MACD技术指标因子 (cn_stock_factors_ta_macd)

--- title: MACD 类技术指标因子（cn_stock_factors_ta_macd） source: bigfactorwarehouse / cn_stock / cn_stock_factors_ta_macd format: markdown --- # MACD 类技术指标因子（cn_stock_factors_ta_macd） > MACD 三线（DIF / DEA / HIST）的多参数档位集合。DIF 为快慢 EMA 之差，DEA 为 DIF 的信号线平滑，HIST 为两者之差，用于捕捉趋势的加速与衰减。含标准 12/26/9 与快速 8/21/5 两个“MACD 柱”档（按国内习惯乘 2）以及 5/20/5、8/34/7、12/26/9、10/50/10 四个三线档。 > > - **因子数量**：13 个因子 / 13 个数据列 > - **主键**：`date` + `instrument`（按 `cn_stock_instruments` 对齐全市场标的） > - **数据起始**：2010-01-01，日频增量更新 > - **复权口径**：后复权（`cn_stock_bar1d` 全表统一） --- ## 1. 上游依赖（基础数据表） | 上游表 | 用途 | 本表用到的字段 | |---|---|---| | `cn_stock_bar1d` | 后复权日行情，全部因子的计算输入 | `date`, `instrument`, `low`, `close` | | `cn_stock_instruments` | 全市场标的清单，决定本表每日的 `date` / `instrument` 组合 | `date`, `instrument` | > `cn_stock_bar1d` 为分区表，SQL 的 date 过滤由 `dai.query(filters={"date": [...]})` 下推完成。 --- ## 2. 因子清单（13 列） | # | 因子中文名 | 字段名 | 参数 | 因子逻辑 | 所属因子族 | |---|---|---|---|---|---| | 1 | MACD 柱（标准） | `macd_hist_12269` | 12/26/9 | DIF 与 DEA 之差的两倍，标准参数 | MACD 柱族（国内 ×2 口径） | | 2 | MACD 柱（快速） | `macd_hist_8215` | 8/21/5 | DIF 与 DEA 之差的两倍，短周期参数 | MACD 柱族（国内 ×2 口径） | | 3 | MACD的DIF线 | `macd_diff_5_20_5` | 5/20/5 | 快周期均线减慢周期均线 | MACD DIF 线族 | | 4 | MACD的DIF线 | `macd_diff_8_34_7` | 8/34/7 | 快周期均线减慢周期均线 | MACD DIF 线族 | | 5 | MACD的DIF线 | `macd_diff_12_26_9` | 12/26/9 | 快周期均线减慢周期均线 | MACD DIF 线族 | | 6 | MACD的DIF线 | `macd_diff_10_50_10` | 10/50/10 | 快周期均线减慢周期均线 | MACD DIF 线族 | | 7 | MACD的DEA线 | `macd_dea_5_20_5` | 5/20/5 | DIF 线的 n3 日指数平滑 | MACD DEA 线族 | | 8 | MACD的DEA线 | `macd_dea_8_34_7` | 8/34/7 | DIF 线的 n3 日指数平滑 | MACD DEA 线族 | | 9 | MACD的DEA线 | `macd_dea_12_26_9` | 12/26/9 | DIF 线的 n3 日指数平滑 | MACD DEA 线族 | | 10 | MACD的DEA线 | `macd_dea_10_50_10` | 10/50/10 | DIF 线的 n3 日指数平滑 | MACD DEA 线族 | | 11 | MACD的HIST值 | `macd_hist_5_20_5` | 5/20/5 | DIF 与 DEA 之差 | MACD HIST 柱族（TA-Lib 原始口径） | | 12 | MACD的HIST值 | `macd_hist_8_34_7` | 8/34/7 | DIF 与 DEA 之差 | MACD HIST 柱族（TA-Lib 原始口径） | | 13 | MACD的HIST值 | `macd_hist_10_50_10` | 10/50/10 | DIF 与 DEA 之差 | MACD HIST 柱族（TA-Lib 原始口径） | --- ## 3. 