VALYNOXSTRATEGY RESEARCH TECHNOLOGY
AlphaPrimeAlphaPrime
策略學院 / 指標與訊號

赫爾移動平均(HMA):落後比 EMA、SMA 少,訊號就更好嗎?

赫爾移動平均比相同長度的 EMA 或 SMA 早幾根 K 棒轉向。這份速度在趨勢中有利,在盤整中不利,因為多出來的每一次翻向,都是一筆要付手續費與滑價的交易。訊號是否更好,要用扣除成本後的回測回答,並在同一份資料上與基本趨勢規則比較。

作者 · 發佈 · 更新於 · 編輯原則

目錄
  1. 赫爾移動平均的訊號比 EMA 或 SMA 更好嗎?
  2. 赫爾移動平均如何計算?
  3. 如何選擇 HMA 的長度?
  4. 如何用 HMA 判讀趨勢方向?
  5. 為什麼 HMA 在盤整市場容易反覆出現假訊號?
  6. 如何以回測比較 HMA 與基本趨勢規則?
  7. 常見問題
  8. 參考文獻

赫爾移動平均的訊號比 EMA 或 SMA 更好嗎?

赫爾移動平均比相同長度的 EMA 或 SMA 更早轉向,但單憑這一點,訊號並不會比較好。趨勢盤中,提早轉向能多抓幾根 K 棒。盤整盤中,假轉向變多,每一次都是一筆要付手續費與滑價的交易。決定勝負的是扣除成本後的回測,不是圖表。

赫爾移動平均是以三條加權移動平均組成的均線,排列方式讓一般均線的大部分延遲得以消除。落後,是指價格轉折與隨後出現的線條轉折之間,相隔的 K 棒數。16 根 K 棒的簡單移動平均(SMA)給每根 K 棒相同權重,所以反應較慢。指數移動平均(EMA)給近期 K 棒較大權重,所以反應較快。赫爾移動平均(圖表平台上常列為 HMA 指標)反應更快。同一個價格頭部,三條線都朝同一方向轉為向下,只是發生在不同的 K 棒。

同一個價格頭部之後,三條 16 根 K 棒的線在不同的 K 棒轉向下行(示意範例):HMA 晚 2 根、EMA 晚 5 根、SMA 晚 8 根,方向全都相同 HMA 最先轉向 價格頭部之後的 K 棒數(示意) Hull MA +2 根 EMA +5 根 SMA +8 根 三條線轉向相同。 結論:交給扣除成本後的回測判斷。
同一個頭部,三條 16 根 K 棒的線。HMA 最先轉向,但三條線轉向相同;差別是幾根 K 棒,不是另一種訊號。

這正是本文要檢驗的主張:速度不等於品質。線條越快,行情延續時進場越好,行情不延續時進場越差,兩者的消長就是回測要衡量的。HMA 在各種工具中的定位,以及其中哪些能寫成明確規則,詳見技術分析工具與指標。

赫爾移動平均如何計算?

HMA 由三條加權移動平均依固定順序組合而成:先消除落後,再平滑結果。加權移動平均(WMA)是最新一根 K 棒權重最大、每往前一根少一級,直到視窗內最舊那根的平均。長度為 n 時,步驟如下:

  1. 取一條一半長度(n/2)的 WMA,以及一條完整長度(n)的 WMA。
  2. 把半長度 WMA 乘以二,再減去完整長度 WMA。短平均走在長平均前面,相減使結果領先價格的平均,大部分落後就此抵消。
  3. 以長度為 n 平方根的 WMA 平滑這個差值。第二步會增加鋸齒狀波動;最後這條短 WMA 把鋸齒濾掉,又不會增加多少延遲。

寫成單一公式:

HMA(n) = WMA( 2 × WMA(n/2) − WMA(n), √n )

其中 HMA(n) 是長度為 n 的 HMA,WMA(n/2) 是對一半 K 棒數取的加權平均,WMA(n) 是對全部 n 根 K 棒取的加權平均,最外層的 WMA(…, √n) 則是把該差值,在長度為 n 平方根的視窗上取加權平均。半長度與平方根若不是整數,就四捨五入為整數根 K 棒。

