bloodsir bloodsir
关注数: 10 粉丝数: 3 发帖数: 185 关注贴吧数: 53
KD指标钝化的研   一个常见的技术指标叫随机指标,代号是KD或KDJ,参数我们通常选9。   从2132点上来的过程中,KD指标出现了一个异常少见的现象,那就是连续二十多个交易日在高位运行,在经典的技术分析理论中,这种现象被称为高位钝化。实际上KD指标高位钝化并非罕见,不过现在的特点是上证指数刚刚创了一年多来的新低,换句话说目前的市场态势是上证指数从底部回升,在这种情况下KD指标出现高位钝化是非常少见的。   KD指标是一个常用指标,不过很少有人会去分析它的基本含义,但不去分析它的基本含义就无法解释目前这种高位钝化的现象,所以我们还需要回归KD指标的本质。   理解KD指标要从威廉指标开始,用1减去威廉指标就是倒威廉指标,该指标是用来表示股价在当前时段内的相对位置的。比如最近5个交易日内某股股价的最高和最低价分别为11元和10元,当天股价报收10.8元,那么5天的威廉指标为20%,倒威廉指标就是80%。   在理解了倒威廉指标后,KD指标也容易理解了。我们不再详细解释KD指标的计算公式,只是简单的说明KD指标的含义。KD指标就是将倒威廉指标进行数学意义上最简单的平滑处理,这样就能够过滤掉一些异常的波动,能够更加科学地反映股价所处的相对位置。   根据倒威廉指标的含义进行理解,当KD指标接近0的时候就是股价处于时段内低点的时候,而当KD指标接近100的时候就是股价处于时段内高点的时候,其中的时段是由第一个参数所决定的。比如我们常用的第一个参数是9,就表明时段为9天,再加上平滑的缘故通常时段要多3个交易日,也就是12天。目前KD指标的高位钝化现象相当于告诉我们:上证指数在近期始终处于较高的位置也就是接近动态最高点的位置。   需要说明的是:KD指标中所指的最高最低点是一个变量,随着时间的推移,只要在同等时段内出现新的最高点或最低点,那么就用新的点位来代替原来的点位。   KD指标的钝化表明上证指数始终在以接近阶段性高点的位置运行,再结合近期的日K线演变不难发现,上证指数的高点确实在逐步上移。这是一种连续上涨的态势,通常很难持续,这其实也是KD指标不容易在高位钝化的主要原因。然而我们也应该注意到,KD指标统计的是一个相对数,一个相对高度,与上证指数的绝对涨幅并没有关系。本轮行情从最低点2132点到相对高点2374点,上涨幅度为11%,而从一年以来的上证指数演变看,最大跌幅曾超过三成,换句话说从最低点回升到起跌点需要上涨44%。从日K线图也可以发现,上证指数的形态实际上一直处于横盘中,只不过隔一段时间上证指数的盘整区域就会有所上抬,因此目前的态势属于盘整消化过程,KD指标所告诉我们的结果只是表明上证指数处于上涨过程中但实际上累计涨幅很小。   正是由于这种缓慢的盘升导致了前期介入的获利筹码被逐步消化并使KD指标在高位出现钝化。由于目前仍处于一年之中的开春之际,通常在这个时候愿意在相对高位买进的筹码绝大部分并非为了博取蝇头小利,更谈不上大幅度割肉离场,因此市场缺乏做空的主导力量。   尽管研判结果对多头更为有利,但我们仍然不能排除上证指数出现短期调整的可能,这取决于买单的持续性和前期市场低位筹码的消化程度。不过KD指标已经告诉我们,多头在这个阶段仍然愿意以较高的价位甚至略微创出时段内新高的价位接受筹码,表明多空转换已经在悄悄展开。   当市场处于阶段性高点的时候,KD指标出现钝化的可能性并不低。在这种情况下,由于市场已经累计了大量的获利盘,因此出现较大幅度的调整是在所难免的。   技术指标只是一个统计指标,其所反馈的信息还需要结合市场的实际情况进行研判,所以不存在统一的标准答案。
