Centered Moving Average（居中移動平均）完整解析：技術分析與應用

在金融市場的技術分析工具中，「移動平均」足以稱為最家喻戶曉的指標之一。然而，許多人只熟悉簡單移動平均（SMA）與指數移動平均（EMA），對於在統計學與時間序列分析中被廣泛採用的「居中移動平均」（Centered Moving Average，簡稱 CMA）卻相對陌生。CMA 的價值不僅在於平滑噪音、看清趨勢，更在於其「零相位延遲（zero-phase）」的特性，使它在趨勢擷取、季節性調整與研究回測中極具意義。本文將完整解析 CMA 的概念、計算方式、與其他均線的比較、應用場景與實作細節，並提供在真實交易中避免「未來函數」誤用的關鍵提醒。

Contents

基本概念與直觀理解

為何要「居中」？

一般移動平均是將當期與過去若干期的資料取平均，因此曲線相對「滯後」於價格；而居中移動平均會將平均值「放回」樣本窗的中心位置。這種處理讓平滑後的值在時間軸上與實際資料對齊，避免相位偏移，因此能更忠實地呈現趨勢本身。

與一般移動平均的差別

以 5 期視窗為例，SMA 會把第 1 至第 5 期的平均，標在第 5 期位置；CMA 則將該平均標在第 3 期（居中）位置。結果是：SMA 有可觀的延遲，而 CMA 在時間上更「對齊」趨勢。但要注意，CMA 需要「未來」數據才能居中，因此即時交易若直接使用，會產生前視偏誤。

平滑與相位：零相位的核心價值

技術分析常面臨平滑（抑制噪音）與延遲（反應變慢）的權衡。CMA 的設計是對稱視窗與對稱權重，因此在離線分析時能達成近似零相位的特性：既保留平滑效果，又不造成整體相位偏移，特別適合趨勢估計、季節性分解等研究用途。

數學與計算細節

奇數視窗的計算

對於奇數長度 n 的視窗（如 n=5），CMA 的第 t 點等於從 t−k 到 t+k（k=(n−1)/2）的資料取平均，並將結果標在時間 t。這是一個對稱、等權的單純平均，因此容易實作，且能保證零相位特性。

偶數視窗的處理

偶數長度（如 n=4）無法直接定位唯一中心，因此常見做法是先取連續 n 期的平均，分別對齊到窗口中心「間隙」兩側，再對相鄰兩個平均值取平均，將該值標在真正的中心點。這相當於做兩次平滑，以克服偶數視窗無中心的問題。

權重設計與變體

CMA 常見為等權，但也可採對稱加權（例如三角形權重），使邊緣較輕、中心較重，以進一步壓抑高頻噪音。關鍵原則是權重必須對稱，才能保留零相位優勢；若不對稱，將重新引入相位延遲。

與其他均線的比較

SMA、EMA、HMA 與 CMA

SMA 等權且易懂，但滯後明顯；EMA 對新資料較敏感、反應較快，但仍有相位延遲；HMA（Hull MA）透過加速與去滯後技巧減少延遲；CMA 則透過對稱結構獲得零相位特性，適合用於分析與研究，尤其在辨識趨勢或季節成分時更準確。

優缺點與適用場景

CMA 的優勢是趨勢對齊與噪音抑制並存，缺點是需要未來資料，不可直接用於即時下單。因此它更適合：離線回測、模型開發、季節性調整、周期研究與報告分析；若用於實盤，需改造為因果版本或採「延遲對齊」替代。

在波動市場中的特點

在高波動資產（如加密貨幣、商品期貨）上，CMA 能清楚顯示「結構性趨勢」而非短期隨機波動，便於觀察 regime 切換。但若轉為即時交易，需透過替代方案避免前視偏誤，否則績效會被高估。

應用一：趨勢擷取與噪音過濾

從走勢判讀到結構變化

將價格以 CMA 平滑後，能更直觀地觀察趨勢斜率、轉折與平台期，對於判斷多空階段、結構性變盤與趨勢持續性非常有效。投資組合層面，也可用 CMA 來平滑資產收益率，觀察波動擴張與收斂的週期特徵。

很多朋友在問幣安的邀請碼是多少。不管是合約交易還是現貨交易，邀請碼是一樣的——【LBWIR57Q】，這個看似簡單的動作可以讓你終身享受交易20%手續費折扣（返現）及加上BNB手續費折扣，25% 20%+25%=45%！

點擊加入幣安

應用二：季節性與周期分析

去季節化與趨勢-季節-殘差分解

在宏觀與商品領域，常先以 CMA 擷取長期趨勢，再用原始序列減去趨勢，得到季節性與隨機成分；接著以季節因子做調整，還原更平穩的趨勢序列。這種「趨勢-季節-殘差」分解對報價敏感的商品與需求週期明顯的產業尤其實用。

周期濾波與頻域觀點

從濾波角度，對稱的 CMA 是一種有限脈衝響應（FIR）平滑器，主要抑制高頻噪音。若結合同步的帶通濾波概念（例如以不同視窗長度的 CMA 相減），可近似抓取中期周期，常見於期貨或股指的週期交易研究。

應用三：交易訊號設計

價格穿越與信號落地

研究時可用「價格穿越 CMA」做為趨勢判斷，但實盤必須避免前視：做法是將 CMA「延遲對齊」（將居中結果向右移半窗長），或改用因果濾波器（如 EMA 或 HMA）模擬等效延遲，確保信號在當下可被觸發。

均線交叉與多週期結合

可設計「快」與「慢」兩條 CMA（研究階段），檢視交叉對應的趨勢切換精準度；落地時以相同延遲補償方式替換為因果版本。多週期信號（如日線慢趨勢+小時線快調整）能提升進出的一致性與倖存性。

應用四：風險控制與倉位管理

斜率、斜率變化率與槓桿調整

以 CMA 斜率量化趨勢強弱，根據斜率或其變化率（ROC）調整倉位或槓桿，可在趨勢擴張期提高曝險、在盤整或轉弱時降風險。這在波動資產的風控中特別有效，搭配波動目標值能形成自適應的曝險框架。

包絡帶與停損規則

以 CMA 為中線建立包絡帶（如按 ATR 或歷史波動率擴張），可作為動態停損或移動停損依據。包絡帶亦可輔助判斷「過度偏離」的均值回歸機會，惟需注意 regime 切換時的尾部風險。

實作步驟與注意事項

參數選擇與情境對應

短線（分鐘）常用 7–11 期以兼顧反應速度；波段（日線）常見 20–40 期以提升穩健性；中長期或宏觀序列則可能用 100–200 期擷取結構性趨勢。最佳參數需以資產特性、交易頻率與週期目標共同決定。

資料品質、缺失值與邊界處理

CMA 在序列兩端無法居中，導致起迄段落無法計算或需截尾；實作時應明確界定可用樣本區間。缺失值與跳點需先行處理（前值填補/刪除），期貨換月與夜盤缺口亦應正規化，避免扭曲平滑結果。

進階主題：濾波器與混合模型

零相位 FIR、HP 濾波與卡爾曼

CMA 是對稱 FIR 平滑器的入門範例；若追求更平滑的趨勢，可參考 Hodrick–Prescott（HP）濾波或局部回歸（LOESS）。實盤中，可以卡爾曼濾波建立因果、可即時更新的趨勢估計，作為 CMA 的可交易替代方案。