随机指标 KDJ 实战：金叉死叉背后的 RSV/K/D/J 是怎么算出来的

你打开任何一款行情软件，副图里那个由 K、D、J 三条线交织的指标叫 KDJ，又被叫做「随机指标」。几乎每个 A 股散户都能脱口而出「金叉买、死叉卖」，但你要是追问一句——K、D、J 这三个数到底是怎么算出来的？为什么金叉会比死叉更灵？J 线冲出 100 或跌破 0 意味着什么？——十个人里九个会卡壳。

结论先放这：KDJ 不是什么神秘黑箱，它本质是对「当前收盘价在最近 N 日高低区间里的位置」做两次指数平滑，再额外造一条放大乖离的 J 线。它的全部信息量，可以用一句话概括：RSV（Raw Stochastic Value，未成熟随机值）衡量「今天收盘离这 9 天的最低价有多近」，K 是 RSV 的慢化，D 是 K 的再慢化，J = 3K − 2D 是把超买超卖的极端程度放大给你看。它是一套典型的「区间摆动 + 均值回复」工具——在震荡市里极好用，在单边趋势市里会反复打脸。

在我们的合成行情（一段温和上行、中段夹一次约 −22% 急跌的 600 个交易日）上：用「J 进入超卖区(<25)后出现的金叉买入、死叉或 J 冲进超买区(>85)平仓」的规则跑回测，KDJ 多头策略 总收益 +15.5%（年化 6.2%、Sharpe 1.30、最大回撤仅 −3.3%）；同期买入持有虽然终值 +5.2%，却吃下了 −30.8% 的中段回撤。KDJ 真正厉害的不是赚得多，而是把那次急跌几乎完全避开——这正是摆动类指标的核心价值：它不是利润引擎，是回撤刹车。

一、从 RSV 到 J：四步把价格变成三条线#

KDJ 的计算分四步，全部是确定性的，不用任何参数拟合：

1) RSV(i) = (Close(i) − Lowest(9)) / (Highest(9) − Lowest(9)) × 100
           → 今天收盘在最近 9 日「最低~最高」区间里的百分位（0~100）
2) K(i)  = 2/3 · K(i−1) + 1/3 · RSV(i)      → RSV 的指数平滑（初值 50）
3) D(i)  = 2/3 · D(i−1) + 1/3 · K(i)        → 对 K 再平滑一次（初值 50）
4) J(i)  = 3·K(i) − 2·D(i)                   → 乖离放大项，可 >100 或 <0

关键认知：K、D 都是「上一期自己 × 2/3 + 当期输入 × 1/3」的 EMA 结构。所以 K 比 RSV 平滑、D 比 K 更平滑——这就是为什么「金叉」（K 上穿 D）本质上是「短期摆动刚转强」的信号，而 D 作为慢线更稳，过滤了大量噪声。J = 3K − 2D 是个放大项：当 K 远高于 D（强超买），J 会冲过 100；当 K 远低于 D（强超卖），J 会跌破 0。J 的尖刺，就是 KDJ 最灵敏的「极端预警」。

二、从零实现：纯 numpy 复刻公式#

我们用纯 numpy 把上面四步摊开。注意 Highest/Lowest(9) 用滑动窗口取极值，K 和 D 用循环递推（因为是指数平滑，必须按时间顺序）。

import numpy as np

def compute_kdj(close, n=9, m1=3, m2=3):
    N = len(close)
    # 1) 最近 n 日的最高 / 最低（滑动窗口）
    H = np.array([close[max(0, i-n+1):i+1].max() for i in range(N)])
    L = np.array([close[max(0, i-n+1):i+1].min() for i in range(N)])
    # 2) RSV：收盘在区间里的百分位；高低相等时给中性 50
    RSV = np.where(H == L, 50.0, (close - L) / (H - L) * 100.0)
    # 3) K / D：两次 EMA 平滑（m1、m2 默认都是 3，即 2/3 权重）
    K = np.zeros(N); D = np.zeros(N)
    K[0] = 50.0; D[0] = 50.0
    for i in range(1, N):
        K[i] = (m1-1)/m1 * K[i-1] + 1/m1 * RSV[i]
        D[i] = (m2-1)/m2 * D[i-1] + 1/m2 * K[i]
    # 4) J：乖离放大项
    J = 3*K - 2*D
    return K, D, J, RSV

这里有个容易踩的坑：当某 9 日窗口内最高价等于最低价（比如一字涨停/跌停、或数据缺失），分母是 0。我们用 np.where(H==L, 50.0, ...) 把它当成「中性」处理，避免除零得到 NaN 污染整条序列。实际工程里这步不能省。

