自己思考的盈利模式怎样变成代码？MA、MACD等底层工具直接调用还是自己写？

核心结论： 不要在“全部自己写”和“全部直接调用开源框架”之间二选一。更稳妥的方法是：自己定义语义，成熟库负责计算，独立测试负责证明两者一致。

盈利模式怎样变成代码

假设你有一个想法：

上升趋势中，价格首次回踩20日均线后做多。

计算机仍然不知道：

• 上升趋势怎样定义？
• 20日均线是SMA还是EMA？
• “回踩”是最低价触碰，还是收盘价跌破？
• 当前K线未收盘时是否触发？
• 下一根开盘成交，还是当前收盘成交？
• 什么条件失效？买多少？怎样止损？

因此需要逐层翻译：

交易想法
  ↓
可验证的盈利假设
  ↓
客观计算工具
  ↓
状态与事件识别
  ↓
完整策略规则
  ↓
目标仓位
  ↓
风控与执行

代码结构可以类似：

ma20 = tools.calculate("EMA-CLOSE-20-v1", bars)
atr14 = tools.calculate("ATR-14-v1", bars)

mode_state = trend_pullback_mode.evaluate(
    bars=bars,
    ma=ma20,
    atr=atr14,
)

trade_intent = strategy.decide(
    mode_state=mode_state,
    account_state=account_state,
)

底层工具的选择原则

为什么同名指标可能不同

TA-Lib定义的MACD是：

公式： MACD = EMA_{fast} − EMA_{slow} Signal = EMA(MACD, signalPeriod) Histogram = MACD − Signal

但有些中文行情平台的柱子使用：

公式： Histogram = 2 × (DIF − DEA)

两者柱值相差一倍。EMA也可能因为初始化方法、递归方式、预热期和缺失值处理不同而产生不同结果。

底层工具从哪里获取

• **TA-Lib：**适合SMA、EMA、MACD、RSI、ATR、布林带等传统技术指标。
• **pandas和NumPy：**适合滚动均值、收益率、最高最低、标准差、分位数和自定义条件。
• **交易框架内置指标：**适合快速原型，但必须核对公式、预热和实时更新语义。

推荐结构

你的策略
    ↓
你自己的基础工具统一接口
    ↓
TA-Lib / pandas / 自有实现
    ↓
交易框架适配器

正式策略尽量统一写成：

tools.ma(spec="EMA-CLOSE-20-v1")
tools.macd(spec="MACD-12-26-9-HIST1-v1")

真正属于你的竞争优势，一般不是重新写一个EMA，而是怎样把客观工具组合成可验证的盈利模式，并管理风险、成本和执行。

参考与来源状态：

• TA-Lib MACD定义
• TA-Lib Python
• pandas EWM
• Freqtrade策略说明