期货市场技术分析-第41节

按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！


不是说它们毫无价值，应当把它们统统扔到拉圾堆中去。关键在于，我们对之应有正确的认识。以下列举了这些系统的长处和短处。
自动交易系统的长处
l。排除了人类主观情绪的影响。
2。具有更严格的自律。
3。能达到更高程度的协调一致性。
4。顺着趋势方向交易。
5。确保不错过每个顺着重要趋势的方向入市的机会。
6。允许利润充分增长。
7。把损失限制在一定范围。
自动交易系统的短处
　1。绝大多数自动交易系统是顺应趋势的。
　2。从获利角度看，趋势顺应系统主要依赖于主要趋势。
　3。当市场无趋势可循时，趋势顺应系统一般是不盈利的。
　4。市场在相当长的时间内没有趋势，而在这种阶段不适合采用趋势型方法。
　　　依我个人的经验看，利用自动交易系统有时候是很成功的。不过在有些情况下，它们的表现有些令人失望。主要的麻烦是，这些系统不能判断市场何时已经无趋势可言，因而不能使我们及时地抽身退出。衡量某个系统好坏的标准有两方面，我们不但应该考察它在趋势市场下的获利能力，而且更重要的是，应该检验它在无趋势市场下保存资金实力的能力。这类系统无力为自己设置替戒，这一点是它们的最大的弱点之所在。事实表明，也正是在这一点上，那些著名的过滤器，例如韦尔斯·王尔德的方向性运动指数或商品选择指数大有用武之地。这些过滤器能够帮助交易商确定哪些市场最适合趋势型系统。
　　　自动交易系统一般不能预期市场的反转，这也是它的短处。趋势顺应系统对趋势一跟到底，一直到趋势反转为止。它们不能判断市场何时处于长期的支撑或阻挡水平，何时出现摆动指数的背离现象，或者何时艾略特波浪形态的第5浪已经清楚可辨。在这些关健时刻，大部分交易商都会有所警觉，并着手部分地平仓实现利润。然而这些系统此时却仍然保留原来的头寸，直至市场方向完全转变以后才能反应过来。因此，如何利用这些。系统以取得最大效益，完全取决于用户。就是说，我们必须抉择一下，到底是完全听由系统牵着鼻子走呢，还是把它们与其它各种技术因素结合起来，形成综合的交易方针。这样，我们就进行到下一部分，谈谈如何把自动化系统用作一般的技术指标，揉合到我们的预测和交易过程中去。

　　把自动化系统的信号综合到分析中

　　　　为了便于说明间题，我们这里打算以商品研究局推出的脚电脑期货趋势分析”（EFTA）为例。这是一种自动化的趋势顺应系统，能够自动产生买入和卖出信号。该系统把数种技术因素结合在一起，其中包括三种移动平均线（10天、20天和40天的）、价格波动性、动力指数、以及时间周期等。它是通过计算机联网来逐日地获得上述数据的。在《CRB期货图表服务》的第2页，刊登有逐周安排的上述数据的表格，逢周五出版。我们就集中研究这些数据。
　　　　图15。15摘自《CRB图表服务》，是其中的“计算机趋势分析”的一个实例。头两列是商品名称和交割月份。第三列（“计算机趋势”）给出趋势方向，这是本表中最重要的内容。其中有三种方向：上升、下降、或者横向伸展。第四列和第五列表示当前趋势的起始时间和起始时的价格水平。本表发表于1985年1月25日。请注意其中各个趋势已经持续的时间。例如，英镑、德国马克、日元和瑞士法朗自从上年｝1月以来，就处在下降趋势之中了。这就意味着，如果交易商按本系统行事的话，那么他已经做空头2个月之久了。还请注意，短期政府债券市场自从上年7月以来，就一直显示“多头”信号，这是持续了6个月的趋势。象这样的市场，正是交易商所梦寐以求的。稍后我们再回头谈短期政府债券的行市。
　　　　第六列和第七列（“支撑和阻档〃）也包含着极有价值的信息。这些就是当前趋势改变方向的价格水平。如果趋势向上，如可可市场的情况，则其中给出支撑水平。如果趋势向下，如英镑市场的情况，则给出阻挡水平。倘若市场收市于或超过了阻挡水平，那么趋势就从下降转为横向伸展。如果趋势为横向伸展，如玉米市场的情况，则同时给出支撑和阻挡水平。倘若市场收市于或超过了阻挡水平，那么趋势将转而向上，而倘若收市于或跌破了支撑水平，那么趋势将转而向下。趋势绝不会在同地反转，由升而降或者由降而升。它首先必须“横向伸展”地过渡一下，然后从这里开始，再恢复原来的方向或者掉头反向。因此，在本系统中也考虑到了没有趋势的情况。


