12.5　市场行情相关的宽幅指标

    行情宽幅指标所测量的是特定某日上涨的股票数量和下跌的股票数量间的不平衡性，其是相对于总股数而言上升股票数量所占的百分比。总的来说，这是一个更加与时俱进的议题，即应用交易量确认价格的思维模式将信心指数加入到行情的升势中，例如，于标准普尔500指数净增长时，如果市场之上更多的情境弥漫着下跌的气氛，那么，标准普尔上行走势的支撑力则是不足的。

    每天关于股票上升和下降的消息会随着股票价格一并发布。如果你想知道上升股票和下降股票所相关的交易量指标，那么你可以在《华尔街日报》的“交易活动”栏目中发现。在本节中，我们应用CSI（MATLAB程序中的文件夹）数据系列UVDV功能函数。同时，我们也使用该数据系列的MKST函数来发现新的高点和低点，从而判断这些数字能否对价格的分析有所裨益。

    对CSI数据系列的解析模式由下表给出，其中正常的字段名称在上，具体内容在下。

    行情宽幅指标可被用于确认价格的运行方向。通过下表，我们则会发现该指标的解析模式与价格和交易量之间的相关性是同步的。

    行情宽幅指标所测量的数据必须与你的交易相关，例如，道琼斯指数中75%的股票上涨，但标准普尔小盘指数仍然可以平淡无奇或呈现下降趋势，那么，为了安全起见，投资者会将小市值的股票置换为标准普尔500指数，然后交易道琼斯指数。所以，要想在小盘股中确认一个上涨的行情趋势，只依靠整体市场的宽幅或大盘股的宽幅是不够的。

    这里值得注意的是，一位著名的行情技术分析师和技术员杰拉尔德·阿佩尔指出，在应用行情宽幅指标时，我们最好进行均衡的权重配置（一种简单的计数模式）。

    12.5.1　将交易量的升势从降势当中分离出来

    在确定市场行情宽幅的所有技术中，最基本的是升降指数，其是通过添加每天上涨的股票净值，且减去下跌的股票净值而生成的一个新的序列；同时，价格未发生变化的情境可以被忽略，相应数理公式为：

    第t期的升降震荡指数值=第t期的上升股票数-第t期的下降股票数

    第t期的升降指数值=第t-1期的升降指数值+上升的股票数-下降的股票数

    在下面的一些方法里，我们只显示震荡指标或单周期计算公式，而通过将相关数值进行累积加权，即可构建一个指数型的指标。

    12.5.2　西贝特的需求指数

    詹姆斯·西贝特（James Sibbet）的需求指数是一种交易量的平滑方法，该方法对应的是过去10天的交易活动，其与怀尔德的RSI指标所使用的方法相似，且可以将日间价值或累积价值融入指数中，从而形成一个震荡指标。如果n=10，那么西贝特需求指数即可通过上涨交易量总和除以下跌交易量总和的方式计算得出，即第t期的需求指数：

    上升交易量和下降交易量的数值也可以在《华尔街日报》上的“交易活动”栏目下找到，同时，另一位著名的股票分析师阿瑟·梅里尔建议：n值应该等于5。

    12.5.3　博顿-特伦布莱模型

    博顿-特伦布莱模型相对于无变动的股票数量而引入净涨股的概念，此方法也包括一种几何加权的测试结果。在下面的计算，BT代表日间博顿-特伦布莱指标值，BTI则是日值累积的指数值，即第t期的BT值为：

    而且

    当上涨或下降的股票数量所反映的市场行情宽幅比较强大时，博顿-特伦布莱指标则会出现很大的峰值，如此，价格不变的股票的数量就会变得很小。

    12.5.4　舒尔茨指标

    舒尔茨（Schultz）把上涨的股票数量看作总股票数量的一部分（以百分数计），其计算结果为0～100，相应公式为：

    12.5.5　麦克莱伦震荡指标

    麦克莱伦（Mcclellan）震荡指标（见英航网站）的计算过程是：先行算出上升股票数量的净值（NA）；然后，基于净值减去19日-39日平滑的趋势线值（E1/E2），进而创建一个震荡指标，此方法与MACD的方式类似。19日-39日计算周期的平滑系数（s1 、s2 ）的计算公式为2/（n+1），为了方便计算，我们令s1 =0.1，s2 =0.05，即

