在逆推式均化效果下的布林通道研究
Research on Bollinger Channels under the Effect of Reverse Moving Average
作者:賴嘉旭
本研究主要探討如何在既有的技術分析工具 - 「布林通道理論」下,以客觀的數學「逆推均化方式」加以修飾或調整,使其簡潔易讀、一目了然。清楚地勾勒出趨勢轉折點,從而使得投資人不但有了明確的進出點,更透過簡易的人工智慧 (AI) 程式,而有粗淺的預測效果。投資人只須審慎觀察,在日積月累下將逐漸進入狀況,若能嚴守紀律在按圖索驥之下,則對其投資成功率的助益,已屬必然!前言
上圖有4列19欄,其中各列,分別表示如下之意義:
第 1 列:欄標。
第 2 列:一系列先「由低至高(J-S)」再「由高至低(S-AB)」的統計數字,其轉折點在「T欄」。
第 3 列:就第 1 列依「正規移動平均法」所產生的平滑趨勢,其轉折點已落後至「X欄」。
第 4 列:就第 1 列依「逆推式移動平均法」所產生的平滑趨勢,其轉折點仍在「T欄」。
註:上述所稱平滑趨勢,其均化時間參數=9。
換言之,依「正規移動平均法」所產生的趨勢線,僅具「平滑」的易讀效果,但轉折點卻嚴重延遲,因此,在利用上通常僅能充當「壓力或支撐」之參考,不能當作「進出」之依據;然而透過本文的研究成果所產生的「逆推式移動平均法」不但使得原始數據更加平滑易讀,更重要的是,其轉折點仍與原數據「相當(match)」,進而升級至足以當作「進出」之依據。
研究動機
效率市場假說的弔詭
有效市場假說認為,投資者在買賣股票時會迅速有效地利用可能的資訊。所有已知影響一種股票價格的因素都已經充分反映在股票的價格中,因此根據這一理論,技術分析是無效的。
隨著網路世界的蓬勃發展,一般投資人對於資訊的取得已不亞於大戶,所謂的 “散戶” 已不同於往年充當 “最後一棒” 的悲情角色;當今的散戶一遇狀況跑得比誰都快。因此,投資市場會趨近於 “有效市場” 已是不爭的事實。
根據有效市場假說的結論:”技術分析是無效的”;換言之,想要獲利必須寄望於基本分析。然而基本分析錯綜複雜,需要的是一個堅強的團隊才得以勝任。如此說來,一般投資人只好 “捲鋪蓋走人”,事實真的如此嗎?非也!非也!非也!我要說的是: “投資人可撇開效率市場假說結論的爭議性”,而僅就 “事實” 調整心態及操作策略即可,“事實” 如下:
過去一波到底,激情演出的 “人為” 市場已不多見;取而代之的是:”大波段之間,存在更多的中波段及小波段”,換言之,調整波增加了,基於效率市場的隨機性,波動現象已非 “快速”;而是 “高頻率”。因此,技術分析並非無效,事實上,投資市場不但 “日日有機會”;而且 “時時有機會” “分分有機會”,但是,投資人必須適時地調整心態。過去在號子裡談笑風生,閒嗑牙的操作方式,已非主流;投資人必須更加專注於市場的隨機變化。強取豪奪已非必然;取而代之的是細水長流。
投資市場常言:”長期是投資;短期是投機”,我不敢對這句常規提出質疑;我只能套用凱因斯的一句名言,作為我對效率市場假說評論的註解:” In the long run,we are all dead (長期,我們皆已死亡)”。
布林通道理論基礎
假設隨機變數 x,服從常態分配,其均數為 μ,標準差為 σ,則隨機變數 x 落於 μ ± 1.96 σ 的機率為 0.95。
通道三線
上緣線 :定義為時間參數 = 21 的數列移動平均值 + 1.96 倍的數列移動標準差。
中心線 :即均線簡稱中線,定義為時間參數 = 21 的數列移動平均值。
下緣線 :定義為時間參數 = 21 的數列移動平均值 - 1.96 倍的數列移動標準差。
布林通道簡介
布林通道(Bollinger Bands),是 1980 年代由 John Bollinger 所創建的交易指標,
是投資者和技術分析師使用最廣泛的技術指標之一,甚至被稱作為指標之王!