使系统连续在市
　　　　显然，如果交易商实施本系统的指令的话，当趋势上升时则持有多头，当趋势下降时则持有空头；而当趋势为横向延伸时，则退出市场旁观。如果交易商乐意，也可以对本系统加以调整，使之连续化，即始终在市。我们有很多办法。对于长线的交易商来说，可以一直持有多头头寸，直至趋势反转向下为止。反过来，也可以一直持有空头头寸，直至趋势反转向上为止。这样一来，即使趋势已经转入了横向阶段，交易商依然保留着在原趋势下开立的头寸。当然，这种策略有可能招致大规模的损失。
　　我们还有个使之连续化的办法，其交易风格较为积极大胆。当趋势由上升转为横向伸展时，我们不仅平回原来的多头头寸，同时还要反做，开立空头头寸。倘若后来趋势转而向下，则我们再给空头加码。相反地，如果趋势从下降转为横向延伸，那我们就不仅平回所有的空头头寸，同时还要开立多头头寸。倘若后来趋势转而向上，则我们再给多头加码。由此看来，我们对所有的系统，包括本系统在内，都可以加以调整，以适应交易者的具体需要和个人偏好。
利用系统的信号来约束自己
　　　　我们也可以简单地把系统的信号用作其它技术因紊的自动化的验证信息。即使我们不打算采用自动交易系统，而是使用其它各种技术因素的话，我们依然可以借助它的信号来作为一种自律的手段，以保证自己在更要趋势中站在正确的一边。只要计算机趋势显示为上升，我们就不应开立空头头寸，只要计算机趋势显示为下降，我们就不应开立多头头寸（基本分析型交易商也不妨采用某种技术系统作为自己的交易意向的过滤器或者触发器。而上述正是个简易的法子）。通常，所谓趋势方向其实是个判断问题，那么，计算机的信号就可以在一定程度上，把交易商从犹疑不定之中解脱出来。它们可以阻止他踏入所谓“顶部套牢或底部套牢”的陷阱。
　　　　我很乐于在我的价格图表上，标明计算机给出的支撑和阻挡水平。如此一来，我就能提前知道这些关健的水平居于何处，趋势的变化可能在何处发生。我也会考察其它许多技术因素，例如趋势线、图上的支撑和阻挡水平等等，这些计算机资料都可用作额外的信息，来验证趋势的变化。让我们回头看看短期政府债券市场，以此作为这种做法的例子。到1月25日，该市场的上升趋势已经持续6个月之久了。在接下来的一周，价格有所下跌，穿破了紧随价格变化的上升趋势线。2月1日，星期五，在《CRB图表服务》的“技术性评论”部分，我这样写道：
　　　　　　本周从长期阻档区起，岌生了急烈担售的情况……，从而打破了上升趁势。关于3月份短期国债，我们的计算机趋势在周五转而“向下（自7月13日以来，一直是“上升”的）。3月份欧洲美元自从9月10月以来的上升趁势，也已经转为“横向伸展”。我们采纳了计算机的趋势改变信号，认为牛市已去，中性市场降临。
　　　　这里所要强调的是，如果我们把计算机趋势信号仅仅看作一般的技术指标，那么它也极具价值。在前面的例子中，两个短期利率市场在随后的将近两个月中，都剧烈地下滑了。
以系统信号作警报
　　　　我们还可以把计算机趋势分析用作绝好的审查工具，提醒自己警惕当前的趋势变化。请注意图15。15所示的趋势变化。在其中的第三列，
　　　　至少有7个市场的趋势方向有变化。星期一早晨，当交易商揣摸各种图表的时候，只要扫一眼这张表格，马上就能挑出7种交易对象。通过研究所有的图表，我们当然也可能获得同样的结论。但是，计算机使这项工作快速、简易，并且更具权威性。
以系统作为广泛性市场指标
　　　　在结束本节之前，我们再介绍一下在EFTA每日研究中包含的一组有趣的数字——市场指标。其中包括每日价格上涨的合约数目与每日价格下跌的合约数目之比（合约总数在200种以上），每日涨达新高价的合约数目与每日跌出新低价的合约数目之比，以及计算机趋势为上升的合约数目占合约总数的百分比等。头两个指标是股市中类似的指标在期货市场的翻版。尽管这两个数字，涨/跌数字和新高/新低数字，从传统上看，在商品市场并不常见，但是这个领域也颇有意思，有待我们进一步调查研究，以确定它们的预测性价值。
　　　　计算机上升趁势合约比数　我特别喜欢这个指标。它的百分比值从0到100分布。其作用如同摆动指数，可以确定商品市场作为一个整体是处于超买、还是超卖状态。从历史资料看，当这个数字超过70％时，商品市场处于超买状态，即将有所回撤。而当该数字低于20％时，通常意味着超卖状态，市场即将见底回升，
这个数字是对市场总体气氛的评估，用来跟踪CRB期货指数的变化，是非常有效的。