HMA(16) 的組成方式:第 1 步取 8 根 K 棒的 WMA 與 16 根 K 棒的 WMA,第 2 步計算兩倍 WMA(8) 減 WMA(16) 以消除落後,第 3 步以 4 根 K 棒的 WMA 平滑該差值 HMA(16) 三步完成 先消除落後,再平滑 1 2 3 WMA(8), WMA(16) 兩條平均 2×WMA(8) − WMA(16) 消除落後 步驟 2 的 WMA(4) 平滑 結果:HMA(16),落後極少。 結論:速度提高,雜訊也變多。
HMA(16) 的逐步拆解:兩條加權平均、一次消除落後的相減,以及一條讓結果平滑的短平均。

從加倍的快速平均中減去慢速平均,這個作法也用在雙指數移動平均(DEMA)。DEMA 以 EMA 而非 WMA 建構,也沒有最後的平滑步驟;DEMA 指標:縮短 EMA 落後說明這種構造。HMA 又更進一步:相同長度下,WMA 的反應比 EMA 快,平方根長度的平滑本身又短,所以成品線條比 DEMA 或 EMA 都更貼近價格。貼近價格,正是 HMA 在趨勢中快、在盤整中雜訊多的原因,後面幾節會說明。

如何選擇 HMA 的長度?

長度要依你想跟隨的行情有幾根 K 棒來選,再測試鄰近的一段長度,而不是只測單一數值。要跟隨 20 根 K 棒波段的 HMA,長度需接近 20;要跟隨 60 根 K 棒趨勢的,長度需接近 60。常見的 HMA 設定 9、16、25 與 49 之所以流行,是因為它們的平方根都是整數(3、4、5 與 7),並不是因為符合任何市場。

同樣的長度,在不同 K 棒週期上代表的時間長短差異極大,所以別人回報的日線設定,對 5 分鐘圖沒有任何參考價值:

長度半長度平方根長度5 分鐘 K 棒上的跨度日線 K 棒上的跨度
94345 分鐘約 2 週
168480 分鐘約 3 週
25125約 2 小時約 5 週
49247約 4 小時約 10 週
HMA 長度 9、16、25 與 49,其半長度 4、8、12、24,平方根長度 3、4、5、7,以及在 5 分鐘 K 棒上 45 分鐘到約 4 小時、在日線 K 棒上約 2 到 10 週的時間跨度 同樣長度,時間不同 長度 n/2 √n 5 分鐘 日線 9 4 3 45 分鐘 約 2 週 16 8 4 80 分鐘 約 3 週 25 12 5 約 2 小時 約 5 週 49 24 7 約 4 小時 約 10 週 16 根 K 棒:80 分鐘或 3 週。 結論:依自己的 K 棒定長度。
同一個長度,對應兩種差異懸殊的時間跨度。公式用到的半長度與平方根長度,由你選的長度決定。

實務上可依序這樣做:

  1. 在你自己的 K 棒週期上,衡量你想抓的典型行情持續幾根 K 棒。數過去十次或二十次這類行情,取中位數。
  2. 從接近該根數的長度開始。若行情約持續 20 根 K 棒,就測試 14 到 28 這一整段,而非只測 20 這單一數值。
  3. 把整段長度的結果放在一起讀。某個長度表現好、鄰近長度卻表現差,描述的是那段歷史的雜訊;鄰近長度表現相近的區段,描述的才是市場真正發生過的事。參數穩定度說明如何判讀這片結果曲面。

如何用 HMA 判讀趨勢方向?

常用的兩種訊號是線條斜率轉向與收盤價穿越線條,兩者表現不同:斜率轉向出現得較早也較頻繁,穿越出現得較晚也較少。斜率轉向,是 HMA 的值由下降轉為上升(或由上升轉為下降)的那根 K 棒。價格穿越,是收盤價從線條一側移到另一側的那根 K 棒。由於 HMA 貼近價格,收盤價大部分時間都在線條附近,穿越可能比斜率轉向晚好幾根 K 棒。