KD、MACD...等同樣是投資者廣泛參考的技術指標,但布林通道獲得了最多華爾街投資人、各地交易專家的好評,可以說是市面上最有公信力的技術分析工具。
基於布林通道理論基礎,布林通道提供投資者一個簡易且準確的買賣點,這是布林通道最主要的功能,換言之,當K線觸及上下方通道邊緣時,就是交易的時機。
名詞解釋 - 什麼是『K線』?
假設我們想知道一支股票在這最近 6 個月內是怎麼波動的,我們不可能記錄每一秒的成交價,所以我們在股票交易一整天後,就只會留下以下「4個最重要的價格」:
開盤價:就是一支股票在上午9:00整,股票市場開始交易時的價格。
最高價:就是一支股票在一整天交易後,所產生的當日最高價格。
最低價:就是一支股票在一整天交易後,所產生的當日最低價格。
收盤價:就是一支股票在下午1:30整,股票市場結束交易時的價格。
K線的實體部分:僅由【開盤價和收盤價】所構成:當,收盤價 >開盤價,時:以【紅色】來表示上漲,且稱之為【陽線】。
當,收盤價 <開盤價,時:以【綠或黑色】來表示下跌,且稱之為【陰線】。
所以,開盤價和收盤價,哪個會在上端、哪個會在下端,其實並不一定,必須看當天是漲(陽線)或是跌(陰線)。漲時,開盤價在下、收盤價在上;跌時,收盤價在下、開盤價在上。
K線的影線部分:由【最高價和最低價】所構成:
最高價標在【最上面】,並往下與實體部分連接,且稱之為【上影線】。
最低價標在【最下面】,並往上與實體部分連接,且稱之為【下影線】。
名詞解釋 - 什麼是『K線圖』?
將一段時間的K線,依據先後順序,集合畫在一張圖表上,稱之為【K線圖】。1. 當,每一根K線代表【一小時】的行情時,稱之為【時線圖】。
2. 當,每一根K線代表【一天】的行情時,稱之為【日線圖】。
3. 當,每一根K線代表【一周】的行情時,稱之為【周線圖】。
...依此類推。例如,下面一張是集合最近220天所畫出的【日線圖】。
為什麼需要『工具』來作為進出的依據?
從下圖中,我們知道,藍圈是相對低點,我們可以在這附近「買進」成本大約 65元。同樣的,我們知道,紅圈是相對高點,我們可以在這附近「賣出」賣價大約 70元。因此,低買高賣,我們每股可賺取5元,獲利率約為7.7%。換言之,在短短的15個交易日內,投資100萬,即可獲利7.7萬,真可謂是高獲利的投資。
但問題是,那是在我們已經知道後面的結果,才能做出那麼正確的決定,也就是說【那是神仙才做得到的事】。真實的情況是如下圖所示,我們將後半部遮住,假設我們,目前是處於藍圈的時間點【我們無從知道後面是漲是跌?】也無法決定該買或該賣。因此,我們需要一套穩定的工具,來幫我們決定【何時該買何時該賣?】。
名詞解釋 - 支撐與壓力
支撐為需求集中的區域,亦即潛在的買進力道的聚集區;而壓力則為供給集中的區域,價格達到該區域時,將引發賣方力量出現。
名詞解釋 - 反彈與回檔
反彈,是一種股價「跌深」之後的技術性反應,因為跌深,就會有做空獲利者回補的買盤,回檔,則是因「超漲」,所帶來做多獲利者的賣壓。反彈與回檔皆是一種股價的修正現象。反彈與「翻多」不同,反彈之後會持續原來的空頭走勢;翻多則是由空翻多的趨勢反轉,同樣地,回檔與「翻空」不同,回檔之後會持續原來的多頭走勢;翻空則是由多翻空的趨勢反轉。翻多與翻空皆是一種股價趨勢的結構性改變。
基於上述,則「通道下緣線」表支撐;「通道上緣線」表壓力;「通道中心線」在反彈時是壓力;在回檔時是支撐。那麼,下圖藍圈之所以為【買點】也就有所根據,因為它有支撐;下圖紅圈之所以為【賣點】也就不足為奇了,因為它有壓力。
名詞解釋
簡單移動平均線 (The simple moving average,SMA)
- 定義:根據時間序列資料,逐項推移,依次計算包含一定項數的序時平均值。
- 功能:藉 “平均的概念” 來消除隨機波動,使得線型平滑易讀,容易看出趨勢。
- 缺失:由於SMA是使用過去的收盤價所構建的,因此轉折有延遲現象,是一種滯後指標。這意味著它只是顯示了以前的趨勢,但不能預測未來的價格。
- 應用:在技術分析上多半運用於預測 “支撐或壓力”。
- 改良方向:保留 ”平滑” 的優點,改善 ”轉折延遲” 的現象。
