12.6　交易量和行情宽幅指标的系统化解析模式

许多应用于交易量的系统性方法均对相关的数据进行长期的平滑，然后确认相应趋势的变化，进而判断价格的行情方向，而这些工作可以用任何累计的指标来完成，但是，我们不可以使用单日的动量指标或震荡指标值。对于震荡指标来说，很多分析认为，高额交易量证明价格的方向会出现新的变化；此外，尤其是当交易量达到峰值之时，相应情境最有可能生成一个反转信号。如果交易量和价格的峰值没有同步生成，那么，交易量的峰值将会领先于相应趋势的变化速度。同样，交易量的下降模式也可以用来验证某种行情方向，但是，此种情境最有可能表现的是：价格已经达到某种平衡状态，并且，其进一步的升降行情都需要另外的条件来确认。

12.6.1　交易量峰值情境的判断模式

交易量的峰值点位是相关信息中最清晰、最好的范例材料之一，其最为明显的形式是：某日的交易量最少是长于1个月或长于3个月的时间周期内其他交易日的两倍。交易量的波动一般都是集群式的，这主要归因于不稳定的经济和政治环境；然而，它通常与重要价格运行模式的终结方式有关。

图12-12　底部伴随交易量指标的微软公司的股价图

图12-12沿底部位置显示了微软公司12年的股票价格，其中交易量峰值出现的次数很少。在2000年之后，交易量峰值则集中地涌现出来，这与科技股泡沫的“崩坏”状况相关，相应价格在数周之内便折价了50%。于图表之中，大部分交易量的峰值点位伴随着大型的价格运行模式而下跌，其领先于行情的反转模式。而当反转行情转弱之时，波动率的峰值状态则标志着当前的行情模式即将终结。

一个简单的交易量的峰值可以被视为其超越了阈值T，其中T是这些平均交易量的倍数，n天之中的AV=average（volume，n）。如果今天的交易量（V_t ）远大于前几天的平均交易量，且是其数倍的话，那么，交易量的峰值就会出现，即V_t ＞T×AV_t-1 。

在许多情况下，较低交易量生成之后的指标趋近不如1日峰值那么清晰。更多的情况是：在过去的两天或者三天之中，交易量大幅度增加，而最终的峰值比平均数量高很多，但只比前几日高出25%，对于这个问题的解决办法是：延展交易量的平均值，如此则不会反映最近数日正在增加的交易量规模。

我们现在假设交易量形成峰值所需的时间不超过三天，这样我们就可以安全地说，滞后5日的平均交易量的数值则不会反映出最近期交易量的上升情境；然后，当下列条件得以满足时，交易量的峰值点位便可生成，即

图12-13　NASDAQ指数的价格和交易量数据显示了高/低交易量的数值与行情反转的相关性

上述公式的右边是：始于过去t-n-5期的，且结束于过去t-5期的n天的平均交易量——如果t是今天，那么，平均交易量值则止于5天前，因此，其不会受到最近期数据的影响。

当处理期货市场和指数工具时，交易量的峰值没有那么极端。在图12-13中，NASDAQ期货显示了2010年5月一段时间内的所有交易量（所有的合约）。生成高交易量的区间对应两种情况：价格从低点反弹；同时，图中心的价格峰值和低交易量联系在一起，此两种情境都会为相关交易提供一个契机。

在图12-14的原油期货图中，交易量的峰值可以被当作价格的反转点，而较低的交易量指标则可指示价格的方向。尽管没有综合的测试来证明前述这些发现，然而虽然高交易量情境只持续了1天，但其似乎预示领先于价格的反转模式。

图12-14　原油期货价格（经过回调的），交易量总规模表现为线性形式

12.6.2　移动平均法则

并不是所有的分析师都认可高交易量值所对应的是一个行情反转点。应用较高交易量值证明相关趋势最直接的方法是：计算交易量指标的10日移动平均值，且以之作为20日顺势交易系统头寸的补充模式 ^[1] ——我们可以简单地要求当前的交易量比过去10天的移动平均值大，如此则可形成一种与新趋势相互联系的参与方式。还有，交易量可以作为一个过滤器，从而消除大量的交易。如果净收益率相同，那么，应用交易量过滤模式的方法会更好，因为你会有更多的选择；并且，此种方式可以降低你的交易风险，同时不会在每次出现新的交易信号时颠覆你的头寸。所以，应用此种法则会提高相应的流动性。

