加权移动平均线（WMA）是一种滚动平均值，它通过为窗口内的每个观测值分配权重并相乘，使不同观测值对结果产生不同程度的影响。WMA 的计算方法是将加权后的数值相加，再除以总权重。在交易中，WMA 通常指线性加权移动平均线，即最新价格获得最大的权重。
WMA 对 权重最大的观测值反应最为明显，但 WMA 仍然使用历史数据，因此依旧属于滞后性指标。预测方法可能采用自定义权重，而许多交易平台则使用固定的线性序列 1、2、...、n。因此，在比较两个 WMA 数值之前，必须先确认其计算方法。
线性 WMA 在保留所选窗口内全部数值的同时，将最大的位次权重赋予最新数值。
什么是加权移动平均线？
加权移动平均线是一种滚动平均值，其中每个观测值都会乘以指定权重，因此某些观测值对结果的影响大于其他观测值。滚动窗口决定纳入哪些观测值，而权重则决定每个被纳入观测值的贡献大小。
通常会给予较新的观测值更高权重，因为近期数值可能更能代表时间序列的当前水平。按时间新近程度加权是一种方法选择，而非数学上的硬性要求：自定义 WMA 可以采用任何合理的非零权重模式，前提是计算过程中始终一致地应用预设权重，并除以其总和。
每一个 WMA 数值都代表一个窗口。当时间序列向前推进时，最旧的观测值会移出窗口，最新的观测值会进入窗口，并重新分配位次权重。这种滚动更新机制正是移动平均与一次性加权平均之间的区别。
所得的 WMA 与原始观测值保持相同单位：价格输入产生基于价格的 WMA，而需求输入则产生基于需求的 WMA。权重改变的是影响程度，而不是基础序列的含义或单位。
WMA 与线性加权移动平均线是同一个概念吗？
在交易中，WMA 和线性加权移动平均线常被当作同义词使用，但这两个术语并不在所有情况下完全相同。线性加权移动平均线按照等差序列分配权重，通常是最旧观测值权重为 1，下一个观测值权重为 2，而最新观测值权重为 n。
而一般性的 WMA 则可能使用自定义权重，例如 0.20、0.30 和 0.50。预测模型通常使用这些自定义权重来体现某项业务假设，或采用经过预测误差检验的权重组合。许多图表平台将 WMA 默认理解为线性版本，因此在复现某个数值之前，应先核实平台说明、周期、价格来源以及从最旧到最新的权重顺序。
这种区分很重要，因为两种方法即使使用相同的三个观测值，只要权重不同，结果也会不同。一旦明确了 WMA 的类型，公式就能清楚展示每个数值与其权重之间的关系。
加权移动平均线的公式是什么？
WMA 等于每个数值乘以其权重后的总和，再除以所有权重之和。对于 n 个按顺序排列的观测值，一般公式为：
WMA = (w1 × x1 + w2 × x2 + ... + wn × xn) / (w1 + w2 + ... + wn)
在该公式中，x 表示观测值，w 表示与该数值对应的权重，n 表示窗口中的观测值数量。分子是加权总和，分母则通过总权重对结果进行标准化。
对于权重为 1 到 n 的线性 WMA，公式可写为：
线性 WMA = (1 × x_最旧 + 2 × x_下一个 + ... + n × x_最新) / [n × (n + 1) / 2]
分母 n × (n + 1) / 2 是三角数，等于 1 + 2 + ... + n。因此，三周期线性 WMA 的分母为 6，而四周期线性 WMA 的分母为 10。
一般公式适用于任何有效权重；线性公式则使用 1 到 n 的权重。
为什么权重需要标准化？
权重需要标准化，才能使 WMA 保持与观测值相同的量纲。除以总权重，是为了将加权总和转换为平均值，而不是保留为未经缩放的总量。
原始权重 1、2 和 3 的总和为 6。其标准化后的等效形式为 1/6、2/6 和 3/6，总和为 1。两种形式得到的结果相同：
(10 × 1 + 12 × 2 + 15 × 3) / 6 = 13.17
(10 × 1/6) + (12 × 2/6) + (15 × 3/6) = 13.17
只有在所提供的权重本身总和已经等于 1（或 100%）时，才可以省略除以 SUM(weights) 这一步。如果原始权重总和大于 1 却省略除法，得到的将是加权总和，而不是加权移动平均线。标准化也解释了为什么三周期线性 WMA 的分母是 6：6 只是位次权重之和。
如何计算加权移动平均线？
先选择窗口，分配权重，将每个数值乘以对应权重，把乘积相加，再除以总权重。从最旧到最新的顺序必须在每一步中保持一致。
1. 选择滚动窗口中的周期数。
2. 按从最旧到最新的顺序排列观测值。
