复核 EMA 指标时，我会先固定这三个计算口径

复核策略里的 EMA 时，最容易出现的情况是：周期都写着 20，结果却和行情软件、另一套回测代码对不上。问题往往不在公式本身，而是计算口径没有写清楚。pandas 的 ewm 参数不少，我现在至少会固定下面三项。

一、先决定 adjust

pandas 默认 adjust=True，它会把历史数据按指数衰减权重重新归一化；adjust=False 则按递推式计算：本期 EMA = (1-α)×上期 EMA + α×本期价格。两种写法在样本刚开始时差异比较明显，数据足够长后才会逐渐接近。如果策略要和常见的递推指标保持一致，我会明确写成：

ema20 = close.ewm(span=20, adjust=False, min_periods=20).mean()

二、缺失值不能只做一次 dropna

ignore_na=False 是默认值，权重按原始位置计算；设为 True 后，权重按非空观测之间的相对位置计算。股票停牌、数据源漏值或拼接不同交易日时，这个区别会直接改变缺口之后的 EMA。更稳妥的做法是先确定缺失值代表什么，再决定填充、保留还是跳过，不能为了让代码运行就统一前向填充。

三、给指标留足预热期

min_periods 默认可以很早输出结果，但这不等于指标已经稳定。设置 min_periods=20 能避免不足 20 个有效观测时就生成信号。不过即使这样，回测开始处仍可能受初值影响。我通常会额外加载一段历史数据用于预热，算完指标后再截取正式回测区间。

最后还要注意，span=20 并不是“只使用最近 20 天”，它对应的平滑系数是 α=2/(20+1)，更早的数据仍以递减权重参与计算。把 adjust、ignore_na、min_periods 和预热长度写进策略配置，比只记录一句“20 日 EMA”更利于复现，也能减少不同环境之间的对账误差。