关于MA的问题请教下
平台上有个MA的计算公式，如下：
MA(security_list, check_date, timeperiod=5)，
请问下，这里面的security_list，我可以换成其它的指标嘛？
我试了下用mean(),但是结果与通达信的数据差得好大。
问题描述
解决方案
1. MA 函数的 security_list 可以换成其他指标吗？
在 JoinQuant 的技术指标库（jqlib.technical_analysis）中，MA(security_list, check_date, timeperiod=5) 这个函数的底层逻辑是**专门针对股票代码（Security）**去获取其历史收盘价，然后再计算移动平均的。因此，你不能直接把 security_list 替换成一个已经计算好的指标序列或数值列表，否则函数会因为无法识别股票代码而报错。
2. 如何对自定义指标求移动平均（MA）？
如果你已经计算出了某个自定义指标的时间序列（例如一个 pandas.Series 或 list），想要对它求移动平均，最标准且高效的方法是使用 Python 数据分析库 Pandas 的 rolling 方法。
代码示例：
import pandas as pd
# 假设 custom_indicator 是你计算出来的一个包含历史数据的 pandas.Series
# 计算5日简单移动平均 (SMA)
ma_5 = custom_indicator.rolling(window=5).mean()
# 获取最新一天的 MA 值
latest_ma = ma_5.iloc[-1]
3. 为什么用 mean() 算出来的结果和通达信差很大？
如果你自己用 mean() 算出来的 MA 结果与通达信软件上的数据差异很大，通常是由以下几个原因造成的：
A. 复权方式不一致（最常见原因）
- JoinQuant 默认机制：在回测或获取数据时，JoinQuant 默认提供的是前复权数据。如果你开启了
set_option('use_real_price', True)，通过attribute_history或get_price拿到的依然是基于当天的前复权价格。 - 通达信机制：通达信软件默认可能显示的是不复权价格，或者你对比时通达信使用的是不同基准日的前复权。复权因子的差异会导致历史价格不同，从而算出来的 MA 均线值产生巨大差异。
- 解决方法：确保两边使用完全相同的复权方式。可以在 JoinQuant 中使用
get_price(..., fq=None)获取不复权数据进行对比验证。
B. 停牌数据的处理方式不同
- JoinQuant 默认机制：在获取历史数据时（如
attribute_history），默认skip_paused=True（跳过停牌日）。但如果使用get_price且未设置跳过，停牌日会用前一天的收盘价填充。 - 通达信机制：通达信的 K 线图通常是直接跳过停牌日的。如果两边对停牌日的处理不一致，计算 MA 时的“过去 N 天”所涵盖的实际交易日就会不同。
- 解决方法：检查标的在计算周期内是否有停牌，确保 JoinQuant 取数据时
skip_paused的设置与通达信的展示逻辑一致。
C. 计算公式的差异
- 通达信中的
MA是简单移动平均（Simple Moving Average）。如果你在 JoinQuant 中不小心使用了EMA（指数移动平均）或VWAP（成交量加权平均价），结果自然不同。 - 确保你使用的是
rolling(window=N).mean()，这等价于通达信的MA(C, N)。
总结建议
对于自定义指标的均线计算，放弃内置的 MA 函数，直接使用 pandas 的 rolling().mean()。同时，严格核对 JoinQuant 获取底层数据时的复权参数（fq）和停牌处理参数（skip_paused），使其与通达信的设置保持一致，数据差异自然就会消除。