    而

    如此，第t期麦克莱伦震荡指标：

    图12-8比较了西贝特的需求指数与更为复杂的麦克莱伦震荡指标，其中标准普尔（S&P）期货价格曲线被标示于顶部面板；第二个面板是需求指数曲线；升降的交易量曲线位于第三个面板；最下端的是麦克莱伦震荡指标线。其实，前述两个指标的尺度有很大的不同：需求指数是一个比率，因此，其变化在1的上下，反映的是经过10日周期滚算的交易量的升降数值；麦克莱伦震荡指标使用的是一个较长的计算周期，且应用指数方法进行深度的平滑。

    图12-8　标准普尔股指期货价格曲线（顶部面板）、西贝特的需求指数线（第二个面板）、交易量的升降指标线（第三个面板）以及麦克莱伦震荡指标线（底部面板）

    在行情长期向上运行的过程中，上述两个指标都略高于中性水平，但是，其中最有趣的特点是：相对于极端的高点和低点而言，麦克莱伦震荡指标表现得更为清晰，其刚好对应了两个价格低点以及一个峰值。另外，在两个指标体系中，升势终止之处的高点显示一种背离的情境，此种模式于当时不易识别，但有时非常有用。

    12.5.6　交易量的升降比率

    一个简单的交易量升降比率（UDR）和西贝特的需求指数相类似，但是，它没有被平滑。这个比率更容易看到相应计算的不对称性：当下跌的交易量数值非常低，如只有总交易量的20%时，那么，UDR的值则为4；相反，如果上涨的交易量值低（只有下降交易量数值的20%），那么，相关比率是0.2。股票涨价时，此项指标没有上限；但是，在股价下降时，此比率在0和1之间，这是相对于价格升降而言的一个熟悉的模式，且被描述成一个百分数。另外，UDR的高值可以领先于牛市周期，其数理公式如下：

    12.5.7　阿姆斯指数（TRIN）

    理查德·阿姆斯解析了股票的涨跌数量和交易量升降数值之间的相关性，即阿姆斯指数，常被称为交易者指数（TRIN），该指数是以涨跌股票数量之商除以升降交易量之商而得出的，即

    12.5.8　推力震荡指数

    图莎尔·钱德的推力震荡指数（TO）和TRIN应用了同样的数值（见英航网站），其所构建的是一个升势震荡指标，相应计算过程为：以第t期上涨股票的数量乘以第t期上涨股票的交易量，然后减去相应的下降值，最后再除以两者之和，即

    推力震荡指标可以作为超买/超卖指标的补充工具，进而确定市场行情的主要方向——数值+30则可确定超买情境，数值-30可被用来确定超卖情境。而无论指标是否被平滑化，相应的两个极值点位在交易当中的意义是最重大的。

    图12-9展示了推力震荡指标（第二个面板）和标准普尔期货价格（顶部面板），其中，±30的两条轨线给出了超买和超卖的短期指标；同时，在价格横盘变化时，其出现的频率更高。另外，相对于3个月周期的、稳步上涨的标准普尔指数而言，该指标所给出的买入信号（于底部轨线被穿透之时）比卖出信号多，测试效果良好。

    图12-9　应用于标准普尔期货（顶部面板）的推力震荡指标（第二个面板）

    在学习阿姆斯指数（TRIN）和推力震荡指标（TO）时，如果将所有成分股的价值变为整体数值的百分比形式，那会显得更加敏感一些，也就是说，上升和下降的股票数量应该除以整体的股票数量；并且，上升和下降的交易量数值应该除以整体股票的交易量总值，如此，则会使得那些数量相对较少的部分显得不那么重要。另外，在当前的计算过程中，不活跃的交易区间会生成扭曲的价值。

    12.5.9　新高-新低指标

    其实，关于日间新高和新低点位数值的著作是比较少的，然而，这些数据是存在的，且可以按类似于行情宽幅指标的模式而被应用，其中，代表相应数据的最明显的方法是创建一个高-低点指数（HLX），即

    上式中，NH为52周的新高点，NL为新低点。另一种方法是确定一个比例（HLR），即将过去n天的新高点除以新高点（NH）与新低点（NL）之和，即

    杰拉德·阿佩尔 [1] 应用10日平滑的高-低点比例（HLR）构建一个阈值——于超出之时生成买入的交易信号，例如0.8或者0.9；于该比例居于阈值之下时则生成一个卖出的交易信号。在图12-10中，标准普尔期货价格和HLR指标线被显示于中间的面板之内，高-低点数据则居于底部面板，中间面板的顶线值是0.90，其于行情稳步上涨之时可以作为一个阈值来提取高维动量。同时，它也可用于创建一个快速平滑HLR信号线，此方式的目的同MACD指标是一样的，即避免准入以及离场的阈值过于苛刻。

