博客
关于我
混沌相关blog+节选
阅读量:464 次
发布时间:2019-03-06

本文共 597 字,大约阅读时间需要 1 分钟。

《数字化定量分析:一致性获利法时间跨度的定量研究》

在技术分析领域,指标参数的选择往往是关键。最近,我在研究MACD指标时,发现了一些有趣的现象。原本认为有效的参数设置是5、34、5,但在实际操作中却发现存在明显问题。60分钟图表的表现令人震惊。

MACD指标的参数设置在不同时间跨度下确实会有显著差异。60分钟的K线图是30分钟K线图的一半,这意味着参数也需要相应调整。将原始参数5、34、5进行缩放后,变为3、17、3。令人惊讶的是,这种调整后MACD的表现变得更加精准。

通过对比实验,发现当MACD的差值指标(DI)穿越零轴时,60分钟和30分钟的K线图在低点的识别上表现一致。这一发现意味着传统的一致性获利法时间跨度研究可能存在误导性。

这种发现让我深刻思考:时间跨度的选择究竟是由什么决定的?实际上,参数设置的选择与价格走势的快慢密切相关。通过对价格走势的观察和时间周期的分析,我们可以更直观地捕捉市场的动向。

这一发现让我意识到,即使是复杂的技术指标,也需要结合实际市场环境来优化参数设置。一切指标都存在滞后性,这也是技术分析中的一大考量因素。

在实际操作中,我更倾向于通过时间周期和价格走势来判断指标形态,而不是单纯依赖预设的参数设置。这不仅提高了分析效率,也帮助我在交易决策中占据先机。

总结说,技术分析中的参数选择并非遥不可及,而是需要结合实际市场环境和价格走势来不断优化。

转载地址:http://tzfbz.baihongyu.com/

你可能感兴趣的文章
Please install 'webpack-cli' in addition to webpack itself to use the CLI
查看>>
Ploly Dash,更新一个Dash应用程序JJJA上的实时人物
查看>>
Ploly烛台的定制颜色
查看>>
Ploly:如何在Excel中嵌入完全交互的Ploly图形?
查看>>
plotloss记录
查看>>
Plotly (Python) 子图:填充构面和共享图例
查看>>
Plotly 中的行悬停文本
查看>>
Plotly 停用 x 轴排序
查看>>
Plotly 域变量解释(多图)
查看>>
Plotly 绘制表面 3D 未显示
查看>>
Plotly-Dash 存在未知问题并创建“加载依赖项时出错“;通过使用 Python-pandas.date_range
查看>>
Plotly-Dash:如何过滤具有多个数据框列的仪表板?
查看>>
Plotly:如何为 x 轴上的时间序列设置主要刻度线/网格线的值?
查看>>
Plotly:如何从 x 轴删除空日期?
查看>>
Plotly:如何从单条迹线制作堆积条形图?
查看>>
Plotly:如何以 Root 样式绘制直方图,仅显示直方图的轮廓?
查看>>
Plotly:如何使用 Plotly Express 组合散点图和线图?
查看>>
Plotly:如何使用 plotly.graph_objects 和 plotly.express 定义图形中的颜色?
查看>>
Plotly:如何使用 Python 对绘图对象条形图进行颜色编码?
查看>>
Plotly:如何使用 updatemenus 更新一个特定的跟踪?
查看>>