价格运动

明白了是什么因素导致价格运动，接着就该仔细观察他们是如何作用于价格的。为了便于讨论，我们主要关注外汇交易汇率，这样就可以获取一个贯穿本书的标准参考点。当然，要确保所有的市场在价格运动中，都有相类似的特征。这里所提供的信息，都是与除了外汇市场之外的其他任何市场都相类似的。

周期利润回报

最简单的参考点，就是期间利润回报，一般用百分比变化来表示。如果一只股票从100上涨到110，他就产生10%的利润。然后你会界定这个变化发生的时间区间。该周期可以用分钟、小时、交易日、交易周或任何跨度的时间。如果上述的股票运动发生在一周之内，我们就把它称作1周利润回报。

周期利润回报：

受到时间周期的影响

以USD/JPY从1999年1月到2004年12月为例，你可以看到时间周期直接影响到周期利润回报，注意表3-2中，随着周期的增长，标准偏差是如何增大的。

不考虑时间因素的话，周期利润回报有着共同的特征。倾向于有频率较高的小利润回报，和少数几次较大的利润回报。相关性是一个重要的特征。实际上这些利润回报，都随着时间周期和市场的不同而大幅变化，这可以通过标准偏差度量法进行演示（参照补充说明）。为了便于说明问题，图3-3到图3-8是一系列的日收益分布图，来展示价格运动的分布情况。

毫无疑问，观察者会发现所有的分布图看起来十分相似，都是标准偏差的正态分布。有一点锯齿状的部分是我们应该注意研究的，但是基本理念都在这儿。

然而，据说在市场研究人员和纯理论学者之间发生了很多争论，都是关于分布周期收益的精确匹配问题的讨论。大家都很容易接受这样一个事实，百分比变化并不跟随常态分布。这就是所谓的“肥尾”。意思就是说，与基于常态分布能获取的利润回报相比，总有一些更大周期的利润回报（上涨或者下跌）。正是因为这个原因，跳跃—扩散随机过程和一些其他的模型都被提了出来。他们都是基于这样一个观点，就是市场通常的行为表现总是平静的（波动幅度稳定），但是他们的波动幅度，会明显出现周期性增加现象。

你可以通过把问题中的时间周期延伸，从而更进一步讨论周期利润回报问题。图3-9到3-14代表了5日利润回报的变化，因此本质上他们是5个每日利润问般组合而成。也就是说每个5日利润回报，其实就是5个日利润回报的混合结果。

通常意义上的5日利润回报分布图，看起来和每日利润回报分布图很类似。在分布图中只有细微的差别，尤其是在EUR/USD和USD/CHF两张图中， 看起来比其他的更“肥”一些，但是这并没有太多的因果关系。有趣的是在图的底部的刻度。你可能会期望5天周期能完成的利润，应该是大约是1天收益的5倍。然而事情远不是这样。其原因是极其浅显易懂的。

价格运动的持续性

5日回报率是5个日回报率的混合结果，原因就是市场并不是直线运行的。实际上，事实恰恰相反。请看表3-3。

表3-3中的数据显示，价格按同一趋势方向逐日持续变化的概率是多少。举例来说，对于AUD/USD在周三的时候，这个值是52%。意思就是说星期三的价格走势，和前一天星期二价格走势方向一致的概率是52%一一星期二上涨，星期三上涨，或者星期二下跌，星期三下跌。

表格中的数据显示的是，从周期到周期间利润回报并没有得到持续。有几个例外一一例如，USD/CAD在周二时一一但是通常情况下，对于任意给定的一天，市场的上涨和下跌概率大约是均等的。这就解释了前面所提到的5日收益图，而且说明了他们的利润回报为什么并不像你期望的那样多。

周期的变化范围

价格的趋势以直线运行，而不是其他的走势，我们可以通过研究周期的变化范围来演示。研究一下图3-15到图3-20。

这些图显示，日内波动范围看起来比日利润回报大。当我们拿它们跟1年利润回报图以及5年利润回报图相比较时，都有很大的相似性。毕竟，1日波动范围也可以被看作是一系列更小的周期收益的组合。此外，你在图中的波动区间也可以看出，价格并不是直线运行的。极少见到这样的交易周期，它的变化区间等于波动范围。

图形走势——直觉及其他

尽管根据指标的提示，市场总是在不寻常和非预期的模式下运行，但还是有一些图形走势显露了出来。其中最有趣和最醒目的就是被我们称作转折点的交易日。

在表3-4中，参照加粗的数字。这些标出了每一周的关键交易日。数据显示，所有的市场都在每周的第一天或者最后一天出现最大值一一除了星期一的USD/CAD。比如，星期一USD/JPY的数据是61%，是全周最高值，而在周三该值仅为25%，是全周的最低值。

各种各样的因素都对周一或周五的转折点有影响。很大程度上是出于本能的直觉。交易者在经过周末的准备之后，周一开始积极地进场交易，而在周五，他们则寻找一些可能会在周末出现的潜在的不利因素。

然而，也有一些非直觉因素，那就是年度日历上的交易波动范围。参照表3-5。

表3-5列出了从2004年1月到2004年12月期间EUR/JPY（在欧元和日元之间的交叉汇率）的20个最小的波动范围的交易日。标记为波动率（Rng%）一列的计算方法是，（最高价－最低价）/[（最高价＋最低价）/2］。正如所预期的那样，在数据集合中有好几个对应于假期的交易日，在该时间段内交易清淡并且成交量低迷。

