一项股票技术指标的开发15页.docx
《一项股票技术指标的开发15页.docx》由会员分享，可在线阅读，更多相关《一项股票技术指标的开发15页.docx（16页珍藏版）》请在冰豆网上搜索。
一项股票技术指标的开发15页
标题:
一项股票技术指标的开发
刊名:
年份:
期号:
专题:
投资技巧库
作者:
正文:
从经济学角度（博弈论）而言，股市永远是个零和游戏市场——既它并不创造财富，而只是一个财富重新分配的工具。
在我们股票交易的每一次买卖中，都是和我们的一个竞争对手的较量过程，交易双方存在相互对立的观点，卖着看空，买着看多。
几乎是决大多数投资者的最终目的是改变市场的资金流向，使之流向自己。
那么，每一个股票和期货投资人都会对自己提出一个问题是：
我们的每一笔交易既是和竞争对手判断相反的体现，我们凭什么来保证自己的判断比对方判断更趋于正确呢？
我们的高明之处在那里呢？
根据市场现象在美国已被各种精密的统计数据所佐证，其市场结论可分三种子现象：
⑴大部分个人投资人（业余投资人）在市场上是净输家。
⑵大部分专业分析师和评论家的观点在市场的重点转折点是错的。
⑶大部分机构投资人的操作业绩低于市场的平均表现。
这里需要强调指出的是第三点。
虽然大部分机构投资人的操作业绩低于市场的平均表现，但并不意味着他们一定是净输家。
事实是，机构投资人赢利分布比率要大大高于业余投资人。
每个投资人或机构都想踏上股价的升浪，利用自己的投资理念指导自己的实践。
有一部分投资个人认为，政策是一个股价升降的动因，其他们没有认识到这只是表面现象，政策上推出的利好或利空，对一般众多信息知识不充足投资者来说，都是一个偶然现象，未来的证券市场更趋于成熟，政策所起的作用比率纵向削弱。
这么我们可以定论：
作为投资人不能专靠政策面信息面来决策行动。
另一部分投资个人认为，公司的基本面既赢利水平和财务水平等是股价升跌的动因，其他们没有认识到这只是一个虚假现象，我们拿300个上市公司的财务指标的排行做样本与下一年股票年收益率的相关系数来看:
净利润排行与股票年收益率的相关系数是-0.34416,主营业务收入排行与股票年收益率的相关系数是-0.23932,净资产收益率排行与股票年收益率的相关系数是-0.11260,每股收益排行与股票年收益率的相关系数是-0.14827,每股净资产排行与股票年收益率的相关系数是-0.06345,流通股规模排行与股票年收益率的相关系数是+0.267571。
这么我们可以定论：
财务指标对下一年的股票的收益率不能提供任何有用消息，两者关系呈随机性。
又一部分投资个人认为，根据自己的投资知识和掌握消息判断出股价升跌的动因，其他们没有认识到这只是一个主观现象，那么对556个投资人对上市公司未来财务情况预测的统计研究数据表明：
正确230个，占41.37﹪，错误326个，占58.63﹪。
这么我们可以定论：
投资人总体而言不能正确判断下期财务报表内容。
那么，什么才是股价升跌的实质性动因？
一、股价升跌的实质性动因的探索
股价在交易过程中的实现是买卖的结果，我们所得信息，最直接的是计算机所给的K线，根本信息是股价和成交量，其它皆为衍生信息，如：
技术指标、换手率、涨幅等。
迄今为止，没有较好能反映成交量与相对股价的经济模型。
但这并不意味股价升跌与成交量没有内在联系。
一般人是很难找到股价与成交量的内在关系的。
一个成功的投资家在他所做的一本书中提到，他在读硕士时从对股票几乎一点不懂，经过一年的学习证券知识和自己的努力，得到不少自己所不能从他人处听取的重要结论，其中，就谈到了一点，每比的成交量与股价有着密切的联系。
对此本人报有怀疑的态度，在进入深入研究这一论点前的瞬间，又一次迅速的翻开他的著作，验证自己的视觉，才发现论点是每比的成交量与股价有着密切的联系，而初始认识是一般成交量与股价有着密切的联系，与自己的认识有着一定的差距。
