基于MACD的交易信号开发（2）

基于MACD的交易信号开发（二）：相切与粘合边界判定

小象实战讲义 · 初阶量化交易：策略编写及系统搭建 本讲义仅用于编程与量化方法教学，不构成任何投资建议。

在量化策略由理论公式走向实盘工程落地的过程中，最考验工程师功力的往往不是标准趋势下的常规计算，而是面对极端行情数据时的边界异常情况处理。在指标交叉信号的判定中，两条曲线恰好相等（相切 Tangency）或连续数日贴合波动（粘合 Cohesion）是造成回测与实盘信号漂移的经典工程隐患。

本讲紧承上一讲的 MACD 交叉原理，深入探讨指标曲线相切与粘合时的量化判定哲学、状态回溯机制与死区过滤算法，帮助开发者构建具备强鲁棒性的工业级信号检测器。

💡 核心导读

• 相切（Tangency）是否算作交叉？
  • 策略定义差异：相切表示两条曲线数值相等（$\Delta = DIFF - DEA = 0$）。若随后同向反弹（并未真正穿透），是否触发买卖取决于交易者的风控偏好；
  • 严格过滤方案：若要求真正的趋势穿越，必须向前回溯历史有效方向（回溯至 $t-2$ 或更早的非零状态），仅在符号发生真正的正负反转（$-1 \to +1$ 或 $+1 \to -1$）时才确认交叉。
• 多根 K 线粘合（Cohesion）的工程治理：
  • 在窄幅横盘震荡行情中，快慢线可能连续多日处于极其微小的数值波动范围（受浮点数精度影响频繁在 0 附近跳变）；
  • 治理手段：引入死区容差阈值（Deadband Tolerance）或确认延迟计数器，过滤微小噪音引起的虚假高频换手。
• 信号状态机的完备性设计：
  • 量化系统切忌小觑”交叉”二字，必须保证在相切、粘合、数据缺失、浮点微差等全场景下具备确定性的逻辑闭环。

┌─────────────────────────────────────────────────────────────┐
│                    指标相切与粘合的判定逻辑                 │
└──────────────────────────────┬──────────────────────────────┘
                               │
 ┌─────────────────────────────┴─────────────────────────────┐
 ▼                                                           ▼
┌──────────────────┐                               ┌──────────────────┐
│ 相切反弹 (未穿透)│                               │   真正穿越 (穿透)│
├──────────────────┤                               ├──────────────────┤
│ t-1: DIFF < DEA  │                               │ t-1: DIFF < DEA  │
│ t  : DIFF == DEA │                               │ t  : DIFF == DEA │
│ t+1: DIFF < DEA  │                               │ t+1: DIFF > DEA  │
│ => 严格过滤，不触发│                               │ => 确认金叉，触发买入│
└──────────────────┘                               └──────────────────┘

一、指标相切与粘合的本质解析

1. 相切（Tangency）现象

在价格接近反转但动能不足时，快线 $DIFF$ 往往向上触碰慢线 $DEA$ 后再度拐头向下。在数学判定式中： $$DIFF_{t-1} \le DEA_{t-1} \quad \text{与} \quad DIFF_t \ge DEA_t$$ 如果条件写成 $\ge$ 或 $\le$，相切点将被误判为金叉；若下一交易日再度回落，就会产生无意义的虚假开仓与滑点损耗。

2. 粘合（Cohesion）现象

在长时间的无趋势横盘中，$DIFF$ 与 $DEA$ 的差值可能在 $10^{-6} \sim 10^{-4}$ 之间徘徊。如果未设置浮点数死区，计算机底层的数值舍入误差可能导致买卖信号频繁来回震荡，严重干扰仓位管理。

二、鲁棒交叉检测器的工程实现方案

为杜绝边界相切与浮点微差导致的误触发，成熟量化系统通常采用如下状态机设计：

1. 浮点死区截断（Tolerance Clean）：对差值小于容差 $\epsilon$（如 $10^{-5}$）的波动视为 0；
2. 有效状态前向填充（Direction ffill）：将相切点（0）替换为前一个非零的有效运动方向；
3. 符号跃迁检测（Sign Shift Inversion）：仅在有效方向由 $-1$ 跃迁至 $+1$ 时确认金叉，由 $+1$ 跃迁至 $-1$ 时确认死叉。

⚠️ 相切过滤是工程启发式：1e-5 容差、前向填充方向等规则都是人为设定的处理约定，换数据源或换品种可能需要调整；过滤能减少假信号，也可能误杀真突破。本节代码与输出均基于内置合成行情，仅演示信号的计算口径，不构成任何买卖建议，也不代表信号在真实市场的胜率或收益；技术指标在震荡市可能频繁假信号，信号参数（周期/阈值）过度贴合某段历史即过拟合，实盘还须计入滑点、佣金与冲击成本。回测偏差的系统讨论见 3.7、5.4。

