斐波那契加权移动平均线（Fibonacci Weighted Moving Average，FWMA）——结合数学与趋势的智能均线指标

一、指标简介与中文命名

英文名称：Fibonacci Weighted Moving Average 中文名称：斐波那契加权移动平均线

斐波那契加权移动平均线（FWMA）是一种创新型的加权移动平均线，基于著名的斐波那契数列对历史数据赋予权重。由Kevin Johnson提出，FWMA在传统加权移动平均线（WMA）的基础上，通过斐波那契序列的独特递增权重分配，使得均线计算更贴合自然规律和市场节奏。

二、斐波那契数列及其在技术分析中的应用

斐波那契数列是一种经典数学序列：0, 1, 1, 2, 3, 5, 8, 13, 21...每个数字都是前两个数字之和。斐波那契数列在自然界、艺术、金融等领域广泛存在，尤其在金融市场中，用于测算支撑阻力和价格回撤点位。

FWMA就是将斐波那契数列引入加权移动平均计算，使得权重分布符合市场自然节奏，提供更合理的趋势信号。

三、FWMA的计算原理

传统WMA中，权重通常线性递减，而FWMA的权重则由斐波那契数列决定。权重分配如下：

• 当 asc=True，最近价格数据权重更高，权重为斐波那契数列的倒序（近来的数值对应数列的较大值）；
• 当 asc=False，权重顺序与数列一致，历史数据权重更高。

权重总和用于归一化计算，确保FWMA为加权平均。

四、pandas_ta库中FWMA的使用方法

pandas_ta 库提供了简便的 fwma() 函数，用于快速计算FWMA。

函数参数：

示例代码：

import pandas_ta as ta
import yfinance as yf
import matplotlib.pyplot as plt

# 获取标的股票数据
df = yf.download("AAPL", start="2023-01-01", end="2024-01-01")

# 计算10日斐波那契加权移动平均线
df["FWMA_10"] = ta.fwma(df["Close"], length=10, asc=True)

# 绘图对比
plt.figure(figsize=(14,6))
plt.plot(df["Close"], label="收盘价", alpha=0.6)
plt.plot(df["FWMA_10"], label="FWMA 10日", color="purple")
plt.title("苹果公司收盘价与斐波那契加权移动平均线（FWMA）")
plt.legend()
plt.grid()
plt.show()

五、FWMA的优势与特点

• 权重设计独特：借助斐波那契数列自然递增的权重分布，更符合市场节奏，较传统WMA更具韧性；
• 灵敏度适中：在保留趋势平滑性的同时，对近期价格变化有较好反应；
• 灵活调整：asc 参数允许交易者根据策略需要调整权重分配方向，适应不同市场环境。

六、实际应用场景与交易策略

1. 趋势识别

FWMA能够有效识别价格趋势方向，配合价格突破FWMA线的买卖信号，常用作趋势跟踪工具。

2. 支撑与阻力判断

由于加权分布合理，FWMA经常作为动态支撑阻力线，辅助投资者判断回调买入或减仓点。

3. 多周期组合

结合短周期与长周期FWMA的交叉信号，形成买入卖出的交易策略，提升信号的准确率。

七、与其他均线的对比分析

八、总结

斐波那契加权移动平均线（FWMA）融合了数学美学与技术分析的智慧，是一种创新且实用的趋势工具。它通过斐波那契数列赋予价格数据独特权重，既避免了传统加权均线的单一线性权重限制，也提供了灵敏且平滑的趋势信号。

借助pandas_ta库，投资者能够轻松计算和应用FWMA，将其作为趋势判别和交易决策的重要参考指标。无论是日内交易还是中长线投资，FWMA都值得纳入您的技术分析工具箱中，助力科学决策与风险控制。