    图12-10　应用于标准普尔期货（顶部面板）的高-低点比例（中部面板）指标和高-低点数据（底部面板）

    12.5.10　一揽子新高/新低点位指标

    在第13章中，我们将讨论另一种方法，即买入一揽子股票，创造新高点；卖出一揽子股票，创造新低点。当然，这里我们假设每一只股票的价格在创造一个新高之时将维持相应的行情走势，因为此时的市场已经出现了一些根本性的变化，其盈利或结构则是正向的；同样，生成那些52周新低点的股票则出现了负向的根本性变化。另外，为了避免不必要的风险，多头一揽子股票和空头一揽子股票必须有相同的波动性。

    12.5.11　一个交易量或者宽幅指标会优于另一个吗

    对一个成功指标的最后测试工作主要看其是否为你的交易决策增加了价值。我们可以在一个合理的历史时期内对相应的技术指标进行编程，然后将它融入交易策略之中，最后测试相关的规则。在此之前，我们应该确定交易量或行情宽幅的增减会传达何种信息，而我们应该如何利用这些信息进行交易。应用交易量和宽幅指标比应用价格更加困难，因为其数值存在着更大的差异，如此则会产生一个问题，即将一个完整的概念转化为一个有利可图的交易策略会变得更加困难。如果性能测试并不能证明我们的预期，则需要应用不同的指标。似乎毫无疑问，交易量和行情宽幅的数据会告诉我们一些东西，而发现这些信息将提高我们的交易业绩。

    通过查看前面的指标选择模式，我们发现小的价格变化可能会导致所有交易量发生变化，进而指定一个行情方向，这种情况适用于格兰维尔的均衡交易量指标和博顿-特伦布莱的相关法则。如果标准普尔指数只变化一个点，那么，将此变化添加到累积的交易量指数之中合理吗？在单独的一日中，这似乎是任意的；但是，在许多基本的系统之内，于很长一段时间中，这个决定的净效果则是一种噪声。

    马克·柴肯对上述问题做出了一些改变，他基于日间行情波幅的变化，以相对近似价格所对应的交易量为基础确定了一个百分比值，这似乎是很明智的，即可以避免均衡交易量模型相关的技术指标出现“零和”博弈的情境。同时，西贝特的需求指标会利用10日交易量指标，如此则可完全避免噪声之类的问题，进而生成平滑的测试结果；在通常情况下，当交易量与行情宽幅指标高速变化之时，我们需要使用此种方法。

    通过观察各类相关指标紧密联系在一起的情境，我们则可发现：它们似乎是一个小数据操作的集合。传统技术人员仍然主张应用趋势线、背离或新的高点和低点进行解析。为了替代解析价格的艰难运行过程，他们增加了一系列的交易量或行情宽幅的指标。虽然前述方法比较明确，而且交易量和行情宽幅指标也有助于了解价格的运行状况，但是，应用此类指标之时，你首先必须能够测试其是否可以盈利，要做到这一点，我们需要应用一些完整的系统方法以确保任何模式都能够得到实施和验证。

    12.5.12　作为逆势指标的行情宽幅

    所有的技术分析都倾向于使用行情宽幅来确定价格的方向，但是，劳伦斯·康纳斯却做出了相反的判断， [2] 其按照升降（AD）比率的预期交易模式如下：

    ·当指数AD＞2时，则做空；

    ·当指数AD＜0.5时，则买入；

    ·5天后平仓，除非出现反向信号。

    我们应用本节前面所涉及的CSI数据系列的UVDV-Ⅰ型函数或MKST-Ⅰ型函数来定义相关数据系列；同时，在第二列增加了标准普尔指数；然后，计算相应的涨跌比例，且应用相应的买卖规则——由于交易信号出现的频率非常高，因此，所有交易的头寸都要被持有至反向信号生成之时，而不是5天。而总的损益（以百分比计）规模则如图12-11所示。完整的计算可以在英航网站上TSM软件内的MKST-I Market Breadth程序所生成的电子表格中找到。

    图12-11　应用升/降（A/D）比率所生成的损益表格

    [1] Gerald Appel，Power Tools for Active Traders(Upper Saddle River，NJ：Financial Times Prentice Hall，2005)，126.

    [2] Laurence Connors，“Fade the Breadth，”Futures(January 2005).