这才使对此论点产生浓厚的兴趣。
凭着对结果的急切需渴，与自己的努力，两个月的时间，找到了最终的答案。
本人将深沪市场每只股票每比成交量乘以价格即得到每比成交金额。
并对每比成交金额分为组群分别是：
低于1000元,1000—5000元，5000—10000元，10000—50000元，50000—100000元,100000元以上。
求其在成交总体中的分布，与之对应成交量在其本身的流通股比值——换手率。
以月涨幅为扩展排行，对中国上市公司的所有股票在2019年7月到12月半年时间段的数据作为分析，数据规模是庞大的，笔者对此以参数300为单位进行移动平均。
其结果做图如下：
由上图可以综合认识到：
绝大多数小单于股价大幅下跌时交易频繁；而大单与股价上涨时表现和收益出色！
需要解释一下的是，在涨幅最大时较小的仓位，交易也并不是最少的，这是因为市场气氛浓厚，“小单”也一致看好后市。
两点重要的声明：
1、由数据规模是庞大的，笔者对此以参数300为单位进行移动平均，求证是综合情况，每只股票的实际曲线没有这样平滑。
2、若按100000元以上做排行，虽有大单的频繁交易有个别股票跌幅却巨大，这是有人（机构）刻意做作，比率较少。
目的是出货。
这些频繁交易的大单在股价升跌中起了决定的正面作用，那么，问：
此类单来之何方，归之何处？
答案是直截了当的：
此类单能低买来，高卖出。
此类单买卖的主体是何人？
答案是清晰明了的：
市场的航空母舰——机构投资者——在了解股价升跌与交易关系过程中，这是我们应该认识的对象。
二、机构者投资的诠释
结构投资者又俗称“主力”、“庄家”，一般而言他们拥有资金巨大、消息来源可靠、政策研究和行业分析水平高、软件硬件一流等多方面的优势，从而在相当程度上处于博弈的优势方。
因此，其一举一动影响着整个深沪两地A股市场，他们是股市牛熊转换的先知先行者，也是板块轮动炒作的引导者，股市是他们的乐园。
作为机构投资者标的物的庄股，历来是证券市场热点的话题。
庄股代表社会资金或游资的偏好，与证券市场热点的形成和行情的演变息息相关，成为介于大盘指数之外的能真实反映证券市场冷暖的一种另类指标。
如果要给机构投资者下一个定义的话，可以用这样的语言来描述：
机构投资者是以赚大钱为目的，以不同的方式和手段，以资金、信息和操盘技术等优势，在低价位现金换筹码，而在高价位以筹码换现金，完成资金——筹码集中——资金增值——筹码分散这样一个循环过程的团伙或组织。
他们的行动，造成中国股市的四次大幅波动：
1.2019年3月，由价值发现所引导的庄股运动使深沪证券市场迎来了一波气势如虹的大牛行情，深圳成分股指数、上海综合指数真实记录了这一波澜壮阔的牛市轨迹。
“12·16”《人民日报》的特约评论员文章使投资人开始认识到市场风险的巨大杀伤力，深沪市场第一次出现大规模的机构资金大撤退的行动，深沪大盘指数急转直下，股价出现大副的下滑，所谓的“泡沫经济”在这一阶段有了充分的体现。
2.2019年5月，深沪市场大盘指数在创造出阶段性的高点之后，累计获利较丰的机构套现出局，于是出现第二次机构资金撤退行动，深沪市场由此开始步入调整阶段。
3.2019年第四季度，正值《证券法》出台之前的一段时间，由各路机构所导演的庄股集体大跳水，使深沪市场笼罩上一层阴影。
4.2019年年底，从揭露“基金黑幕”为导火索，以中科创业跳水带动中科系集体暴跌为序幕，大批机构纷纷步入后尘，导致大盘在2019年一季度大幅下挫。
据不完全统计，2019年12月25日至2019年1月15日的17个交易日，出现过单个跌停或多个跌停记录的个股至少有22家之多。
庄股跳水形成的多米诺骨牌效应，严重冲击了大盘的走势，指数似断线风筝式下滑，日跌幅超过了近年的历史记录。
因此，在近几年尤其是进入2019年来，也是中国证券市场提倡“规范”、打击操纵市场
行为最多的时期，也是出台针对证券市场的政策、法规最多的时期。
