摘甏： 文灯１ Ｏ种价鼙要技术分析指标进行了 买 臣 究，通过讨算股价波 弓 嚣类指梅各分 所薰之圃朝相关关系，验证股｛介波动与该类技 术指标 相关性。并采用抽样调查的方法，对 ２００只股票的”Ｏ０个交易目的数据进行了海墨迹 算，从而襄证了价鼙炎指杯的有效牲。本文进…一 步 ｝了每 皆标的特点，优选出该类最佳力析 指标，提出了 、同投票状态下的指标应用难 。 关键词价蕈类指打，相关分析；抽博调套；实 证：评测 一 一股票技术分析指标中，价量类指标 １二七一直是一类独特的分支，由于其将 股票价格信息和成交量信息综合起来分 析，使分析股票的信息更加完整，价量 规律得到了较好的体现。但是价量类指 标在实际应用中也存在一些难题：一是 实证研究及评测 ■谢丁／文 指标种类较多，日．核心算法大相径庭； 二是技术指标的实战效果不明，投资分 析人员难以取含。为此，本义以价量类 技术分析指标为研究对象，从实证角度 对该类指标进行了测试和评价，从 Ｉ］优 选出最好的指标共投资分析人员参考。 滑。ＰＶＴ和ＶＰＴ指标的核心公式均为 “（ｃ—Ｃｔ～１）／Ｃｔ—ｌ Ｘ Ｖ”，ＰＶＴ指标在核 心公式的基础Ｌ，计算上市以来的累计 数，ＶＰＴ指标在核心公式的皋础Ｅ，进 “（２ ｘ Ｃ—Ｈ—Ｌ）／（Ｈ—Ｉ ）×Ｖ”，并在其基础 上进行一次平滑。 （四）逆向判断型 １．简易波动指标ＥＭＶ；２．活动能力 ＥＯＭ。 价量类指标的分类和特点 本文将综合股票价格和成交量两类 行Ｎ日累计，相当于移动平均。 （二）方向判断型 １．能量潮ＯＢＶ；２．能量潮ＳＯＢＶ。 方向判断 指标的核心算法是计算 当Ｉ＿＿Ｊ股价是上涨还是下跌，进行方向性 逆向判断型指标的的核心公式是 “增量 波幅／标准化成交量”，各指标 公式相对复杂，不再赘述。 信息的指标归为价量类指标，仅分析股 票成交量的指标，不列入本类。参与评 测的指标 １０种，根据其核心算法的不 综合四种子类犁可以发现，以上１０ 种指标虽然同为价量类技术分析指标， 但是核心算法却截然不同。前三类指标 是乘以成交量，即认为成交量与股价波 同，可分为四种子类型： （一）增长率型 判断，上涨则加成交量，下跌则减成交 量 ＯＢＶ指标是用今日收盘与昨日收盘 比较，判断涨跌；ＳＯＢＶ指标是用开盘 １．仕庆指标ＣＨＡＫＩＮ；２．济坚指数 ＣＨＯ；３．价／量趋势ＰＶＴ；４．量价趋势 、 ｆｙｒ 价与收盘价比较，判断涨跌。 （■）波』唷犁 动正相关；逆向判断型指标是除以成交 量，即认为股价波动于成交量负相关。 各类指标依据的原理和假设条件截然相 反，因此孰优孰劣需要通过实证研究来 科学的评测。 增长率 指标的核心公式是“增 １．威廉变异离散量ＷＶＡＤ；２．当Ｅｔ 成交密度ＩＩ 。 长率×成交量”，此处的增长率是指与 增长率算法相接近的公式。ＣＨＡＫＩＮ￣Ｉ ＣＨＯ指标的核心公式均为“ｆ２ Ｘ Ｃ—Ｈ一【 １／ 波幅型指标的核心公式是“波幅 成交量”，此处的波幅食指相当于波 幅算法的公式。ＷＶＡＤ指标的核心公式 是“（Ｃ—Ｏ）／（Ｈ—Ｌ）×Ｖ”， 在其基础进 （Ｈ＋Ｌ）×Ｖ”，ＣＨＯ指标存核心公式的 基础 ，计算长短趋势的差，ＣＨＡＫＩＮ 指标在ＣＨＯ指标的基础上再进行二次平 价量类指标的实证方法 传统技术分析指标具有一个共同的 特点，即具有一定的连续性，通过连续 行ｌ＿－次移动 均；ＩＩ指标的核心公式是 黑龙江金融２０１０ ７７ 银行在线￣ＢＡＮＫ ＯＮＬＩＮＥ 变化来跟踪并预测股票走势。因此技术分析指标的波动只有 和股票的波动密切相关，才具有预测能力，如果经常发生背 取１２００／ｉ－－２．￣易日的数据，这一期间涵盖牛市和熊市两轮较大 行情。计算相关系数时采用最近１ １０（Ｏ交易日数据。 复权处理：每只股票均运用大智慧复权功能，进行复权 处理，以保证数据的一致性。 参数设置：在计算技术指标时，指标参数按该指标常用 值。 离，则预测精度自然不高，通过对技术指标波动和股价波动 进行相关分析，就可以证明技术分析指标的实战价值。 （一）股票价格波动的分析量 技术分析指标预测的是股票价格的波动，而不是价格本 身，因此如何反应股票价格波动，需要设计分析量。由于技 术指标一般都具有连续预测的能力，而且适用于不同价位的 计算ｌＴ具：采用ＥＸＣＬＥ及其函数，编程后进行批量运 算，以提高数据分析的速度和精确度。 股票，因此只有采用环比增长率，才能真正体现出股票价格 的波动。公式： （三）验算的结果 抽样调查后，根据简单随机抽样调查法对总体参数估计 量的计算方法（公式略），用样本股票分析量之间的相关系 数，计算２００只股票验证后相关系数的总体均值、总体标准 误和置信区间。总体均值表示平均相关系数。 增长率＝（ＣＬＯＳＥｎ—ＣＬＯＳＥｎ一１）／ＣＬＯＳＥｎ—ｌ×１００％（使用 下标） （二）平滑处理 在计算分析量时需要采用移动平均法或指数平滑法剔除 随机因素，还原分析量的发展趋势。本文采用指数平滑法剔 除随机成份，平滑常数ａ取值０．１。 为取得最佳效果，还需对股票价格的分析量进行二次 平滑。由于不同指标在适用于不同的趋势预测，有的指标侧 重于短期趋势，有的侧重于中期或长期趋势。为了体现不同 周期的特征，二次平滑时采用１／１０、１／３０、１／６０三个系数， 求得三种周期的趋势平滑值，以上平滑值均分别参与实证分 为了分析价量类技术指标引入成交量信息后实证的效 果，文本对每个技术指标进行两轮验算，一轮包含成交量信 息；一轮剔除成交量信息。抽样调查的实证结果如下（限于 篇幅仅列各相关分析量的总体均值，其他指标略）。 不含成交量信息的技术指标实证结果： 不含成交量信息的技术指标实证结果： 指标 １０日 ＣＨＡＫＩＮ ｏ ６７２５ ｏ．６２８３ １７９０ ｏ．９ｏ３４ ｏ．１ｏ９３ ｏ．Ｊ２３２ 不含成交量 ３Ｏ日 ｏ．４９ｏ３ ０．４２８ｌ ２ ７ ７０７９ ｏ．Ｉ５－７９ ｏ．１７ｏ３ ６０日 ０．３５４２ ０．３ｏ３９ ｏ．３４ｌｏ ｏ．５３９８ ｏ．２０１７ ｏ．２ｌｌ４ 析。也就说分析量只有增长率一个，但是实证评测时会对应 三种不同周期。 （三）相关分析 ＣＨ０ ＰＶＴ ＶＰＴ ｏＢＶ Ｓ０ＢＶ 经过设计分析量和指数平滑处理，本文已成功构建了可 以用于实证研究的股票价格分析量，通过将股价波动分析量 与价量类技术指标进行相关性分析，相关程度越高，证明预 测能力越高，从而证明价量类指标进行预测的有效性。 ＷＶＡＤ ｏ．７６５ｌ ｏ．６２２９ ６９５ １Ｉ ＥＭＶ ｏ．ｓ８３３ ｏ．７５９４ ｏ，８ｓ５４ ｏ．５８８ｏ ｏ．５７３９ ７０９４ ｏ．３９７２ ｏ．４４７１ ｏ．ｓ３ｓｓ 抽样调查及结果 我国上市股票种类众多，时间跨度较大，因此必须采用 抽样调查的方法，进行实证研究。 （一）抽样方法和原则 抽样框：截止２００９年７月底，我国境内Ａ股上市公司。 抽样方法：以简单随机抽样为主，同时配合经验抽样， 在简单随机抽样过程中，通过直观判断，对两类股票予以剔 除：一类是上市交易时间不满１２００个交易日的股票；另一类 是因长期停盘，复盘后股价出现大幅波动的股票。 样本量：抽选２００只股票，抽样率达到１３．１７％。 ＥｏＭ 含成交量信息的技术指标实证结果： 指标 指标 １Ｏ日 ＣＨＡＫＩＮ ｏ．５７９２ 含成交量排名 含成交量 ３０日 ｏ．４６４ｏ 排名 ６０日 ｏ．３６２３ ６ ＣＨ０ ＰＶＴ ｏ．５５３９ ０８４０ ｏ．４ｌ８Ｉ ｏ．１ｌ８ｌ ｏ．３２２８ ｏ．１４５３ ７ ８ ＶＰＴ ０ＢＶ Ｓ０ＢＶ ＷＶＡＤ ｏ．７４ｏ２ ｏ．ｏ６６２ ０７０６ ｏ．７１３４ ｏ．６ｏ５９ ｏ．ｏ９４ｌ ｏ．ｏ９９４ ｏ．６２２５ ｎ４７３４ ｏ．１１６４ ｏ．１２０９ ｏ．４９３５ ３ １Ｏ ９ ２ （二）数据处理 数据来源：数据取自大智慧新一代高速行情系统。 时间段：数据截止￣１１２００９年８月１４日，每只股票向前提 ＩＩ ＥＭＶ ｏ．６ｌ３６ ｏ．ｓ９２９ ｏ．５７ｌｏ ｏ．５ｌ８６ ｏ．４７８７ ４７８ ４ ５ Ｅ０Ｍ ｏ．８ｏ３４ ｏ．６８ｏ８ ｏ．