期货市场技术分析--第九章移动平均线

2018 年 1 月 3 日 股指期货期权投资理财经

学习在投资路上是必须的,最近我们将开始重温经典金融书籍,一起学习!读过不要紧,有些经典书籍读几十遍都值得的,因为伴随你投资历程,每个阶段读,收获不一样!

第九章移动平均线

 

引言

 

    移动平均线这种技术指标,最富灵活性,适用最广泛。囚为它的构造方法简便,而且它的成绩易于定量地检验,所以它构成了绝大部分自动顺应趋势系统的运作基础。

    图表分析在很大程度上是主观的,我们很难核查分析者的成绩。因此,图表分析不太适合计算机。与此相反,移动平均线的规则却可以简易地编成计算机程序,然后,由计算机自动地生成各种买入或卖出信号。不同的图表分析者也许会对同一个价格形态到底属于三角形、还是钻石形,或者对同一个价格形态到底是倾向于看涨、还是看跌而争执不下,但是,从平均线得出的趋势信号却是精确的,不随我们的主观意志而变。

    下面,我们先为移动平均线下个定义。正如“平均’二字所指,它是最近10天收市价格的算术平均线。所谓“移动”,实质上就是指我们在计算中,始终采用最近10天的价格数据。因此,被平均的数组(最近10天的收市价格)随着新的交易日的更迭,逐日向前推移。在我们计算移动平均值时,最通常的做法是采用最近10天的收市价格。我们把新的收市价逐日地加入数组,而往前倒数的第11个收市价则被剔去。然后,再把新的总和除以l0,就得到了新的一天的平均值(10天平均值)。

    在上例中,我们只选用了简单的10天收市价的移动平均值。实际上,其它计算移动平均值的方法并不都如比简单。关于怎样才能使移动平均线效果最佳,还有不少间题。比方说,我们应该计算多少天的平均值才合适?到底该用较短期的呢还是较长期的呢?是否有一种广泛地适合所有市场的最佳移动平均线了或者是否每个市场都有一种最佳移动平均线?只有收市价最适合计算移动平均值吗?同时采用好几条移动平均线,是不是效果更好?是简单的移动平均线,还是线性加权的移动平均线,或者还是指数加权移动平均线效果最好?是不是在某些情况下移动平均线表现得好,而在有的情况下则表现一般?

其实,围绕着移动平均线的用法,还有许多何题有待解答。在本章我们要解决其中的许多疑间,并且还要就移动平均线的一些最通常的用处列举示例。不过先要声明,这些问题迄今尚无严格的定论,我们将要交代的只是该领域现有的一些研究结果。

 

移动平均线:具有滞后特点的平滑工具

 

    移动平均线实质上是一种追踪趋势的工具。其目的在于识别和显示旧趋势已经终结或反转、新趋势正在萌生的关键契机。它以跟踪趋势的进程为己任。我们也可以把它看成弯曲的趋势线。然而,这里必须明确,正统的图表分析从不企图领先于市场。移动平均线也不例外,它也不超前于市场行为,它追随着市场。仅当事实发生之后,它才能告诉我们,新的趋势已经启动了。

    移动平均线是一种平滑工具。通过计算价格数据的平均值,我们求得一条起伏较为平缓的曲线。从这条较平滑的曲线上,我们大大地简化了探究潜在趋势的工作。不过,就其本质来说,移动平均线滞后于市场变化。较短期的移动平均线,比如5天或10天的平均线,比40天的平均线更贴近价格变化。可是,尽管较短期的平均线能减小时滞的程度,但绝不能彻底地消除之。短期平均线对价格变化更加敏感,而长期移动平均线则迟钝些。在某些市场上,采用短期移动平均线更有利。而在另外的场合,长期平均线虽然迟钝,也能发挥所长(见图9. la和b)。

平均哪种价格?