3. 为每个观测值分配预定权重。
4. 将每个观测值乘以对应权重，并将乘积相加。
5. 用加权总和除以权重之和。
对于线性 WMA，最新观测值获得最大的位次权重。对于自定义 WMA，权重顺序应遵循已记录的方法模型，而不是假定的序列。只有当下一个时间周期推进窗口并重复计算时，这五个步骤才算完整。
WMA 的计算遵循五个可审计步骤。
三周期加权移动平均线示例
对于数值 10、12 和 15，若从最旧到最新的权重分别为 1、2 和 3，则三周期线性 WMA 为 13.17。最新数值 15 的贡献最大，因为最新数值获得了最大权重。
表：使用从最旧到最新权重 1、2 和 3 的三周期线性 WMA。
计算过程如下：
三周期 WMA = (10 × 1 + 12 × 2 + 15 × 3) / (1 + 2 + 3) 三周期 WMA = 79 / 6 三周期 WMA = 13.17
对于同样这三个上升数值，WMA 13.17 高于未加权平均值 12.33，因为线性 WMA 给予较高、较新的观测值更大的影响力。当近期观测值下跌时，这种关系也可能反转，因此不应将该结果解读为其相较等权平均始终具有固定优势。
有两个检查点可以使该示例具备可审计性。首先，加权乘积之和必须为 79，权重之和必须为 6。其次，使用非负权重计算的 WMA 应位于窗口内最小值与最大值之间，因此 13.17 应落在 10 与 15 之间。最终数值应在 79 除以 6 之后再四舍五入；若过早对每个乘积或权重进行取整，可能会改变较长计算过程的结果。
权重顺序会产生明显影响。如果对相同数值错误地按从最旧到最新赋予 3、2、1 的权重，结果将是 11.50，而不是 13.17。差异完全来自于哪个观测值获得了最大影响力。
窗口如何移动到下一个周期
WMA 进入下一个周期时，会移除最旧观测值，加入最新观测值，并在新窗口内重新分配位次权重。加入第四个数值 18 后，三周期窗口将从 10、12、15 变为 12、15、18。
表：使用相同位次权重的连续三周期 WMA 窗口。
权重 3 并不会一直附着在数值 15 上。权重 3 会移动到最新位置，而在第二个窗口中，该位置由 18 占据。若将顺序反转，则描述的将是另一种模型，因为最旧观测值会获得最大影响力。
对于 n 周期 WMA，前 n - 1 行没有足够的观测值来形成完整窗口。因此，三周期 WMA 在第 1 期和第 2 期没有完整窗口输出；第一个有效 WMA 出现在第 3 期。图表软件可能将这些初始行显示为空白、直接省略，或采用平台特定的预热方法。
移动平均线是一个序列：每个新周期都会推进窗口并重新分配位次权重。
随着序列增长，手动重复这些计算会变得低效，因此使用电子表格实现便成为下一步更实际的选择。
如何在 Excel 中计算 WMA？
使用 =SUMPRODUCT(value_range,weight_range)/SUM(weight_range)，并保持数值区域与权重区域的大小和顺序一致。SUMPRODUCT 会将每个数值与其对应权重相乘并求和，而 SUM 则提供用于标准化的分母。
若数值 10、12 和 15 位于单元格 A2:A4，原始权重 1、2 和 3 位于单元格 D2:D4，则输入：
=SUMPRODUCT(A2:A4,$D$2:$D$4)/SUM($D$2:$D$4)
美元符号可在向下填充公式时固定权重区域。在下一行输出中，数值区域应从 A2:A4 移动到 A3:A5，而权重区域保持为 D2:D4。数值区域与权重区域必须包含相同数量的单元格，并使用相同的从最旧到最新顺序。
对于三周期 WMA，前两个输出单元格应保持空白，因为尚不存在完整的三数值窗口。正式工作表可以通过空白单元格检查来处理这些行，但除非方法明确允许，否则计算不应默认替代为更短窗口。
使用大小相同、顺序一致的数值区域和权重区域；除非权重总和为 1，否则应除以 SUM(weights)。
线性权重和自定义权重的 Excel 公式
线性 WMA 和自定义 WMA 的 Excel 公式使用相同的 SUMPRODUCT 结构；变化的只有权重区域。三周期 WMA 的线性权重为 1、2 和 3，而自定义模型可能使用 0.20、0.30 和 0.50。
当权重区域包含总和不一定为 1 的原始权重时，使用以下公式：
=SUMPRODUCT(A2:A4,$D$2:$D$4)/SUM($D$2:$D$4)
只有在确认权重区域总和恰好为 1 时，才使用以下更简短的公式：
=SUMPRODUCT(A2:A4,$F$2:$F$4)