自适应均线2 对比自适应均线和移动平均线,不难发现在震荡行情中,自适应均线走得较为平缓,当趋势出现时,自适应均线也能够较快地跟踪上趋势。 二、自适应思想的扩展  尽管自适应均线的设置比简单移动平均线要复杂一些,但两者的本质思想都是趋势跟踪。技术指标的设计不应过分追求精确和复杂,而因注重指标设计的原理及其适用条件。均线和成交量是最朴素而又非常实用的技术指标,均线是价格趋势,成交量则是市场成交情况的真实记录,反映了市场多空双方对后市的看法,以及市场情绪的变化。“量比价先行”、“成交量是最真实的”、“量价齐升后市看涨”等都是我们耳熟能详的市场语言。   自适应均线只是考查了价格的变动因素,而市场资金的变化对行情的演变有着至关重要的影响。如果把AMA中“市场效率”的思路延续到市场资金面上来,则可以通过“资金效率”的变化趋势,来对行情走势进行研判。在一定的成交量的情况下,引起的价格上涨或下跌的幅度越大,则资金效率越高,反之则越低。   自适应资金量的设计思路是:当趋势出现时,市场资金面往往出现持续的成交量放大或缩小,在趋势市中短期内引起价格变动的累计资金流量往往对后续行情的发展有重要影响,因此可以通过累加相对较短周期内的资金效率来跟踪趋势;而震荡行情中,在较长周期上看,市场成交量的趋势变化不明显,价格来回波动,当价格上涨时,设定资金效率为正;当价格下跌时,设定资金效率为负。通过累加较长周期内的资金效率,并进行相应的移动平均,则可以看出资金效率的运行趋势。 当自适应资金量大于零时,反映出近期资金效率为正,当前的成交量可以引起价格的上涨,当自适应资金量持续上升时,表明资金效率在不断提高,上涨趋势有望延续;当自适应资金量小于零时,反映出近期资金效率为负,近期的成交量并不能带动价格的上涨,当自适应资金量持续下降时,表现资金效率在不断减弱,价格将持续下跌。 对比辅图的两个指标可以发现,自适应资金量上穿或下穿零轴的信号比MACD上穿或下穿零轴的信号要提前出现,MACD在中长期趋势判断上的滞后性表现得较为明显,而考虑成交量和行情特点的自适应资金量能较好地跟踪中长期的走势。
自适应均线1.  一、自适应均线的原理   自适应的概念来源于自动化控制领域,是指在新的环境或新的运行条件下,适当地改变原系统的结构或参数以保持系统的良好运行特征。自适应系统由于具有自动学习和自动调整的功能,往往比固定的系统要更灵活。在股票和期货交易中,趋势和震荡是一对孪生兄弟,投资者常常苦恼于如何界定当前的行情性质,尤其是难以确定这对孪生兄弟互相转换的时机。如果把趋势和震荡行情中的一些特性进行量化,采用自适应的思想,以技术指标的形式表现,或许能对行情判断有所帮助。   均线是较好的跟踪趋势指标,常用的移动平均线是给定固定的参数,如短期的五日均线或长期的半年线。固定均线系统的主要缺点是:在市场来回震荡时短期均线频繁转向,不能很好地屏蔽市场的噪音,容易产生虚假信号;而在市场快速上涨或下跌的行情中,长期均线反应迟钝,信号较为滞后。如果能根据不同的行情特点,均线自动调整参数,则在一定程度上可以避免噪音产生的虚假信号,又能消除长期趋势的滞后性。   Perry Kaufman在《精明交易者》中提出用“市场效率系数Efficiency Ratio”来量化描述震荡和趋势行情的特点,创造性地提出了自适应均线(Adaptive Moving Average, AMA)的概念。自适应均线的原理是:   1、把一段时间的每日收盘价格变动的绝对值进行累加,称为市场噪音的总数量,来衡量波动性Volatility;   2、计算这一段时间内的涨跌幅,或称为最终的方向移动Direction,方向移动与总噪音之比就是市场效率EF。EF的取值在0-1之间,0.5可以被视为趋势与震荡的分界岭,EF越接近于1,市场呈现一定趋势;越接近于0,则无明显趋势。总噪音和方向移动的关系类似于物理学中的位移和路程的关系。如在震荡行情中,价格来回波动,总的路程很长,而最终实现的位移都不大,则称之为低效率,即EF接近0;反之,在趋势行情中,每日收盘价格的变动对最终涨跌幅的贡献大,则称之为高效率,即EF接近1;
1 下一页