关于均线数值的问题，我们总结了以下几点，给你解答：
均线数值是什么意思
1、在技术分析领域里，移动平均线(Moving Averge)是绝不可少的指标工具。移动平均线是利用统计学上“移动平均”的原理，将最近N日的收盘价予以移动平均，求出一个趋势值，即得到N日平均线。以此作为股价走势的研判工具。
2、移动平均线依时间长短可分为三种，短期移动平均线，中期移动平均线，长期移动平均线：短期移动平均线一般以5天或10天为计算期间；中期移动平均线大多以30天、60天为计算期间；长期移动平均线大多以120天（半年线）250天（年线）为计算期间。
移动平均线的多头排列和空头排列
多头排列：短期平均线在长期平均线之上，即： 5日平均线>10日平均线>20日平均线>30日平均线>60日平均线……
空头排列：与多头排列正好相反，表示股价正在下降趋势中。
如果一只股票以5日以及10日均线为支撑不断上涨，说明主力拉升意愿强烈，介入可以在短线或者中线获利。
当5日平均线和10日平均线之间的距离突然拉大，是卖出信号，因为你还有机会补回来。
20日均线或者30日均线是常用的止损指标。而250日均线即年线一般是牛熊的分水岭，同时也是一个阻力位。
几乎所有的股票行情软件，都能通过其设置，修改移动平均线所显示的条数、参数和颜色等等。
黄金交叉（金叉）
上升行情初期，短期移动平均线从下向上突破中长期移动平均线，形成的交叉叫黄金交叉。预示股价将上涨。如图所示黄色的5日均线上穿紫色的10日均线形成的交叉；10日均线上穿绿色的30日均线形成的交叉均为黄金交叉。
死亡交叉（死叉）
当短期移动平均线向下跌破中长期移动平均线形成的交叉叫做死亡交叉。预示股价将下跌。如图所示黄色的5日均线下穿紫色的10日均线形成的交叉；10日均线下穿绿色的30日均线形成的交叉均为死亡交叉。
移动平均线的研判主要根据葛兰碧八法则
（1）移动平均线的买入时机：
1.平均线从下降逐渐走平，而股价从平均线的下方突破平均线时，是买进信号；
2.股价虽跌入平均线之下，而平均线在上扬，不久股价又回到平均线上时为买进信号；
3.股价线走在平均线之上，股价虽然下跌，但未跌破平均线，股价又上升时可以加码买进；
4.股价线低于平均线，突然暴跌，远离平均线之时，极可能再趋向平均线，是为买进时机。
（2）移动平均线的卖出时机：
5.平均线从上升逐渐走平，而股价从平均线的上方往下跌破平均线时，应是卖出信号；
6.股价呈上升突破平均线，但又立刻回复到平均线之下，而且平均线仍在继续下跌时，是卖出时机；
7.股价线在平均线之下，股价上升但未达平均线又告回落，是卖出时机；
8.股价线在上升中，且走在平均线之上，突然暴涨，远离平均线，很可能再趋向平均线，为卖出时机。
以上八大法则中第三条和第八条不易掌握，具体运用时风险较大，在未熟练掌握移动平均线的使用法则前可以考虑放弃使用。完整图文教程：https://www.youxiagushi.com/main/viewthread.php?tid=122948
移动平均线分析法是由道·琼斯股价理论演变出来的一种股价趋势分析方法。其基本思想是消除股价随机波动的影响，以寻求股价波动的趋势。主要特点：1、追踪趋势：ma能够表示股价波动的趋势，并追踪这个趋势不轻易改变。2、滞后性：当股价发生反转时，ma特别是长期ma的行动往往过于迟缓，调头速度落后于趋势，具有滞后性的特点。3、稳定性：ma是n个收盘价的平均数值，相对于波动幅度较大的股价来说，具有相对的稳定性。4、助涨助跌性：当股价突破了ma后，无论是向上还是向下突破，实际上是支撑线和压力线被突跛，因此具有支撑线和压力线的特性。种类：1、短期移动平均线：3日，5日，10日，20日；2、中期移动平均线：30日，45日，60日，73日；3、长期移动平均线：120日，200日，250日名称：周线-5日均线半月线-10均线月线-20日均线季线-60日均线半年线-120日均线年线-250均线一般运用：跌破30日均线强势特征结束跌破60日均线多头市场动摇跌破半年线牛市市场结束跌破年线熊市市场开始.
