成交量obv篇(股票obv指標詳解)

最近的文章，本狐討論了技術指標為什么會虧錢的問題，引發了不少讀者的討論。技術指標虧錢的原因有：技術指標是滯后的，只說明了當前的走勢，不能預測未來的走勢；技術指標反應了一部分人群的看法，反而成為了莊家、主力反向操作的機會；技術指標是基于歷史經驗和數據統計獲得的，但是由于歷史局限性，并未經過有效檢驗。

實踐是檢驗真理的唯一標準，數據是檢驗技術指標準確的標準。技術指標是否準確，只有理論推導是不行的，一定需要數據檢驗。因此，本狐提出了幾條數據檢驗的基準：

1. 長周期的歷史交易數據驗證。長周期指時間跨度要長，至少經過幾次市場的牛熊變換。
2. 大數據量的交易數據驗證。交易不能局限在幾支股票，或者某一類股票，最好是拿全市場的股票數據進行驗證，包括創業板（漲跌幅不同），ST，大盤股，小盤股，指數成分股等。
3. 對真實交易的模擬，引入各種真實的客觀限制。交易者的資金有限，不可能對市場上所有的符合技術指標的股票進行購買，需要限定持倉股數；漲跌幅買賣不成；停牌對資金的占用等。

本狐使用了A股市場2010年到2021年10月，近11年的市場A股所有日線數據進行檢驗，股票數量一共4424只，交易數據773萬+。模擬交易模型分為兩類：

1. 無限制的交易模型。假設資金量無限，對交易日市場上的所有股票，只要技術指標是買入信號，且當前未持倉該股票，就進行買入；只要技術指標是賣出信號，且當前持倉該股票，就進行賣出。此交易模型用于檢驗指標的通用成功率，買賣后盈利計算為成功，買賣后虧損計算為失敗，并統計所有買賣的平均盈利和最大虧損。
2. 固定持倉交易模型。這個模型更接近于真實，限制同時持倉的股票數量，設定為4只，每只占用約1/4的資金量。只要技術指對持倉股票發出賣出信號，就賣出持倉股票；同時，對市場上發出買入信號的股票隨機選取進行買入，保證當前持倉4只股票，除非市場上的股票在當前交易日無買入信號。

以上兩個交易模型的成交價均以股票當日的收盤價成交，如果當天漲停或者跌停則交易失敗。所有交易忽略交易手續費，僅計算買賣的差價。

最近的文章我們評估了均線、RSI等指標的結果，本篇我們看下成交量趨勢指標OBV。能量潮指標（On Balance Volume，OBV）是葛蘭維（Joe Granville）于上世紀60年代提出的，并被廣泛使用。股市技術分析的四大要素：價、量、時、空。OBV指標就是從“量”這個要素作為突破口，來發現熱門股票、分析股價運動趨勢的一種技術指標。它是將股市的人氣——成交量與股價的關系數字化、直觀化，以股市的成交量變化來衡量股市的推動力，從而研判股價的走勢。關于成交量方面的研究，OBV能量潮指標是一種相當重要的分析指標之一。

數據實驗代碼使用了Python pandas_ta的obv。對應買入、賣出的代碼片段如下：

    def model_predict(self, s, fo, model_path):
        df = pd.DataFrame({'close': s.close_price, 'volume': s.volume})
        obv = df.ta.obv()
        close = df['close']
        pred = [0] * len(obv)
        for i in range(1, len(pred)):
            if np.isnan(obv[i]):
                continue
            # 量價齊升買入
						if obv[i - 1] = 0 > obv[i]:
                pred[i] = self.sell_point
        return pred

指標是否好用需要嚴謹的數學實驗

接下來，就上實驗的數據結果了：

UnlimitTrade

Evaluate stock count 4443, total sample length:7767019

Total trading count:10926, succeed count:1082, successful rate:0.099030

Revenue:0.034066, max gain:48.647475, max loss:-0.841727

Accumulated revenue:0.034066

-----------------------------------------------------------

FixedTrade

Evaluate stock count 4443, total sample length:7767019

Total trading count:65, succeed count:9, successful rate:0.138462

Average revenue:-0.043997, peak gain: 8.986981, max single gain:0.305249

Max single loss:-0.171451, max backward:-0.408201

Accumulated revenue:6.512554, Init asset: 4000000, Final asset:30050216

FixedTrade（test from the date 2020-09-01）

Evaluate stock count 4430, total sample length:1159328

Total trading count:48, succeed count:5, successful rate:0.104167

Average revenue:-0.035669, peak gain: 1.171934, max single gain:0.308827

Max single loss:-0.146986, max backward:-0.221026

Accumulated revenue:-0.010571, Init asset: 4000000, Final asset:3957716

數據解讀：

1. 無限制交易模型，共交易次數80萬次，其中盈利的交易次數9.9%。指標的成功率只有約10%，是不是遠低于你的預期？所有單次交易的最大盈利有48.6倍，最大虧損-84%。平均交易的盈利是3.4%。
2. 固定持倉4只股票交易模型，共交易次數65次，其中盈利的交易次數30.5%。交易中的最大虧損有17.1%，最大回撤40.8%。10年下來的最終盈利是651%。值得注意的是，因為符合買入條件的股票是隨機買入，多次實驗的盈利數據有一點差距。進一步，我們看指標在最近一年，即去年9月之后的數據，盈利數據是-1%！

小心，不要陷入指標能賺錢的陷阱！

10年真實的牛熊市真實的數據實驗檢測的結果，是否和你的傳統經驗有很大的出入？廣泛流傳并使用的技術指標的成功率不到3成！依賴OBV指標操作，最近一年將帶來1%的虧損！

很遺憾，投資市場沒有所謂的銀彈，或者不敗的秘籍。遠離一切技術指標吧，當看到股評節目中的專家頭頭是道地進行技術分析時，看看就好，千萬不要據此做出買賣決策。技術指標由于受眾廣，或許能作為投資者的情緒反應，但是萬萬不能作為投資的風向標。

（關注本狐，分享和討論投資的經驗干貨和方法）

來源:生活資訊網