嘿，作为刚入坑Python交易算法的新手，你遇到的这个交叉信号方向判断问题真的太常见了——其实核心就是用前一期的均线位置和当前期做对比，我来给你一步步拆解清楚！

核心逻辑：交叉方向的判断本质 #

双均线策略的信号核心在于「均线穿越的方向」：

• 买入信号（金叉）：短期均线（10期）从长期均线（20期）的下方，向上穿过长期均线 → 也就是上一期短期均线 < 长期均线，当前期短期均线 > 长期均线
• 卖出信号（死叉）：短期均线从长期均线的上方，向下穿过长期均线 → 也就是上一期短期均线 > 长期均线，当前期短期均线 < 长期均线

只要抓住这个前后周期的对比逻辑，就能轻松区分信号类型了。

Python代码实现（附详细注释） #

我用pandas来处理数据（这是处理K线数据最常用的工具），直接给你可运行的示例，你可以替换成自己的真实行情数据：

import pandas as pd
import numpy as np

# 第一步：模拟K线收盘价数据（你可以替换成从券商API或行情工具获取的真实数据）
np.random.seed(42)  # 固定随机种子，方便你复现结果
dates = pd.date_range(start='2024-01-01', periods=50)
close_prices = np.random.randn(50).cumsum() + 100  # 生成模拟的收盘价走势
df = pd.DataFrame({'close': close_prices}, index=dates)

# 第二步：计算两条移动平均线
df['ma10'] = df['close'].rolling(window=10).mean()  # 10期短期均线
df['ma20'] = df['close'].rolling(window=20).mean()  # 20期长期均线

# 第三步：获取上一期的均线值（关键！用来对比交叉方向）
# shift(1) 表示取当前行的前一行数据，也就是上一根K线的均线值
df['ma10_prev'] = df['ma10'].shift(1)
df['ma20_prev'] = df['ma20'].shift(1)

# 第四步：编写信号生成函数
def generate_trade_signal(row):
    # 跳过前20根K线（因为ma20需要20根数据才会生效，前20期的均线值是NaN）
    if pd.isna(row['ma10_prev']) or pd.isna(row['ma20_prev']):
        return None
    # 判断金叉（买入信号）
    if row['ma10_prev'] < row['ma20_prev'] and row['ma10'] > row['ma20']:
        return 'BUY'
    # 判断死叉（卖出信号）
    elif row['ma10_prev'] > row['ma20_prev'] and row['ma10'] < row['ma20']:
        return 'SELL'
    # 既不是金叉也不是死叉，持有观望
    else:
        return 'HOLD'

# 把信号应用到每一行数据
df['signal'] = df.apply(generate_trade_signal, axis=1)

# 输出结果看看（过滤掉没有均线数据的前20行）
print(df[['close', 'ma10', 'ma20', 'signal']].dropna())

几个实用的小提示 #

• 数据顺序很重要：确保你的K线数据是按时间从早到晚排序的，shift(1)才能正确取到前一根K线的数据
• 避免重复信号：如果行情波动大，可能出现连续几期的交叉信号，你可以加个条件，比如只有当之前的信号不是当前类型时才生成新信号
• 回测要贴近实盘：实际交易中记得考虑滑点、手续费这些成本，不然回测结果会和实盘偏差很大

内容的提问来源于stack exchange，提问作者user9050939