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 Soren Huang · 發佈 · 更新於 · 編輯原則
目錄
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。
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:
- 取一條一半長度(n/2)的 WMA,以及一條完整長度(n)的 WMA。
- 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。
- 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。
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 |
|---|---|---|---|---|
| 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 |
實務上可依序這樣做:
- 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。
- 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。
- 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 |
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:
- 只在已收盤的 K 棒上計算 HMA(16)。
- 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。
- 在下一根 K 棒的開盤成交進場。
- 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。
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。
- 選定市場、K 棒週期與期間,兩條規則都固定使用。
- 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。
- 把基本趨勢規則寫成明確的進場與出場。
- 以同樣方式寫出 HMA 規則,成交時點相同。
- 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。
- 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。

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.