“无庄不活”、“有庄不稳”，如何一分为二地分析机构行为，如何给机构行为定位，如何充分利用其行为不仅时监管当局的任务，更是我们每一个研究者的课题。
《证券法》等法规对机构操纵市场行为的制约对于证券市场参与者，需要认真学习和研究。
无论是机构还是研究人员，都必须勤学之慎思之明察之，着重研究新市场环境下的机构重仓股票的生存空间。
在相关政策和法规中，针对证券市场交易行为的制约条款包括：
1.1993年4月22日国务院第112号令发布的《股票发行与交易管理暂行条例》中，第72条、第74条；
2.2019年10月颁布的《证券经营机构证券自营业务管理办法》中，第12条、第13条、第14条；
3.中国证券监督管理委员会2019年3月3日颁布的《证券市场禁入暂行规定》；
4.国务院证券委员会1993年9月2日发布的《禁止证券欺诈行为暂行办法》第2条、第3条、第4条、第7条、第8条；
5.《中华人民共和国刑法》第180条、第181条、第182条；
6.中国证监会2019年10月31日发布的《关于严禁操纵证券市场行为的通知》；
7.深圳、上海证券交易所2019年6月5日公告（即临时停牌制度）；
8.将于2019年7月1日施行的《中华人民共和国证券法》，对于禁止的交易行为有第70条、第71条、第76条。
《证券法》和一系列的有关证券法规、政策的颁布，管理层对监管的不断加强，机构重
仓股票的生存空间问题成为近期各方人士讨论的焦点。
从目前来看，对于证券市场的规范和监管，已经有了一系列明晰的政策和法规，特别是对于机构有关的诸如内幕交易、操纵市场、欺诈、误导、扰乱市场等行为，有了明确的法律界定和处罚条款。
归纳起来，有以下几个方面：
1.资金来源；2.内幕信息；3.持股；4.交易对象；5.手段；6.帐户监管；7.股价异动；8.操纵行为的认定；9.炒作；10.公告;11.股价涨、跌幅度；13.成交量14.临时停牌；15.市场禁入；16.法律责任。
认识和明确了以上禁止性法律、法规条款之后，我们才能在新的“游戏规则”之下来探讨机构投资者的生存空间这一焦点问题。
在对待机构监管问题上，向来都有投鼠忌器之嫌，“为有源头活水来”、“水至清则无鱼”都是需要考虑的问题，适度的放纵与适度的收敛倒不失为维持市场“活跃”与“稳定”的赋予弹性的策略。
值得一提的是，内幕交易是世界各国证券监管的重点问题，内幕交易实际上是一个与信息披露密切相关的问题，规范的目的在于维护“公平、公正、公开”的原则，保护广大投资者的利益。
我国自从证券市场产生以来，一直在不断加强对内幕交易行为的制约。
从《股票发行与交易管理暂行条例》、《禁止证券欺诈行为暂行办法》、《中华人民共和国刑法》到《中华人民共和国证券法》，从先期的以行政处罚为主逐渐上升到追究法律责任，充分说明了对于内幕交易行为的打击力度在不断加强。
但是从其他国家对内幕交易管制的情况来看，实际效果并不理想，这是因为；
第一、很难找到有效的预防和防止措施；
第二、难于认定和取证；
第三、调查诉讼费时费力。
以美国1933、1934年证券法为例，严重的内幕交易作为一种刑事犯罪被规定在刑法中，
但有关内幕交易的刑事规定从未适用过，上述各项法规都作出了详细的认定，特别是《关于严禁操纵证券市场行为的通知》中有明确的界定，《中华人民共和国证券法》第71条也在四个方面进一步作出了认定。
总的来看，与内幕交易一样，操纵行为也存在难以认定的问题，不能完全将机构的行为包涵其中，对于手法常新、思维长变的机构来说，自有“条条大路同罗马”的本领，运用上述法规认定之外的更为隐蔽的办法，同时也能达到赚钱的目的。
另外，证券帐户在尚未实施实名制度管理之前，机构投资者运用多个帐户在不同地区分仓操作，对其行为进行监管和司法认证也有不少的难度。
一个不容忽视的问题是，如何做到有法必依、执法必严？
如何实施科学取证、执法？
