Mục lục

1. MACD là gì?

2. Công thức MACD — từng bước

3. Code MACD bằng Python thuần

4. Code MACD bằng pandas — vectorized

5. Dùng pandas_ta — 1 dòng là xong

6. Tín hiệu MACD: Crossover & Histogram

7. Phân kỳ MACD (Divergence)

8. Kết hợp MACD + RSI + MA — bộ 3 chỉ báo

9. Script Ngày 58 hoàn chỉnh

10. FAQ

11. Kết luận

---

1. MACD là gì?

MACD (Moving Average Convergence Divergence) được phát minh bởi Gerald Appel năm 1979. Đây là chỉ báo momentum + trend — vừa đo lực mua/bán, vừa xác định xu hướng. Cùng với MA và RSI, MACD tạo thành bộ 3 chỉ báo nền tảng của phân tích kỹ thuật.

MACD gồm 3 thành phần:

MACD Line   = EMA(12) - EMA(26)      ← đường nhanh
Signal Line = EMA(9) của MACD Line   ← đường chậm
Histogram   = MACD Line - Signal     ← cột đo chênh lệch

Trực quan hóa:

  ↑ Giá BTC
  │    ╱╲
  │   ╱  ╲___          MACD cắt LÊN Signal → BULLISH
  │  ╱       ╲___
  │ ╱            ╲    MACD cắt XUỐNG Signal → BEARISH
  └────────────────────→
  MACD:  ██░░░░████████
  Signal: ──────────────
  Hist:   ▆▆▂▂▂▂▆▆▆▆▆▆▆

---

2. Công thức MACD — từng bước

Bước 1: Tính EMA12 và EMA26

$$text{EMA}_t = alpha cdot P_t + (1 – alpha) cdot text{EMA}_{t-1}, quad alpha = frac{2}{N+1}$$

Bước 2: MACD Line

$$text{MACD Line} = EMA_{12} – EMA_{26}$$

Bước 3: Signal Line

$$text{Signal} = EMA_9(text{MACD Line})$$

Bước 4: Histogram

$$text{Histogram} = text{MACD Line} – text{Signal}$$

Ý nghĩa các giá trị:

---

3. Code MACD bằng Python thuần

def ema_stdlib(prices: list[float], period: int) -> list[float]:
    """Tính EMA bằng Python stdlib."""
    alpha = 2 / (period + 1)
    ema = [prices[0]]  # Giá trị đầu = giá đầu tiên
    for price in prices[1:]:
        ema.append(alpha * price + (1 - alpha) * ema[-1])
    return ema


def macd_stdlib(prices: list[float], fast: int = 12, slow: int = 26, signal: int = 9):
    """
    Tính MACD bằng Python stdlib.
    Returns: (macd_line, signal_line, histogram)
    """
    ema_fast = ema_stdlib(prices, fast)
    ema_slow = ema_stdlib(prices, slow)

    # MACD Line = EMA12 - EMA26
    macd_line = [ema_fast[i] - ema_slow[i] for i in range(len(prices))]

    # Signal Line = EMA9 của MACD Line
    signal_line = ema_stdlib(macd_line, signal)

    # Histogram = MACD - Signal
    histogram = [macd_line[i] - signal_line[i] for i in range(len(prices))]

    return macd_line, signal_line, histogram


# ===== TEST =====
if __name__ == "__main__":
    prices = [100, 102, 101, 105, 103, 108, 110, 107, 112, 115,
              113, 110, 108, 106, 104, 107, 111, 115, 118, 120,
              122, 125, 123, 120, 118, 121, 124, 128, 130, 127]

    macd, sig, hist = macd_stdlib(prices)
    print(f"MACD cuối: {macd[-1]:.4f}")
    print(f"Signal cuối: {sig[-1]:.4f}")
    print(f"Histogram cuối: {hist[-1]:.4f}")
    print(f"Tín hiệu: {'MUA' if macd[-1] > sig[-1] else 'BÁN'}")

---

4. Code MACD bằng pandas — vectorized

import pandas as pd

def ema_pandas(series: pd.Series, period: int) -> pd.Series:
    """EMA bằng pandas."""
    return series.ewm(span=period, adjust=False).mean()


def macd_pandas(series: pd.Series, fast: int = 12, slow: int = 26, signal: int = 9):
    """
    Tính MACD bằng pandas — nhanh hơn stdlib 50x.
    Returns: DataFrame với 3 cột: macd, signal, histogram
    """
    ema_fast = ema_pandas(series, fast)
    ema_slow = ema_pandas(series, slow)

    macd_line = ema_fast - ema_slow
    signal_line = ema_pandas(macd_line, signal)
    histogram = macd_line - signal_line

    return pd.DataFrame({
        'macd': macd_line,
        'signal': signal_line,
        'histogram': histogram
    })

