进阶因子工程热门课程
查看详情因子工程设计卓越班
围绕因子工程搭建完整设计框架，覆盖 AI 特征衍生、策略因子设计和可进化的因子体系。
4.9 (645评价)645人学习12小时6节
围绕因子工程搭建完整设计框架，覆盖 AI 特征衍生、策略因子设计和可进化的因子体系。
¥8,999
技术指标SMA卷积核技术指标结构理解
SMA 不是一条神秘均线，而是最简单的固定权重卷积核
解释第四场公开课里对 SMA 的重新解读，帮助学习者从结构角度理解传统均线与卷积之间的联系。
2026-03-306分钟
很多人学习 SMA 的方式，是记住它是一条简单移动平均线，然后把它放进各种交叉策略和技术指标体系里用。但第四场公开课的一个重要视角，是把 SMA 重新翻译成最简单的固定权重卷积核。这样一来，SMA 就不再只是交易经验里的一个线条，而变成了一个非常清晰的结构模块：在固定窗口里，对各个时点赋予相同权重，再得到一个平滑结果。
一旦理解到这里，SMA 的很多局限和优点都会自然显露出来。它为什么平滑、为什么会滞后、为什么对窗口长度敏感，都不再需要靠经验背诵，而可以直接从卷积结构本身得到解释。
一旦用卷积视角理解 SMA，很多传统指标都能被重新组织
从结构上看，很多传统技术指标都可以被重新解释成某种窗口、某种核、某种聚合方式。SMA 只是最基础的一层。也正因为这样，SMA 不应只是“会用”而已，而应该成为理解更高阶权重机制的起点。公开课用 SMA 起手，就是在给后面的 EMA、LSTM 和 Attention 铺路。
换句话说，SMA 的真正价值，不在于它本身多先进，而在于它让学习者开始接受：技术指标其实也可以被白箱化、模块化、结构化。
关键结论
- SMA 最适合被理解为固定权重卷积核
- 结构视角能解释 SMA 的优点、滞后和敏感性来源
- SMA 是进入更高阶权重机制理解的第一步
关联课程
如果你想把这篇文章里的方法系统化学习，可以从这些课程继续深入。
