|
来源：网络 1．对技术指标曲线的形态分析。与K线相同，技术指标曲线同样有各种形态，而且其指标的形态往往比K线的形态更加清晰。尤其是现代数学工具模煳数学和数值模拟的引入，使电脑实现形态分析成为可能，从而使其研判更加客观、可靠。 2．在指标参数的选取方面，主张不同周期採用不同参数组合分别研判买卖信号。通过实证研究，人们发现如果始终运用同一参数组合来分别研判买卖信号，会使买卖信号的准确度有所不同，因而萌发了根据不同研判目的运用不同参数的想法。如吉拉.艾波（Gerald Appel）在对MACD指标进行研究时建议研判买入採用'8/17/9天EMA'的参数组合，但卖出信号採用'12/25/9天EMA'。这种参数的取定方法比较新颖的。通常人们认为市场上涨过程比较缓慢，而下跌过程比较迅速，所以很自然的认为卖出信号应取较短周期。但经过吉拉?艾波对美国股市近百年资料的实际测算得到的实际结果却与人们的这种推理背道而驰。 3．对技术指标曲线进行拟合处理。用拟合线的趋势来预测技术指标曲线的走势，从而突破了就由技术中无法预测指标未来走势的屏障。 4．引入全新的数学工具，从全新的视角对市场走势加以分析。例如，数学对于溷沌和分形的研究。我们通常进行的指标分析的数学模型有很多都是建立在传统概率统计理论基础上的。它们假设各个事件都是独立事件。但是自然界中的实际事件却多数是非独立的，例如，今年某地区洪水泛滥，则该地区的地下水水位和日平均蒸发量均会上昇，下一年洪水爆发的概率就相应增大。股市也同样如此。一段时间某支股票上涨，股东的平均成本就增加，人们对股票本身的心理定位也同时受到影响而上昇。无论是自然界中还是股市，凭经验我们都知道现象之间是相互影响的，即事物之间是存在联系的。但对于其相关程度我们却缺乏精确的描述。正是针对这种现象，分形科学的Hurst指数被运用于股市的研判之中，来刻画本期趋势与未来一个时期趋势的相关程度：序列相关程度高，则说明趋势在一定程度上会延续，因而此时适于应用趋势类指标进行研判；序列相关程度低，则说明趋势可能发生变化，此时适于应用摆动类指标进行研判。 |
|
|