严格执法对证券市场的影响何在？
同样是一个迫在眉睫、亟待研究的问题。
在《证券法》颁布之前，也有不少法规对于内幕交易、操纵市场等机构投资者行为作出了禁止性认定，在《刑法》中也有明确的法律责任界定，而深沪市场中的机构投资者行为并未见收敛。
从这种意义上来讲，法规对于机构行为的制约，形式上的影响要远远大于实质上的影响，机构在目前的市场环境下，本人敢断言：
今后相当长的时间内仍将是他们的活跃时期，生存空间更是无疑的了！
只是炒作思路更理性化，操作手法更为隐蔽而已。
结合以上中国股市的特点，我们有了对股价运行规律的基本环境证据，下一步是我们要涉及的是对机构投资人影响股价的要素工具——筹码——这更是我们对股价与成交量之间深入认识的中介和出发点。
首先要强调的是筹码分析理论是形态分析的根本基础，只有透彻地掌握了筹码分析理论，才可能准确地进行形态分析。
一切抛开筹码分析，单纯谈形态，尤其是数根K线组合的言论，都是不可靠的。
但对筹码分析理论的阐述需要的是大量的篇幅，我们只对其主要思想作一个介绍。
这不影响我们未来的行动。
机构投资者要对股价作决定性地影响，在股价在相对低位处就必须尽可能多地吸收筹码；在股价上升途中维持一定的成交量控制流动筹码，并起激发人气作用；在股价上升到尾声时实现“筹码换现金”。
值得一提的是筹码分析理论的自然规律基础是筹码流动的特点。
筹码流动的特点，也是心理学的内容。
简单说，就是单位时间内的卖出比例与持有时间和盈利比例的关系。
这是一个双变量函数。
由于根本无法知道每日卖出的真实数量（有对敲现象），或散户的操作情况，所以根本不可能给出这个函数的精确表达式。
目前能表达的是，亏损比例越大，持有时间越长，则卖出的比例越大；而亏损比例越小，持有时间越短，则卖出的比例越小。
大概是一个负幂关系。
目前市场上的软件开发商所创作的关于筹码结构的模型，我看了看，大多数还是比较不错的。
但也须要强调的是获利方面，卖出的比例与持有时间无关，获利0–20﹪,卖出比例先上升后下降，过了20﹪，基本上和获利无关了。
换句话说，获利的筹码，卖出比例近似为一个恒定的值。
本着这一思想创作的模型才算是能说的过去的，这里比如像指南针的CYQ、CYW。
反正整体上讲，获利的筹码的卖出比例要明显高于亏损筹码。
筹码流动理论在目前的市场书籍中有较多的介绍，针对本文写作的宗旨和性质，以及审阅者的水平，这里就没有必要在一一的展开了。
以上是我们对股价升跌动因的一个可以说是较为感性的认识，而认识论告诉我们：
在实践的基础上由感性认识到理性认识，是认识过程的第一次飞跃，回答了认识如何产生问题。
感性认识是认识的低级阶段，特点是直接性和形象性，它同客观事物之间没有中间环节。
它是认识的起点，是通向理性认识的门径。
但它又有局限性，它仅仅反映事物的片面和表面现象，不能把握事物的本质和规律。
因此，必须使感性认识上升到理性认识。
所以我们还应该对股价升跌动因加以更深入的探讨，实现认识辩证统一的过程。
业外人事曾经提出质疑，能不能把成交量与股价之间进行量化成经济模型呢？
回答是肯定的。
实际上不仅从事股票投资的专家对这方面的进行了研究，其他的，像数学家、统计学家、股票软件开发设计专家还包括众多的致力于学习证券知识的一般学者等等，都付出了大量心血，作出了相应的贡献。
值得引入的一个人：
曾经有一位非常有名统计学家（某统计公式以他的名字命名），因为一次偶然的机会去了赌场。
以他统计学的功力，他马上意识到有可能战胜赌场，暗暗地记录了赌客出牌的数据，一直进行了数月之久。
此后便是研究原始数据，最后终于建立了数学模型。
此后他便以该模型为指导去赌场下注，结果是他赢了赌场的钱，但最终被赌场察觉并被终身禁赌。
他的这个模型非常有名，后来成为最著名的现代金融模型的基础。
在关于股票技术分析指标或经济模型计算机化的技术分析方法，虽然还只有较短的发展时间，但已经开始显现出强大的应用前景。