如果均线有交叉，我们主要看相邻两条均线的交叉情况。例如从短线的角度看，就看5日线和10日线的交叉点。如果交叉点处，这两条均线都朝同一个方向，例如都朝上，那么目前的趋势是向上的。如果都朝下，那么趋势就是向下的，如果一条朝上，另一条朝下，那么不说明什么，总趋势并没有变化（这时候要看其它均线的方向）。
均线数值
# 均线数值
ma_list = [5, 10, 20, 30, 60]
# 均线列表
ma_lst = []
# 均线名称
ma_name_lst = []
for ma in ma_list:
ma_lst.append(talib.MA(close_price, timeperiod=ma))
ma_name_lst.append('MA' + str(ma))
# 将均线数据与原始数据合并
data_lst = [open_price, close_price, high_price, low_price] + ma_lst
col_name = ['open', 'close', 'high', 'low'] + ma_name_lst
data_df = pd.DataFrame(data_lst, index=col_name).T
# 将时间作为索引
data_df.index = date_lst
# 返回数据
return data_df
def get_macd_data(code, start_date, end_date):
"""
获取MACD数据
:param code: 股票代码
:param start_date: 开始日期
:param end_date: 结束日期
:return:
"""
# 获取数据
data_df = get_data(code, start_date, end_date)
# 计算MACD
macd_df, macd_signal, macd_hist = talib.MACD(data_df['close'].values,
fastperiod=12,
slowperiod=26,
signalperiod=9)
# 将MACD数据与原始数据合并
data_df['macd'] = macd_df
data_df['macd_signal'] = macd_signal
data_df['macd_hist'] = macd_hist
# 返回数据
return data_df
def get_kdj_data(code, start_date, end_date):
"""
获取KDJ数据
:param code: 股票代码
:param start_date: 开始日期
:param end_date: 结束日期
:return:
"""
# 获取数据
data_df = get_data(code, start_date, end_date)
# 计算KDJ
k, d = talib.STOCH(data_df['high'].values,
data_df['low'].values,
data_df['close'].values,
fastk_period=9,
slowk_period=3,
slowd_period=3)
j = 3 * k - 2 * d
# 将KDJ数据与原始数据合并
data_df['k'] = k
data_df['d'] = d
data_df['j'] = j
# 返回数据
return data_df
def get_rsi_data(code, start_date, end_date):
"""
获取RSI数据
:param code: 股票代码
:param start_date: 开始日期
:param end_date: 结束日期
:return:
"""
# 获取数据
data_df = get_data(code, start_date, end_date)
# 计算RSI
rsi = talib.RSI(data_df['close'].values, timeperiod=14)
# 将RSI数据与原始数据合并
data_df['rsi'] = rsi
# 返回数据
return data_df
def get_wr_data(code, start_date, end_date):
"""
获取WR数据
:param code: 股票代码
:param start_date: 开始日期
:param end_date: 结束日期
:return:
"""
# 获取数据
data_df = get_data(code, start_date, end_date)
# 计算WR
wr = talib.WILLR(data_df['high'].values,
data_df['low'].values,
data_df['close'].values,
timeperiod=14)
# 将WR数据与原始数据合并
data_df['wr'] = wr
# 返回数据
return data_df
def get_cci_data(code, start_date, end_date):
"""
获取CCI数据
:param code: 股票代码
:param start_date: 开始日期
:param end_date: 结束日期
:return:
"""
# 获取数据
data_df = get_data(code, start_date, end_date)
# 计算CCI
cci = talib.CCI(data_df['high'].values,
data_df['low'].values,
data_df['close'].values,
timeperiod=14)
# 将CCI数据与原始数据合并
data_df['cci'] = cci
# 返回数据
return data_df
def get_boll_data(code, start_date, end_date):
"""
获取布林线数据
:param code: 股票代码
:param start_date: 开始日期
:param end_date: 结束日期
:return:
"""
# 获取数据
data_df = get_data(code, start_date, end_date)
# 计算布林线
upper, middle, lower = talib.BBANDS(data_df['close'].values,
timeperiod=20,
nbdevup=2,
nbdevdn=2,
matype=0)
# 将布林线数据与原始数据合并
data_df['upper'] = upper
data_df['middle'] = middle
data_df['lower'] = lower
# 返回数据
return data_df
def get_all_data(code, start_date, end_date):
"""
获取所有技术指标数据
:param code: 股票代码
:param start_date: 开始日期
:param end_date: 结束日期
:return:
"""
# 获取基本数据
data_df = get_data(code, start_date, end_date)
# 计算MACD
macd_df, macd_signal,
均线数值设定
先设置均线，其他不同周期都适用的，灯客欢温刚维早清毛演告鼠标点均线，右键，设置进去以后改数字即可，比如ma(c,5)就是5周期线，5改10就是10周期的
