在股票投資中，除了觀察公司的基本面（EPS、PE、殖利率），很多投資人也會參考 技術面分析，試著從價格與成交量的變化，找出股價的趨勢與買賣時機。今天我們來介紹兩個最常見的技術指標： MA（移動平均線） 和 RSI（相對強弱指標）。

技術面分析的基本概念

技術面分析的核心假設是：「市場的所有資訊，都已經反映在股價上」。
因此，只要研究股價與成交量的變化，就能幫助投資人判斷 趨勢 與 可能的反轉點。

常見技術分析工具包括：

• 趨勢線與型態學（頭肩頂、三角收斂）

• 各種技術指標（MA、RSI、MACD、布林通道等）

• 成交量觀察

今天先專注在 MA 和 RSI，這兩個是新手最容易上手的工具。

MA 移動平均線

1.原理

移動平均線（Moving Average, MA）是將股價在某一段時間的平均數畫出來，幫助投資人看清楚趨勢，去除短期雜訊。

• 短期均線（5日、10日）：敏感，適合觀察短線趨勢。

• 中期均線（20日、60日）：觀察中期方向。

• 長期均線（120日、240日）：大趨勢的方向。

2. 實際應用

• 均線黃金交叉：短期均線向上突破長期均線 → 上漲趨勢訊號。

• 均線死亡交叉：短期均線向下跌破長期均線 → 下跌趨勢訊號。

RSI 相對強弱指標

1. 原理

RSI（Relative Strength Index）是一種動能指標，用來衡量股價「漲勢」與「跌勢」的相對強度。

公式大意：

𝑅𝑆𝐼 =100 − 100/1+𝑅𝑆
其中 RS = 平均漲幅 ÷ 平均跌幅。

2. 常見判斷區間

• RSI > 70：股價可能過熱，短期有回檔壓力。

• RSI < 30：股價可能超跌，短期有反彈機會。

• 40–60 區間：盤整整理。

3. 注意事項

RSI 並不是絕對買賣訊號，若股價長期強勢，RSI 可能一直維持在高檔。要搭配趨勢判斷。

Python yfinance 實作範例

接下來我們用 Python + yfinance，實際計算 MA 和 RSI。
以下以 台積電 ADR（TSM） 為例：

python
import yfinance as yf
import pandas as pd

# 下載台積電ADR的歷史股價
stock = yf.download("TSM", start="2023-01-01", end="2025-01-01")

# 計算移動平均線 (MA)
stock["MA20"] = stock["Close"].rolling(window=20).mean()  # 20日均線
stock["MA60"] = stock["Close"].rolling(window=60).mean()  # 60日均線

# 計算 RSI
def compute_RSI(data, window=14):
    delta = data["Close"].diff()
    gain = delta.where(delta > 0, 0)
    loss = -delta.where(delta < 0, 0)

    avg_gain = gain.rolling(window=window).mean()
    avg_loss = loss.rolling(window=window).mean()

    rs = avg_gain / avg_loss
    rsi = 100 - (100 / (1 + rs))
    return rsi

stock["RSI14"] = compute_RSI(stock, 14)

# 顯示最近幾筆數據
print(stock[["Close", "MA20", "MA60", "RSI14"]].tail(10))

輸出結果：

• MA20 與 MA60 幫助我們判斷中短期趨勢。

• RSI14 則用來觀察是否進入超買或超賣區。

結語

• MA 幫助我們看趨勢，不要被短期波動影響。

• RSI 幫助我們判斷市場情緒，避免追高殺低。

• 技術指標不該單獨使用，要搭配基本面、成交量與市場趨勢綜合判斷。

👉 明天（Day 7），在掌握 MA 與 RSI 之後，明天我們將繼續探索更進階的技術指標 —— MACD 與 KD，看看它們如何幫助投資人抓住買賣轉折點，並搭配 Python 實作實際應用！