訊號規則寫法出現時機頻率典型用途
斜率轉向今日 HMA > 昨日 HMA,且昨日 HMA < 兩根 K 棒前的 HMA較早,在線條轉為上升的第一根 K 棒高;線條每一次擺動都是訊號判斷趨勢方向、為線條上色
價格穿越今日收盤價 > 今日 HMA,且昨日收盤價 < 昨日 HMA較晚,價格脫離線條之後較低;小幅擺動不會穿越進場與出場觸發
在一段示意的趨勢行情中,HMA 斜率訊號在第 0 根 K 棒出現、共 7 個訊號,價格穿越則在第 +3 根 K 棒出現、共 3 個訊號 斜率最先、頻繁轉向 一段趨勢行情(示意) 出現於 訊號數 斜率轉向 第 0 根 7 價格穿越 第 +3 根 3 穿越較晚,但較少。 結論:兩種都寫成明確規則。
同一段行情,兩種訊號。斜率最先轉向且頻繁;穿越出現較晚,次數較少。

兩種訊號在測試之前,都必須寫成明確規則,並標明在哪一根 K 棒出現、在哪一根 K 棒成交。下一根 K 棒執行,是指在某根 K 棒收盤時讀到的訊號,於下一根 K 棒的開盤成交,因為你看到訊號時,觸發訊號的那個收盤價早已過去。完整的做多規則如下:

  1. 只在已收盤的 K 棒上計算 HMA(16)。
  2. 某根 K 棒收盤時,若 HMA(16) 高於一根 K 棒前的值,而一根 K 棒前的值低於兩根 K 棒前的值,標記做多進場。
  3. 在下一根 K 棒的開盤成交進場。
  4. 在之後某根 K 棒收盤時,若 HMA(16) 低於一根 K 棒前的值,標記出場;在下一根 K 棒的開盤成交。

這樣寫,規則裡不留任何主觀判斷,兩個人用同一份資料執行,會得到同樣的交易明細。像「赫爾移動平均變綠就進場」這樣的規則,要先轉成上述這類敘述,才能測試。

為什麼 HMA 在盤整市場容易反覆出現假訊號?

消除落後的構造,也讓更多 K 棒與 K 棒之間的雜訊通過,所以在盤整區間,HMA 的斜率會來回翻向,較慢的線條卻幾乎不動。反覆假訊號,是指訊號出現後不久就反向,交易於是以小額虧損平倉,且常常反向重新進場。16 根 K 棒的 SMA 會把平坦區間的雜訊平均掉;16 根 K 棒的 HMA 有效反應時間只有幾根 K 棒,會跟著區間內的小幅擺動,在每一次擺動都轉向。

在示意的 40 根 K 棒平坦區間中,HMA 斜率翻向 6 次,相同長度的 SMA 只翻向一次;每次翻向都是一筆要付手續費與滑價的交易 快線在區間翻向 40 根 K 棒平坦區間(示意) Hull MA 6 次翻向 SMA 1 次翻向 一筆要付成本的交易 六次來回對一次。 結論:加濾網,再重測。
在平坦區間,低落後的線條翻向多次,慢速線條只翻向一次。每次翻向都是一次要付成本的來回。

假設性範例

假設有一段 40 根 K 棒的區間,HMA 斜率翻向六次,SMA 斜率翻向一次。再假設每次假翻向損失 $150 的價格波動,外加 $45 的手續費與滑價,而區間尾端那一段真正的行情,無論哪條線,扣除成本前都賺 $900。HMA 規則在這段結束時約為 6 × (−$195) + $855 = −$315。SMA 規則則約為 −$195 + $855 = $660,即使它較晚才進入最後那段行情。數字是虛構的;重點在形狀:較快的線條在區間中虧損,必須在趨勢中賺回來。

因為速度而保留 HMA 的交易人,通常會加上一個濾網,阻止斜率訊號在盤整區間出現,而每個濾網換來的,是較少的翻向與較晚的進場:

  • 動能濾網。只在 MACD 指標的 MACD 線與訊號線方向一致時,才採用斜率轉向。盤整時 MACD 的值小而且交錯,所以許多翻向會被略過。
  • 超買或超賣濾網。只在隨機指標的 %K 與 %D 低於選定水準時,才採用做多的斜率轉向,讓進場來自拉回,而不是來自區間中段。
  • 最小斜率幅度。要求 HMA 每根 K 棒上升的跳動點數大於設定值,轉向才算數。區間內的小幅擺動達不到這個幅度;真正行情的起點則會達到。

每個濾網都是另一個參數,因此長度那一節的鄰近長度測試同樣適用:只在某一個值有效的濾網門檻,和只在某一個長度有效的長度一樣可疑。

如何以回測比較 HMA 與基本趨勢規則?