📌 合规自查（回测/策略类内容的通用前提）：幸存者偏差（回测样本必须包含当时在市、日后可能退市的全部标的，只在幸存股票上计算会虚增表现）；前视偏差（未来函数）（当日收盘后得到的信息只能用于其后的交易决策，财报须按实际披露日对齐）。

📝 动手练一练

下面我们通过 Python 代码，实现一个具备相切过滤与死区容差能力的鲁棒交叉信号检测器，测试在指标相切并反弹的数据形态下能否精准杜绝误报：

import pandas as pd
# 保证宽表在任意终端宽度下都完整打印（不折叠中间列），使输出确定、可复现
pd.set_option("display.width", 250)
pd.set_option("display.max_columns", None)
pd.set_option("display.max_rows", None)
import numpy as np

def robust_cross_detector(series_fast, series_slow, tolerance=1e-5):
    """
    鲁棒的交叉信号检测器:
    妥善处理指标相切 (Tangency) 与 多日粘合 (Cohesion) 等极端边界情况
    """
    delta = series_fast - series_slow
    # 1. 消除浮点数微小精度误差，落入死区内的置为 0
    delta_clean = delta.apply(lambda x: 0.0 if abs(x) < tolerance else x)
    
    # 2. 计算方向符号: +1 (快线在上), -1 (快线在下), 0 (粘合/相切)
    sign = np.sign(delta_clean)
    
    # 3. 有效方向前向填充: 排除相切反弹与中途粘合
    valid_sign = sign.replace(0, np.nan).ffill().fillna(0)
    
    # 4. 严格边沿判定: 仅当方向真正跨越 0 轴时确认交叉
    strict_gold_cross = (valid_sign.shift(1) < 0) & (valid_sign > 0)
    strict_dead_cross = (valid_sign.shift(1) > 0) & (valid_sign < 0)
    
    df = pd.DataFrame({
        'Fast': series_fast,
        'Slow': series_slow,
        'Delta': delta_clean,
        'Strict_Gold': strict_gold_cross,
        'Strict_Dead': strict_dead_cross
    })
    return df

def test_tangency_case():
    dates = pd.date_range("2023-01-01", periods=6, freq="D")
    # 构造一条 Fast 与 Slow 在第 3、4 天连续相切但未向上穿透的价格序列
    fast = pd.Series([10.0, 9.5, 9.0, 9.0, 8.5, 8.0], index=dates)
    slow = pd.Series([11.0, 10.0, 9.0, 9.0, 9.5, 10.0], index=dates)
    
    res = robust_cross_detector(fast, slow)
    print("================ 指标相切与粘合异常检测 ================")
    print(res)
    print("-------------------------------------------------------")
    print(f"严格金叉触发次数: {res['Strict_Gold'].sum()} (成功过滤中途相切假信号)")
    print("=======================================================")
test_tangency_case()

运行结果输出：

================ 指标相切与粘合异常检测 ================
            Fast  Slow  Delta  Strict_Gold  Strict_Dead
2023-01-01  10.0  11.0   -1.0        False        False
2023-01-02   9.5  10.0   -0.5        False        False
2023-01-03   9.0   9.0    0.0        False        False
2023-01-04   9.0   9.0    0.0        False        False
2023-01-05   8.5   9.5   -1.0        False        False
2023-01-06   8.0  10.0   -2.0        False        False
-------------------------------------------------------
严格金叉触发次数: 0 (成功过滤中途相切假信号)
=======================================================

本章小结

1. 重视工程边界条件：简单的交叉判定在面对相切与粘合数据时极易产生虚假信号，必须设计明确的边界仲裁规则。
2. 引入死区与状态回溯：使用容差阈值消除浮点精度抖动，使用有效方向前向回溯确认真实的符号反转。
3. 保持逻辑自洽与完备：在编写量化信号函数时，切忌依赖偶然性假设，务必确保各类边缘用例均有确定性处理。

📋 行动清单 (Action Checklist)

• 运行本讲鲁棒交叉检测代码，尝试将第 4 天 fast 改为 9.5，观察状态机能否正确触发严格金叉；
• 在自己的技术指标计算模块中引入浮点死区截断机制（如 $10^{-5}$）；
• 预习下一讲，学习摆动型指标代表 RSI 的相对强弱数学建模与超买超卖信号开发。

—— 小象教研组