５２６４ ｌ 黑龙江金融２０１０ 实证结果评价 通过实证研究我们得到了各价量类指标在不同周期下与股 价波动的平均相关系数。对这ｊ个周期的值进行算术平均，并 排名，得到最终评测结果（见上图）。 局下，成交量多代表股票的活跃程度， 与股价正相关，适合使 用ＷＶＡＤ或ｖ 指标。 机构状态下：股票多为机构行情， 筹码相对集中。这种格 局下，成交量多代表涨跌动能的变化， 与股价负相关，适合使 用ＥＯＭ指标。 （一）成交量信息的价值 通过对比不含成交量信息与包含成交量信息两轮验证结 果，可以发现，成交量信息的引入并未使指标的预测能力明显 增强，反而使相关性出现了不同程度的下降。这表明成交量信 息内含着复杂的交易信息，并无简单必然的规律性，在不同的 市场环境下，以及不同的主力资金控盘程度下，会有不同的成 交量规律，不能机械的用技术指标来计算。 （二）各个指标的实证效果 从实证结果及排名来看，ＥＯＭ指标最优，其次是ＷＶＡＤ指 对股票价格的判断，一种简单的方法是：股价与大盘走势 相一致，剔除大盘影响后，波动幅度相对较小，则多为散户状 态；股价与大盘走势相背离，剔除大盘影响后，波动幅度相对 较大，常走出独立行情，则多为机构状态。 总之，价量类技术分析指标，由于包含了成交量和股价两 类重要信息，因此不能机械的加以计算。实证结果表明，简单 的应用成交量信息，反而降低指标的有效性，必须根据不同的 股票状态，选择适用的技术指标，才能产生良好的效果。 标，再次是ｖＰＴ指标，三个指标分属于不同的类型，其核心算 法截然不同，甚至是相互矛盾。如：ＥＯＭ指标计算时是除以标 参考文献 ｆ１］谢丁・《趋向类股票技术分析指标的实证研究及评测》 『ＪＩ・长沙：金融经济，２００９，（１１） 准化成交量，既认为成交量与股价负相关，成交量的放大表示 上升动能或下降动能的释放，会出现股价逆转。ＷＶＡＤ指标和 ＶＰＴ指标是乘以成交量，既认为成交量与股价正相关，成交量 【２］谢丁・《压力支撑类股票技术分析指标的实证研究及评 测》『Ｊ】・云南：时代金融，２００９，（１１） ［３１谢丁・《股票技术分析指标的参数设置方法实证研究》 【Ｊ】・河ｊ匕：河ｊ匕金鬲虫，２０１０，（３） 是股票活跃和受关注程度的表现，活跃度高则上涨，活跃度低 则下跌。 其他的指标实证效果均不佳，从不含成交量信息的指标实 证结果来看，这些指标的算法具有先天性缺陷。如：方向判断 ［４］谢丁・《大盘类股票技术分析指标的实证研究及评测 ＩＪＪ・长沙：金融经济，２０１０，（４） 型的ＯＢＶ和ＳＯＢＶ指标，由于其将股价信息用于判断涨跌，而 忽略了涨跌的幅度，使预测使用的信息简单化，浪费了股票价 格中包含的有用信息，自然无法提高预测精度。再如：ＯＢＶ、 ［５】张泽宇・《股票分析指标大全》【Ｍ】・北京：中国经济出 版社，２００８ ＳＯＢＶ、ＰＶＴ指标均是从股票上市日开始进行指标汇总，这使 得指标对近期数据的利用率较低，而过多了包含了较长时期以 前的历史数据，这部分数据往往已经不再具有预测价值，股票 上市时间越长，指标的参考价值越低，因此这二三个指标在排名 中为后三名。 【６］尹宏・《最经典的股市１０大技术指标》［Ｍ］・北京：中国 经济出版社，２００９ ［７】杜子芳・《抽样技术及其应用》［Ｍ］．北京：清华大学出 版社，２００５ 此外，实证结果还表明，价量类指标多适用于短期趋势预 测，中长期趋势预测的能力不高。 作者单位：中国邮政储蓄银行河北省分行 责任编辑：刘鹏翔 价量类技术指标的使用策略研究 本文的实证结果表明，传统的价量规律无法在技术指标中 得到有效应用，可见价、量之间具有更为复杂的内在规律，简 单的使用价量类技术指标必然效果不佳。因此，必须对股票的 筹码分布及所处环境进行判断，判定股票的状态，再辅助不同 的价量类指标，才能够提高预测精度。 笔者认为，股票可以简单的分为两种状态，一种为散户状 态，一种为机构状态。 散户状态下：股票多为散户行情，筹码相对分散。这种格 黑龙江金融２ｏｌｏ ７９