为例公式是EMA(t) alpha * close(t) (1 - alpha) * EMA(t-1)其中alpha 2 / (12 1) 0.1538。这个alpha的设计思路是让最新数据占有固定权重同时对距离当前越远的数据衰减更多。EMA本质上是一种带遗忘因子的移动平均相比简单移动平均SMA它对新信息的反应更快。第二步计算慢线EMA常见的是26日EMA。快线减慢线得到DIFDIF EMA(close, 12) - EMA(close, 26)DIF的含义就是短期趋势与长期趋势的差。DIF为正说明短期均线在长期均线之上市场处于多头氛围DIF为负则是空头氛围。第三步对DIF再做一次EMA得到DEA。常见参数是9也就是DEA EMA(DIF, 9)最后MACD柱状图通常是2倍DIF和DEA之差MACD_Bar 2 * (DIF - DEA)为什么乘2这是国内行情软件的通用约定只是为了让柱子在图上更明显不影响信号本质。有了公式MATLAB实现很直接。我习惯先写一个独立的EMA函数function out ema(data, period) % EMA递推计算 alpha 2 / (period 1); out zeros(length(data), 1); out(1) data(1); for i 2:length(data) out(i) alpha * data(i) (1 - alpha) * out(i - 1); end end再写一个MACD计算函数function [dif, dea, macdBar] calcMACD(close, shortPeriod, longPeriod, signalPeriod) emaShort ema(close, shortPeriod); emaLong ema(close, longPeriod); dif emaShort - emaLong; dea ema(dif, signalPeriod); macdBar 2 * (dif - dea); end这里有一个和行情软件对不上的常见问题EMA的第一个值怎么定。我这个函数是把EMA(1)直接设成data(1)也就是第一天的收盘价。大部分行情软件也是这么做的但如果你用的数据在计算起点之前还有更长的行情显示结果会略有偏差。演示项目里影响不大但如果你要和Wind、通达信这类软件严格对齐通常会把第一个有效EMA定在第longPeriod根K线附近或者干脆跳过前N根数据再计算。原因在于EMA是递推公式初值的选择会被后续所有计算继承越靠前的数据偏差越明显但过了足够长的迭代区间后这个初值影响会逐渐衰减到可以忽略。2.3 交易规则金叉死叉怎么落成代码指标算完之后要把它转成交易动作。这步是整个演示的灵魂也是代码里最容易出错的地方。一个完整的交易系统至少需要三个规则开仓规则DIF从下方向上穿越DEA金叉买入平仓规则DIF从上方向下穿越DEA死叉卖出资金规则全仓进出手续费按万三计算。在代码里判断金叉死叉最常用的方式是看前一根K线的DIF和DEA关系以及当前这根K线的DIF和DEA关系。用前一根判断的目的是避免未来函数——技术指标用的都是截至当前K线收盘的数据“当前这根K线收盘时确认信号”是合理逻辑但要在“当前这根K线最高价”判断信号就会偷看未来数据。核心判断逻辑if position 0 dif(i-1) dea(i-1) dif(i) dea(i) % DIF上穿DEA金叉买入 elseif position 1 dif(i-1) dea(i-1) dif(i) dea(i) % DIF下穿DEA死叉卖出 end这里我特意用了position这个状态变量而不是直接用信号数组。因为交易系统的持仓状态是连续的已经持仓时重复出现金叉不该重复买入空仓时重复出现死叉也不该重复卖出。用状态机维护持仓状态才能保证回测逻辑和真实交易一致。为什么演示版用全仓进出因为这样资金曲线和买卖信号是一一对应的看到收益曲线往下掉马上就能想到是哪一次信号出了问题方便排查问题。真到了实盘阶段全仓肯定太过激进需要引入仓位管理但那是后话演示阶段先把逻辑跑对是第一位的。3. 实操过程从零写出一套可运行的MACD回测3.1 完整代码结构与参数区我把整套演示代码分成四部分参数区、函数区、主回测循环、统计绘图。参数区放在脚本最上方方便随时调整clear; clc; close all; %% 参数区 fileName demo_stock.csv; % 行情数据文件 shortPeriod 12; % 快线EMA周期 longPeriod 26; % 慢线EMA周期 signalPeriod 9; % DEA周期 initCash 100000; % 初始资金 feeRate 0.0003; % 单边手续费率这样的结构看起来简单但重要性不亚于策略本身。我把参数集中管理后调参数时只改一个地方不会出现某个数字散落在循环里的尴尬局面。真正跑回测时你一定会反复尝试不同的参数组合如果参数散落在代码各处改一个漏一个结果自然对不上。我见过不少同学因为这类小问题折腾了一个晚上最后发现是有一处参数没改过来。3.2 指标计算函数将2.2中的ema和calcMACD保存成独立m文件。注意MATLAB函数名必须和文件名一致否则会报错。% 文件名: ema.m function out ema(data, period) alpha 2 / (period 1); out zeros(length(data), 1); out(1) data(1); for i 2:length(data) out(i) alpha * data(i) (1 - alpha) * out(i - 1); end end% 文件名: calcMACD.m function [dif, dea, macdBar] calcMACD(close, shortPeriod, longPeriod, signalPeriod) emaShort ema(close, shortPeriod); emaLong ema(close, longPeriod); dif emaShort - emaLong; dea ema(dif, signalPeriod); macdBar 2 * (dif - dea); end严格来说纯循环的EMA在数据量很大的时候效率一般但因为每次递推都必须依赖上一次结果所以MATLAB里很难完全向量化。