这次呢，咱们来聊聊均线簇这门绝活，怎么用它找出支撑位和压力位。要想玩转这招，得先把行情数据源搞定，我用的是xtquant加miniQMT。后面的代码里会用到Python的一些老伙计，比如pandas、numpy和matplotlib，想进一步研究的话还会碰上前文提到的scipy和sklearn。 运行代码前别忘了搭好环境啊，这样就不会因为缺啥依赖而卡壳了。获取股票行情的方法我就不给你细说了，你照着下面这个步骤来就行，后面用到的Dataframe数据都是这么来的。 说起股市里的支撑和压力，大家可能听过不少，但这怎么量化呢？这就轮到均线簇上场了。把几条均线画在K线图上，要是它们在某个价位挤一块儿了，那就成了均线簇。 怎么理解呢？就好比有几根橡皮筋绑在股价上或下，想突破或跌破的时候就得使劲拉，阻力感很强。这就是均线簇在干的事：用过去的平均价格划出价格心里的那条线。 数学上的定义也不难懂。简单移动平均线SMA嘛，窗口大小选个n天，Pt就是当天收盘价。几条均线聚在一起有个前提：不同周期的均线之间价格差异很小。 比如5日、10日、20日、30日均线同时凑在一块儿的时候。可以用标准差或者最大最小差值来衡量：要是MA_spread很小，说明线挤得很紧。 为啥会形成簇？因为这反映了市场短中期力量的平衡。多空双方在这价位附近打成平手了。突破这种簇通常得带上成交量才靠谱。 具体怎么算呢？最简单的办法是选5条以上的均线算差值，差值小就判定是簇。 想更深入点可以试试密度算法：用标准差看密集程度，标准差值越小说明线越密集。 阈值也可以设成动态的，比如把过去20天的均值缩小20%作为标准。 最后看方向判定支撑和压力：簇在股价上面就是压力位，在下面就是支撑位了。