价量类技术分析指标的实证研究及评测

77

黑龙江金融 2010摘要：本文对10种价量类技术分析指标进行了实证研究，通过计算股价波动与价量类指标各分析量之间的相关关系，验证股价波动与该类技术指标的相关性。并采用抽样调查的方法，对200只股票的1100个交易日的数据进行了海量运算，从而实证了价量类指标的有效性。本文进一步评价了每个指标的特点，优选出该类最佳分析指标，提出了不同股票状态下的指标应用策略。关键词 价量类指标；相关分析；抽样调查；实证；评测

在

股票技术分析指标中，价量类指标一直是一类独特的分支，由于其将

股票价格信息和成交量信息综合起来分析，使分析股票的信息更加完整，价量规律得到了较好的体现。但是价量类指标在实际应用中也存在一些难题：一是指标种类较多，且核心算法大相径庭；二是技术指标的实战效果不明，投资分析人员难以取舍。为此，本文以价量类技术分析指标为研究对象，从实证角度对该类指标进行了测试和评价，从中优选出最好的指标共投资分析人员参考。

价量类指标的分类和特点

本文将综合股票价格和成交量两类信息的指标归为价量类指标，仅分析股票成交量的指标，不列入本类。参与评测的指标共10种，根据其核心算法的不同，可分为四种子类型：

（一）增长率型

1. 佳庆指标CHAKIN；

2. 济坚指数CHO；

3. 价/量趋势PVT；

4. 量价趋势VPT。

增长率型指标的核心公式是“增长率×成交量”，此处的增长率是指与增长率算法相接近的公式。CHAKIN和CHO指标的核心公式均为“(2×C-H-L)/(H+L)×V”，CHO指标在核心公式的基础上，计算长短趋势的差，CHAKIN 指标在CHO指标的基础上再进行二次平

滑。PVT 和VPT 指标的核心公式均为“(C- Ct-1)/Ct-1×V”，PVT指标在核心公式的基础上，计算上市以来的累计数，VPT指标在核心公式的基础上，进行N日累计，相当于移动平均。

（二）方向判断型

1. 能量潮OBV；

2. 能量潮SOBV。方向判断型指标的核心算法是计算当日股价是上涨还是下跌，进行方向性判断，上涨则加成交量，下跌则减成交量。OBV指标是用今日收盘与昨日收盘比较，判断涨跌；SOBV指标是用开盘价与收盘价比较，判断涨跌。

（三）波幅型

1. 威廉变异离散量WVAD；

2. 当日成交密度II。

波幅型指标的核心公式是“波幅*成交量”，此处的波幅食指相当于波幅算法的公式。WVAD指标的核心公式是“(C-O)/(H-L)×V”，并在其基础进行二次移动平均；II指标的核心公式是

“(2×C-H-L)/(H-L)×V”，并在其基础上进行一次平滑。

（四）逆向判断型

1. 简易波动指标EMV；

2. 活动能力EOM。

逆向判断型指标的的核心公式是“增量*波幅/标准化成交量”，各指标公式相对复杂，不再赘述。

综合四种子类型可以发现，以上10种指标虽然同为价量类技术分析指标，但是核心算法却截然不同。前三类指标是乘以成交量，即认为成交量与股价波动正相关；逆向判断型指标是除以成交量，即认为股价波动于成交量负相关。各类指标依据的原理和假设条件截然相反，因此孰优孰劣需要通过实证研究来科学的评测。

价量类指标的实证方法

传统技术分析指标具有一个共同的特点，即具有一定的连续性，通过连续

价量类技术分析指标的实证研究及评测

■谢丁／文

不含成交量信息的技术指标实证结果：

含成交量信息的技术指标实证结果：

指标 含成交量 排名

78黑龙江金融2010

实证结果评价

通过实证研究我们得到了各价量类指标在不同周期下与股价波动的平均相关系数。对这三个周期的值进行算术平均，并排名，得到最终评测结果（见上图）。

（一）成交量信息的价值

通过对比不含成交量信息与包含成交量信息两轮验证结果，可以发现，成交量信息的引入并未使指标的预测能力明显增强，反而使相关性出现了不同程度的下降。这表明成交量信息内含着复杂的交易信息，并无简单必然的规律性，在不同的市场环境下，以及不同的主力资金控盘程度下，会有不同的成交量规律，不能机械的用技术指标来计算。