上圖是刻意安排的,雖然轉折有延遲現象,但仍有相當大的獲利空間。問題是:目前市場趨近於【效率市場】,過去一波到底,激情演出的 “人為” 市場已不多見;取而代之的是:”大波段之間,存在更多的中波段及小波段”,換言之,調整波增加了,基於效率市場的隨機性,波動現象已非 “快速”;而是 “高頻率”。因此之故,傳統的平滑移動線,因為沒有足夠大的空間,轉折頻繁,再加上其本身的延遲缺點,已不足以應付目前的市場隨機性,甚至經常出現【錯買、錯賣】的現象,換言之,我們必須去開發出一種既平滑又少延遲的趨勢線,才足以在市場取勝,【逆推式平滑趨勢線】就是在這種嚴峻的市場下開發出來的。
本文
逆推式趨勢線之演繹
前言(一)
- 黑線「延遲」,白線「提前」,藍線幾乎與K線「同步」。
- 趨勢向上時,白線在上、黑線在下、藍線居中,趨勢向下時,白線在下、黑線在上、藍線仍居中,乃「常態」。約占83%。
- 藍線位居三線之最上方 (如下圖黑圈所示) 或藍線位居三線之最下方 (如下圖紅圈所示) ,乃「反態」或特例。約占17%。
逆推式趨勢線之演繹
緣起
簡單移動平均(SMA)乃依「過去的序時收盤價」,藉 “平均” 的概念來消除隨機波動,其性質具「平滑」及「轉折延遲」二大特性乃「數學的真理」不證自明。依此,將「一系列的數據資料」反轉排序之後,執行SMA,其性質亦具「平滑」及「轉折延遲」之特性乃「想當然耳!」依此概念,將原數列「反序」執行SMA之後,再將數列「反序」回原,則其性質仍具「平滑」效果,但轉折卻會「提前」,這是一種「反之則反」的數學概念,也是本文核心思想「逆推式趨勢線」之由來。
逆推式趨勢線之演繹
定義
根據時間序列資料,逐項推移,先正向推演,依次計算包含一定項數的序時平均值,再將結果反序,作反向推演,依相同方法予以二次均化後,再將序列資料反序回正。依此,在不同方向推演下的二次均化效果,轉折的延遲和提前現象將相互抵消,使得趨勢線不但轉折與K線同步且更平滑,這種正向加逆向推演所產生的趨勢線稱之為逆推式移動平均線(Reverse Moving Average ,RMA),簡稱逆推式趨勢線。
限制
令時間參數=21,則在「正向」移動平均推演下的第21項係第1-21項的平均值、第22項係第2-22項的平均值、...以下類推,假設第一項以前並無數據資料,則第20項僅能取第1-20項的平均值、第19項僅能取第1-19項的平均值、...依此類推,換言之,第20項的時間參數=20、第19項的時間參數=19、......依此類推。在「正向」推演下,吾人重視的是後面的推演結果,若令一系列參與運算的項數=300,則最前面的20項,顯然不具參考價值,因此,通常會將這不符合時間參數=21的前20項空白,即便其第一項的前端數據「事實存在」,因為正向推演係使用歷史資料。
但在「反向」移動平均推演下,因序列倒置,使得序列在前的數據即是最接近目前的數據,換言之,序列在前的數據不能空白,但「反向」之下,其第一項即是目前最新的數據,在第一項前面的數據則有待「未來」才能產生。在此缺乏前端數據且不能空白的情況下,第20項僅能取第1-20項的平均值、第19項僅能取第1-19項的平均值、...、第2項僅能取第1-2項的平均值、...充當之。換言之,第20-1項只是第1-20、第1-19、...、第1-2項...的平均值,顯然其「均化平滑」效果必然較差,這點或許還可接受,但嚴重的是,當產生一個新數據時,原序列20變成序列21,使得其「均化值」因此而可能改變,若新數據「乖離和緩」,則大致不會改變原趨勢,但往往一個「乖離敏感」的新數據或累積一段新數據之後,趨勢線會很不穩定,這種「浮動」的趨勢線,使得使用人誤判的機率不算小,則其不但不具參考價值甚至是一種危害,這正是反向移動平均的天然缺陷或限制。
- 反向推演:「逆向思維」是刻意反向思考一般認為正確的事物,藉以找出新創意切入點的思考方式。擺脫既有的觀點與框架,將事物互相對比,正是逆向思維的優點。這是本文核心中的核心,也是本文之濫觴。