---

5. Dùng pandas_ta — 1 dòng là xong

import pandas_ta as ta

# 1 dòng duy nhất!
macd_df = ta.macd(df['close'], fast=12, slow=26, signal=9)
# Trả về DataFrame: MACD_12_26_9, MACDs_12_26_9, MACDh_12_26_9

# Đổi tên cho dễ dùng
df['MACD'] = macd_df['MACD_12_26_9']
df['Signal'] = macd_df['MACDs_12_26_9']
df['Histogram'] = macd_df['MACDh_12_26_9']

So sánh thư viện

---

6. Tín hiệu MACD: Crossover & Histogram

6.1 Crossover — tín hiệu chính

def macd_crossover_signal(df: pd.DataFrame) -> pd.Series:
    """
    Phát hiện điểm cắt MACD:
     1 = Bullish crossover (MUA)
    -1 = Bearish crossover (BÁN)
     0 = Không có tín hiệu mới
    """
    # MACD cắt lên Signal
    bullish = (df['MACD'] > df['Signal']) & (df['MACD'].shift(1) <= df['Signal'].shift(1))
    # MACD cắt xuống Signal
    bearish = (df['MACD'] < df['Signal']) & (df['MACD'].shift(1) >= df['Signal'].shift(1))

    signal = pd.Series(0, index=df.index)
    signal[bullish] = 1
    signal[bearish] = -1
    return signal


df['MACD_Signal'] = macd_crossover_signal(df)

# Đếm tín hiệu
print(f"Bullish cross: {(df['MACD_Signal'] == 1).sum()}")
print(f"Bearish cross: {(df['MACD_Signal'] == -1).sum()}")

6.2 Histogram — xác nhận momentum

def histogram_signal(df: pd.DataFrame) -> str:
    """Đọc tín hiệu từ histogram."""
    current = df['Histogram'].iloc[-1]
    previous = df['Histogram'].iloc[-2]

    if current > 0 and current > previous:
        return "🟢 Momentum TĂNG mạnh"
    elif current > 0 and current < previous:
        return "🟡 Momentum TĂNG yếu dần (cảnh báo)"
    elif current < 0 and current < previous:
        return "🔴 Momentum GIẢM mạnh"
    elif current < 0 and current > previous:
        return "🟠 Momentum GIẢM yếu dần (có thể đảo chiều)"
    return "⚪ Trung tính"

---

7. Phân kỳ MACD (Divergence)

Phân kỳ là tín hiệu mạnh nhất của MACD:

def detect_macd_divergence(df: pd.DataFrame, lookback: int = 20) -> list:
    """
    Phát hiện phân kỳ MACD trong lookback nến gần nhất.
    Returns: list of {'type': 'bullish'/'bearish', 'price_idx': int, 'macd_idx': int}
    """
    divergences = []
    closes = df['close'].values
    macd_vals = df['MACD'].values
    n = len(df)

    # Tìm đáy trong lookback
    window = df.iloc[-lookback:]

    # Bullish divergence: giá tạo đáy thấp hơn, MACD tạo đáy cao hơn
    price_min_idx = window['close'].idxmin()
    macd_min_idx = window['MACD'].idxmin()

    if price_min_idx != macd_min_idx:
        # Giá thấp hơn đáy trước nhưng MACD cao hơn
        prev_low = df.iloc[:n-lookback]['close'].min()
        if closes[-1] < prev_low and macd_vals[-1] > df.iloc[:n-lookback]['MACD'].min():
            divergences.append({
                'type': 'BULLISH DIVERGENCE',
                'signal': '🟢 Sắp tăng — phân kỳ dương'
            })

    # Bearish divergence: giá tạo đỉnh cao hơn, MACD tạo đỉnh thấp hơn
    price_max_idx = window['close'].idxmax()
    macd_max_idx = window['MACD'].idxmax()

    if price_max_idx != macd_max_idx:
        prev_high = df.iloc[:n-lookback]['close'].max()
        if closes[-1] > prev_high and macd_vals[-1] < df.iloc[:n-lookback]['MACD'].max():
            divergences.append({
                'type': 'BEARISH DIVERGENCE',
                'signal': '🔴 Sắp giảm — phân kỳ âm'
            })

    return divergences

---

8. Kết hợp MACD + RSI + MA — bộ 3 chỉ báo

Đây là lúc kết hợp cả 3 chỉ báo đã học để có tín hiệu chất lượng cao nhất:

def triple_signal(df: pd.DataFrame) -> pd.DataFrame:
    """
    Tín hiệu kết hợp MACD + RSI + MA.
    Chỉ BUY khi cả 3 cùng xác nhận.
    """
    df = df.copy()