（二）各个指标的实证效果

从实证结果及排名来看，EOM指标最优，其次是WVAD指标，再次是VPT指标，三个指标分属于不同的类型，其核心算法截然不同，甚至是相互矛盾。如：EOM指标计算时是除以标准化成交量，既认为成交量与股价负相关，成交量的放大表示上升动能或下降动能的释放，会出现股价逆转。WVAD指标和VPT指标是乘以成交量，既认为成交量与股价正相关，成交量是股票活跃和受关注程度的表现，活跃度高则上涨，活跃度低则下跌。

其他的指标实证效果均不佳，从不含成交量信息的指标实证结果来看，这些指标的算法具有先天性缺陷。如：方向判断型的OBV和SOBV指标，由于其将股价信息用于判断涨跌，而忽略了涨跌的幅度，使预测使用的信息简单化，浪费了股票价格中包含的有用信息，自然无法提高预测精度。再如：OBV、SOBV、PVT指标均是从股票上市日开始进行指标汇总，这使得指标对近期数据的利用率较低，而过多了包含了较长时期以前的历史数据，这部分数据往往已经不再具有预测价值，股票上市时间越长，指标的参考价值越低，因此这三个指标在排名中为后三名。

此外，实证结果还表明，价量类指标多适用于短期趋势预测，中长期趋势预测的能力不高。

价量类技术指标的使用策略研究

本文的实证结果表明，传统的价量规律无法在技术指标中得到有效应用，可见价、量之间具有更为复杂的内在规律，简单的使用价量类技术指标必然效果不佳。因此，必须对股票的筹码分布及所处环境进行判断，判定股票的状态，再辅助不同的价量类指标，才能够提高预测精度。

笔者认为，股票可以简单的分为两种状态，一种为散户状态，一种为机构状态。

散户状态下：股票多为散户行情，筹码相对分散。这种格局下，成交量多代表股票的活跃程度，与股价正相关，适合使用WVAD或VPT指标。

机构状态下：股票多为机构行情，筹码相对集中。这种格局下，成交量多代表涨跌动能的变化，与股价负相关，适合使用EOM指标。

对股票价格的判断，一种简单的方法是：股价与大盘走势相一致，剔除大盘影响后，波动幅度相对较小，则多为散户状态；股价与大盘走势相背离，剔除大盘影响后，波动幅度相对较大，常走出独立行情，则多为机构状态。

总之，价量类技术分析指标，由于包含了成交量和股价两类重要信息，因此不能机械的加以计算。实证结果表明，简单的应用成交量信息，反而降低指标的有效性，必须根据不同的股票状态，选择适用的技术指标，才能产生良好的效果。

参考文献

[1] 谢丁•《趋向类股票技术分析指标的实证研究及评测》[J]•长沙：金融经济，2009，（11）

[2] 谢丁•《压力支撑类股票技术分析指标的实证研究及评测》[J]•云南：时代金融，2009，（11）

[3] 谢丁•《股票技术分析指标的参数设置方法实证研究》[J]•河北：河北金融，2010，（3）

[4] 谢丁•《大盘类股票技术分析指标的实证研究及评测[J]•长沙：金融经济，2010，（4）

[5] 张泽宇•《股票分析指标大全》[M]•北京：中国经济出版社，2008

[6] 尹宏•《最经典的股市10大技术指标》[M]•北京：中国经济出版社，2009

[7] 杜子芳•《抽样技术及其应用》[M]•北京：清华大学出版社，2005

作者单位：中国邮政储蓄银行河北省分行

责任编辑：刘鹏翔

79

黑龙江金融2010