[1.4]代码：MACD金叉买入、死叉卖出，到底能不能赚钱？操作手册
展开
# MACD金叉死叉回测程序 - 操作手册
## 一、程序功能简介
本程序用于验证 MACD 金叉/死叉信号在A股市场的实际表现：
- 读取所有A股日线数据，计算 MACD 指标
- 识别金叉（买入信号）和死叉（卖出信号）
- 统计信号出现后，持有 1/2/3/5/10/20 天的平均收益率
- 按申万一级行业分组统计，对比不同行业的效果
- 计算相对沪深300指数的超额收益
- 将所有结果输出为格式化的 Excel 文件
---
## 二、环境准备
### 2.1 安装 Python
需要 Python 3.8 或以上版本。如果还没安装：
1. 百度搜索Python，进入官网
2. 下载最新版 Python
3. 安装时 **务必勾选 Add Python to PATH **
安装完成后，打开命令提示符（Win+R 输入 cmd），输入以下命令验证：
```
python --version
```
能看到版本号（如 Python 3.12.x）即安装成功。
### 2.2 安装依赖库
打开命令提示符，输入以下命令（一行一行执行）：
```
pip install pandas numpy numba openpyxl
```
四个库的用途：
| 库名 | 用途 |
|------|------|
| pandas | 数据处理（表格操作） |
| numpy | 数值计算 |
| numba | 代码加速 |
| openpyxl | Excel文件读写 |
---
## 三、数据准备
### 3.1 文件夹结构
准备一个文件夹，里面放入所有股票的 CSV 文件。结构如下：
```
你的数据文件夹/
├── sh600000.csv （浦发银行）
├── sh600001.csv （邯郸钢铁）
├── sz000001.csv （平安银行）
├── sz000002.csv （万科A）
├── ...
└── sh000300.csv （沪深300指数，也可放在其他位置）
```
### 3.2 股票 CSV 格式要求
- **编码**：GBK
- **第一行**：说明文字（程序会自动跳过）
- **第二行**：列名（表头）
- **必须包含的列**：
| 列名 | 说明 | 示例 |
|------|------|------|
| 股票代码 | 6位代码带市场前缀 | sh 600000 |
| 股票名称 | 股票名称 | 浦发银行 |
| 交易日期 | 日期 | 2000-01-04 |
| 开盘价 | 当日开盘价 | 27.00 |
| 最高价 | 当日最高价 | 27.88 |
| 最低价 | 当日最低价 | 26.80 |
| 收盘价 | 当日收盘价 | 27.75 |
| 前收盘价 | 前一交易日收盘价 | 27.00 |
| 成交量 | 当日成交量 | 1000000 |
| 新版申万一级行业名称 | 行业分类 | 银行 |
### 3.3 指数 CSV 格式要求
沪深300指数文件（如 sh000300.csv）的格式：
- **编码**：GBK
- **列名**（英文）：
| 列名 | 说明 |
|------|------|
| candle_end_time | 交易日期 |
| open | 开盘价 |
| high | 最高价 |
| low | 最低价 |
| close | 收盘价 |
| amount | 成交额 |
| volume | 成交量 |
| index_code | 指数代码 |
---
## 四、配置与运行
### 4.1 修改配置
打开 `macd_backtest.py`（或 `macd_backtest_注释版.py`），找到文件顶部的配置区域，修改三个路径：
```python
# ============== 用户配置（请修改为本地路径） ==============
# 1. 股票数据文件夹路径（改为你自己的）
file_path = r‘D:\你的路径\股票数据文件夹/‘
# 2. 沪深300指数文件路径（改为你自己的）
index_path = r‘C:\你的路径\sh000300.csv‘
# 3. 结果输出路径（改为你自己的）
output_path = r‘C:\你的路径\输出文件夹/‘
```
**注意事项：**
- 路径用英文引号包裹，前面加 `r`（如 `r‘D:\data\‘`），避免反斜杠被转义
- 路径最后要有 `/` 或 `\`
- 路径中不要有中文空格等特殊字符
- 输出文件夹必须提前创建好
### 4.2 可选参数修改
如果需要调整分析范围，可以修改以下参数：
```python
# 交易成本（一般不需要改）
c_rate = 1.5 / 10000 # 佣金费率：万分之一点五
t_rate = 1 / 1000 # 印花税率：千分之一
# 持有天数（可以自己增减）
day_list = [1, 2, 3, 5, 10, 20]
# 测试时间段
start_time = ‘20070101‘ # 开始日期
end_time = ‘20261231‘ # 结束日期
```
### 4.3 运行程序
打开命令提示符，cd 到代码所在目录，运行：
```
cd C:\你的路径\
python macd_backtest.py
```
或者直接双击 `macd_backtest.py` 文件（前提是 Python 已关联 .py 后缀）。
### 4.4 运行过程
程序运行后会显示进度信息：
```
共发现 5511 个文件
测试时间段: 20070101 - 20261231
==================================================
已处理 100/5511 个文件
已处理 200/5511 个文件
...
