12.4　交易量相关的指标系统

    股票和期货市场有许多指标只使用交易量或以其作为附加系统，进而使相关计算变得更加稳健。以下的部分会阐述相关指标中最受欢迎的部分，其中大多来自股票市场，使用的是股票数量的升降模式。读者应该注意从一种技术到另一种技术的使用过程中相关数据的变化模式，并考虑这些变化的意义，我们会在本节结尾处进行讨论。

    12.4.1　平均交易量

    所有数量指标中最基本的是其平均值，此类指标最常用于股票市场，尽管我们应该使用与价格均值相同的时间步长，但是其计算周期还是被设定为50天。然后，如果你要跟踪200天的移动平均线，那么200日交易量的均值将是有意义的。而任何不到50天的因子都不太可能被平滑处理。

    12.4.2　交易量的规范化模式

    与最近期的平均值相比，将相应价格进行标准化处理的模式总是很方便的，而这种方法也可以适用于交易量指标。我们假设计算周期N为50天或200天，那么，我们则可将交易量进行规范化处理且显示为NormVolt ，并将结果表示为百分比，即

    标准化的交易量模式可以让我们理解“今天的交易量比过去200天的交易量高出20％”这句话的含义，此种情境可以在显示微软公司股价的图12-2的第三个面板中看到。

    图12-2　微软公司股价（顶部面板）；相关交易量（第二个面板）；规范式50日周期的交易量指标（第三个面板）；基于14日周期和34日周期的交易量的波动震荡幅度（底部面板）

    12.4.3　交易量的动量指标与百分比的变化形式

    另外两个基本的交易量指标是动量和变化率，这些技术将交易量视为价格。相对于动量式的交易量指标而言，其意味着在特定的时间间隔内交易量的变化规模；百分比的变化模式则是测量交易量相对于起始值的波动幅度。如果我们设t为今天，n是回溯天数（观察周期），那么，当期动量型交易量指标值Volume momentumt 与交易量的百分比值Volume%分别为：

    由于交易量的逐日方差变化很大，因此，动量型交易量指标模式很不稳定，所以，我们有必要对其进行平滑处理，从而使之成为一个有用的技术指标。

    12.4.4　强力指标

    强力指标（force index）是由亚历克斯·埃尔德（Alex Elder）所设计的，其是将相应收盘价格的日间变化（Closet -Closet-1 ）乘以日间的交易量（Volumet ）而得出的，相关公式为：

    由上式可知，如果价格变得更高或更低，那么，强力指标将呈现正数或负数的形式。另外，强力指标不限于日间图表，其也可以应用于周际、月度数据，同时，本章所阐述的许多其他方法也是如此。而一旦计算了日间强力指标的数值，那么，我们则应对其进行平滑处理。对于进场和离场的定时机制而言，相关的建议是：使用平滑系数为0.667的2日指数移动平均线（EMA），从而避免此类指标出现不必要的噪声。同时，相对于长期分析而言，我们应使用13日EMA线（平滑系数为0.1428）。还有，此类指标的交易规则与噪声因子的概念相同，即当价值偏低时，2日平滑的强力指标线将呈现买入的信号；当价格偏高时，该指标会提示交易者做空。如此，13日的价值曲线则被视为趋势线——当其上穿零线时，买入信号就会显现；当其下穿零线时，卖出信号就会出现；再者，相应信号会持续有效至平滑的强力指标线更改方向时。

    12.4.5　震荡型交易量指标

    可视化的交易量的变化模式（见英航网站）是非常有用的，其中最简单的方法是应用震荡型的交易量指标，即通过两个平滑数值来解决数据的不稳定问题。交易量震荡指标的设计工程分为两个步骤，且可以使用任意计算周期的趋势线，这里我们使用14日和34日的计算周期。

