现在我就来谈谈我的看法：
我们知道, 一个特定的资产组合P, 如果它的结构匹配市场资产组合M的结构, 它将获得和市场组合结构M一样的风险和收益.这就是说,如果它们的风险来源一致,它们的组合所得到总的方差也是一致的，这个道理在分析技术中同样适用，先看看两个公式:
KDJ公式：
RSV:=(CLOSE-LLV(LOW,N))/(HHV(HIGH,N)-LLV(LOW,N))*100;
K:SMA(RSV,M1,1);
D:SMA(K,M2,1);
J:3*K-2*D;

RSI公式:
LC:=REF(CLOSE,1);
RSI1:SMA(MAX(CLOSE-LC,0),N1,1)/SMA(ABS(CLOSE-LC),N1,1)*100;
RSI2:SMA(MAX(CLOSE-LC,0),N2,1)/SMA(ABS(CLOSE-LC),N2,1)*100;
RSI3:SMA(MAX(CLOSE-LC,0),N3,1)/SMA(ABS(CLOSE-LC),N3,1)*100;

我们知道他们都被称为摆荡指标, 常被用于短期分析预测, 它们符合我刚才讲得两点特征:
1> RSI和KDJ采用了相同或者相似的数据源[收盘价,时间周期参数...],
2> 并且它们有相匹配的算法结构[都是以某一个差值比例平均算法],

   由此我可以得出, 它们是风险是一致的两个指标, 两个是完全正相关的两个指标: [Cov(ri, rj)  = 1 ]的指标,并没有零或负的协方差Cov(ri, rj)去消除这个预测的风险. 它们在大部分时期内得出的结论是一致的, 一起对,也一起错. 风险一样. 你不能期望通过同时使用这两个指标, 降低预测风险, 提高自己分析技术的可靠性.

那么，有人会问，BOLL和RSI是否是"风险叠加"的指标，BOLL指标为
BOLL:MA(CLOSE,N);
UPPER:BOLL+2*STD(CLOSE,N);
LOWER:BOLL-2*STD(CLOSE,N);
的确他们算法涵义并不一样，不符合"风险构成匹配"，但是它们都借用了[收盘价, 时间周期参数]，在风险来源构成上是一样的，所以，它们依然有正向关联，只是没有那么强而已。

同样，以价格和以成交量为基础的算法, 它们之间没有共同的风险来源，但是有着一定的默契[例如较高的价格和较大的成交量], 所以若以他们构成的公式参考，他们也是弱相关的，同时使用可以削弱其中每一个预测分析技术的特有风险.

同样，如果他们采信的是不同的数据源, 并且分析的策略也完全不匹配, 那么, 这些不同的风险来源构成了相互独立的方差, 以致互相之间没有有关联[Cov(ri, rj) = 0], 我再随便举一些例子，
价值分析法和技术分析法，一个取自经济数据，一个取自市场交易数据，它们的数据来源完全不同；并且它们的分析的策略也完全不同，显而易见，如果你能同时从它们各自的理论出发，寻找到合适的交易标的，所得到预测风险就非常低了，得到的预测结果会相当可靠。

至于强负关联[Cov(ri, rj)  = -1]的分析方法，我暂时还没有想到，两个完全互补的方法未必得到完全相反的分析结论，如果你真的找到这两种方法，而得到一致的分析预测结论，它的可信度是非常高的。

总结一下: 虽然你不能通过任何方法去消除分析技术的系统风险, 但是却可以通过风险来源, 构成匹配去消除每一种分析技术的特有风险.当它们被共同参照使用而使得预测结论会比单独使用它们得到的结论准确.

Q: 作为手段不多的散户，你准备好了如何构建自己的分析工具了吗？

0

顶一下

返回首页

请填写详细信息发表评论

评论名字：
电子邮件：
评论内容：
验证字码：