- 天然缺陷或限制:在「反之則反,The opposite is the opposite」的概念下,在正向推演下趨勢「轉折延遲」的不良現象,反向推演下的趨勢「轉折提前」,正好提供一個非常驚奇的解決方案。然而,正向推演僅僅依據過去既有的數據,不涉及未來所產生的數據,因此,其性質為「穩定」;反向推演則必須依據未來所產生的新數據,來重新決定其趨勢,因此,其性質為「浮動」,這種浮動在單一敏感新數據或日積月累的新數據下,其趨勢線不但不具參考價值,甚至是一種「迷惑,Confuse」危險因子。正因為吾人理解這種天然缺陷或限制,才能針對問題提出挑戰,這也是本文後續接連所要陳述的核心解決方案。
- 標準差均化:標準的布林通道採用的中心線是正向推演下的SMA趨勢線,同樣地,其標準差不但是採用正向推演甚至完全不均化,換言之,原型布林通道最主要的功能僅限於提供K線的支撐及壓力之所在,最多再加上通道收斂或擴張現象發生時可能的警訊,即便如此,布林通道理論仍是技術分析中最好用的工具。本文異想天開,在姑且一試之下,不但將中心線逆推再均化,對標準差也做同樣的處置,令人振奮的是,三線通道不但閱讀更清晰而且在「三線的不同組合」下居然具有粗淺之預測功能,這是本研究最大的發現,也正是本文所言逆推式趨勢線已「粗具」人工智慧之所指。
移動平均線相關文獻
加權移動平均(Weighted Moving Average,WMA)
一、簡介
加權移動平均法就是根據「同一個移動段內」「不同時間的數據」對預測值的影響程度,分別給予不同的權數,然後再進行平均移動以預測未來值。 加權移動平均法不像簡單移動平均法那樣,在計算平均值時對移動期內的數據同等看待,而是根據愈是近期數據對預測值影響愈大這一特點,不同地對待移動期內的各個數據。 對近期數據給予較大的權數,對較遠的數據給予較小的權數,以彌補簡單移動平均法的不足。
以時間週期=5為例。令,t1、t2、...、t5,分別表示:第一天的收盤價、第二天的收盤價...以下類推。則:
SMA=(t1+t2+t3+t4+t5)÷5
WMA=(t1*1+t2*2+t3*3+t4*4+t5*5)÷15
特色:加權移動平均線提高最近價格的比重,因此跟隨性、感應度升高。
二、利用Excel VBA的SUMPRODUCT函式,實作WMA
Sub WeightedAveraging(MyFilter As Integer, iPorR As Integer)
Dim i As Integer, j As Integer, k As Integer, TotalRow As Integer
Dim XRange As Range, YRange As Range, ZRange As Range
Worksheets("share").Activate
ActiveSheet.Range("af1").Select
TotalRow = ActiveCell.End(xlDown).Row - ActiveCell.Row + 1
'********************************************************************************
Set XRange = Range("af1:af" & MyFilter)
If iPorR = 0 Then
Range("ag1") = 1
Range("ah1") = 1
Range("ai1") = Range("af1")
If XRange.Cells.Count > 1 Then
For i = 2 To XRange.Cells.Count
Range("ag" & i) = i
Next i
End If
Else
j = 1
For i = XRange.Cells.Count To 1 Step -1
Range("ag" & j) = i
j = j + 1
Next i
Range("ah1") = Range("ag1")
Range("ai1") = Range("af1")
End If
If XRange.Cells.Count > 1 Then
Range("ah2").Formula = "=SUM($AG$1:AG2)"
Set YRange = Range("ah2:ah" & XRange.Cells.Count)
Range("ah2").Copy Destination:=YRange
YRange.Copy