    1.步骤1

    计算短期和长期交易量均值（Vi ）间的差值（VO（Diff）t ），这里以14日周期和34日周期求解，即

    2.步骤2

    计算短期交易量和长期交易量的比率（VO（Ratio）t ），我们再次使用14日和34日的计算周期，即

    一旦上述两种模式相关的计算步骤完成之后，交易量相关的震荡指标值则可显示为直方图或折线图，图12-2的顶部面板显示了2010年11月～2011年4月微软公司的股票价格；第二个面板显示的是交易量；第三个面板为标准化的50日交易量指标；底部面板则应用比率形式显示了震荡型的交易量指标值。在本示例中，震荡型交易量指标不确认行情的上下走势，而这也许是正确的一种解释方法，因为相关的趋势是短暂的。

    12.4.6　均衡交易量指标

    标题项下指标是由约瑟夫·格兰维尔（Joseph Granville）所开发（见英航网站）的， [1] 它现在是股票分析师圈子中常用的一个概念。此类指标的分析架构为：在价格趋高的交易日中，我们设定所有的交易量均生自于买方；在价格趋低的交易日中，相应交易量则由卖方控制；然后，我们从截至前一日的交易量的累积值OBVt-1 中加上或减去“今日”的交易量指标值Volumet ，进而得到截至今天的累积值OBVt ，即

    ·如果今日的价格pt ＞昨日的价格pt-1 ，那么OBVt =OBVt－1 +Volumet

    ·如果今日的价格pt ＜昨日的价格pt-1 ，那么OBVt =OBVt－1 －Volumet

    上式的计算结果是交易量的加权序列值，其可用于平滑数据的不稳定性。在以下的公式中，括号中的表达式仅使用收盘价（Close）生成+1、0或-1的值；然后，我们即可确定是否从交易量系列添加或减去今天的交易量值，相应公式为：

    另外，手动确定OBV值是一个简单的累加过程，如表12-2所示，即如果第二天价格收高，那么，我们可将交易量增加30倍（基本单位设定为千），然后，把此数值添加到起始的零交易量之上。在第二天，如果价格再次走高，那就将相关交易量添加到总数之中。在第4天，价格下降，那么，我们则从总数中减去当日的交易量值。在此示例中，当收盘价格上指时，交易量较高；当价格收低时，交易量则较低，这是一个具有明确上升趋势行情的理想模式。从传统意义上讲，记录OBV值的目的在于观察价格的趋势何时发生偏离，而OBV数值所相关的一般解析模式则由表12-3给出。

    表12-2　均衡交易量的计算方法

    表12-3　均衡交易量指标的解析模式

    因为日间交易量的规模变化很大，所以交易量指标系列具有不稳定的属性，因而它最常用于高达100周的移动平均趋势线。然后，当OBV值越过趋势线之际，我们则可识别简单的交易量走势——交易量的升势可以被理解为当前的价格方向将会持续，而交易量的降势则可能代表平仓或行情的不确定性。实际上，我们研究OBV数值的意图在于应用交易量指标，而不是价格来做出交易的决断。

    在图12-3中，我们基于通用电气公司（GE）的股票价格于底部将OBV值与相关交易量指标一起进行绘制，其涵盖的周期为2010年12月～2011年4月。在图中，即使OBV累积数值源自交易量，但是，其变化模式与顶部面板的价格行情模式是相近的。而价格图表和OBV线之间的主要区别在于：价格走势的中心峰值处呈现扁平的形态，而OBV线则尚未显现降势，这种价格高于OBV线的分歧将被解释为：价格的上涨会面临“背离”的情境。

    图12-3　应用于2010年12月～2011年4月通用电气公司股价的均衡交易量指标模式，交易量指标展现于右下角，OBV指标值出现在右上角

    另外，累积交易量指标值所相关的电子表格的编程语言存于英航网站上TSM软件内的OBV程序中。

    图12-4　由交易量指标、OBV值以及OBV指标相关的40日移动平均值所标识的标准普尔价格被显示于底部面板；交易信号源自OBV的趋势线，而40日移动平均价格棒线则被显现在顶部面板之中

