EMA是什麼？指數移動平均線含義、計算公式與Python示例

iTick
2026-10-29
技術分析

EMA是什麼？指數移動平均線含義、計算公式與Python示例

EMA 是 Exponential Moving Average 的縮寫，即指數移動平均線。 它和簡單移動平均線（SMA）一樣用於平滑價格，但會給近期價格更高的權重。因此當行情轉向時，EMA 的反應更快，被股票、外匯、加密貨幣和期貨交易者廣泛用於判斷趨勢方向、尋找動態支撐阻力以及捕捉均線交叉信號。

本文用通俗的語言講清 EMA 的含義，逐步拆解 EMA 計算公式，並演示如何使用 iTick 歷史行情數據API 獲取真實 OHLCV 數據，在 Python 中計算 EMA。

EMA 在交易中的含義

當交易者説"價格站上 50 EMA"時，意思是最新收盤價高於 50 週期的指數移動平均線。"週期"指使用的K線數量——日線圖上是 50 根日K，1 分鐘圖上就是 50 根 1 分鐘K線。

EMA 主要回答三個問題：

趨勢是什麼？ EMA 向上且價格在其上方代表上升趨勢；EMA 向下且價格在其下方代表下降趨勢。
動態支撐/阻力在哪？ 強趨勢中，回調常在 20 或 50 EMA 附近止跌。
動能是否變化？ 快線 EMA（如 12）與慢線 EMA（如 26）交叉，意味着動能轉換——MACD 指標正是基於此構建。

EMA 計算公式

EMA 採用遞推計算，每個新值都依賴前一個 EMA：

      今日EMA = 今日收盤價 × α + 昨日EMA × (1 − α)

α（平滑係數）= 2 / (N + 1)

其中 N 為週期數。以 10 週期 EMA 為例，α = 2 / 11 ≈ 0.1818，即今日價格約佔新 EMA 的 18%，前一日 EMA 佔 82%。

第一個 EMA 需要初始值，通常用前 N 根收盤價的 SMA 作為種子，從第 N+1 根開始套用公式。

手算示例（5 週期 EMA）

日期	收盤價	計算	EMA(5)
第1-5天	10, 11, 12, 11, 13	SMA 種子 = 57 / 5	11.40
第6天	14	14 × 0.333 + 11.40 × 0.667	12.27
第7天	13	13 × 0.333 + 12.27 × 0.667	12.51
第8天	15	15 × 0.333 + 12.51 × 0.667	13.34

N = 5 時 α = 2 / 6 = 0.333。可以看到 EMA 向新價格靠攏的速度明顯快於 5 日 SMA。

EMA 與 SMA 的一句話區別

兩者都是價格均值，但 SMA 對每根K線權重相同，EMA 更重視近期K線——所以 EMA 更快、SMA 更平滑。詳細對比見 SMA與EMA的區別。

常用 EMA 週期

EMA	常見用途
9 EMA	超短線動能、日內剝頭皮
12 / 26 EMA	MACD 的兩條線，波段交叉信號
20 / 21 EMA	短期趨勢與回調入場
50 EMA	中期趨勢過濾
200 EMA	長期趨勢，"站上200 EMA"常被視為牛市

沒有"最好"的 EMA 參數。短週期信號更早但噪音更多；長週期信號更少更晚但更可靠。請根據持倉週期選擇，並先用歷史數據回測。

常見 EMA 交易信號

價格穿越： 收盤價上穿 EMA（看多）或下穿 EMA（看空）。
均線交叉： 快線上穿慢線（金叉）或下穿（死叉），可參考雙均線量化策略教程。
斜率過濾： 僅在 50 或 200 EMA 向上時做多。
回調入場： 趨勢中回踩 20 EMA 後反彈買入。

侷限性

EMA 是滯後指標，只描述已經發生的事情。在橫盤震盪行情中，EMA 交叉會產生大量假信號，建議配合 ADX 趨勢強度指標或成交量使用。

用 Python 和真實行情數據計算 EMA

最可靠的方式是基於乾淨的 OHLCV K線自行計算。下面的示例從 iTick API 下載蘋果公司日線，並用 pandas 計算 12、26、200 EMA：

      import requests
import pandas as pd

TOKEN = "YOUR_API_TOKEN"  # 免費註冊：https://itick.org/zh-hk/register

# kType = K線週期（完整取值見 iTick 文檔）
url = "https://api.itick.org/stock/kline"
params = {"region": "US", "code": "AAPL", "kType": 8, "limit": 500}
headers = {"accept": "application/json", "token": TOKEN}

bars = requests.get(url, params=params, headers=headers, timeout=10).json()["data"]
df = pd.DataFrame(bars).rename(columns={"t": "time", "o": "open", "h": "high",
                                        "l": "low", "c": "close", "v": "volume"})
df["time"] = pd.to_datetime(df["time"], unit="ms")

# pandas ewm(span=N) 使用 alpha = 2 / (N + 1)，即標準 EMA 公式
for n in (12, 26, 200):
    df[f"ema_{n}"] = df["close"].ewm(span=n, adjust=False).mean()

df["signal"] = (df["ema_12"] > df["ema_26"]).astype(int).diff()  # 1 = 金叉, -1 = 死叉
print(df[["time", "close", "ema_12", "ema_26", "ema_200", "signal"]].tail(10))

    

把 stock 換成 forex（region GB，code EURUSD）或 crypto（region BA，code BTCUSDT），同一段代碼即可計算外匯或比特幣的 EMA。

提示： adjust=False 與大多數行情軟件的遞推公式一致；adjust=True 時 pandas 使用加權求和版本，前幾根數值會略有差異。

實時更新 EMA

無需每個 Tick 都重算整條序列，只需保留上一個 EMA 值並用新收盤價更新：

      alpha = 2 / (12 + 1)
ema = ema + alpha * (new_close - ema)

new_close 可來自 iTick WebSocket 實時行情推送，讓 EMA 保持毫秒級更新。

常見問題

EMA 是什麼意思？ EMA 即指數移動平均線，是一種對近期價格賦予更高權重的移動平均線。

EMA 參數設多少合適？ 日內交易常用 9 和 21，波段交易常用 20 和 50，長線投資常看 200。使用前請在目標市場回測。

EMA 比 SMA 好嗎？ 沒有絕對優劣。EMA 對新信息反應更快，SMA 更平滑、更不易被洗盤。

外匯和加密貨幣可以用 EMA 嗎？ 可以，EMA 適用於任何價格時間序列，包括股票、指數、外匯、黃金和加密貨幣。

為指標提供可靠的數據

指標的質量取決於數據的質量。iTick 通過統一的 REST 與 WebSocket 接口提供股票、外匯、加密貨幣、指數和期貨的實時與歷史行情數據。免費獲取 API Key，用真實價格計算你的 EMA。