YRange.PasteSpecial Paste:=xlValues
Application.CutCopyMode = False
Range("ai2").Formula = "=SUMPRODUCT($AF$1:AF2,$AG$1:AG2)/AH2"
Set ZRange = Range("ai2:ai" & XRange.Cells.Count)
Range("ai2").Copy Destination:=ZRange
ZRange.Copy
ZRange.PasteSpecial Paste:=xlValues
Application.CutCopyMode = False
Else
For j = 2 To TotalRow
Range("ai" & j) = Range("af" & j)
Next j
End If
If XRange.Cells.Count > 1 Then
For j = XRange.Cells.Count To TotalRow
Set XRange = Range("af1:af" & j)
XRange.Select
Range("ai" & j).Formula = "=SUMPRODUCT(AF1:AF" & j & ",$AG$1:$AG$" & j & ")/$AH$" & j
Set YRange = Range("ai" & j & ":ai" & TotalRow)
Range("ai" & j).Copy Destination:=YRange
YRange.Copy
YRange.PasteSpecial Paste:=xlValues
Application.CutCopyMode = False
Exit For
Next j
End If
'********************************************************************************
Columns("ai").Cut Destination:=Range("aj1")
End Sub
移動平均線相關文獻
赫爾移動平均(Hull Moving Average,HMA)
一、簡介
赫爾移動平均線 (HMA) 試圖「最小化」傳統簡單移動平均線(SMA)的轉折延遲性,同時保持移動平均線的平滑度。 該指標由澳洲人Alan Hull 於 2005 年開發,利用加權移動平均線(WMA)來優先考慮最近的值並大大減少滯後。 由此產生的平均值更具反應靈敏性(Responsive),非常貼近K線,跟隨性甚佳,某種程度上適合作為投資人識別進出點的參考依據。二、HMA計算式
- 先計算二個WMA,分別為:1. WMA1=WMA(n/2),2. WMA2=WMA(n)。
- 再計算Raw HMA,即:Raw HMA=(2 * WMA1) - WMA2。
- 對Raw HMA以 n 的平方根為周期係數,再次用WMA平滑,即得。亦即:HMA=WMA(Raw HMA(sqrt n))。
三、SMA、WMA、HMA三者之效果比較圖
逆推式趨勢線之演繹
由HMA認知而形成的二個觀念
基於數學原理,任何企圖正面解決因「均化」而產生的轉折點「延遲」現象,皆僅能做到「優化」而無法與 K線完全同步轉折。即便HMA已經頗為接近,但仍有「為德不卒」之憾。然而由於對HMA的認知,而形成二個可資利用的觀念(Idea)。- HMA計算式第一步乃先取時間係數的一半(n/2)計算其二倍的WHA,再以全部時間係數(n)的WHA減之。此觀念(Idea)形同 - 以長周期來均化短周期一樣。例如,將一系列具有300個項數的30分線一分為二,變成二個各具150個項數的60分線。眾所周知,長周期的變異性少於短周期,易言之,長周期的「平滑性」優於短周期。
- 轉折點「延遲」現象,形之於圖,一目了然。因此,吾人很自然地會想將線圖「由後往前」挪移,那麼,在K線後端增加一項,同時將最前端刪減一項,似乎可以「合情合理」地往前挪移。
上述觀念(Idea)若能以數學式證之,則屬定理。本文無意「摘星攬月」;只求「攀岩折枝」,再者依作者之數學能耐也僅能以程式語言實證之,那麼,嚴謹的數學證明就交給專業的數學家吧!