人工智能形态识别

　　　　一方面，计算机给我们提供了一大套快速、简便的技术工具和指标，大大地简化了分析工作。另一方面，分析者的工作难度却同时有所提高。从前，技术分析者们只要掌握数种分析工具便能胜任自如，现在却必须同时面对多达40种的技术指标。根据认知心理学的研究，一般认为，人类意识在同时研究三种以上的变数之间的联系时，就会感到困难。如果要求分析者同时消化四种乃至更多的技术指标，也许他就会感到困扰。那么，如果我们决定只跟踪三种指标的话，哪三种最合适呢？
　　　　在我们进行市场分析时，计算机几乎完全被当成计算器了。其主要功能表现在计算数据、显示资料等方面，这节省了我们的时间。但是，如果计算机也能够对它计算的所有结果进行诠释的话，或许它就会更加有所作为了。这就是说，我们应当既充分利用计算机的计算能力，又充分开发它的逻辑功能。这就是所谓人工智能（AI）和形态识别（PR）的内容了。
　　人工智能是指计算机模仿人类的思维，借助具有“自学”能力的程序，来解决疑难。这时候，计算机实际上表现得活象具备了一定的“智能”那祥。它能够判断形势，作出决定，并且能从错误中汲取教训。　　
　　形态识别是指计算机以对各项指标或因素的分类为基础，学会如何预测市场，作出决策的过程。“形态”这个词用在这里，与早先我们描述的各种图表“形态”，意思是不一样的。形态识别的目的是，把所有的技术指标组合在一起，以产生“协同”的效果，而不是孤立地处理各项因素。
　　　　形态识别的第一步，是要从所有的技术指标中，选出表现最佳的个别指标。下一步，是挑出成绩最好的一对指标的搭档。第三步，找出结果最理想的三种指标的组合。往下，将重复上述步骤，不断添入新指标，直到所增加的新指标不能再改善组合的总成绩为止。在测试过程中，我们要使用两组不同的数据，一组是学习数据，一组是测试数据。从学习数据中获得的结果，必须从测试数据中得到验证。这种采用两组不同的数据进行侧试的技术，避免了所谓“曲线自适”现象。这种现象经常成为人们批评各种技术指标的测试方法的理由，特别是针对我们为优化而进行的试验。
　　利用人工智能和形态识别，我们或许能够对症下药，解决把如此花样百出的各种技术信息熔于一护的问题。在处理相抵触的技术信息的问题上，我们首先利用计算机计算出所有的技术指标，然后针对各个特定的环境要求，从中选出最佳的组合。这样的解决方案是显而易见的，那么为什么在这个方面迄今并无太多建树呢？实际上到目前为止，这类研究主要还停留在纯理论性的实验室阶段，从未经受过实践检验。其费用昂贵，对计算机的性能要求太高。另外，即使我们识别出了市场的形态，它们往往也是不稳定的，需要不断地进行再检验。在这一领域，拉登研究组是走在前沿的研究集体。该小组的主要发言人是其主席，戴维·阿伦森。