技术分析中有众多指标，各指标的应用法则不同，然而我们进一步比较就会发现：许多应用法则都是以对偶原理和快慢线原理为基础的。以平滑异同移动平均指标（MACD）为例，MACD的应用法则是根据离差DIF线与DEA线及0轴的相对应位置作出的。MACD 的计算过程如下：设｛C[,t]｝｛t＝1，2，…，N｝是收盘价序列，选定n[,1]、n[,2]（n[,1]＜n[,2]）

EMA[,t]（n[,i]）＝M（c[,t]，2／（n[,i]＋1）（i＝1，2） （6）

DIF[,t]（n[,1]，n[,2]）＝EMA[,t]（n[,1]）－EMA[,t]（n[,2]）

一般取n[,1]＝12，n[,2]＝26此时，

DIF[,t]＝M（c[,t]，0.1538）－M（c[,t]，0.0741） （7）

DEA[,t]＝M[,9]（DIF[,t]） （8）

由式（6）、（7）可知：C[,t]作为原序列，EMA[,t]（n[,1] ）是快线，EMA[,t]（n[,2]）是慢线，因此DIF[,t] 意味着快线在慢线的上方，由式（8）可知DIA[,t]是DIF[,t]的九日平均线，因此可将DEA[,t]看作慢线，DIF[,t]看作快线。MACD的应用法则有：
1.DIF和DEA都在0轴上方，市场属强势；若都在0轴之下，市场属弱势。
2.DIF向上突破DEA与0轴均为买进信号。
3.DIF向下突破DEA与0轴均为卖出信号。
可以看出这些法则是以上两个原理的简单应用。法则1中， DIF在0轴上方意味着快线EMA[,t]（n[,1]）在慢线EMA[,t]（n[,2]）的上方，因此原序列C[,t]是递增的，股价是看涨的，反之股价是看跌的。法则2中，DIF向上突破DEA，这就是DIF本身作为快线，从作为慢线的DEA下方向上突破慢线，这是DIF递增的信号；而DIF向上突破0轴， 也就是快线EMA[,t]（n[,1]）从下方向上突破慢线EMA[,t]（n[,2]）的结果，这是收盘价C[,t]递增的信号，故应买进，法则3是法则2的对偶命题。

三、适用性原理 
在技术分析中，在很多情况下参数的确定往往成为预测是否有效的关键。例如“短期移动平均线”中日数n的选取，n＝3，5，6，9，10等都有人推荐过，但究竟应取哪一个能最好地反映价格走势？这无法从理论上加以说明。实际上，金融技术分析中很多指标的有效性只是股票市场中“久经沙场”的股票分析家的经验总结，目前尚无法从理论上严格加以证明，因此其参数的选择只能以“适用”为度，而无法在理论上取得“最优”。从这样的理念出发，我们有：
原理4：（适用性原理）在技术分析指标中， 各参数及其范围的选用，只须适用于所分析的环境即可。
该原理突出了金融技术分析的实践性和灵活性。这里的“环境”可包括所分析的金融产品的种类、所选的时间段、所选的市场等。这就是说：对于不同的金融产品、不同的时间、不同的市场，同一个指标的同一参数可以选用不同的数值。利用这个原理，联系到环境对参数的影响，就容易回答如“为什么股票分析大师威尔德独爱14日周期的参数，而我国的一些股评家却对9日相对强弱指数情有独衷？”这一类的问题了。
“适用性”理念避开了“最优性”的探讨，使金融技术分析可以在很弱的假定下展开讨论。例如，我们不必去探讨股票价格时间序列“是否满足平稳条件？”、“它服从什么样的分布？”等不易回答的问题，避开了过于深奥的理论探讨，更加有利于技术分析的普及和发展。
“适用性”理念能激发投资者对特定投资问题的研究。假定一个投资者用RSI指标进行投资决策， 那么他就必须确定两个参数：超买界限R[,0]和超卖界限R[,1]，当RSI≥R[,0]时确定为超买区，当RSI≥R[,0]时确定为超卖区。在现有文献中有的认为R[,0]＝70，R[,1]＝30；有的认为R[,0]＝80，R[,1]＝20，但究竟选多大为宜，这必须进行有针对性的研究才能解决。即需要投资者对自己所选择的若干股票的价格动态、历史数据、图线特征等进行分析，找出对自己适用的而不是一般性的参数R[,0]和R[,1]。以R[,0]为例，如果选择得过低， 则可能不是超买的情况当作超买而贸然行动，这就加大了投资风险；反过来，若R[,0] 选得过高（例如R[,0]＝95等），那么安全性是增加了， 但却失去了许多行动的机会，因为过高的R[,0] 使得许多本是超买的情况被判定为“不是超买”，而不敢行动。因此选择适用的参数R[,0]和R[,1]是很重要的。
在技术分析中，参数范围的选择有时会影响到方法本身。以“黄金分割预测法”为例，该法利用每峰的高度预测回落的谷底时（见图1 ），可用如下公式
p[,1]－p[,2]＝k（p[,1]－p[,0]）
即 p[,2]＝kp[,0]＋（1－k）p[,1] （9）
附图{图}
其中，p[,0]是t[,0]时刻的股价的谷底，p[,1]是t[,1]时刻的股价，即波峰的值，p[,2]是要预测的谷底股价；k是参数， 属于参数集K。狭义的“黄金分割预测法”认为
附图{图}
。即参数集
K中只有黄金分割比
附图{图}
这一个元素：k[,0]＝｛α＝0. 618｝。 然而这样的方法应用范围有限，原因是它解释能力过弱，许多历史数据无法满足式（9 ）。一个法则，如果解释历史数据的能力过弱则无人相信它的正确性，为克服这个缺点，人们将参数集K扩大， 形成广义的黄金分割预测法。例如，