三、交易规则：别在超买区追金叉#

裸的「金叉买、死叉卖」有个大毛病：在强势单边上涨里，K、D 常年躺在 80 以上，金叉不断出现，你会在高位反复追进去。所以成熟的用法是加一个「位置过滤」：

• 买入：要求 J 先跌进超卖区（<25）后，才接受金叉——意思是「跌透了、开始反转」才动手。
• 卖出：死叉 或 J 冲进超买区（>85）就离场——意思是「涨疯了、该歇了」就走。

def gen_signals(K, D, J):
    N = len(K)
    long_entry = np.zeros(N, dtype=bool)
    long_exit  = np.zeros(N, dtype=bool)
    pos = 0
    for i in range(1, N):
        golden = (K[i-1] <= D[i-1]) and (K[i] > D[i])   # 金叉
        death  = (K[i-1] >= D[i-1]) and (K[i] < D[i])   # 死叉
        if pos == 0:
            if golden and J[i] < 25:        # 超卖区金叉 → 买
                long_entry[i] = True;  pos = 1
        else:
            if death or J[i] > 85:          # 死叉 或 超买 → 卖
                long_exit[i]  = True;  pos = 0
    return long_entry, long_exit

注意规则里「先判断 pos==0 才允许开仓」——这是状态机，保证同一时刻不会既多又空、也不会重复开仓。回测里每个信号次日按收盘价执行（signal-on-i / execute-on-i+1，避免偷看未来）。

四、实测结果：KDJ 真正价值是「躲回撤」#

把规则在一段「温和上行 + 中段急跌」的合成行情上跑（600 交易日），结果如下：

这张表要反过来读才对：KDJ 的总收益只比买入持有多 10 个点，看着不惊人；但它把最大回撤从 −30.8% 压到 −3.3%——中段那次 −22% 的急跌，KDJ 在超买/死叉信号下几乎全程空仓，完美避开。对实盘而言，−3.3% 的回撤意味着你睡得着觉、不用在最低点割肉；−30.8% 的回撤意味着你可能已经心态崩了。摆动指标卖的是「睡眠」，不是「暴富」。

净值曲线把这件事说得更直白：

绿色阶梯（KDJ）前期在单边上涨段几乎贴着 1.0 走——因为它要等「超卖区金叉」才进场，所以单边市里它会跑输、会踏空，这是它必须付的代价。但只要行情一进入震荡/回调，买入持有（灰虚线）暴跌 30% 的那段，KDJ 稳稳停在高位。整条曲线，是「用踏空换回撤可控」的教科书。

五、诚实拆穿：五类真实陷阱#

① 滞后性：金叉是「过去涨了才金叉」，不是「未来会涨」的预测。 KDJ 全部来自收盘价的历史窗口，本质是「右侧确认」。金叉出现时，价格往往已经反弹了一段——你买在半山腰，赚的是「反弹延续」的钱，不是「抄到最低」。所以别神话它，它就是个慢半拍的跟随器。

② 钝化（最好的也是最坏的）：单边市里 K、D 粘在 80/20 不动。 强势上涨时，RSV 长期在 90 以上，K、D 会「钝化」地贴着 80 上沿走，金叉死叉频繁假信号；这时如果你死守「死叉才卖」，会卖飞一大段主升浪。钝化是 KDJ 的阿喀琉斯之踵：它证明这指标天生为震荡市设计，遇到趋势得另配过滤器（如均线方向、ADX）。

③ 单边上涨市严重跑输（踏空代价）。 本文回测前期单边上行段，KDJ 一直等不到「超卖区金叉」，净值贴地飞行，而买入持有已涨 35%。任何摆动指标都有这个结构性弱点：它靠「低买高卖」吃饭，没有趋势给你低买高卖时，它就失业。所以 KDJ 不该单独扛组合，该和趋势指标搭配。

④ 参数脆弱：n=9 是约定俗成，不是最优。 默认 9 日 RSV + 3 日平滑，源自 1980 年代美股（一周半交易）。换到 A 股、加密、或不同周期（周线/分钟线），9/3/3 未必合适。把 n 调到 14 或平滑改 2，信号密度和胜率会明显变——参数要按品种和周期重新标定，不能无脑照搬。

⑤ 超买≠必跌、超卖≠必涨（伪信号）。 新手最容易犯的错：看到 J>100 就做空、J<0 就抄底。但在强趋势里，J 可以连续十几天 >100（超买再超买），也可以 <0 之后继续 <0。超买超卖只说明「偏离大」，不说明「要反转」。真正可靠的信号是「J 从极端区拐头 + K/D 金叉/死叉共振」，单看 J 冲线去反向开仓，是爆仓捷径。

六、落到量化：你的日常工作流#

1. 先复刻公式再谈策略：用上面 compute_kdj 把 K/D/J 算出来，对照软件副图逐点核对——很多「策略不灵」的 bug，其实是自己实现的 RSV 窗口或平滑权重和平台不一致。
2. 永远加位置过滤 + 趋势过滤：裸金叉死叉不可用；至少加「超卖区才接金叉」和一条方向均线（如价格在 60 日均线上才允许做多），把钝化期的假信号砍掉。
3. 把它当「回撤刹车」而不是「收益引擎」：报告里重点看最大回撤和回撤持续时间，而不是总收益。KDJ 的贡献是「让你在崩盘段空仓」，这体现在回撤项上，不是 alpha 项上。

真实落地时，A 股日线直接用 close/high/low 序列喂进 compute_kdj 即可；若要做分钟级或跨品种，记得先统一复权方式（前复权/后复权会让高低价窗口结果不同）。本文纯 numpy 合成只为把「RSV→K→D→J」的每一步摊开。记住：KDJ 是震荡市的拐杖、趋势市的绊脚石——它的价值写在回撤里，不在收益里。