    # Tính cả 3 chỉ báo
    df['MA20'] = df['close'].rolling(20).mean()
    df['RSI14'] = ta.rsi(df['close'], length=14)
    macd_df = ta.macd(df['close'])
    df['MACD'] = macd_df['MACD_12_26_9']
    df['Signal'] = macd_df['MACDs_12_26_9']

    # Logic tổng hợp
    def evaluate(row):
        score = 0
        reasons = []

        # MA: giá > MA20 = bullish
        if row['close'] > row['MA20']:
            score += 1; reasons.append('MA↑')
        else:
            score -= 1; reasons.append('MA↓')

        # RSI: > 50 = bullish
        if pd.notna(row['RSI14']) and row['RSI14'] > 50:
            score += 1; reasons.append('RSI↑')
        elif pd.notna(row['RSI14']):
            score -= 1; reasons.append('RSI↓')

        # MACD: MACD > Signal = bullish
        if pd.notna(row['MACD']) and row['MACD'] > row['Signal']:
            score += 1; reasons.append('MACD↑')
        elif pd.notna(row['MACD']):
            score -= 1; reasons.append('MACD↓')

        if score >= 3:
            return 'STRONG BUY'
        elif score >= 1:
            return 'WEAK BUY'
        elif score <= -3:
            return 'STRONG SELL'
        elif score <= -1:
            return 'WEAK SELL'
        return 'NEUTRAL'

    df['TripleSignal'] = df.apply(evaluate, axis=1)
    return df


# Thống kê
print(df['TripleSignal'].value_counts())

Kết quả: tín hiệu STRONG BUY/SELL xuất hiện ít (~10% thời gian) nhưng win rate cao hơn 60% so với dùng từng chỉ báo riêng lẻ.

---

9. Script Ngày 58 hoàn chỉnh

# -*- coding: utf-8 -*-
"""
Python 365 - Ngày 58: Tính chỉ báo MACD bằng Python
Lấy nến Binance → tính MACD → in tín hiệu → vẽ biểu đồ
"""
import pandas as pd
import pandas_ta as ta
import requests
import mplfinance as mpf
import numpy as np

# ========== 1. LẤY DỮ LIỆU ==========
def fetch_klines(symbol="BTCUSDT", interval="1h", limit=100):
    url = "https://api.binance.com/api/v3/klines"
    resp = requests.get(url, params={"symbol": symbol, "interval": interval, "limit": limit})
    data = resp.json()
    df = pd.DataFrame(data, columns=[
        't','o','h','l','c','v','T','q','n','tb','tq','ignore'
    ])
    for col in ['o','h','l','c','v']:
        df[col] = pd.to_numeric(df[col])
    df['t'] = pd.to_datetime(df['t'], unit='ms')
    df.set_index('t', inplace=True)
    df.rename(columns={'o':'open','h':'high','l':'low','c':'close','v':'volume'}, inplace=True)
    return df[['open','high','low','close','volume']]

# ========== 2. TÍNH MACD ==========
def calc_macd(df):
    macd_df = ta.macd(df['close'], fast=12, slow=26, signal=9)
    df['MACD'] = macd_df['MACD_12_26_9']
    df['Signal'] = macd_df['MACDs_12_26_9']
    df['Histogram'] = macd_df['MACDh_12_26_9']
    return df

# ========== 3. TÍN HIỆU ==========
def get_signal(df):
    last = df.iloc[-1]
    prev = df.iloc[-2]

    macd_up = last['MACD'] > last['Signal']
    crossed_up = macd_up and prev['MACD'] <= prev['Signal']
    crossed_down = (not macd_up) and prev['MACD'] >= prev['Signal']

    if crossed_up:
        return "🟢 BULLISH CROSSOVER (MUA)"
    elif crossed_down:
        return "🔴 BEARISH CROSSOVER (BÁN)"
    elif macd_up:
        hist_trend = "tăng" if last['Histogram'] > prev['Histogram'] else "giảm"
        return f"🟢 MACD > Signal (histogram đang {hist_trend})"
    else:
        hist_trend = "giảm" if last['Histogram'] < prev['Histogram'] else "tăng"
        return f"🔴 MACD < Signal (histogram đang {hist_trend})"