原始线性权重 1、2 和 3，与标准化权重 1/6、2/6 和 3/6，都会返回相同的 WMA。电子表格仍应显示权重总和，以便发现权重区域反向、遗漏单元格或百分比输入错误等问题。
计算方法相同，但预测与交易回答的是不同问题，因此需要不同的验证方式。
自动化输出现在可用于两种不同应用：下一周期预测，或绘制为交易指标。每种应用都需要各自的解释和评估方法。
WMA 如何用于预测？
在预测中，滞后型 WMA 使用近期观测值的加权结果作为下一周期的估计值，通常适用于较短预测期。该预测假设所选窗口和权重模式包含了对下一观测值有用的信息。
对于相对平稳且近期历史仍具参考价值的序列，WMA 预测最为直接。趋势、季节性、结构性变化以及需求模式变化，都可能使固定权重组合失去可靠性，因此需要用后续观测值对权重组合和预测期进行检验。
当 WMA 用于预测时，计算方法并不会改变。改变的是解释方式：WMA 输出被赋值给下一周期作为估计值，而不只是绘制为平滑后的历史曲线。
三个月加权移动平均预测示例
三个月 WMA 预测会将最近三个月的每个观测值乘以其指定权重，并在权重总和为 1 时，将其总和作为下一期预测值。若月度需求值为 10、12 和 15 单位，权重为 0.20、0.30 和 0.50，则第 4 个月的预测值为 13.10 单位。
表：权重总和为 1 的三个月一步预测需求示例。
公式如下：
第 4 个月预测 = (10 × 0.20) + (12 × 0.30) + (15 × 0.50)
第 4 个月预测 = 13.10 单位
13.10 单位这一结果是一步预测，而不是对未来每个月的预测。若要递归预测第 5 个月，在无法获得第 4 个月实际需求的情况下，就必须将第 4 个月预测值视为观测值纳入计算。因此，每增加一步递归预测，都会部分依赖更早的预测值，这可能累积误差，并使预测路径趋于平缓或发生扭曲。
这些小数权重总和为 1，因此无需额外除法。原始权重 2、3 和 5 在除以 10 后，也会得到相同的 13.10 单位预测值。该预测值也低于最新需求值 15 单位，因为前两个较低观测值仍占总权重的一半。
应如何选择并测试预测权重？
预测权重应基于有记录的理由进行选择，并使用预先定义的误差指标，在未用于调优权重的时期上进行测试。只有当近期观测值确实能改善目标预测期的预测效果时，给予近期更大权重才是合理的。
一个实用的验证流程如下：
1. 明确预测期以及该预测将支持的决策。
2. 保留后续观测值作为验证期或留出样本期。
3. 设定符合模型约束的候选权重组合，例如非负且总和为 1 的权重。
4. 在不改变评估期的前提下，使用每组候选权重生成预测。
5. 使用预定义指标比较误差，例如平均绝对误差（MAE）或均方误差（MSE）。
6. 检查所选权重在不同验证期以及不同市场或需求条件下是否仍保持稳定。
MAE 反映误差绝对值的平均大小，而 MSE 通过平方处理使较大误差具有更大影响。两者都不能证明某组权重在所有情况下都是最优；应选择哪种指标，取决于不同误差规模所带来的成本。在用于评估模型的同一组观测值上优化权重，可能会对历史噪声过拟合，因此最终评估应使用未见过的时期。
预测是将 WMA 与未来实际观测值进行比较来评估。交易则以不同方式使用相同的数学输出，即将绘制出的 WMA 与价格或另一条均线进行比较。
WMA 如何作为交易指标使用？
作为交易指标，WMA 绘制的是近期价格的加权平均值，用于描述趋势方向，并且相较于同周期的等权简单移动平均线（SMA），对近期价格变化反应更强。交易者可以比较 WMA'的斜率、当前价格以及其他移动平均线，但 WMA 并不能提供确定性的预测。
WMA 上升表示近期价格的加权基准正在上移，而 WMA 下降则表示该加权基准正在下移。价格位于 WMA 上方或下方，描述的是当前市场与该基准之间的关系；这种关系只是观察结果，并不能证明下一次价格波动必然沿同一方向延续。
WMA 仍然具有滞后性，因为每一个 WMA 数值都是基于当前及更早的价格计算得出。更强调最新价格，可能相较同周期 SMA 减少部分滞后，但更高的敏感度也可能使 WMA 对短暂价格波动产生反应。
趋势方向、价格交叉与 WMA 交叉
当价格穿越某条 WMA，或短周期 WMA 穿越长周期 WMA 时，就会出现 WMA 交叉。价格/WMA 交叉比较的是当前价格与一条加权基准线，而双 WMA 交叉比较的是一条较快基准线与一条较慢基准线。
表：常见 WMA 观察信号的直接解读与必要注意事项。