万肯伯格提出了一个相似的方法。 ^[2] 他将计算的交易量的10日移动平均值作为正常水准，在此基础上，趋势的改变必须被证明有20%的增加（20%的预制作为一种额外的过滤器，但是有可能被长期趋势和更小的阈值替代）。在价格波动的极端情况下，可以发现大约超过40%的数量增加。应用于股票市场，万肯伯格运用这种极端数量指示抛售结束。为了在长期测试时间增加灵活性和更适应剧烈的变化，布林带（基于两个标准差或者是95%的概率）可以由规定的百分比阈值替代。

另外，使用13日交易量，从上升交易量总量中减去下降交易量总量，将结果作为动量指标，这样可以识别超卖和超买的水平。如果这些数值不稳定，则主要归因于缺乏流动性，使用短期的移动平均值，它们便可以更平滑。

12.6.3　升降交易系统

大多数的交易量升降数值，如果它们是平滑的，那会很有价值。通过于某种价格方向之上将升降股票净值所对应的交易量峰值进行合并的做法，康纳斯和海沃德（Hayward）创造了一个基础系统结构，他们将其命名为CHADTP ^[3] （康纳斯-海沃德上升下降交易模型）。这个系统通过运用下列步骤来证明相应的反弹行情：

（1）计算纽约证券交易所过去5天上升成交量的总和；

（2）计算纽约证券交易所过去5天下降成交量的总和；

（3）从上升成交量总和（步骤1）中去掉5天下降成交量总和（步骤2）；

（4）除以5得到每天的平均成交量。

CHADTP=（过去5天纽约证券交易所上升成交量的总和-过去5天纽约证券交易所下降成交量的总和）/5，相应的指令为：

为了使用振荡器进行交易，康纳斯和海沃德已经证明±400都属于极端水平，在这种情况下处于超买或超卖状态。基于这个，我们可以把下列规则运用到标准普尔期货的交易中：

（1）当CHADTP＞+400并且标准普尔期货低于前几日交易最低点10个点的时候，卖空；当CHADTP＜-400并且标准普尔期货高于前几日的交易最高点10个点的时候，买入。

（2）注意振荡器不必超过一天内卖出或者是买入信号的极端值。

（3）如果信号发生的同时，报纸评论指出“成交量低迷”或者是成交量低于3个月以来的平均值，可以将此看作超额现金在等待进入市场，此时买卖的时间也是最好的。

该系统的目标回报期是在5～7天内。振荡下降会导致价格处于均值位置，此时是一个退场的机会。一个标准的价格振荡器可以在这个框架内产生超买和超卖的信号。一个相反的进入信号会颠覆位置。

我们应该注意的是这种方法是在1995年标准普尔期货降低和不稳定的时候发展起来的。2011年，道琼斯工业平均指数是1995年价格的4倍，当时标准普尔期货价格却只提高了1/3。然而，现在市场更加不稳定。标准普尔期货的10个基点（0.1%）相当于1.3点，这种情况每天都有可能发生。增加阈值到50或者100个基点更容易达到这种方法中所说的价格。

12.6.4　波动幅度作为趋势反转的指标

因为和其他大多数的市场相比，股市存在更多的干扰因素，所以股市有均值回归的趋势。这似乎能够适用于市场波动幅度。康纳斯已经证明了，下降的股票数越多就越能说明股票市场正在良好地前进。 ^[4]

·如果纽约证券交易所股票下跌数至少连续3天多于纽约证券交易所上升的股票数，那么标准普尔在下周平均涨幅为0.50％。

·如果纳斯达克股票下跌数至少连续两天多于纳斯达克上升的股票数，那么纳斯达克指数在下周平均涨幅为0.80％。

·如果纽约证券交易所股票下跌数至少是纽约证券交易所上升的股票数的两倍，那么标准普尔期货在下周平均涨幅0.60%。

另外，当发生相反情况的时候，三种情况在接下来的一周中都没有任何收获。这个发现所处的时期是1996～2003年，包含了牛市和熊市这两种极端的情况。

[1] Alex Saitta，“A Price and Volume-Based System，”Technical Analysis of Stocks & Commodities(March 1996).

[2] Howard K.Waxenberg，“Technical Analysis of Volume，”Technical Analysis of Stocks & Commodities(March 1986).

[3] Laurence A.Connors and Blake E.Hayward，Investment Secrets of a Hedge Fund Manager(Chicago：Probus，1995).

[4] Larry Connors，“Fade the Breadth，”Futures(January 2005).