教程：VIDYA电子表格

一旦完成了VIDYA的设置步骤，就可以在许多交易策略中运用它。由于它是一个移动平均线，因此所有常用的移动平均线策略都可以应用在它身上。例如，可以使用两条移动平均线的交叉来作为交易信号，或者也可以使用移动平均线设置跟踪止损点的策略。

使用标准偏差计算VIDYA

首先，我们想使用市场波动率指数来评估价格行为。为了说明这一点，使用美国长期国债1993年3月合约收盘价的10日标准偏差数据来定义波动率。10日标准偏差的50天平均值是6.64。10日标准偏差值的范围从最低的0.13到最高的1.47。以下是波动率指数的范围值（四舍五入）：

k=0.13/0.64=0.21

k= 1.47/0.64=2.29                                                                      （3.4）

注意，计算波动率指数k采用的是0.64的参考值。这个参考值是将10日标准偏差的50天数据平均后得到的，当然也可以选择其他任意一个参考值。例如，收盘价10日标准偏差值的范围是在0.13至1.47，如果任意选择一个参考值1，则k值范围将变为0.13至2.29。关键是要确保（1－k×α）项始终保持为正。因此，如果使用0.1的α值，则对参考值为1的（1－k×α），其数值是正的。可以测试一系列值来选择你所喜欢的VIDYA的敏感度。

我们将使用19日指数移动平均线，其α值为0.1，用比值表示是2/（19+ 1）或2/20。其VIDYA活性可以根据表3.3中的数值范围计算出来。因此，我们可以始终有效地调节VIDYA的天数，从8天到94天。而等效的指数移动平均线总是使用19日为参数。

表3.4揭示了用电子表格计算VIDYA的过程。首先计算出收盘价的10日标准偏差（0.96），然后除以0.64得到k值1.50。使用早期（1992年12月9日以前）的日收盘价求得VIDYA的第一个数值：1992年12月10日的104.20，由下列公式算出：

VIDYA=（0.1×1.5）×104.25 +（1－0.1×1.5）×104.19 =104.20（3.5）

对应的指数平均线的α值为0.1。指数平均线值显示在表3.5中最后一列。继续随后所有天数的计算。1993年2月末，受克林顿总统预算提案影响，债券市场出现明显反弹。波动率增大，而VIDYA要比等效的指数移动平均线反应更迅速。表3.5列出了这些计算值。

1993年2月22日至2月26日，随着波动率的增大，k值也迅速增大。这一增加使VIDYA从新数据中获得了更大的权重。然而，等效的指数移动平均线在计算中却仍在继续使用19日。

你还能从该表中看到VIDYA的敏感度。从1993年2月19日至2月24日，VIDYA增加了1.75。同期，指数移动平均线仅增,加了0.92。VIDYA从107.52增加到109.27，而指数移动平均线从107.68增加到108.60。这些计算结果表明，VIDYA比等效的指数移动平均线更紧靠价格。对个性化交易员来说，在使用各种交易策略时可以利用VIDYA的这些优点。

用VIDYA计算波动率交易带

用VIDYA生成波动率交易带（见表3.6），先要如前所示计算VIDYA，然后加上基于波动率的成分项以形成波动率交易带。首先计算收盘价的10日标准偏差，然后用0.64除以标准偏差值求出指数k。得到基于波动率的函数项。接下来，我们须将这些函数项乘以与VIDYA等效的指数移动平均线的数值。然后，再把该项数值加到VIDYA上成为波动率交易带的上边界。

我们使用乘数为2，从VIDYA中加上和减去2倍的基于波动率的函数项。例如，对1992年12月10日，我们进行下列计算，注意0.1是等效指数移动平均线的指数：

波动带上界＝VIDYA + 2×0.1×k = 104.20 + 2×0.1×1.50= 104.50

波动带下界＝VIDYA－2×0.1×k= 104.20－2×0.1×1.50 = 103.90 （3.6）

由此产生的波动率交易带可作为一个突破型交易系统。高于波动率交易带上边界的收盘价是下一交易日的买进信号，低于波动带下界的当天收盘价是下一交易日的卖出信号。一旦你持有多单，当收盘价低于波动率交易带的上边界时，就是结束交易的信号。如果价格重新收于波动率交易带上边界上方，你就要准备建立多仓。当价格从波动率交易带下边界的下方回到波动率交易带内，则是结束敞口空单的信号。