以相同的市場、K 棒週期、期間與成本,同時跑 HMA 規則和基本趨勢規則,並用扣除成本後的平均每筆損益,以及鄰近設定的表現,來評判兩者。基本趨勢規則是指任何簡單規則:價格呈上升趨勢時做多,呈下降趨勢時做空,例如 SMA 交叉或通道突破。它是比較基準:若 HMA 規則在相同資料上扣除成本後未能勝過它,它的速度就沒有換來任何東西。關於簡單移動平均規則的研究,長久以來提出相同的看法。Brock、Lakonishok 與 LeBaron(1992)在一段長期股價指數歷史上,發現基本移動平均規則背後存在規律;Park 與 Irwin(2007)回顧後續研究,發現結果高度取決於成本,以及在某個規則被報告之前試過多少規則。

公平比較的六個步驟:固定資料、一次設定成本、寫出基本規則、以相同成交方式寫出 HMA 規則、兩者扣除成本後都執行,並且只在鄰近長度一致時才保留規則 只改規則 兩者資料、成本、成交方式相同 123 456 固定資料 設定成本 基本規則 HMA 規則 兩者執行 鄰近長度 同一期間 一次、共用 明確進場 相同成交 扣除成本 必須一致
公平的比較只改一件事:規則。其餘全部設定一次、共用。
  1. 選定市場、K 棒週期與期間,兩條規則都固定使用。
  2. 一次設定手續費、滑價與下一根 K 棒執行。成本數字怎麼選,詳見回測裡的交易成本。
  3. 把基本趨勢規則寫成明確的進場與出場。
  4. 以同樣方式寫出 HMA 規則,成交時點相同。
  5. 兩者都跑,並排讀取扣除成本後的平均每筆損益與交易筆數。交易筆數是兩倍的規則,每筆的毛優勢也要是兩倍,才能得到相同結果。
  6. 以鄰近長度各重跑一次。只有當鄰近長度與它一致時,才保留該規則。

下方的執行結果,展示在以這種方式設定比較時,基本趨勢規則在真實資料上的樣貌。測試的是一條替代規則,不是 HMA 本身:阿隆指標(Aroon)規則,在距近期高點的 K 棒數少於距近期低點的 K 棒數時做多,反之做空,作為唯一的進場與出場,不設停損、停利或濾網。市場是 ES(E-mini S&P 500 期貨),K 棒週期為日線,期間從 2019-01-02 到 2025-06-30,多空皆做,一口,每筆交易收 $20 手續費與 $25 滑價。

來源:AlphaPrime 產品引擎(CPU),2026-10-31 執行。ES 日線,2019-01-02 至 2025-06-30,多空都做,1 口,每筆手續費 $20、滑價 $25。

數字結果
淨利(已平倉)$142,107.5
最大回撤$58,717.5
交易筆數34
勝率64.71%
獲利因子2.987
平均每筆$4,179.63
在場時間91.22%

先看交易筆數。六年半只有三十四筆交易,是緩慢的日線趨勢規則會產生的結果,而且樣本偏少:平均每筆損益 $4,179.63 靠少數幾筆大贏家撐起,換另一段六年,這些贏家可能重新排列。這個候選策略,是搜尋從約一千個嘗試過的候選中保留下來的,以報酬相對回撤選出。事後挑出最好的一個,會讓它看起來比實際好,因為在同一段歷史上的一千個候選中,總有一些光靠運氣就看起來亮眼;Bailey、Borwein、López de Prado 與 Zhu(2014)說明這種膨脹隨嘗試次數增加得有多快。這些數字描述的是這一條規則在這一段過去價格上的表現,不是阿隆指標規則或任何趨勢規則所能賺得的,也不是讀者該期待的結果。在 AlphaPrime(Valynox)中,每個候選策略的GPU 回測都套用相同的 $20 手續費、$25 滑價與下一根 K 棒成交,所以當你把 HMA 規則放到這條旁邊,唯一不同的就是規則。