逆推式趨勢線之演繹
移動平均線優化的三個實作 (一)
基於數學原理及經驗法則,在正向推演下,或許永遠得不到一個完美的結局,吾人僅能竭盡所能,朝次佳解的方向,尋求有所助益的「優化」方案,當然,方法百百種,HMA已是其中之佼佼者,本文第一個解決方案即是基於HMA的「再優化」。實作中添加「逆向推演」這個元素,但盡可能消弭「浮動」這個致命傷,所幸經實作演練之後,堪稱可用。
逆推式趨勢線之演繹
移動平均線優化的三個實作 (二)
既然魚與熊掌不可兼得,而正向推演之下必然存在轉折延遲現象,吾人必須靠其他工具來佐證,但這項佐證工作曠日費時,甚至效率不彰,在效率市場假說之下,投資人經常會陷入「時不我予」之嘆。逆向推演雖能補其不足,但趨勢線隨著新數據的加入而產生「浮動」現象,卻是事實。所幸這缺陷,並非絕症,因此,我們選擇與病毒共存、和平共處。以下實作係採取正向推演+逆向推演所產生的結果,但有四條不同時間點的趨勢線,吾人將藉由「觀察」其間的浮動變化來做出最終的判斷。
逆推式趨勢線之演繹
移動平均線優化的三個實作 (三)
這是第二個實作的「單一化」,同時增長時間參數,雖能減少誤判的機會,但也略顯延遲,所幸皆在可接受的範圍,這是短線(30分鐘)的實作,越長線(日線)效果越佳。逆推式趨勢線之演繹
逆推式移動平均線(Reverse Moving Average,RMA)
在「多元、包容及讓步」的思維下,逆推式趨勢線(Reverse Moving Average,RMA)於焉誕生,古云:「利不可賺盡,福不可享盡,勢不可用盡」,正是RMA創作的基本精神,因此,本創作絕非資本市場的神器,但用心觀察者不失福氣乃無庸置疑。
布林通道係以平均值和標準差為元素組合而成。其中平均值已如上述,接續將言及另一重要組成元素 - 標準差。鑑於本文主題並非探討數學原理,故僅簡介於後:
標準差係反映某一組資料集的離散程度。平均數相同的,標準差未必相同。這裏示範如何計算一組資料集的標準差。例如一群兒童年齡的數值為 { 5, 6, 8, 9 } :
第一步,計算平均值=(5+6+8+9)÷4=7。
第二步,計算變異數=((5-7)2+(6-7)2+(8-7)2+(9-7)2)÷(4-1)=3.3333。
第三步,計算標準差=√3.3333=1.825742。
易言之,標準差是一組數據平均值分散程度的一種度量。一個較大的標準差,代表大部分數值和其平均值之間差異較大;一個較小的標準差,代表這些數值較接近平均值。例如,兩組數的集合{0,5,9,14}和{5,6,8,9}其平均值都是7,但第二個集合具有較小的標準差。
標準差應用於投資上,可作為「報酬率期望值」穩定性的指標。標準差數值越大,代表「報酬率期望值」遠離過去平均數值,報酬率較不穩定,故風險越高。相反地,標準差數值越小,代表報酬率較為穩定,風險亦較小。標準差在某種程度上亦可反映市場是否熱絡的情況,標準差數值越大,代表成交量較高;標準差數值越小,代表成交量較低。價量配合通常代表趨勢穩定;價量背離很可能是一種趨勢改變的信號。
布林通道之另一重要組成元素 - 標準差
實作
傳統的布林通道,其組成元素皆採原生(raw)SMA平均線及標準差,依據經驗,時間參數選擇55會是一個不錯的選項,準確性蠻高的,或許是因為時間參數=55乃普羅大眾的眾數或中位數所形成的吧!利用Excel的STDEV函式,很輕易地就能實作出如下傳統的布林通道。
本文
結論
逆推式平滑布林通道
本文一開始即言明:「本研究之目的不在探討數學原理,乃借助既有布林通道之優越性,並加入"逆向推演"企圖增加其易讀性,如此而已。」RMA並非神器,事實上,RMA不過是SMA、WMA、HMA之應用及其熔爐而已。
理論上,企圖僅以"正向推演"來消除"轉折延遲現象"之舉,實作上亦屬空勞神思。因此,本文之結論不在創舉或畢其功於一役,乃以"多元、包容及讓步"為基,在可接受的原則上適時地妥協而加入"逆向推演"這個"浮動"元素。
以下即是本研究之最終產出「逆推式平滑布林通道」實例:
'************************************************************************'1. 輸入數據