    1.以OBV数值替代移动平均线中的价格

    如果我们对OBV指标系统进行改进，那么，我们可以使用OBV而不是价格来找到相应的顺势交易信号。在图12-4中，标准普尔迷你电子交易盘于顶部面板显示了相关的价格，其中使用了40日移动平均线，而交易量指标值、累积OBV值以及OBV指标相关的40日移动平均值则被显现在底部面板。其实，交易量所相关的移动平均趋势线同样是平滑的。但是，在右侧远端，价格棒线比OBV线更早地向上移动，故而略有不同。

    为了探讨相对于单纯的价格棒线而言OBV指标是否能够生成更好的趋势效应，我们有必要对诸多金融工具做一个全面的测试。我们已经知道：相对于标准普尔和普通股票来说，该指标不是顺势交易系统的最佳选择，那么，对利率的测试结果则会更有意思。其实，把价格变动和交易量彼此相互结合的交易量指标系统可能具有附加的效能，相关交易策略的例证模式可以在英航网站上TSM软件内的OBV Trend程序中找到。

    2.现金流指标

    我们用最高价（Ht ）、最低价（Lt ）和收盘价（Closet ）的平均值（TPt ）替代收盘价格来测度均衡交易量指标的简单变化模式，它被称为现金流指标（MFI，见英航网站），与RSI指标相呼应，相应数理公式如下：

    3.交易量计数指标

    交易量计数指标和均衡交易量指标非常相似，其以成交量增加的天数减去成交量下降的天数，而剩下的天数即为交易量计数指标。同时，如果今天的交易量大于前一天的交易量，则相应累积值增加1，否则减去1（见英航网站）。此类指标（VCI）的公式为：

    12.4.7　交易量的累积指标

    格兰维尔的OBV指标系统的一个变形模式是马克·柴肯（Mark Chaiken）的交易量累积指标（VAt ），此项指标没有将相关交易量的指标权重配置于买方或者卖方，其是根据收盘价格（Closet ）与盘中均价的关系确定一个比例。在OBV相关的计算方法中， [2] 如果收盘价格居于当日的高点（Hight ）或低点（Lowt ），那么所有的交易量（Vt ）权重会被配置于买方或者卖方；如果收盘价居于中间范围，那么交易量权重值就不会增加。其相应公式为：

    12.4.8　交易量的累积分布模式

    此项指标由马克·柴肯所开发，其与交易量的累积指标相类似。实际上，累积分布指标（AD）、盘中密度值、价格、成交量的走势、交易量正向和负向指标都用到一个概念：买卖压力。它是以开盘价（Ot ）和收盘价（Ct ）之差除以交易范围（当日高价Ht -当日低价Lt ）来测试相应的强度。在一些参考文献里，该指标也被称为现金流。在以下的公式中，如果开盘价格没有给出，我们则可用之前的收盘价格来代替开盘价格，即

    12.4.9　盘中密度值

    此项指标是以日间行情波幅为基础而构建的，如果最高价（Ht ）相较于最低价（Lt ）更趋近于收盘价（Ct ），那么，该指标值（IIt ）就会上升，而相应公式为：

    12.4.10　价格与交易量趋势指标、正向交易量指标、负向交易量指标

    价格和交易量的趋势指标（PVT/VPT）是把交易量指标与日间价格变化的百分比值联系在一起（见英航网站），其数值有正有负。 [3] 我们需要注意的是：此种指标不能应用于经过回调的期货价格，其只适用于现货市场、股票价格以及指数交易中，相应公式为：

    上述指标有两种变形模式（见英航网站），即正向交易量指标（PVI）和负向交易量指标（NVI）。如果我们基于行情方向，且通过加减相应交易量而将此两种变形模式生成单一的指标系统，那就不如同时观测两个分离的指标系列，即在第一个变形当中，我们以收盘价格的走势来决定相关交易量指标是被加入正向指标之中还是负向指标之中；在第二个变形模式中，我们以相较于前一日更高或更低的交易量为基础，进而确定其是被加入正向指标或负向指标中，即

