SMA與EMA的區別：簡單移動平均線和指數移動平均線詳解

移動平均線是技術分析中使用最廣泛的指標。幾乎每張圖表上都能看到兩種：**SMA（簡單移動平均線）**和 EMA（指數移動平均線）。它們看起來相似，行為卻不同——選對哪一種，決定了你的策略反應有多早、有多頻繁。

SMA 是什麼？

SMA 即 Simple Moving Average，簡單移動平均線，是最近 N 個收盤價的算術平均值。20 日 SMA 就是把最近 20 個日收盤價相加再除以 20。每過一天，最早的價格移出、最新的價格加入，平均值隨之"移動"。

SMA 計算公式

      SMA_N = (P1 + P2 + ... + PN) / N

    

示例——收盤價 10、11、12、11、13 的 5 日 SMA：

      SMA = (10 + 11 + 12 + 11 + 13) / 5 = 11.4

    

窗口內每個價格的權重完全相同（1/N）。

EMA 是什麼？

EMA 同樣是價格均值，但通過平滑係數 α = 2 / (N + 1) 給近期價格更高權重。完整公式與手算示例見 EMA是什麼？指數移動平均線詳解。

SMA 與 EMA 的核心區別

一句話總結：EMA 更貼近價格、轉向更早；SMA 更平穩、轉向更晚。 行情急轉時，EMA 通常比 SMA 提前幾根K線與價格交叉。

什麼時候用 SMA，什麼時候用 EMA

適合用 SMA：

• 在日線、周線等較大週期交易，希望減少洗盤。
• 關注市場共識位——50 日和 200 日 SMA 是許多機構的參考點。
• 需要穩定基準做均值迴歸策略。

適合用 EMA：

• 日內或波段交易，入場時機很重要。
• 構建動能指標（MACD 使用 12 與 26 EMA）。
• 強趨勢行情中需要緊跟價格的移動止損。

很多交易者兩者結合，例如用短期 EMA 找入場點，用 200 SMA 做長期趨勢過濾。

用 Python 計算 SMA 和 EMA

      import requests
import pandas as pd

TOKEN = "YOUR_API_TOKEN"
url = "https://api.itick.org/forex/kline"
params = {"region": "GB", "code": "EURUSD", "kType": 8, "limit": 300}
headers = {"accept": "application/json", "token": TOKEN}

data = requests.get(url, params=params, headers=headers, timeout=10).json()["data"]
df = pd.DataFrame(data)
df["close"] = df["c"].astype(float)

df["sma_20"] = df["close"].rolling(window=20).mean()
df["ema_20"] = df["close"].ewm(span=20, adjust=False).mean()

# 兩者差值擴大，説明趨勢在加速
df["gap"] = df["ema_20"] - df["sma_20"]
print(df[["close", "sma_20", "ema_20", "gap"]].tail())

    

同樣的代碼適用於股票（/stock/kline，region US，code AAPL）和加密貨幣（/crypto/kline，region BA，code BTCUSDT）。數據來自 iTick 歷史行情數據API。

小實驗：誰先交叉？

在同一市場上同時運行兩條均線，統計趨勢改變後各自要多少根K線才與價格交叉。通常你會發現 EMA 反應更早，但在橫盤期交叉次數也更多。這種速度與可靠性的權衡，就是 SMA 與 EMA 之爭的全部。想嚴謹評估，請參考 Python 回測教程。

常見問題

股票裏的 SMA 是什麼意思？ SMA 即簡單移動平均線，是一定週期內收盤價的平均值。

200 日均線是 SMA 還是 EMA？ 通常指 SMA，但部分軟件默認 EMA，請檢查圖表設置。

日內交易用 SMA 還是 EMA？ 大多數日內交易者偏好 EMA，因為它對日內價格變化反應更快。

SMA 和 EMA 可以一起用嗎？ 可以。常見做法是短期 EMA 出信號、長期 SMA 做趨勢過濾。

用真實數據開始構建

均線需要乾淨、無缺口的價格數據。免費獲取 iTick API Key，獲取股票、外匯與加密貨幣 OHLCV 數據，並通過 WebSocket 實時推送 讓均線實時更新。