正是基于这一原因，这一课题已引起了国内和国际投资界越来越普遍的关注。
本文以股价涨跌的内在规律出发，以事实和数据分析定义了中国目前证券市场波动和投资主体的基本特征。
并以上述理论为指导原则，深化对股价波动的认识。
本文也正是作者本人在这一研究方向上一定时期探索的部分阶段性成果。
三、股价需求弹性分析的技术
1．商品需求弹性概述
弹性是一个在微积分中使用较多的数学概念，它表示的是一个函数关系式中，自变量发生变化后，因变量作出的反应程度。
或者说，弹性用来衡量自变量每变化1个单位（1﹪），因变量会变化多少各单位（x﹪）。
由于其准确直观地描述了相关变量之间的依存关系与相互影响，因而在各领域得到广泛地应用，其中最重要的一项运用就是经济学领域对商品弹性的研究。
商品的弹性有多种，如商品的需求价格弹性、供给弹性等，此处我们重点研究商品的价格需求弹性。
所谓需求价格弹性（ElasticityofDemand），是用来表示在影响价格的诸多因素中，当需求数量发生变化时，价格作出反应的程度大小的一个概念。
例如，一种商品的需求的提高（或降低），在假设影响该商品的价格的其它因素给定不变的条件下，一般而言会引起该商品价格的上升（或下降）。
但需求量一定程度的变化，其价格作出的反应（上涨或下跌）程度，不同商品（以及同一商品的不同需求量）是不同的。
换句话说，如果我们把股票视作一种商品（这种假设是完全成立的），把其流通盘视作该商品的生产供给量——应该说这种供给量在一定时间内是恒定不变的，除非期间有配股或增发，把二级市场的买卖盘视作对该商品的市场需求与供给，那么，在假设其它影响股价的因素（比如基本面、政策面）不发生变化的前提下，对该种股票需求的变化将直接引起该股价格的变化。
但同一需求量（比如，同样金额的买盘，或同样股数的买盘等），对不同股票价格的影响必然是不同的，就算同一只股票，当它处在不同的阶段，比如散户行情阶段（此时流动筹码较多），或机构投资者控盘阶段（此时流动筹码较少），同样的需求量，其对股价的影响也是完全不一样的。
要数量化地描述这种不一样并作为工具加以运用，我们就需要计算价格的需求弹性。
价格需求弹性就是用来对需求变化引起的价格变化进行定量分析的一个概念。
理论上可以对影响价格的任何其他变量的弹性进行考察，但应用到股票市场，我们考察股价的需求弹性足矣。
需求价格弹性的计算：
对任何一种商品，假设我们用P来表示原来的价格，Q表示与P相应的需求量，P1表示变动后的价格，Q1表示与P1相对应的需求量；令△P=P1-P，△Q=Q1-Q，用Ed表示需求弹性系数，则：
Ed=价格变动百分比/需求数量变动百分比
=（△P/P）÷（△Q/Q）=（△P*Q）/（△Q*P）
对股票市场而言，根据Ed的数值，我们可以初步估计出该股大概处于一个什么阶段，当然，要据此判断出机构投资人行踪肯定是不够的，对此，我们还要再此后面还有专门的方法。
（1）︱Ed︱=1，就是说需求量每变动1﹪，价格相应变化1﹪，此即所谓的单位弹性。
在股市中，这种单位弹性的情况相当少。
（2）︱Ed︱＞1，表示需求每增加（或减少）1﹪，价格会上涨（或下跌）超过1﹪，此即所谓的富于弹性。
个股一般在机构相对控盘或绝对控盘的条件下会出现这种情况。
（3）︱Ed︱＜1，表示需求每增加（或减少）1﹪，价格会上涨（或下跌）不超过1﹪，此即所谓的缺乏弹性。
个股一般在散户行情阶段会出现这种情况。
（4）︱Ed︱=0。
表示需求无论如何变化，价格根本不变，此即所谓的完全缺乏弹性。
最明显的例子是在个股涨（跌）停板的情况下。
2.回归分析在股价需求弹性中的实际应用
在股票市场中，成交量与股价之间存在着十分密切的关系。
股价的上下波动都会伴随着成交量的相应变化，换句话说，也就是股价对成交量的变化是有弹性的。
但这种弹性大小并不是恒定不变的。
随着主力控盘程度的不同，股价对成交量的弹性大小会有所不同。
