最近的文章，本狐讨论了技术指标为什么会亏钱的问题，引发了不少读者的讨论。技术指标亏钱的原因有：技术指标是滞后的，只说明了当前的走势，不能预测未来的走势；技术指标反应了一部分人群的看法，反而成为了庄家、主力反向操作的机会；技术指标是基于历史经验和数据统计获得的，但是由于历史局限性，并未经过有效检验。
实践是检验真理的唯一标准，数据是检验技术指标准确的标准。技术指标是否准确，只有理论推导是不行的，一定需要数据检验。因此，本狐提出了几条数据检验的基准：
长周期的历史交易数据验证。长周期指时间跨度要长，至少经过几次市场的牛熊变换。
大数据量的交易数据验证。交易不能局限在几支股票，或者某一类股票，最好是拿全市场的股票数据进行验证，包括创业板（涨跌幅不同），ST，大盘股，小盘股，指数成分股等。
对真实交易的模拟，引入各种真实的客观限制。交易者的资金有限，不可能对市场上所有的符合技术指标的股票进行购买，需要限定持仓股数；涨跌幅买卖不成；停牌对资金的占用等。
本狐使用了A股市场2010年到2021年10月，近11年的市场A股所有日线数据进行检验，股票数量一共4424只，交易数据773万+。模拟交易模型分为两类：
无限制的交易模型。假设资金量无限，对交易日市场上的所有股票，只要技术指标是买入信号，且当前未持仓该股票，就进行买入；只要技术指标是卖出信号，且当前持仓该股票，就进行卖出。此交易模型用于检验指标的通用成功率，买卖后盈利计算为成功，买卖后亏损计算为失败，并统计所有买卖的平均盈利和最大亏损。
固定持仓交易模型。这个模型更接近于真实，限制同时持仓的股票数量，设定为4只，每只占用约1/4的资金量。只要技术指对持仓股票发出卖出信号，就卖出持仓股票；同时，对市场上发出买入信号的股票随机选取进行买入，保证当前持仓4只股票，除非市场上的股票在当前交易日无买入信号。
以上两个交易模型的成交价均以股票当日的收盘价成交，如果当天涨停或者跌停则交易失败。所有交易忽略交易手续费，仅计算买卖的差价。
最近的文章我们评估了均线、RSI、OBV等指标的结果（参照本狐近期的文章），本篇我们看下使用非常广泛，口碑极佳的MACD指标。MACD称为异同移动平均线，是从双指数移动平均线发展而来的，由快的指数移动平均线（EMA12）减去慢的指数移动平均线（EMA26）得到快线DIF，再用2×（快线DIF-DIF的9日加权移动均线DEA）得到MACD柱。MACD的意义和双移动平均线基本相同，即由快、慢均线的离散、聚合表征当前的多空状态和股价可能的发展变化趋势，但阅读起来更方便。MACD的变化代表着市场趋势的变化，不同K线级别的MACD代表当前级别周期中的买卖趋势。MACD衍生了不少的股票战法，也是很多股评大神喜欢使用的指标。那么macd的指标表现到底如何呢？
严谨的科学实验才能获得真实结果
数据实验代码使用了Python pandas_ta的macd，指标参数选择常用的12,26和9。对应买入、卖出的代码片段如下：
def model_predict(self, s, fo, model_path):
df = pd.DataFrame({‘close’: s.close_price})
if len(df) < 34: # 26+9-1
# No sufficient data samples
pred = [0] * len(df)
return pred
macd = df.ta.macd()
# buy point: macd_12_26_9 up through macdh_12_26_9
# sell point: macd_12_26_9 down through macdh_12_26_9
pred = [0] * len(macd)
for i in range(1, len(pred)):
if np.isnan(macd[‘MACD_12_26_9’][i]) or np.isnan(macd[‘MACDh_12_26_9’][i]):
continue
if macd[‘MACD_12_26_9’][i – 1] <= macd[‘MACDh_12_26_9’][i – 1] and macd[‘MACD_12_26_9’][i] > \
macd[‘MACDh_12_26_9’][i] > 0:
pred[i] = self.buy_point
continue
if macd[‘MACD_12_26_9’][i – 1] >= macd[‘MACDh_12_26_9’][i – 1] and macd[‘MACD_12_26_9’][i] < \
macd[‘MACDh_12_26_9’][i] < 0:
pred[i] = self.sell_point
return pred
接下来，就上实验的数据结果了：
UnlimitTrade
Evaluate stock count 4424, total sample length:7731826
Total trading count:93365, succeed count:28196, successful rate:0.301998
Revenue:0.017561, max gain:13.416803, max loss:-0.814815
Accumulated revenue:0.017561
———————————————————–
FixedTrade
Evaluate stock count 4424, total sample length:7731826
Total trading count:311, succeed count:89, successful rate:0.286174
Average revenue:0.009232, peak gain: 2.141833, max single gain:0.986340
Max single loss:-0.190171, max backward:-0.698351
Accumulated revenue:0.571395, Init asset: 400000, Final asset:628558
———————————————————–
FixedTrade, test from the date 2020-08-20
Evaluate stock count 4413, total sample length:1154610
Total trading count:37, succeed count:12, successful rate:0.324324
Average revenue:0.020084, peak gain: 1.206643, max single gain:0.794207
Max single loss:-0.118793, max backward:-0.238448
Accumulated revenue:0.094243, Init asset: 400000, Final asset:437697
数据解读：
无限制交易模型，共交易次数9.3万次，其中盈利的交易次数只有30%。是不是远低于你的预期？所有单次交易的最大盈利有13.4倍，最大亏损-81%。平均交易的盈利是1.76%。
固定持仓4只股票交易模型，共交易次数311次，其中盈利的交易次数28.6%。交易中的最大亏损有-19%%，最大回撤-69.8%。10年下来的最终盈利是57.1%。值得注意的是，因为符合买入条件的股票是随机买入，多次实验的盈利数据有一点差距。进一步，我们看指标在最近一年，即20年8月之后的数据：交易成功率32.4%，最终收益9.4%。
10年真实的牛熊市真实的数据实验检测的结果，是否和你的传统经验有很大的出入？广泛流传并使用的技术指标MACD的成功率只有3成！对比其他指标，如均线、RSI、OBV等，指标成功率差不多，并没有表现出更高的成功率！
很遗憾，投资市场没有所谓的银弹，或者不败的秘籍。远离一切技术指标吧，当看到股评节目中的专家头头是道地进行技术分析时，看看就好，千万不要据此做出买卖决策。技术指标由于受众广，或许能作为投资者的情绪反应，但是万万不能作为投资的风向标。