技术分析是投资者在金融市场进行决策时常用的一种方法，它通过分析历史价格和成交量等数据，来预测未来市场的走势。掌握以下五个基本指标，可以帮助投资者更准确地把握市场动向。

一、移动平均线（Moving Average，MA）

移动平均线是一种常用的趋势跟踪工具，它通过计算一定时间内的平均价格来平滑价格波动，从而揭示市场的长期趋势。

1. 计算方法

移动平均线的计算方法如下：

def moving_average(prices, window_size):
    return [sum(prices[i:i+window_size]) / window_size for i in range(len(prices) - window_size + 1)]

2. 应用实例

假设我们有一个包含过去30天收盘价的列表，我们可以使用上述代码来计算30天的简单移动平均线（SMA）：

prices = [100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130]
ma_30 = moving_average(prices, 30)

通过观察移动平均线的走势，我们可以判断市场是处于上升趋势、下降趋势还是震荡趋势。

二、相对强弱指数（Relative Strength Index，RSI）

相对强弱指数是一种动量指标，用于衡量股票或其他资产的超买或超卖状态。

1. 计算方法

RSI的计算方法如下：

def rsi(prices, window_size):
    gains = [max(prices[i] - prices[i-1], 0) for i in range(1, len(prices))]
    losses = [max(prices[i-1] - prices[i], 0) for i in range(1, len(prices))]
    avg_gain = sum(gains) / len(gains)
    avg_loss = sum(losses) / len(losses)
    rsi = 100 - (100 / (1 + avg_gain / avg_loss))
    return rsi

2. 应用实例

假设我们有一个包含过去14天的收盘价列表，我们可以使用上述代码来计算RSI值：

prices = [100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113]
rsi_14 = rsi(prices, 14)

当RSI值高于70时，市场可能处于超买状态；当RSI值低于30时，市场可能处于超卖状态。

三、布林带（Bollinger Bands）

布林带是一种波动率指标，由一个中心线（移动平均线）和两个价格通道组成。

1. 计算方法

布林带的计算方法如下：

import numpy as np

def bollinger_bands(prices, window_size, num_of_std):
    ma = np.mean(prices[-window_size:])
    std = np.std(prices[-window_size:])
    upper_band = ma + num_of_std * std
    lower_band = ma - num_of_std * std
    return ma, upper_band, lower_band

2. 应用实例

假设我们有一个包含过去20天收盘价的列表，我们可以使用上述代码来计算布林带：

prices = [100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119]
ma, upper_band, lower_band = bollinger_bands(prices, 20, 2)

当价格触及布林带的上轨或下轨时，可能预示着市场的反转。

四、成交量（Volume）

成交量是衡量市场活跃度的指标，它反映了投资者对某一资产的兴趣。

1. 计算方法

成交量的计算方法如下：

def volume(prices):
    return [prices[i] - prices[i-1] for i in range(1, len(prices))]

2. 应用实例

假设我们有一个包含过去10天收盘价和成交量的列表，我们可以使用上述代码来计算成交量：

prices = [100, 101, 102, 103, 104, 105, 106, 107, 108, 109]
volumes = volume(prices)

当成交量增加时，可能意味着市场趋势的加强。

五、MACD（Moving Average Convergence Divergence）

MACD是一种趋势跟踪指标，它通过计算两个不同时间周期的移动平均线的差值和差值的移动平均线来揭示市场的趋势。

1. 计算方法

MACD的计算方法如下：

def macd(prices, short_window, long_window, signal_window):
    short_ma = np.mean(prices[-short_window:])
    long_ma = np.mean(prices[-long_window:])
    macd = short_ma - long_ma
    signal_ma = np.mean(macd[-signal_window:])
    return macd, signal_ma

2. 应用实例

假设我们有一个包含过去12天收盘价的列表，我们可以使用上述代码来计算MACD：

prices = [100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111]
macd, signal_ma = macd(prices, 9, 26, 9)

当MACD线与信号线交叉时，可能预示着市场的反转。

通过掌握以上五个基本指标，投资者可以更全面地了解市场动向，从而做出更明智的投资决策。然而，需要注意的是，技术分析并非万能，投资者在使用时应结合基本面分析、市场情绪等多种因素进行综合判断。