当前位置：首页>python>别再迷信金叉死叉了:用 Python 重新验证 5/10 双均线策略

别再迷信金叉死叉了:用 Python 重新验证 5/10 双均线策略

2026-10-11 07:53:41

很多散户第一次学技术分析，都会接触均线。

最常见的一种用法，就是看 5 日均线和 10 日均线：5 日均线上穿 10 日均线，认为短期走势转强；5 日均线跌破 10 日均线，认为短期趋势转弱。

这套规则简单、透明、容易执行，但真正放到市场里，很快就会遇到问题。

行情一旦进入震荡区间，5 日线和 10 日线会频繁金叉、死叉，刚买进去价格又跌回来，刚卖出去价格又涨上去。几轮下来，利润没有多少，手续费、滑点和心态成本倒是先交了一遍。

所以这次我不只讨论“5/10 双均线有没有用”，而是把它放到一个更完整的验证框架里，比较四组策略：5/10 双均线、5/10 双均线 + 强化学习、参数搜索双均线、滚动验证双均线。

这样既能看传统规则本身的效果，也能看 AI 过滤、参数优化和滚动验证是否真的带来改善。

一、这次比较哪四组策略？

策略名称	核心逻辑	主要作用	适合观察的问题
5/10 双均线	5 日均线上穿 10 日均线持仓，否则空仓	基础均线策略	固定短周期规则是否有效
5/10 双均线 + 强化学习	双均线先给信号，再由模型判断是否放行	信号过滤	AI 是否能减少低质量交易
参数搜索双均线	在训练集搜索更优快慢均线组合，再到测试集验证	参数优化	5/10 是否过于死板
滚动验证双均线	每个窗口重新选参数，再用后续窗口测试	稳定性检验	策略是否只拟合某段行情

这里要说明一点：强化学习不是替代双均线，也不是让 AI 自己乱买乱卖。

它更像一个“信号审核员”。

当 5/10 双均线发出看多信号后，模型再结合市场状态判断：这次信号更像趋势启动，还是更像震荡假突破。

二、基础策略：5/10 双均线

5/10 双均线的核心代码很简单：

def ma_cross_signal(close, fast=5, slow=10):        fast_ma = close.rolling(fast).mean()        slow_ma = close.rolling(slow).mean()        return (fast_ma > slow_ma).astype(float).fillna(0.0)

这里的 1 代表持仓，0 代表空仓。为了避免未来函数，回测不会用今天收盘后产生的信号，假设今天已经成交，而是统一延后一根 K 线执行。

也就是说，今天收盘后看到信号，下一根 K 线才允许交易。

这个细节很关键。

很多看起来很漂亮的回测，问题就出在这里：它们默认你能在信号出现的同一根 K 线上成交，相当于提前知道了未来结果。这样的曲线再好看，也没有实盘意义。

三、强化学习到底看什么？

强化学习版本不是凭空预测涨跌，而是把常见市场状态转化成特征。它会观察均线距离、均线斜率、价格相对均线的位置、近期波动率、短期涨跌幅和成交量变化。

features["ma_diff"] = (fast_ma - slow_ma) / slow_mafeatures["fast_slope"] = fast_ma.diff(3) / closefeatures["price_pos"] = (close - slow_ma) / slow_mafeatures["volatility_10"] = close.pct_change().rolling(10).std()features["ret_5"] = close.pct_change(5)features["volume_z"] = (volume - volume.rolling(20).mean()) / volume.rolling(20).std()

这些特征并不神秘。

ma_diff 看均线距离，fast_slope 看短线趋势是否加速，price_pos 看价格是否偏离均线太远，volatility_10 看近期波动是否过大，ret_5 看短期动量，volume_z 看成交量是否异常。

模型最终只做一件事：

当 5/10 双均线发出持仓信号时，判断这次信号是否值得执行。

如果它认为当前环境更像震荡假突破，就不放行；如果更像趋势延续，就允许持仓。

四、为什么还要参数搜索和滚动验证？

如果只比较 5/10 双均线和强化学习，结论还不够完整。因为 5/10 本身只是经验参数，并不一定适合所有股票和行情。

参数搜索会在训练集里遍历不同快慢均线组合，比如快线从 3 到 30，慢线从 10 到 100，选出训练集表现较好的组合，再放到测试集验证。

它要回答的问题是：如果固定 5/10 表现一般，到底是均线思想不行，还是参数太死板？

滚动验证更严格。

它会让时间向前滚动，每个窗口重新训练、重新选参数，再用后续窗口测试。

这样可以观察策略是否只在某一段行情有效，还是在不同阶段都有相对稳定的表现。

验证方式	做法	优点	风险
固定 5/10	全程使用 5 日和 10 日均线	简单透明	参数僵化
参数搜索	训练集找参数，测试集验证	能发现更适合样本的参数	可能过拟合
滚动验证	多窗口训练和测试	更接近真实研究流程	计算更慢
强化学习过滤	固定 5/10 信号，再由模型过滤	尝试减少误交易	解释性较弱