现在看着表3-6。

表3-5中在同一时间区间内20个最高的波动范围交易日，都在表3-6中标记出。请注意，这儿仍有相当数量的数据，和主要的假期的数据十分接近。假设在这些交易日内交易清淡，那么你就不会期望有这么大的波幅。那么为什么会有这些交易日发生呢？

图3-21的离散点图，既展示了在低成交量时期，你期望发生的事，又展示了会偶尔发生的事。波动范围的计算方法和前面表格中所提到的波动率（Rng%）一样。成交量是一个极其普通的数字，每个观测结果都可以通过过去6年间（1999-2004）平均成交量的百分比来计算。所以，观测值是100%那个点就是平均值，这就是为什么有那么多点在该区域中的原因。

在图中点的走势，通常是从左到有依次代表越来越高的成交量，对应着越来越大的波动范围。注意图形左边观测结果的收集，这些观测结果是每日计算所得，而成交量小于平均周期的一半。这些每日交易范围散布广泛，并不是大多数人所期望的，为什么会这样呢？

一个阴谋理论家可能宣称，市场是由大资金交易者人为操纵的结果。这个理论宣称，有一个大玩家可以在市场平静的时候，只用很小的成交量就能推动整个市场。回顾一下前期所讨论的东西，关于订单以及订单所带来的影响。如果市场交易量低迷，那么一个大的订单就能对价格造成很大的影响。所以，拥有大成交量的交易者就可以推动价格运动。一个更机械的原因是，如此大幅的价格运动，也不得不借助于市场的本质来实现，因为他们的执行都要以竞买一竞卖为基础。例如，现在的价格竞价是100-105。这就意味着，买家愿意支付的最高价是100，卖家愿意卖出的最低价是105。记住，和这些价格紧密相连的还有成交量因素。

为了便于问题的深入讨论，我们站在竞买一方的立场上，假设买家在100愿意买入的量是1000个单位。现在如果有人来要卖出2000个单位，那么他首先会在价位100成交1000个单位。剩下的1000个单位，仍在待售中。卖家所能得到的成交价格，要依赖于市场的强度。可能还有其他的买家愿意在价位100时买入，其交易量可以足以消化剩下的订单。在活跃的市场中，事情总是这样。

那么在不活跃的市场中会发生什么呢？在这样的环境下，可能没有人愿意在100买入。可能下一个愿意买入的竞买单是500个单位，价格在99。很有可能下面还有竞买100单位的竞买单，价位是98，依次是价格97，300单位，价格95，200单位的订单，等等。交易者正在寻求卖出剩余的1000单位的机会，他不得不依次在99成交一部分，98再成交一部分，在97成交、在95成交最后的100个单位。这样做，你的2000单位订单成交敲掉了下面5个点的买单（在95的价位上还留有100单位的买单）。很有可能，在相应的交易品种中，它的竞卖率将会越来越低。

为了便于展示，举一个非常极端的例子，而事实上，这个例子主要是为了阐述一个观点的。在成交量很小的交易品种中，一笔或者多笔大额的交易，就能对价格造成很大的影响。这种情况最有可能发生在假期和其他一些休假期间，这时候会有很少交易者参与，并且会首先发生在交易清淡的货币品种上。

大多数时候，这种市场环境并不会引起投资者太多的兴趣。当然，你可以想象一下，假设有一些意义重大的新闻被发布。那么对于成交低迷的交易品种，其市场的反应会被严重夸大，甚至过激，从而引发价格剧烈波动。更有甚者，这个行为是自发的，没有一个值得注意的因素导致它发生，参照图3-22。

这是EUR/JPY的价格运行图，时间从2000年中期到2001年中期。图中的圆圈部分，是从2000年12月中旬到2001年元月的第一个星期的K线走势，这个时间段通常是一年之中成交平谈的时期，是特定的假期。在这个例子中，市场戏剧性地大幅上涨，因为低成交量的环境，使得价格出乎寻常的加速上涨。

有些消息来源于研究学习之中，比如通过转折点的研究，我们发现市场并非总是随机的。有些模式、走势和趋势，你只要愿意学习、研究，你就可以通过做一些功课来发现他们。在观察市场中，往往存在这样一种偏见，认为市场只是形式上的一堆数字而已。你一定要明白，在每只交易品种背后，都是人与人之间的相互作用，以及制定和执行决策。人类有自己的行为习惯，会受到价格运动和交易行为的影响。

作业

挑选一只你感兴趣的外汇交易品种，它的交易时间周期，最高点/最低点/收盘价等数据，都是你可以及时获取的。有了这些数据，执行以下的研究：

·周期收益的分布。

·周期交易区间的分布。

·区间内价格向同一方向移动的频率（第一个周期是上涨——第二个周期也上涨，或者周期一下跌——周期二也下跌）。

这些方法和本章所讲过的例子中所使用的研究方法一样。运用基本的电子表单和图表，这些方法会立即得到应用。

进行以下额外的研究：

·时间周期/波动范围分析：确定是否在数据中有这样一个明确的模式，对于市场会在周期价格波动区间内，在最高点或最低点区间，具有最大或最小的波动率。

·波动率持续性分析：确定是否某一个周期的波动幅度（度量方法可以是周期收益法，或价格的周期性波动区间法）之后，会紧跟着在下一个周期，出现相类似级别的波动幅度。

事实上，你能完成的任务远远不止这些。如果觉得有能力，你可以做更多的研究。这样你就能更好地加深对市场中正被讨论的问题的理解。