因子族公式与 DAI SQL ### 3.1 MACD 柱族（国内 ×2 口径） **公式**：DIF = EMA_fast(Close) − EMA_slow(Close)；DEA = EMA_signal(DIF)；MACD 柱 = 2 × (DIF − DEA) **输出列（2）**：`macd_hist_12269`、`macd_hist_8215` ```sql SELECT date, instrument, m_ta_macd_hist(close, fastperiod:=12, slowperiod:=26, signalperiod:=9) * 2 AS macd_hist_12269, m_ta_macd_hist(close, fastperiod:=8, slowperiod:=21, signalperiod:=5) * 2 AS macd_hist_8215 FROM cn_stock_bar1d WHERE close IS NOT NULL ORDER BY date, instrument ``` ### 3.2 MACD DIF 线族 **公式**：DIF = EMA_fast(close) − EMA_slow(close) **输出列（4）**：`macd_diff_5_20_5`、`macd_diff_8_34_7`、`macd_diff_12_26_9`、`macd_diff_10_50_10` ```sql SELECT date, instrument, m_ta_macd_dif(close, fastperiod:=5, slowperiod:=20, signalperiod:=5) AS macd_diff_5_20_5, m_ta_macd_dif(close, fastperiod:=8, slowperiod:=34, signalperiod:=7) AS macd_diff_8_34_7, m_ta_macd_dif(close, fastperiod:=12, slowperiod:=26, signalperiod:=9) AS macd_diff_12_26_9, m_ta_macd_dif(close, fastperiod:=10, slowperiod:=50, signalperiod:=10) AS macd_diff_10_50_10 FROM cn_stock_bar1d WHERE close IS NOT NULL ORDER BY date, instrument ``` ### 3.3 MACD DEA 线族 **公式**：DEA = EMA_signal(DIF) **输出列（4）**：`macd_dea_5_20_5`、`macd_dea_8_34_7`、`macd_dea_12_26_9`、`macd_dea_10_50_10` ```sql SELECT date, instrument, m_ta_macd_dea(close, fastperiod:=5, slowperiod:=20, signalperiod:=5) AS macd_dea_5_20_5, m_ta_macd_dea(close, fastperiod:=8, slowperiod:=34, signalperiod:=7) AS macd_dea_8_34_7, m_ta_macd_dea(close, fastperiod:=12, slowperiod:=26, signalperiod:=9) AS macd_dea_12_26_9, m_ta_macd_dea(close, fastperiod:=10, slowperiod:=50, signalperiod:=10) AS macd_dea_10_50_10 FROM cn_stock_bar1d WHERE close IS NOT NULL ORDER BY date, instrument ``` ### 3.4 MACD HIST 柱族（TA-Lib 原始口径） **公式**：HIST = DIF − DEA **输出列（3）**：`macd_hist_5_20_5`、`macd_hist_8_34_7`、`macd_hist_10_50_10` ```sql SELECT date, instrument, m_ta_macd_hist(close, fastperiod:=5, slowperiod:=20, signalperiod:=5) AS macd_hist_5_20_5, m_ta_macd_hist(close, fastperiod:=8, slowperiod:=34, signalperiod:=7) AS macd_hist_8_34_7, m_ta_macd_hist(close, fastperiod:=10, slowperiod:=50, signalperiod:=10) AS macd_hist_10_50_10 FROM cn_stock_bar1d WHERE close IS NOT NULL ORDER BY date, instrument ``` --- ## 4. 数据加工说明 ### 4.1 加工链路 ``` cn_stock_bar1d（后复权，WHERE close IS NOT NULL） → 4 组因子族 SQL 并行执行（joblib loky, n_jobs=8） → 按 cn_stock_instruments 左连接对齐全市场标的 → schema 归一化（列序 / 类型 / 缺失值） → dai_write 按 date 的年份分区落库 ``` - 历史构建：`create()`，自 **2010-01-01** 起按 **2 年**一段滚动执行，每段结束后 `gc.collect()` 释放内存。 - 增量构建：`build()`，默认覆盖最近 5 个自然日；落库前跑 `tester.py`，落库后更新前端文档。 ### 4.2 回溯冗余（避免窗口未预热导致的缺失值） 窗口算子只在查询下推后的行集上计算，所以每次计算都会**向前多取一段行情**： | 参数 | 取值 | 说明 | |---|---|---| | `lookback_days` | **500 个自然日**（≈ 334 个交易日） | 本表最长窗口 / 预热需求约 60 个交易日 | 多读一段历史不改变任何输出值（窗口算子只向前看），只是把区间首日的"本可避免的缺失"消掉。 EMA / RSI / ATR / MACD / TRIX 属于 IIR 递推算子，理论上预热期无限长，因此这些表的冗余按 **约 5 倍最长周期**取值，而非刚好等于窗口长度。 ### 4.3 停牌空值行的处理 `cn_stock_bar1d` 在停牌日会保留一行、但 `open/high/low/close/amount` 全为 NULL、`volume` 为 0。 `m_ta_*` 递推类算子只要吃到一个 NULL，之后就永久输出 NULL。因此所有 SQL 统一加 `WHERE close IS NOT NULL`，把停牌行从计算输入中剔除（此时 `m_lag(close, 1)` 指向上一个**交易日**， 符合技术指标的常规口径）。 实测（2024-01 全市场，回溯起点 2021-06）： | 处理方式 | bbands_middle_20 | atr14 | kdj_j_9 | macd_diff_12_26_9 | |---|---|---|---|---| | 不加过滤 | 88.3% | 88.3% | 88.4% | 88.1% | | **加 `WHERE close IS NOT NULL`** | **99.7%** | **99.7%** | **99.7%** | **99.5%** | ### 4.4 累计型因子的锚点 本表不含累计型因子，全部因子都是固定长度的滚动窗口计算，因此只受 `lookback_days` 影响。 ### 4.5 标的对齐与覆盖度 落库前以 `cn_stock_instruments` 为基准左连接，因此**每个交易日都是全市场标的的完整行**， 停牌股与上市不足窗口长度的新股在对应因子列上为 NULL。入库校验要求单因子整体覆盖度 ≥ 85% （`tester.py` 关键测试点），单日覆盖度 ≥ 80%（非关键，仅告警）。 ### 4.6 本表实现要点 - DAI 的 `m_ta_macd_*` 只接受一个位置参数，周期必须用命名参数传入（`fastperiod:=` / `slowperiod:=` / `signalperiod:=`）；因子文档 2.3.1 的位置参数写法在 DAI 中会报`Binder Error`，本表已改为命名参数。 - `macd_hist_12269`、`macd_hist_8215` 沿用国内软件口径 **HIST × 2**；`macd_hist_5_20_5` 等四列为 TA-Lib 原始口径（DIF − DEA，不乘 2）。两者并存是刻意保留的不同口径。 - MACD 基于 EMA 递推，最长档 10/50/10 的等效预热约 60 个交易日，回溯冗余取 500 个自然日（约 330 个交易日）以保证收敛。 --- ## 5. 覆盖度实测 实测区间 **2026-09-07 ~ 2026-09-17**（9 个交易日、50052 行，已按 `cn_stock_instruments` 对齐全市场标的）： | 指标 | 数值 | |---|---| | 因子列数 | 13 | | 最低覆盖度 | **98.99%**（macd_diff_10_50_10） | | 中位覆盖度 | 99.26% | | 最高覆盖度 | 99.42% | | 覆盖度 < 85% 的列数 | 0 | | `tester.py` 关键测试点 | ✅ 通过 | 覆盖度最低的三列：`macd_diff_10_50_10`(99.0%)、`macd_dea_10_50_10`(99.0%)、`macd_hist_10_50_10`(99.0%)。缺失主要来自**上市不足窗口长度的新股**与**当日停牌**，逐列明细见 `testdata/coverage_report.md`，数据示例见 `testdata/sample_data.csv`。 --- ## 6. 示例数据 {{sample_data}} --- ## 7. 使用建议 1. **横截面标准化**：本表含绝对量纲列（价位、波幅、成交量等），跨股票比较前建议用 `c_zscore(因子, group=date)` 或 `c_rank(因子, group=date)` 处理，或改用同族的比值型因子。 2. **去极值**：比值类因子分母虽已做 `NULLIF` 保护，但小分母仍会放大尾部，建议按日做分位数截断。 3. **冗余筛选**：同一指标的多参数档位之间相关性很高，建模前建议按 IC / 相关性 / 特征重要性做筛选， 而不是把全部列直接喂给模型。 4. **无未来函数**：全部因子只用当期与历史滚动数据；回测时注意前向收益口径（建议用次日开盘价）， 收盘价口径会系统性高估短周期反转类因子的收益。