已处理 5500/5511 个文件
成功处理 4900 个股票文件
总共有 350000 条信号记录
正在按行业分析MACD信号...
正在分析总体MACD信号...
结果已保存到: C:\你的路径\基础金叉死叉.xlsx
==================================================
分析完成！
共分析 31 个行业
看涨信号样本数: 175000
看跌信号样本数: 175000
```
**说明：**
- 成功处理 4900 个 意味着有 4900 只股票产生了有效信号
- 部分股票可能因为数据格式不符、上市时间太短、没有行业分类等原因被跳过，属于正常现象
- 首次运行时，numba 的 JIT 编译会需要一些时间（会自动缓存，之后运行更快）
---
## 五、结果文件说明
运行完成后，会在输出路径下生成 `基础金叉死叉.xlsx` 文件。
### 5.1 Excel 中的 Sheet
| Sheet名 | 内容 |
|---------|------|
| 汇总 | 所有行业的完整数据，底部附有总体分析结果 |
| 各行业名 | 每个申万一级行业的独立统计 |
| 看涨信号汇总 | 所有行业的金叉信号统计 |
| 看跌信号汇总 | 所有行业的死叉信号统计 |
| 总体分析 | 不分行业的整体统计 |
### 5.2 各列含义
| 列名 | 含义 | 怎么看 |
|------|------|--------|
| 行业名称 | 申万一级行业分类 | 如 银行 、 电子 等 |
| 信号类型 | 金叉或死叉 | 金叉=看涨信号，死叉=看跌信号 |
| 持有天数 | 信号后持有多少天 | 1=第二天开盘买入第三天卖出 |
| 上涨概率 | 信号后上涨的比例 | 金叉看这个值，越高越好 |
| 下跌概率 | 信号后下跌的比例 | 死叉看这个值，越高越好 |
| 平均上涨收益 | 盈利交易的平均盈利幅度 | 正数，如 2% 表示平均赚 2% |
| 平均下跌收益 | 亏损交易的平均亏损幅度 | 负数，如 -2% 表示平均亏 2% |
| 每笔平均收益 | 所有交易的平均收益 | 正=赚钱策略，负=亏钱策略 |
| 超额收益 | 相比沪深300多赚的部分 | 正=跑赢大盘，负=跑输大盘 |
| 样本数量 | 参与统计的信号总数 | 样本越多，统计越可靠 |
### 5.3 如何判断信号是否有用
看金叉（看涨信号）的结果：
1. **上涨概率 ＞ 50%**：说明金叉后涨的概率比跌的概率大，信号有一定预测力
2. **每笔平均收益 ＞ 0**：说明按金叉信号交易整体是赚钱的
3. **超额收益 ＞ 0**：说明不是 牛市里随便买都涨 ，而是信号本身有Alpha
4. **上涨概率和平均收益不能只看一个**：如果上涨概率55%但平均每次赚0.1%亏1%，整体还是亏
看死叉（看跌信号）的结果：
1. **下跌概率 ＞ 50%**：说明死叉后跌的概率更大
2. **每笔平均收益 ＜ 0**：说明死叉后持有确实会亏钱
3. **超额收益 ＜ 0**：说明跑输大盘
---
