在股票市场的历史长河中，各种指标和公式被投资者们广泛研究和应用。90年代，随着计算机技术的普及，一些经典的炒股指标公式应运而生。本文将揭秘这些指标公式，并分析它们在今日市场的应用。

一、90年代炒股指标公式概述

1. 移动平均线（MA）

移动平均线是90年代最常用的指标之一，它通过计算一定时期内的平均股价，来反映股票价格的走势。常见的移动平均线包括5日、10日、20日、60日等。

2. 相对强弱指数（RSI）

相对强弱指数是衡量股票超买或超卖状态的一种指标。它通过比较股票价格上涨和下跌的幅度，来评估股票的买卖压力。

3. 成交量（VOL）

成交量是衡量股票交易活跃程度的重要指标。通常，成交量越大，说明市场关注度越高。

4. 指数平滑异同移动平均线（MACD）

MACD是通过计算两个不同周期的指数移动平均线的差值，来判断股票的买卖时机。

二、实战解析

1. 移动平均线实战解析

移动平均线在实际操作中，可以用来判断股票的支撑位和阻力位。例如，当股价跌破5日均线时，可能预示着股票将进入下跌趋势。

import numpy as np

# 假设有一组股票价格数据
prices = np.array([10, 12, 11, 13, 14, 15, 16, 14, 13, 12])

# 计算5日移动平均线
ma_5 = np.convolve(prices, np.ones(5)/5, mode='valid')

# 输出5日移动平均线
print(ma_5)

2. 相对强弱指数（RSI）实战解析

RSI的计算公式如下：

RSI = 100 - (100 / (1 + RS))

其中，RS的计算公式为：

RS = 平均上涨幅度 / 平均下跌幅度

平均上涨幅度和平均下跌幅度的计算公式分别为：

平均上涨幅度 = (最高价 - 前一交易日最高价) / 前一交易日最高价
平均下跌幅度 = (前一交易日最低价 - 最低价) / 前一交易日最低价

以下是一个RSI计算的示例代码：

def calculate_rsi(prices, periods=14):
    diff_prices = np.diff(prices)
    up_prices = np.where(diff_prices > 0, diff_prices, 0)
    down_prices = np.where(diff_prices < 0, -diff_prices, 0)
    avg_up = np.cumsum(up_prices) / np.arange(1, len(up_prices) + 1)
    avg_down = np.cumsum(down_prices) / np.arange(1, len(down_prices) + 1)
    rs = avg_up / avg_down
    rsi = 100 - (100 / (1 + rs))
    return rsi

# 假设有一组股票价格数据
prices = np.array([10, 12, 11, 13, 14, 15, 16, 14, 13, 12])

# 计算RSI
rsi = calculate_rsi(prices)

# 输出RSI
print(rsi)

3. 成交量（VOL）实战解析

成交量在实战中可以用来判断市场情绪。例如，当股价上涨时，成交量也随之放大，说明上涨趋势较为强劲。

4. 指数平滑异同移动平均线（MACD）实战解析

MACD的计算公式如下：

MACD = DIF - DEA
DIF = 12日EMA - 26日EMA
DEA = 9日EMA(DIF)

其中，EMA（指数平滑移动平均）的计算公式为：

EMA = (2 / (N + 1)) * EMA前一交易日 + (1 / (N + 1)) * 当日收盘价

以下是一个MACD计算的示例代码：

def calculate_macd(prices, short_period=12, long_period=26, signal_period=9):
    dif = np.diff(prices)
    ema_short = np.convolve(dif, np.ones(short_period)/short_period, mode='valid')
    ema_long = np.convolve(dif, np.ones(long_period)/long_period, mode='valid')
    macd = ema_short - ema_long
    signal = np.convolve(macd, np.ones(signal_period)/signal_period, mode='valid')
    return macd, signal

# 假设有一组股票价格数据
prices = np.array([10, 12, 11, 13, 14, 15, 16, 14, 13, 12])

# 计算MACD
macd, signal = calculate_macd(prices)

# 输出MACD和信号线
print(macd)
print(signal)

三、今日市场应用

90年代的炒股指标公式在今日市场依然具有很高的应用价值。投资者可以根据自身需求，结合多种指标，来制定适合自己的投资策略。

例如，在股票上涨过程中，投资者可以关注MACD和RSI指标。当MACD金叉（DIF线上穿DEA线）且RSI处于50以上时，可以视为买入信号。

总之，90年代的炒股指标公式在今日市场依然具有重要的参考价值。投资者可以通过学习和应用这些指标，提高自己的投资成功率。