因此，交叉规则需要在明确周期、价格输入、交易成本假设和风险控制条件下单独测试。图表可以展示交叉发生的位置，但只有经过明确设定的测试，才能评估该规则在特定市场和时间框架下是否有效。
WMA 周期、价格来源与市场条件
WMA 的表现取决于周期长度、输入价格、图表时间框架以及市场条件。较短周期使用的观测值更少，通常反应更快；较长周期则会平滑更多价格波动，通常反应更慢。
输入值可以是收盘价，也可以是平台支持的其他价格来源。两张标注为 “20 周期 WMA” 的图表可能不同，如果其中一张使用收盘价，而另一张使用不同输入，或两个平台采用不同的 WMA 定义。时间框架也会改变一个周期所代表的含义：五分钟图上的 20 个观测值，与日线图上的 20 个观测值，并不代表相同的时间范围。
趋势性市场可能形成持续斜率并减少基准交叉，而震荡市场则可能使价格反复围绕 WMA 波动。不存在放之四海而皆准的最佳周期。周期和输入值应根据分析目标进行选择，并在相关交易品种、时间框架和市场环境下进行测试。
当将 WMA 与其他移动平均及成交量加权方法进行比较时，这些设置的影响会更加清晰。
WMA 与 SMA、EMA、VWMA 和 VWAP 的比较
WMA 按选定序列为观测值分配权重，SMA 对所有观测值赋予相同权重，EMA 使用指数衰减权重，而 VWMA 和 VWAP 则以成交量而非时间新近程度作为主要权重依据。这些方法不能互换，因为每种方法回答的是不同的加权问题。
表：按加权基础和适用范围比较移动平均与成交量加权方法。
对于同样的三周期上升序列 10、12、15，随后再到 18，只要披露全部参数，就可以对这些方法进行比较。三周期 SMA 和线性 WMA 都首次出现在第 3 期。三周期 EMA 使用 alpha = 2 / (3 + 1) = 0.5，并以第 3 期 SMA 作为初始值。
表：在同一四数值序列上计算的 SMA、线性 WMA 和 EMA。
这三种平均值之所以不同，是因为它们的加权规则不同；响应速度取决于数据和参数。
在这个上升示例中，WMA 在第 4 期最高，因为最新且最高的价格获得了最大的线性权重。但这种顺序并非固定不变：若新的数值下跌，WMA 可能会更明显地下行，而不同的 EMA 参数也会改变比较结果。因此，适用的方法应取决于所需的加权基础、记忆方式和用途，而不是简单贴上普遍“更好”的标签。
WMA 的优势与局限
WMA 的反应速度可能快于同周期 SMA，但更强调近期观测值也可能提高对噪音的敏感度，并不能消除滞后。WMA 的每一项优势，都伴随着相应的实施或解读成本。
表：WMA 优势与局限的对应关系。
当不等影响具有合理依据，且由此带来的权衡对决策而言可以接受时，WMA 是有用的。若权重模式是随意设定的、序列发生了市场状态切换，或将输出结果当作未来结果的证明，WMA 的效果就会较弱。这些局限说明，正确实施和验证与公式本身同样重要。
常见的加权移动平均线错误
最常见的 WMA 错误包括：颠倒权重顺序、遗漏标准化、电子表格区域错位，以及将加权历史平均值当作对未来的确定性判断。每一种错误都会改变计算结果或结果含义。
• 颠倒最旧与最新的权重： 在计算第一个窗口之前，先确认最新观测值是否应获得最大权重。
• 省略分母： 除非权重已经标准化且总和为 1，否则应除以 SUM(weights)。
• 使用大小不一致的数值区域和权重区域： 每个观测值都应对应一个权重，并保持两个区域顺序一致。
• 让权重固定附着于数值： 当滚动窗口推进后，应重新分配位次权重；最大的线性权重属于最新位置。
• 用部分窗口数值填充初始行： 除非使用有记录的预热方法，否则前 n - 1 个完整窗口输出应保持空白。
• 比较假设不同的方法： 在比较输出结果之前，应披露周期、价格来源、权重序列、EMA 初始值和成交量范围。
• 将预测视为确定结果： 应在后续观测值上评估预测误差，并说明预测期。
• 将交叉视为自动交易信号： 应测试完整规则，包括成本、风险控制以及震荡市场下的表现。
• 在评估期上进行优化： 应保留留出样本期，以便在未用于调优的观测值上评估预测或交易参数。
因此，正确使用 WMA 取决于透明的权重定义、可审计的计算过程，以及与应用场景相匹配的评估方法。
将简单加权移动平均分析付诸实践
TMGM MetaTrader 平台允许交易者按周期、应用价格和时间框架配置加权移动平均线（WMA）。请使用一致的设置来识别清晰的趋势方向，根据真实价格结构验证您的观察结果，并始终在采取行动前明确您的风险。