沿著權益曲線看完整個期間,留意階梯式上升之間又長又平、又下滑的區段。最大回撤 $58,717.5 就是其中一段;使用這條規則的交易人會熬過它,卻不知道它何時結束。
沿著權益曲線看完整個期間,留意階梯式上升之間又長又平、又下滑的區段。最大回撤 $58,717.5 就是其中一段;使用這條規則的交易人會熬過它,卻不知道它何時結束。 ES · 日 K 棒 · 2019-01-02 至 2025-06-30 · CPU 引擎回測
HMA 與 DEMA 都回答趨勢方向,所以 DEMA 只是重複 HMA,應該取代它;MACD 回答動能,隨機指標回答拉回時機,兩者都能當濾網 只加入新問題 哪些工具與 HMA 的功能重複 指標 回答 重複? 用途 HMA DEMA MACD 隨機指標 方向 方向 動能 拉回 — 是 否 否 基本規則 取代 濾網 濾網
四個數字要一起讀:交易筆數、獲利因子、最大回撤與淨損益。34 筆交易得到的高獲利因子,說明的事比數百筆交易得到的同樣獲利因子少。 ES · 日 K 棒 · 2019-01-02 至 2025-06-30 · CPU 引擎回測

在場時間 91.22%,說明了基本趨勢規則的另一件事:這條規則幾乎一直持有部位,不是多就是空,所以結果大致是期間內市場大幅波動的總和,再扣掉這些波動之間的反覆假訊號。同樣的 K 棒上,HMA 規則會更常翻向,每段行情的尾端持有得較少,並且在更多筆交易上付成本。這個取捨最後是勝過還是輸給基本規則,要拿你自己的資料來回答。

你的下一步:在你交易的市場與 K 棒週期上,把 SMA 交叉規則與 HMA 斜率規則寫成明確的進場與出場,採用下一根 K 棒成交,兩者以相同年份、相同成本執行,比較扣除成本後的平均每筆損益與交易筆數。接著把 HMA 規則,從低於你所選長度四、到高於你所選長度四的每個長度,都重跑一次。若這一段結果一致,就有值得做推進分析的東西;若只有一個長度有效,找到的就是雜訊。

常見問題

HMA 比 SMA 好嗎?

HMA 對價格轉折的反應,比相同長度的 SMA 早好幾根 K 棒,所以更早進出趨勢。盤整市場中,它翻向的次數也多得多,每次翻向都是一筆要付手續費與滑價的交易。沒有哪一條線在一般情況下較好;在你的市場、K 棒週期與期間上,扣除成本後領先的那一條,對你來說就是較好的,而且只有兩者採用相同成本的回測,才能顯示是哪一條。

HMA 的最佳設定是什麼?

沒有單一的最佳長度。常見的 HMA 設定是 9、16、25 與 49,因為它們的平方根都是整數。依你自己的 K 棒週期,讓長度與想跟隨的行情的 K 棒數相符,再把鄰近長度當成一整段來測試。只有在周圍長度表現相近時,才保留該長度。

赫爾移動平均會重繪嗎?

HMA 由過去的收盤價計算,所以已完成的 K 棒的值之後不會改變。仍在形成中的 K 棒上的值,會隨每次報價變動而移動,直到該 K 棒收盤,所有移動平均都是如此。為避免依據可能還會改變的值行動,請在 K 棒收盤時讀取訊號,並在下一根 K 棒開盤成交,回測也這樣設定。

HMA 與 DEMA 有什麼差別?

兩者都把較快的平均加倍再減去較慢的平均,以消除落後。DEMA 用指數移動平均,到此為止。HMA 用反應更快的加權移動平均,再以平方根長度的短加權平均平滑差值。結果是一條比 DEMA 更貼近價格的線,在趨勢中更快,在盤整中雜訊更多。

參考文獻

  • Brock, W., Lakonishok, J., & LeBaron, B. (1992). Simple Technical Trading Rules and the Stochastic Properties of Stock Returns. The Journal of Finance, 47(5), 1731–1764.
  • Park, C.-H., & Irwin, S. H. (2007). What Do We Know About the Profitability of Technical Analysis? Journal of Economic Surveys, 21(4), 786–826.
  • Bailey, D. H., Borwein, J., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance. Notices of the American Mathematical Society, 61(5), 458–471.