## 六、常见问题
### Q1: 运行报错 No module named ‘xxx‘
**原因**：缺少依赖库。
**解决**：执行 `pip install xxx` 安装对应的库。
### Q2: 运行报错 FileNotFoundError
**原因**：路径配置错误，程序找不到数据文件。
**解决**：检查 `file_path` 和 `index_path` 是否正确，注意斜杠方向和盘符。
### Q3: 运行报错 UnicodeDecodeError
**原因**：CSV文件编码不是GBK。
**解决**：检查文件编码，或用记事本打开CSV后 另存为 选择GBK编码。
### Q4: 没有有效的股票数据
**原因**：所有股票都被过滤掉了。
**解决**：检查CSV格式是否正确，特别是列名是否包含 `新版申万一级行业名称`。
### Q5: 首次运行特别慢
**原因**：numba 首次运行需要编译加速函数。
**解决**：等待编译完成即可，后续运行会快很多（编译结果会被缓存）。
### Q6: 能否修改MACD参数？
**可以**。在 `cal_macd` 函数中找到以下代码，修改数字即可：
```python
ema12 = fast_ewma(close_array, 12) # 12改为其他数字，如 5
ema26 = fast_ewma(close_array, 26) # 26改为其他数字，如 34
dea = fast_ewma(dif, 9) # 9改为其他数字，如 5
```
常用参数组合：
- 默认(12,26,9)：最通用
- 短线(5,34,5)：更灵敏，信号更多但假信号也多
- 长线(19,39,9)：更稳定，信号少但更可靠
### Q7: 结果中有很多行业，怎么快速找到最有效的？
在 看涨信号汇总 sheet中，按 每笔平均收益 列降序排列，就能看到哪些行业的金叉信号最赚钱。Excel操作：选中表头 -＞ 数据 -＞ 排序 -＞ 按该列降序。
## 一、程序功能简介
本程序用于验证 MACD 金叉/死叉信号在A股市场的实际表现：
- 读取所有A股日线数据，计算 MACD 指标
- 识别金叉（买入信号）和死叉（卖出信号）
- 统计信号出现后，持有 1/2/3/5/10/20 天的平均收益率
- 按申万一级行业分组统计，对比不同行业的效果
- 计算相对沪深300指数的超额收益
- 将所有结果输出为格式化的 Excel 文件
---
## 二、环境准备
### 2.1 安装 Python
需要 Python 3.8 或以上版本。如果还没安装：
1. 百度搜索Python，进入官网
2. 下载最新版 Python
3. 安装时 **务必勾选 Add Python to PATH **
安装完成后，打开命令提示符（Win+R 输入 cmd），输入以下命令验证：
```
python --version
```
能看到版本号（如 Python 3.12.x）即安装成功。
### 2.2 安装依赖库
打开命令提示符，输入以下命令（一行一行执行）：
```
pip install pandas numpy numba openpyxl
```
四个库的用途：
| 库名 | 用途 |
|------|------|
| pandas | 数据处理（表格操作） |
| numpy | 数值计算 |
| numba | 代码加速 |
| openpyxl | Excel文件读写 |
---
## 三、数据准备
### 3.1 文件夹结构
准备一个文件夹，里面放入所有股票的 CSV 文件。结构如下：
```
你的数据文件夹/
├── sh600000.csv （浦发银行）
├── sh600001.csv （邯郸钢铁）
├── sz000001.csv （平安银行）
├── sz000002.csv （万科A）
├── ...