根据平时的经验，主力控盘程度越高，股价对成交量的弹性就越大，反之，则越小。
股价对成交量的弹性中隐含着主力控盘程度的信息。
这也可以说是一个带有公理性的假说。
如果我们能够定量的预测股价对成交量的弹性，那么就可以为判研一只股票被主力控盘的程度提供一定的参考依据。
计算方法：
我们将利用回归分析计算出股价对成交量变化的弹性值。
首先在主力控盘程度不同的时期分别选取一段时间数据，包括每日均价和成交量，并将第一天定为基准日。
选取股价作为随机变量用Pi（Price）表示，将从基准日到各天的累计成交量作为衡量需求变化的自变量（笔者也是在试用了诸如一定时期内平均每单笔成交金额、平均每单笔成交股数等一系列指标后挑选的最适合的衡量需求变化的指标），用∑Vi（Volume）表示（决不能用日成交量Vi表示）。
那么，实验结果即：
Pi=Ki∑Vi+εi
那么，我们对此试用回归分析后得到的数学模型即：
P=KV+ε
我们所需要的结果是V的系数K，ε没有指导意义，由于K是在机构主力在不同控盘时期有着鲜明的变化，那么，与其仅仅说K只是一个所求的弹性，还不如确切讲它是机构主力的控盘程度（JettonCollectDegree）。
记为：
JCD
由于条件限制，随机暂取六只股票进行计算，过程如下：
股票名称及代码：
亿安科技（000008）
时间区间：
（1）2019.1.24—4.18 50个交易日
VariablesEntered/Removed
ModelVariablesEnteredVariablesRemovedMethod
1∑ViI.Enter
aAllrequestedvariablesentered.
bDependentVariable:
PI
ModelSummary
ModelRRSquareAdjustedRSquareStd.ErroroftheEstimate
1.541.292.2789.561E-02
aPredictors:
（Constant）,¡ÆVI
ANOVA
ModelSumofSquaresdfMeanSquareFSig.
1Regression.1811.18119.827.000
Residual.439489.141E-03
Total.62049
aPredictors:
（Constant）,¡ÆVI
bDependentVariable:
PI
Coefficients
UnstandardizedCoefficientsStandardizedCoefficientstSig.
ModelBStd.ErrorBeta
1（Constant）3.810.024161.965.000
¡ÆVI3.440E-06.000.5414.453.000
aDependentVariable:
PI
（2）2019.9.26—12.10 51个交易日
VariablesEntered/Removed
ModelVariablesEnteredVariablesRemovedMethod
1¡ÆVI.Enter
aAllrequestedvariablesentered.
bDependentVariable:
ÊÕÅÌ
ModelSummary
ModelRRSquareAdjustedRSquareStd.ErroroftheEstimate
1.963.927.926.4326
aPredictors:
（Constant）,¡ÆVI
ANOVA
ModelSumofSquaresdfMeanSquareFSig.
1Regression116.4731116.473622.315.000
Residual9.17149.187
Total125.64450
aPredictors:
（Constant）,¡ÆVI
bDependentVa
升级会员 