证券市场的技术分析,从最早的手工绘图分析,到后来引入数学公式指标分析,发展到现阶段进入量化分析和交易模型分析时代。

手工绘制趋势线分析

数学公式量化趋势线
在介绍交易模型之前,先简单介绍一下模型思维的基本知识。
模型思维就是用简单易懂的图形、符号、结构化语言等组成的可视化的模型,是人们解决问题的思维公式。
模型思维是以结构思维为框架,碎片化知识填充,形成了稳固可视化模型,左右脑协同记忆,牢记不忘,提高提取效率和使用效率,思维更完整更快速,可以快速解决复杂问题;
模型本质上就是根据自己的需要,把事物的关键要素抽离出来,发现规律。因此掌握模型思维,能够大幅度的提升我们的认知效率。
同时因为模型具备图形可视化的特征,图形化语言是人类潜意识最能接受的语言。因此从某种程度来说,模型思维实际上也是调动人脑潜能的一个重要手段。
模型思维其实也并非新生事物。
我们在日常生活中也会不自觉地用到思维模型。比如你熟知骗子的套路,话术,就相当于建立了识别骗子的思维模型。此后只要遇到骗子,基本上一张口你就能就能识别出来。
从这个角度看,思维模型相当于把相关重要因素特征化,在结构体系中表现出来,成为一种高效解决问题的方法。
显然,具备良好的模型思维可以提高做决策的效率和正确性。
思维模型的建立,需要理论基础,技术手段,应用方法这三个层面。当然最终都是要归于应用层面。
就交易技术而言,任何一种技术都相当于一个思维模型。只不过由于交易者思维的局限,使得技术沦为无意义的无法掌控的碎片。
从某种程度来说,建立思维模型是针对行动力来建立的。因为用模型来思考问题,省去了枝节困扰。因为对于未经处理的碎片分析,常常会导致心力分散而妨碍行动。
事无巨细,思虑再三,最终导致丧失了行动能力或行动时机的事情比比皆是。
论语说:季文子三思而后行。子闻之曰:“再,斯可矣。”可见孔子也是不赞成三思而后行的。
现实生活中多少人秉承“三思而后行”,而终其一生庸碌无为呢?
所以思维模型通过提高决策效率,解决过度分析,进而获得行动力的提升。
下面我们用一根简单的均线,用模型思维来建立一个简单的交易模型。
均线:MA1:=MA(C,60);
根据均线的开多的技术规则:
- 价格上穿均线开多
- 均线角度向上,价格回踩均线支撑开多。
平仓规则:
- 均线角度转向平多
- 价格跌破均线平多
那么这里涉及到几个问题:
- 价格上穿均线多少才认定突破。
- 价格下破均线多少才认定止损平仓。
- 均线的角度如何识别
- 价格上穿均线时,均线处于什么状态
这些问题都是实际交易中最让交易者困惑而难以处理的,有人说交易规则知易行难,其实根本原因是细节问题无法与规则对接,导致规则形同虚设。最好只好随性而为了。
基于个人的经验,容我展示一下自己建模的简单均线模型。至于什么样的思维流程这样建模我就不细说了。如图示:

玻璃

铁矿

玉米
这个模型显示了三点:
- 均线的方向角度:红为上涨,蓝为下跌。
- 均线的容错空间:在均线上下分别叠加一个平均波动值,作为确认趋势状态标准。如果价格在容错空间内波动,则视为行情处于不确定的振荡状态。如果价格整体脱离容错空间的上轨,则视为上涨趋势确定。
- 容错空间的上下轨,作为止损线。
模型确定以后,剩下的就是根据模型制订交易策略模块:
因为此模型是以均线为趋势线,以上涨趋势为例,首先考虑的是向上突破开仓。
突破开仓分为两类:
一是长期下跌后,价格上突破均线。
二是长期上涨后,价格深度回调下破均线,再上突破均线。
前者称为逆势突破
后者称为顺势突破。
那么就建立了两个策略模块:
- 逆势突破
- 顺势突破
还有一种是价格回调幅度至容错空间附近即支撑上涨。可称为回抽支撑确认上涨。

回抽确认
那么基于突破和支撑,就有三个策略模块了:
逆势突破,顺势突破,回抽确认
此三个模块确认后,那么在今后的交易中,就思维就局限在这三种情况,其他一概不考虑,以免耗费心力,
也就是说模型定型后,思维定型,形成固定的交易思维。这样才容易养成稳定的交易行为。
另外补充一点,均线的角度问题,涉及到趋势的强度。
趋势强度的概念在早期的手工绘制趋势线的时候就有人提出。
趋势线的角度在30度左右,称为弱趋势行情。
趋势线的角度在45度左右,称为标准趋势行情。
趋势线的角度在75度左右,称为强趋势行情。
手工绘制趋势线是比较个人经验主观的,无法量化。均线的角度,我们目测可以大致判断,不过在进入量化分析时代,其实是可以解决的。
我提供一个思路:
取当前均线值,再取均线后N个周期的值,两者相减,获得一个差值。然后对这个差值,取平均波动值作为度量标准。则可以获得一根强度指标线。如图示:

均线趋势强度指标
趋势强度指标可以把振荡弱趋势行情分离一部分出来,避开交易,以免反复止损。
稳健保守的交易者,可以只取强趋势状态时才进场交易。
发布者:股市刺客,转载请注明出处:https://www.95sca.cn/archives/92744
站内所有文章皆来自网络转载或读者投稿,请勿用于商业用途。如有侵权、不妥之处,请联系站长并出示版权证明以便删除。敬请谅解!