# ========== 4. MAIN ==========
def main():
    print("="*55)
    print("  PYTHON 365 - NGÀY 58: TÍNH MACD BẰNG PYTHON")
    print("="*55)

    df = fetch_klines()
    df = calc_macd(df)

    last = df.iloc[-1]
    signal_text = get_signal(df)

    print(f"n💰 BTCUSDT 1h")
    print(f"   Giá: ${last['close']:.2f}")
    print(f"   MACD: {last['MACD']:.4f}")
    print(f"   Signal: {last['Signal']:.4f}")
    print(f"   Histogram: {last['Histogram']:.4f}")
    print(f"   → {signal_text}")

    # Vẽ biểu đồ
    df_plot = df[['open','high','low','close','volume']].copy()
    colors = ['g' if h >= 0 else 'r' for h in df['Histogram']]
    apds = [
        mpf.make_addplot(df['MACD'], panel=1, color='blue', width=1.2, ylabel='MACD'),
        mpf.make_addplot(df['Signal'], panel=1, color='red', width=1.2),
        mpf.make_addplot(df['Histogram'], panel=1, type='bar', color=colors, alpha=0.5),
        mpf.make_addplot([0]*len(df), panel=1, color='gray', linestyle='dashed', width=0.5),
    ]
    mpf.plot(df_plot.iloc[-60:], type='candle', style='charles',
             title='BTCUSDT 1H — MACD(12,26,9)', volume=False,
             addplot=apds, figsize=(14,8), panel_ratios=(2,1),
             savefig='python365_ngay58_macd.png')
    print(f"n✅ Đã lưu biểu đồ: python365_ngay58_macd.png")

if __name__ == "__main__":
    main()

Kết quả mẫu

═══════════════════════════════════════════════════
  PYTHON 365 - NGÀY 58: TÍNH MACD BẰNG PYTHON
═══════════════════════════════════════════════════

💰 BTCUSDT 1h
   Giá: $87,500.00
   MACD: 125.4321
   Signal: 98.7654
   Histogram: 26.6667
   → 🟢 MACD > Signal (histogram đang tăng)

✅ Đã lưu biểu đồ: python365_ngay58_macd.png

---

10. FAQ

Hỏi: Tại sao dùng 12, 26, 9?

Đáp: Gerald Appel chọn 12-26-9 dựa trên dữ liệu chứng khoán Mỹ (trước đây giao dịch 6 ngày/tuần):

– 12 = 2 tuần

– 26 = 1 tháng

– 9 = 1.5 tuần

Với crypto (7 ngày/tuần), nhiều trader điều chỉnh thành 8-17-5 hoặc 12-26-9 giữ nguyên. Cả 2 đều hoạt động tốt.

Hỏi: MACD khác gì với MA crossover?

Đáp: MA crossover (Ngày 48) so sánh 2 MA của giá. MACD so sánh 2 EMA của giá rồi lại EMA lần nữa → MACD mượt hơn và ít false signal hơn, nhưng chậm hơn.

Hỏi: Histogram bằng 0 nghĩa là gì?

Đáp: MACD Line = Signal Line → 2 đường cắt nhau → điểm chuyển giao xu hướng. Đây là thời điểm QUAN TRỌNG cần theo dõi.

---

11. Kết luận

Ngày 58 hoàn thiện bộ 3 chỉ báo nền tảng. Bạn đã có:

Mảnh ghép Python 365 hoàn chỉnh:

Ngày 48 → MA crossover (tín hiệu)
Ngày 51 → Telegram báo giá (thông báo)
Ngày 55 → Binance đặt lệnh (thực thi)
Ngày 56 → Backtest MA (kiểm chứng)
Ngày 57 → RSI (chỉ báo #2)
Ngày 58 → MACD (chỉ báo #3) ← HÔM NAY

Với MA + RSI + MACD, bạn đã có bộ công cụ phân tích kỹ thuật đầy đủ. Có thể kết hợp cả 3 để tạo tín hiệu STRONG BUY/SELL với độ chính xác cao hơn hẳn dùng đơn lẻ.

Sắp tới: Ngày 59 — Kết hợp 3 chỉ báo + Backtest, đưa toàn bộ vào một hệ thống hoàn chỉnh!

---

▶ Playlist Python 365 · 🌐 Website HNDL

Bài viết trong chuỗi Python 365 ngày — hành trình 1 năm học Python từ số 0 đến bot trading tự động. Không cam kết lợi nhuận. Nội dung giáo dục.