还可以运用波动率交易带开发其他的交易策略，如反趋势交易。可以使用VIDYA设立基于收盘价的止损点，或者也可以使用价格与VIDYA的交叉来买进或卖出。在交易策略中使用VIDYA的能力和灵活性方面，本书只是提供给你一种感性认识。

使用CMO计算VIDYA

可以使用变动范围在0到1的与市场有关联的任何指数标来计算VIDYA，例如，可以使用钱德动量指标（CMO）来编篡VIDYA。

在此，将使用美国长期国债1993年6月合约的日收盘价数据。Mtm Up指的是当天收盘价高于昨日收盘价时的市场动量。如果当天收盘价低于昨日收盘价，则Mtm Up为0。如果当天收盘价低于昨日收盘价，则Mtm Down为正值，否则为0。

在下列式中，我们首先定义9日中上涨天数动量总和为S_u，下跌天数动量总和为S_d，则有：

CMO=（S_u－S_d）/（S_u+S_d）

AbsCMO = |CMO|                                                                       （3.7）

CMO是净动量，是9日内动量绝对值的一部分，它可以是正值，也可以是负值。AbsCMO是CMO的绝对值，即不考虑正负符号的CMO值。CMO值的变化范围在－1至＋1之间，而AbsCMO的变化范围在0至1之间。现在可以用AbsCMO来定义VIDYA了。

这里，对AbsCMO，我们使用了0.5的乘数，但如果你愿意，也可以尝试采用其他乘数值。使用这样一个简单的比例因子的好处在于，可得到一个从AbsCMO到VIDYA的线性转换。如果你把CMO值平方以消除负号，那么转换就变为非线性的了。乘数越大，VIDYA就越敏感。因此，有：

VIDYA =（0.5×absCMO）×C₀+（1－0.5×absCMO×VIDYA₁   （3.8a）

式中，C₀是当天收盘价，而VIDYA₁是昨日的VIDYA值。以下，通过使用表3.7中1993年2月12日的数据来演示计算过程：

S_u=0.3125+0.5625+0.5313+0.7188+0.1563=2.2814，

S_d=0.4688+0.3125+0.125+0.8126= 1.7189，

（S_u－S_d）= 0.5625，

（S_u+S_d）= 4.0003，

CMO = 0.5625/4.003 = 0.140614，

AbsCMO=0.140614，

VIDYA₁= 106.5625，

k=0.5×0.140614 = 0.070307，

VIDYA= 0.070307×106.7188+（1－0.070307）×106.5625 =106.573489 = 106.5735。

使用r²计算VIDYA

我们已经看到，线性回归分析计算中得到的决定系数r²，是一种测量趋势强度的工具。由于r²在0至1之间变动且始终为正，因此它成为编篡VIDYA的一个理所当然的候选者。

我们将使用Excel3.0电子表格来计算VIDYA，该电子表格的特点是具有内置函数LTNEST，我们将它与内置函数INDEX一起使用来计算r²。有关r²的更多细节，最好复习一下线性回归分析章节部分。我们将用9天作为线性回归计算的周期长度。

以下使用Excle3.0中的INDEX和LINEST函数计算r²。

r²= INDEX（LINEST（b3：b11，$ c $ 2：$ c $ 10，TRUE，TRUE），3）                                                                                             （3.9a）

将该值乘以比例常数0.65或0.50后，用于计算VIDYA。

接下来，让我们复习下面使用表3.8中1993年2月12日的数据进行计算的过程：

kl =0.65×0.1292494=0.08401211，

VIDYA = 0.08401211×106.7188 +（1－0.08401211）×106.5625 = 106.5756                                                                                       （3.9b）

这些计算表明，通过使用无量纲的与市场相关联的指标，诸如波动率、动量摆动指标或r²，可以使VIDYA适应市场行为。你可以调节比例乘数，以增大或减少该弹性移动平均线的敏感度。