在上面的例子中,我们所采用的平均值都是从收市价中计算得来的。一般认为,收市价是每个交易日最重要的价格,因此,在构造移动平均线时用得最普遍。不过朋友们也应该了解,有些分析者更愿意使用其它的价格。比如,有些人更偏好使用所谓中间价,即当日价格区间中点的价格。

    有些人也采用收市价格,但是他们是把每天的最高价、最低价和收市价加在一起,然后除以3,再代入移动平均值的计算式。还有些人则针对每天的最高价和最低价,分别求出两条移动平均线来,最后得到一条“价格带”。在这种方法中,有两条移动平均线,它们相互分开,中间形成了一条所谓价格波动的“容器”,或称“包容带”。稍后我们将探讨采用价格带可能具备的长处。尽管有这些变通的做法,在移动平均线的算法中,最常用的仍然是收市价格(或者说,结算价格)。在本章中,我们要把主要精力集中在它身上。



登录查看更多
1

相关内容

【硬核书】不完全信息决策理论,467页pdf
专知会员服务
351+阅读 · 2020年6月24日
【干货书】高级应用深度学习,294页pdf
专知会员服务
153+阅读 · 2020年6月20日
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
【实用书】Python技术手册,第三版767页pdf
专知会员服务
234+阅读 · 2020年5月21日
卷积神经网络的概述论文:分析、应用和展望,21页pdf
专知会员服务
90+阅读 · 2020年4月7日
机器学习速查手册,135页pdf
专知会员服务
341+阅读 · 2020年3月15日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
193+阅读 · 2020年3月12日
强化学习和最优控制的《十个关键点》81页PPT汇总
专知会员服务
103+阅读 · 2020年3月2日
交通评价指标概略
智能交通技术
15+阅读 · 2019年7月21日
程序员如何借助 AI 开挂股票神预测?| 技术头条
程序人生
13+阅读 · 2019年4月22日
金融风控背后的技术综述
七月在线实验室
45+阅读 · 2019年2月28日
【年度系列】使用LSTM预测股票市场基于Tensorflow
量化投资与机器学习
19+阅读 · 2018年10月16日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
一文了解卷积神经网络在股票中应用
AI100
6+阅读 · 2018年2月26日
IDG资本杨飞:从价值投资谈2017中国现象
IDG资本
4+阅读 · 2017年12月22日
Word2Vec 与 GloVe 技术浅析与对比
LibRec智能推荐
25+阅读 · 2017年5月15日
Arxiv
110+阅读 · 2020年2月5日
Arxiv
4+阅读 · 2018年3月14日
VIP会员
相关VIP内容
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
351+阅读 · 2020年6月24日
【干货书】高级应用深度学习,294页pdf
专知会员服务
153+阅读 · 2020年6月20日
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
【实用书】Python技术手册,第三版767页pdf
专知会员服务
234+阅读 · 2020年5月21日
卷积神经网络的概述论文:分析、应用和展望,21页pdf
专知会员服务
90+阅读 · 2020年4月7日
机器学习速查手册,135页pdf
专知会员服务
341+阅读 · 2020年3月15日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
193+阅读 · 2020年3月12日
强化学习和最优控制的《十个关键点》81页PPT汇总
专知会员服务
103+阅读 · 2020年3月2日
相关资讯
交通评价指标概略
智能交通技术
15+阅读 · 2019年7月21日
程序员如何借助 AI 开挂股票神预测?| 技术头条
程序人生
13+阅读 · 2019年4月22日
金融风控背后的技术综述
七月在线实验室
45+阅读 · 2019年2月28日
【年度系列】使用LSTM预测股票市场基于Tensorflow
量化投资与机器学习
19+阅读 · 2018年10月16日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
一文了解卷积神经网络在股票中应用
AI100
6+阅读 · 2018年2月26日
IDG资本杨飞:从价值投资谈2017中国现象
IDG资本
4+阅读 · 2017年12月22日
Word2Vec 与 GloVe 技术浅析与对比
LibRec智能推荐
25+阅读 · 2017年5月15日
Top
微信扫码咨询专知VIP会员