这里有个优化思路你可以把整个EMA写成一个filter调用或者用MATLAB的tsmovavg函数需要Econometrics Toolbox但循环写法最直观也最容易让别人看懂演示项目优先保证可读性。如果数据量真的到了几十万根K线再考虑用filter或MEX加速也不迟。3.3 信号生成与逐日回测主循环主脚本里读取数据、计算指标之后就到了最核心的逐日循环%% 读取数据 data readtable(fileName); date datetime(data.date, InputFormat, yyyy-MM-dd); close data.close; %% 计算指标 [dif, dea, macdBar] calcMACD(close, shortPeriod, longPeriod, signalPeriod); %% 生成信号 n length(close); signal zeros(n, 1); % 1买入-1卖出0无操作 position 0; % 当前是否持仓0空仓1持仓 for i 2:n if isnan(dif(i-1)) || isnan(dea(i-1)) continue; end if position 0 dif(i-1) dea(i-1) dif(i) dea(i) signal(i) 1; position 1; elseif position 1 dif(i-1) dea(i-1) dif(i) dea(i) signal(i) -1; position 0; end end有几点要说明。第一为什么从i2开始判断因为信号判断要同时用到第i-1和第i根K线第1根K线没有前一根可对比。实际运行MACD时前面还有一部分指标值因EMA初值影响而不稳定通常建议从longPeriod之后才开始产生信号。第二这里用第i根K线收盘价生成信号又在同一天以第i根K线收盘价成交严格来说属于“用收盘信号按当日收盘成交”在日线级别对回测结果会有轻微乐观偏差。更严谨的做法是第i天收盘产生信号第i1天才真正下单。演示版可以接受但实盘一定要注意。第三isnan判断非常重要。如果数据前面存在NaN或者EMA初值导致某些点算出来是NaN循环可能在还没进入稳定状态时就误判出信号。跳过非数值区是最稳妥的做法。接下来是回测主循环。我用最朴素的逐日记账方式%% 回测主循环 cash initCash; % 可用资金 holdShares 0; % 持仓股数 equity zeros(n, 1); % 每日总资产 for i 1:n if signal(i) 1 % 买入全仓 if holdShares 0 availShares floor(cash / (close(i) * (1 feeRate))); if availShares 0 cost availShares * close(i) * (1 feeRate); cash cash - cost; holdShares availShares; end end elseif signal(i) -1 % 卖出清仓 if holdShares 0 income holdShares * close(i) * (1 - feeRate); cash cash income; holdShares 0; end end equity(i) cash holdShares * close(i); end这里用了一个细节买入时用floor取整股数因为在A股交易单位是1手100股但为了演示简单我直接按整数股买入。如果你用美股数据可能需要考虑小数股如果严格按照A股规则应该改成floor(cash / (close * 100)) * 100。这个细节值得新手注意不然回测和实盘对不上真实下单时系统告诉你“买入数量不合法”你才会发现模拟和现实差了整整一个数量单位。买入成本、卖出收入都乘了手续费率。这里的手续费是单边万三实际交易中还有印花税、滑点后面可以逐步加上。别觉得万三不起眼MACD这种中高频率的趋势策略一年可能来回几十次手续费会实实在在吃掉一截利润。3.4 回测统计与可视化输出回测跑完之后如果不把结果展示出来“演示”的意义就少了一半。我写个统计函数和绘图代码。统计指标至少包含总收益率、年化收益率、最大回撤、交易次数、胜率。%% 回测统计 totalReturn equity(end) / initCash - 1; nYear length(close) / 245; % 日线数据按每年245个交易日估算 annualReturn (1 totalReturn)^(1 / nYear) - 1; runningPeak cummax(equity); drawdown equity ./ runningPeak - 1; maxDrawdown min(drawdown); % 统计每笔交易 tradeReturns []; isHold false; for i 1:n if signal(i) 1 ~isHold buyPrice close(i); isHold true; elseif signal(i) -1 isHold sellPrice close(i); tradeReturns [tradeReturns; (sellPrice - buyPrice) / buyPrice]; isHold false; end end winRate sum(tradeReturns 0) / length(tradeReturns);这里年化收益率用了一个简化估算一年245个本文还有配套的精品资源点击获取