└── sh000300.csv （沪深300指数，也可放在其他位置）
```
### 3.2 股票 CSV 格式要求
- **编码**：GBK
- **第一行**：说明文字（程序会自动跳过）
- **第二行**：列名（表头）
- **必须包含的列**：
| 列名 | 说明 | 示例 |
|------|------|------|
| 股票代码 | 6位代码带市场前缀 | sh 600000 |
| 股票名称 | 股票名称 | 浦发银行 |
| 交易日期 | 日期 | 2000-01-04 |
| 开盘价 | 当日开盘价 | 27.00 |
| 最高价 | 当日最高价 | 27.88 |
| 最低价 | 当日最低价 | 26.80 |
| 收盘价 | 当日收盘价 | 27.75 |
| 前收盘价 | 前一交易日收盘价 | 27.00 |
| 成交量 | 当日成交量 | 1000000 |
| 新版申万一级行业名称 | 行业分类 | 银行 |
### 3.3 指数 CSV 格式要求
沪深300指数文件（如 sh000300.csv）的格式：
- **编码**：GBK
- **列名**（英文）：
| 列名 | 说明 |
|------|------|
| candle_end_time | 交易日期 |
| open | 开盘价 |
| high | 最高价 |
| low | 最低价 |
| close | 收盘价 |
| amount | 成交额 |
| volume | 成交量 |
| index_code | 指数代码 |
---
## 四、配置与运行
### 4.1 修改配置
打开 `macd_backtest.py`（或 `macd_backtest_注释版.py`），找到文件顶部的配置区域，修改三个路径：
```python
# ============== 用户配置（请修改为本地路径） ==============
# 1. 股票数据文件夹路径（改为你自己的）
file_path = r‘D:\你的路径\股票数据文件夹/‘
# 2. 沪深300指数文件路径（改为你自己的）
index_path = r‘C:\你的路径\sh000300.csv‘
# 3. 结果输出路径（改为你自己的）
output_path = r‘C:\你的路径\输出文件夹/‘
```
**注意事项：**
- 路径用英文引号包裹，前面加 `r`（如 `r‘D:\data\‘`），避免反斜杠被转义
- 路径最后要有 `/` 或 `\`
- 路径中不要有中文空格等特殊字符
- 输出文件夹必须提前创建好
### 4.2 可选参数修改
如果需要调整分析范围，可以修改以下参数：
```python
# 交易成本（一般不需要改）
c_rate = 1.5 / 10000 # 佣金费率：万分之一点五
t_rate = 1 / 1000 # 印花税率：千分之一
# 持有天数（可以自己增减）
day_list = [1, 2, 3, 5, 10, 20]
# 测试时间段
start_time = ‘20070101‘ # 开始日期
end_time = ‘20261231‘ # 结束日期
```
### 4.3 运行程序
打开命令提示符，cd 到代码所在目录，运行：
```
cd C:\你的路径\
python macd_backtest.py
```
或者直接双击 `macd_backtest.py` 文件（前提是 Python 已关联 .py 后缀）。
### 4.4 运行过程
程序运行后会显示进度信息：
```
共发现 5511 个文件
测试时间段: 20070101 - 20261231
==================================================
已处理 100/5511 个文件
已处理 200/5511 个文件
...
已处理 5500/5511 个文件
成功处理 4900 个股票文件
总共有 350000 条信号记录
正在按行业分析MACD信号...
正在分析总体MACD信号...