    以收盘价为基础的变形Ⅰ公式为：

    以交易量为基础的变形Ⅱ公式为：

    在诺曼·福斯贝克（Norman Fosback）《股市的逻辑》（Stock Market Logic）一书中，作者研究了1941～1975年基于上述变形模式Ⅰ的股票行情走势，且做出如下总结：

    ·如果PVI趋势是上升的，则有79%的概率会出现牛市行情；

    ·如果PVI趋势是下降的，则有67%的概率会出现熊市行情；

    ·如果NVI趋势是上升的，则有96%的概率会出现牛市行情；

    ·如果NVI趋势是下降的，则有50%的概率会出现熊市行情。

    为了找到PVI或NVI的运行趋势，我们一般要把6个月（127天）或一年的移动平均值应用到个体指标的数值之中。

    12.4.11　阿斯普瑞的需求震荡指标

    阿斯普瑞（Aspray）把交易量按买方压力（BP）和卖方压力（SP）分为两组，并形成他自己的需求动荡指标（demand oscillator）。 [4] 我们这里要注意的是：在一个上升的行情中，卖方压力值除以交易量百分比值的结果可以大于1，以下是需求动荡求解的相关步骤。

    (1）行情上升之时：

    买方压力：BPt =Vt

    卖方压力：SPt =

    (2）行情下降之时：

    其中：

    如此，需求震荡指标为：Demand Oscillatort =BPt －SPt

    在上式之中，K是一个波动扩展因素，其数值是以收盘价格除以相邻2日的高低价格间的最大差值的10日移动平均值，然后将相应商值乘以3；同时，K值可能大于100。举例而言，如果在交易时标准普尔的价值是1000，而平均波动率是15点（对于10日平均值已经很高了），那么，K=3000/15=200。

    12.4.12　交易量的呼值指标

    此项指标类似于怀尔德的RSI指标，布劳则对交易量呼值指标进行二次平滑，进而确定价格的行情趋势。图12-5所显示的交易量的呼值指标（TVI）的计算公式为：

    在上式中，TVI指标值的范围是-100至+100，DEMA（二次平滑的指数移动平均值）是下降点数和上升点数的二次平滑值，当相应时间序列超过棒线r时，我们进行第一次指数平滑计算；超过棒线s时，我们进行第二次指数平滑计算。在第7章中，笔者介绍了许多二次平滑相关的技巧。其实，这种方法不同于布劳的价格平滑模式，其没有先行构建一个动量数组，所以，TVI指标会稍微滞后于两个计算期的算术平均值。

    图12-5　布劳的交易量呼值指标

    资料来源：William Blau，Momentum，Direction，and Divergence(New York：John Wiley & Sons，1995)，45.

    12.4.13　加权交易量所相关的MACD指标

    MACD指标是基于两个移动平均值之间的差值而确定的（见第9章）。为了加入交易量指标，我们用每天的收盘价格乘以相应的交易量，如此，每个移动平均值则被同期的交易量均值进行了标准化的处理，而标准的MACD型交易量指标所推荐的计算期是12天和26天。和MACD线一样，相关的信号线是由加权交易量MACD线（VWMACD）的指数平滑值所构建的，其使用的是0.2的平滑系数，相当于大约9天的计算周期，其数理公式为：

    图12-6应用了英航网站上TSM软件内的Volume Weighted MACD程序，且基于欧元的货币期货刻画了VWMACD指标线，其出现在底部的面板中，其中的粗线是VWMACD指标线，而更细且更光滑的是信号线。就MACD指标而言，当VWMACD线穿过信号线，且居于上方之时，交易者需要植入一张多单；反之，则植入一张空单。与MACD指标相比，VWMACD指标的变化很小，但是，其在时间序列上略有改善，且在交易中具有很大的优势。

    12.4.14　应用于交易量的可变型加权移动平均指标

    克里斯蒂安·弗里斯（Christian Fries） [5] 应用一种独特的方法，同时根据流通股数量、时价、下一期的交易量或下一期的成交量发明了一种交易量相关的弹性加权移动平均指标（eVWMA），此指标应用流通股数量和被交易股票数量之间的差值构造了一个加权因子：当卖出的股票相对较少时，该因子会导致之前的趋势值更加重要；当卖出的股票相对较多时，之前趋势的权重值就会降低，其净效应是：当股票交易数量相对较多时，加权平均值相对于交易量的变化值而言会显得更加敏感，相关数理公式为：

