您的位置: 零点财经>成交量>成交量分析> 成交量加权的移动平均值的收益

成交量加权的移动平均值的收益

2018-03-02 02:01:47  来源:成交量分析  本篇文章有字,看完大约需要4分钟的时间

成交量加权的移动平均值的收益

时间:2018-03-02 02:01:47  来源:成交量分析

学会这个方法,抓10倍大牛股的概率提升10倍>>

到现在为止,成交量信息都证明是有用的,但我们还没有讨论最重要的评价标准——收益。那么哪个方法,是简单平均值还是成交量加权的平均值,能带来更高的总体回报呢?在大多数情况下,无论基于哪种标准的股票分组、公司规模或风格,成交量信息都再次被证明有助于增加投资的收益。当然,有些方面的改进多于其他方面。

无论是大盘股、中盘股还是小盘股,所有这三种规模的股票在使用了加入成交量信息的平均值后都在收益上得到了提高。根据可靠性数据的判断,我认为加入成交量信息的平均值运用在中盘股上超越简单平均指标的可能性最低,但运用在中盘股上对收益的改善是三种规模的股票中最高的(见图16.6)。

VWMA对SMA的改进,基于股票规模的分组

图16.6VWMA对SMA的改进,基于股票规模的分组

同样,无论成交量是高还是低,波动是大还是小,这四种风格的分组使用VWMA后在收益上都得到了提高,其中差异最大的情况出现在低成交量和高成交量的分组,VWMA指标运用在高成交量的股票上比运用在低成交量的股票上的效果要显著好得多。VWMA指标运用在波动性高的股票上的效果也比运用在波动性低的股票上的效果好,这证实了其他学者认为股票的成交量和波动性存在高度相关性的观点(见图16.7)。

四种分组情况下VWMA和SMA指标的比较

图16.7四种分组情况下VWMA和SMA指标的比较

在12个分组中,11个分组(91.6%)的检验结果都有利于成交量加权的平均值。从股票的角度来看,60只股票中只有35只股票(58.3%)在运用成交量加权的平均值后获得了更高的收益,这表明我们需要更多的分析技术来弥补成交量加权的方法在单个证券分析上的不足。在我们检验的样本中,运用成交量加权的平均值比运用简单移动平均值可多获得$328843的收益(见图16.8)。

VWMA和SMA指标在12个分组中的表现

图16.8VWMA和SMA指标在12个分组中的表现

关键字: 证券
来源:成交量分析 编辑:零点财经

阅读了该文章的用户还阅读了

热门关键词

相关阅读

为您推荐

移动平均线
股票知识
MACD
老丁说股
热点题材
KDJ指标
读懂上市公司
成交量
股票技术指标
股票大盘
分时图
股市名家
概念股
缠中说禅
强势股
波段操作
股票盘口
短线炒股
股票趋势
涨停板
股票投资
长线炒股
股票问答
股票术语
财务分析
炒股软件
上证早知道
经济学术语
期货
股票黑马
股票震荡市场
理财
炒股知识
散户炒股
外汇
炒股战术
港股
基金
黄金








































































































































































































































































































































































































































































































































































































































































相关栏目推荐

栏目导航

友情链接

网站首页
股票问答
股票术语
网站地图

copyright 2016-2024 零点财经保留所有权 免责声明:网站部分内容转载至网络,如有侵权请告知删除 友链,商务链接,投稿,广告请联系qq:253161086

零点财经保留所有权

免责声明:网站部分内容转载至网络,如有侵权请告知删除