结果已保存到: C:\你的路径\基础金叉死叉.xlsx
==================================================
分析完成！
共分析 31 个行业
看涨信号样本数: 175000
看跌信号样本数: 175000
```
**说明：**
- 成功处理 4900 个 意味着有 4900 只股票产生了有效信号
- 部分股票可能因为数据格式不符、上市时间太短、没有行业分类等原因被跳过，属于正常现象
- 首次运行时，numba 的 JIT 编译会需要一些时间（会自动缓存，之后运行更快）
---
## 五、结果文件说明
运行完成后，会在输出路径下生成 `基础金叉死叉.xlsx` 文件。
### 5.1 Excel 中的 Sheet
| Sheet名 | 内容 |
|---------|------|
| 汇总 | 所有行业的完整数据，底部附有总体分析结果 |
| 各行业名 | 每个申万一级行业的独立统计 |
| 看涨信号汇总 | 所有行业的金叉信号统计 |
| 看跌信号汇总 | 所有行业的死叉信号统计 |
| 总体分析 | 不分行业的整体统计 |
### 5.2 各列含义
| 列名 | 含义 | 怎么看 |
|------|------|--------|
| 行业名称 | 申万一级行业分类 | 如 银行 、 电子 等 |
| 信号类型 | 金叉或死叉 | 金叉=看涨信号，死叉=看跌信号 |
| 持有天数 | 信号后持有多少天 | 1=第二天开盘买入第三天卖出 |
| 上涨概率 | 信号后上涨的比例 | 金叉看这个值，越高越好 |
| 下跌概率 | 信号后下跌的比例 | 死叉看这个值，越高越好 |
| 平均上涨收益 | 盈利交易的平均盈利幅度 | 正数，如 2% 表示平均赚 2% |
| 平均下跌收益 | 亏损交易的平均亏损幅度 | 负数，如 -2% 表示平均亏 2% |
| 每笔平均收益 | 所有交易的平均收益 | 正=赚钱策略，负=亏钱策略 |
| 超额收益 | 相比沪深300多赚的部分 | 正=跑赢大盘，负=跑输大盘 |
| 样本数量 | 参与统计的信号总数 | 样本越多，统计越可靠 |
### 5.3 如何判断信号是否有用
看金叉（看涨信号）的结果：
1. **上涨概率 ＞ 50%**：说明金叉后涨的概率比跌的概率大，信号有一定预测力
2. **每笔平均收益 ＞ 0**：说明按金叉信号交易整体是赚钱的
3. **超额收益 ＞ 0**：说明不是 牛市里随便买都涨 ，而是信号本身有Alpha
4. **上涨概率和平均收益不能只看一个**：如果上涨概率55%但平均每次赚0.1%亏1%，整体还是亏
看死叉（看跌信号）的结果：
1. **下跌概率 ＞ 50%**：说明死叉后跌的概率更大
2. **每笔平均收益 ＜ 0**：说明死叉后持有确实会亏钱
3. **超额收益 ＜ 0**：说明跑输大盘
---
## 六、常见问题
### Q1: 运行报错 No module named ‘xxx‘
**原因**：缺少依赖库。
**解决**：执行 `pip install xxx` 安装对应的库。
### Q2: 运行报错 FileNotFoundError
**原因**：路径配置错误，程序找不到数据文件。
**解决**：检查 `file_path` 和 `index_path` 是否正确，注意斜杠方向和盘符。
### Q3: 运行报错 UnicodeDecodeError
**原因**：CSV文件编码不是GBK。
**解决**：检查文件编码，或用记事本打开CSV后 另存为 选择GBK编码。
### Q4: 没有有效的股票数据
**原因**：所有股票都被过滤掉了。
**解决**：检查CSV格式是否正确，特别是列名是否包含 `新版申万一级行业名称`。
### Q5: 首次运行特别慢
**原因**：numba 首次运行需要编译加速函数。
**解决**：等待编译完成即可，后续运行会快很多（编译结果会被缓存）。
### Q6: 能否修改MACD参数？
**可以**。在 `cal_macd` 函数中找到以下代码，修改数字即可：
```python
ema12 = fast_ewma(close_array, 12) # 12改为其他数字，如 5
ema26 = fast_ewma(close_array, 26) # 26改为其他数字，如 34
dea = fast_ewma(dif, 9) # 9改为其他数字，如 5
```
常用参数组合：
- 默认(12,26,9)：最通用
- 短线(5,34,5)：更灵敏，信号更多但假信号也多
- 长线(19,39,9)：更稳定，信号少但更可靠
### Q7: 结果中有很多行业，怎么快速找到最有效的？
在 看涨信号汇总 sheet中，按 每笔平均收益 列降序排列，就能看到哪些行业的金叉信号最赚钱。Excel操作：选中表头 -＞ 数据 -＞ 排序 -＞ 按该列降序。
主题股票：
主题概念：
声明：遵守相关法律法规，所发内容承担法律责任，倡导理性交流，远离非法证券活动，共建和谐交流环境！