    其中，OS是流通股的数量。

    图12-6　应用于欧元货币期货的加权交易量所相关的MACD指标

    我们以默克公司（Merck）为例，其总流通股为2亿，根据观察，每日最大交易量约1.5亿股。如此，我们可以通过使流通股数略大于最高成交量，那么上述指标将在更广泛的范围内变化，且显示更多的特点。图12-7把eVWMA指标线和一个0.10倍系数的指数平滑线进行了比较，其结果非常相似，尽管eVWMA线更接近图表中心的价格点位。

    图12-7　应用于默克公司股价的，且与0.1倍平滑系数的移动平均线相比较的交易量相关的弹性加权移动平均指标线

    12.4.15　应用未平仓合约数替代期货交易量数据

    期货交易量可以生成与股票交易量非常不同的测试结果。期货市场自身的能源、黄金，甚至是利率的价格已上升多年，这就导致了许多指标，尤其是OBV指标持续且稳步地走高。然而，如果将相关指标应用于10年期的股票之上，那么就会出现震荡的走势。

    前面我们已经提到，期货交易量有两个部分，即合约数量和整体的交易总量。合约交易量的规模从零开始，其数量随着合约的延展而增加，直至近月交割期，然后于合约期满时再回归至零，未平仓合约的规模走势与之类似。为了避免前述这种模式，我们使用交易总量，而不是合约交易量。同样，期货数据也会显示未平仓合约数以及未平仓合约总量，该数据和交易量相关的变化模式相同，但是，未平仓合约数比交易量占比要更加稳定一些。另外，其与交易量相似，随着市场活动的增加，未平仓合约数量也会增加，因此，其反映着相同的基本原理。

    在前面章节的许多指标中，未平仓合约总量可以是交易量最好的替代品。这里我们应该记住的是：未平仓合约和交易量的数据通常是一天后才能下载到，这些数字可以手动从彭博社下载，我们可以把它们作为一个长远的、安全的指标，从而实现其最优化的目标。

    在英航网站上的TSM OBV程序之中，有一个将累积交易量的OBV指标应用于标准普尔期货交易的电子表格范例，其中使用了交易量总额和未平仓合约总量所相关的数据指标。

    12.4.16　交易量加权的平均价格指标（VWAP）

    一份证券的订单可以按照成交量加权平均价格VWAP的形式植入，相对于更大的头寸而言，此种模式可以应用平均价格显现一天之内、于不同行情之下的交易有多么活跃。相对于对冲基金来说，如果其不想通过配售过大的买单而迫使价格上涨（在一天中的某一点，甚至在收盘时），那么，应用此种模式则最为便利，我们可以按等比例的仓位配置订单，从而忽略应用时间加权平均价格（TWAP）而生成的流动性。

    [1] Robert W.Colby and Thomas A.Meyers，The Encyclopedia of Technical Market Indicators(New York：McGraw-Hill，2003)，其中相关行情分析指标被综合地加以论述，也包括了均衡交易量指标，以及本节中所论述的其他技术指标。

    [2] OBV和交易量累积指标的特点类似于“动量”系统，而相应类似模式的更多信息可参看第9章。

    [3] Dennis D.Peterson，“Positive Volume Index，”Technical Analysis of Stocks & Commodities(April 2003).Also see Norman G.Fosback，Stock Market Logic(The Institute for Economic Research，1985).

    [4] Thomas Aspray，“Fine-Tuning the Demand Index，”Technical Analysis of Stocks & Commodities(June 1986)，and“Demand Oscillator Momentum，”Technical Analysis of Stocks & Commodities(September 1989).

    [5] Christian P.Fries，“Elastic Moving Averages，”Technical Analysis of Stocks & Commodities(June 2001).