K[,1]＝｛0.318，0.5，0.618｝

K[,2]＝｛0.191，0.318，0.5，0.618，0.809｝

K[,3]＝K[,2]∪｛0.0955，0.286，0.714，0.905｝

如记
附图{图}
，则K[,1]就是在K[,0]中再添加β和0.5这两个元素；K[,2]就是在K[,1]中添加β／2，（1－β／2）这两个元素；而K[,3]就是在K[,2]中再添加β／4，3β／4，α＋β／4，α＋3β／4这四个元素。可以看出， 随着参数集K的扩大，该方法解释历史数据的能力越来越强，因为对于一组已知的历史数据p[,0]，p[,1]，p[,2]，我们可以通过调整K值的方法使之近似地满足式（9），集合K中 的元素越多，近似满足的可能性就越大。例如， 若已知一组数据p[,0]＝787.81，p[,1]＝1081.20，p[,2]＝1023.89，在参数集K[,0]和K[,1]中取k都无法满足式（9）而将参数集扩大到K[,2]，取k＝0.191，按式（9）有

p[,2]·0.191×787.81＋0.809×1081.20＝1025.16

与实际的p[,2]相差很小。
参数集K的扩大使法则的解释能力增强，但我们付出了代价， 这就是：法则的预测程序复杂了，预测结果的不确定性增加了，即预测的可操作性降低。若参数集是K[,0]，我们预测时得到的是唯一的结果； 若参数集是K[,1]，我们必须从三种预测结果中选取一种；若参数集是K[,2 ]，我们从必须五种预测结果中选取一种。在上例中， 如果我们已知p[,0]，p[,1]要预测p[,2]的值，选取参数集为K[,2]，则由式（9 ）可以得到五种预测结果，究竟哪一个结果是正确的？法则本身没有给出回答。由此可见参数集的选择必须按适用性原理，权衡法则的解释能力和预测的易操作性两方面，选取适当的集合。对于“黄金分割法”取K[,2]即可。有些文献为提高解释能力采用了K[,3]甚至比K[,3]更大的集合，然而在笔者看来这是违反了适用性原理的，因为要从九（或更多）种可能的预测结果中选取一个正确的结果，即使结合其他的预测方法，也是很不容易的。
金融技术分析以其直观易用受到了广大投资者的欢迎，但也经常听到“预测不准”的怨言。要提高技术分析的预测准确性或发展新的预测法则，对技术分析的基本理论进行研究实属必要。本文论述的三个原理只是初步探讨，希望能起一个抛砖引玉的作用。
【参考文献】
1.郑超文.《技术分析详解》，复旦大学出版社，1993.
2.董逢谷等.《金融交易技术分析》，立信会计出版社，1996.
3.高鸿桢等.《金融技术分析指标的规范化问题探讨》， 厦门大学学报（哲社版），1998.4.
4.Appel, G., Winning Market systems, Windsor Books, NewYork, 1989.

上一页  [1] [2]