Worksheets("share").Activate
Call CopyDataFromOutSide(sStock, "STOCK.xlsm", "share", "c1", MyRow * MyMul)
If MyMul > 1 Then
Call ToTransform("share", "c1", "i1", MyMul, MyRow)
Columns("c:f").ClearContents
Columns("i:l").Cut Destination:=Range("c1")
End If
Call Trans4To1("c", "g")
Call CreateConsistency("g", "h")
Columns("c:f").ClearContents
Call Trans1To4("h", "c", "f", 1)
Range("c" & MyRow - 269 & ":f" & MyRow).Copy Destination:=Sheets("m7").Range("c1") '*2. K 線
Columns("g:h").ClearContents
'****************************************************************************'主程式
Columns("f").Copy Destination:=Range("af1")
Call WMA(34, 21)
Columns("af").Copy Destination:=Range("h1")'**********************************' 平滑中心線
Call StDeving(21)
Columns("af").ClearContents
Columns("ag").Cut Destination:=Range("af1")
Call WMA(34, 21)
Columns("af").Cut Destination:=Range("k1")'************************************'平滑標準差
Call CreatAvgBB(2.58)
Range("i" & MyRow - 269 & ":i" & MyRow).Copy Destination:=Sheets("m7").Range("i1") '3. 上緣線
Range("j" & MyRow - 269 & ":j" & MyRow).Copy Destination:=Sheets("m7").Range("j1") '4. 下緣線
Columns("f").Copy Destination:=Range("af1")
Call HMA(34, 21)
Range("ba1") = Range("af1")
Range("bb1") = Range("af1")
Range("bc1") = Range("af1")
For iLoop = 2 To MyRow
If Range("h" & iLoop) > Range("h" & iLoop - 1) Then
If Range("af" & iLoop) < Range("af" & iLoop - 1) Then
Range("bc" & iLoop) = Range("h" & iLoop)
Else
Range("ba" & iLoop) = Range("h" & iLoop)
End If
Else
If Range("af" & iLoop) > Range("af" & iLoop - 1) Then
Range("bc" & iLoop) = Range("h" & iLoop)
Else
Range("bb" & iLoop) = Range("h" & iLoop)
End If
End If
Next iLoop
Range("ba" & MyRow - 269 & ":ba" & MyRow).Copy Destination:=Sheets("m7").Range("p1") '********** 5. 紅線
Range("bb" & MyRow - 269 & ":bb" & MyRow).Copy Destination:=Sheets("m7").Range("q1") '********** 6. 黑線
Range("bc" & MyRow - 269 & ":bc" & MyRow).Copy Destination:=Sheets("m7").Range("r1") '********** 7. 黃線
Columns("af:bz").ClearContents
觀察力係指有目的、有計劃地辨析事物和資訊的能力,特別是能辨別事物和資訊細微差別的能力。工具就只是個工具,善用與否?才是決定績效的關鍵。下列圖例,藍框和紅框皆屬「黃線密集區」,代表此二區皆屬警戒區(不確定區),那麼該如何預測接續而來的多空關係呢?吾人觀察出二點相異之處:
1. 藍框區位階較高,屬高檔區;紅框區則處於相對低檔。
2. 藍框區對應的布林通道為負斜率;紅框區則為正斜率且下緣線始終處於上升階段。
因此,吾人有足夠的理由作出如下之預測:藍框區後續會走空;紅框區理應看多。
附文
警語
交互觀察長短線圖以定多空
「交互觀察長短線圖,以定多空。」是提升預測能力準確率的有效方式。如下例,短30分線正面臨多空分歧,當此之際,觀察長日線圖或其他較長期的圖形變化,會產生一個決定性的作用。從日線的角度觀之,趨勢線和下緣線雖已向上打勾,但上緣線仍往下「壓頂」。這也是為何短線如法長驅直入的原因之一,因為上檔賣壓尚未消化殆盡,由是觀之,吾人該採取的策略不言自明:「逢低買進,K線壓上緣線時出清。」
賭場還沒開門就早早在門口等候的人,我佩服的只是他的「投入」。
投資市場風險高,在尚未建立自己的一套操作準則之前,不宜輕易涉險。
布林通道雖然好用,但仍須長時間觀察、審視,所需釐清的地方很多,就算天才,仍不宜三兩個月後,即提槍上陣。
操做投資市場最高指導原則,不在獲利 ;而是風險控管,而風險控管能否做好?不在技術;而是心裡素質 。
因此,在步入金錢殺戮戰場之前,請捫心自問:「我準備好了嗎?」
附文
警語
投資市場玩的是機率 ;而非運氣
以台灣50為例:以60分線作為短線操作的基本藍圖,當成功時,最低獲利不會低於1元。若停損設為0.3元,則每四次做單,成功一次即足以彌補三次的失敗,換言之,成功率 25% 就不會賠錢。事實上,一個人做單成功率若低於 50% 實在不該上戰場。簡單的說:會賠錢通常是本身不嚴守紀律,而最大的殺傷力在於不設停損或停利 。
附文
警語
膽識與風險意識
膽識不是 “橫衝直撞” 更不是 “帶著鋼盔往前衝”。膽識建立於 “自信心”, “自信心” 基植於 “豐富的相關知識” 與 “相當的經驗累積”。
作單最怕三心兩意,送出去的單子一改再改,結果往往是一錯再錯;手上滿滿的單子,而且全都是正相關的投資標的,這就是缺乏自信心最具體的表現。
風險意識對於 “是否能生存於金錢殺戮戰場” 具決定性的作用。一旦做錯,表示你失去方向感或當時的狀況不好,投資人該有認錯的勇氣,第一時間趕緊出場重新來過;特別是操作具有高槓桿特點的投資標的,因此,遇有不利狀況,不能 “放任不管”,那可是會讓您 “提早畢業” 的。
以台灣50為例,我的短線最大可容忍損失為 0.3元 + 0.2元,換言之,損失超過0.3元就開始準備停損出場;一旦損失超過0.5元,不論後市看法如何,立即市價出場。風險控管是保命仙丹,沒有認錯的勇氣,意氣用事、固持己見是無法在市場上生存的。
附文
警語
專一才能專心才能戰勝市場
有時我很不懂,好多人已經是滿手的不同的股票,還到處打聽,深怕手中的股票還不夠多似的。事實上這些人並非是為了分散風險;而是聽信他人去買消息股 ,其實手頭的股票大部分都是正相關的,一點風險分散的意義也沒有。一個人的精力有限,手上握有太多不同的股票,就我而言,老實說,我實在沒辦法管理。
我已經是個老油條了,但我也只做期指 (不做金融期和電子期)、Call選擇權 (不做Put)、股票只做元大台灣50、國泰台灣5G+...等等之類的ETF。這種情況下,一收盤就已經累趴了,哪還有精力去刺探軍情(消息股)。
就我個人認知,資本市場就像談戀愛一樣,貴在專一,否則花心的結果,長時間下來是隱藏不了的,終究會被市場唾棄。