第27章 数据运算

分笔数据

 为了编写具有此深度水平的分析理论，必须首先要获得太量的原始史历报价数据。我们感谢Disk Trading有限公司(www.disktrading.com)为我们提供了这么充足和准确归档的早到1970年代早期的历史货币价格数据(即期和期货价格)。

外汇数据可以整理成流数据或者区间数据。流数据由每个单一价格变化，取消了每笔价格的时间滞后。这就会获得很大量的数据。例如，所有2005年1月1日到12月31日的欧元和美元货币对的每笔报价数据是本书中各种理论分析的统计样本数据，这些数据的数址达到7，974，098个。

表27-1中列出了使用逗号隔开惯例表示的流数据。

区间数据

 在另一方面，区间数据是从流数据中编制出相等时间间隔的标准开盘价-最高价-最低价-收盘价(OHLC)数据格式向Disk Trading有限公司整理了每日、每小时、每30分钟、每10分钟、每5分钟和每1分钟的价格数据。

表27-2中列出了按惯例表示的区间数据(以一分钟时间问隔为例)。

日期一般会使用标准惯例MM/DD/YYYY的格式表达，而时间区域会使用四个整数代占24小时(例如，2030=8:30p.m.)。

由于集中交易的缺乏，外汇货币数据没有交易量和未平仓合约区域，这与商品期货报价一样。表头的最后两列是上扬和下跌(uptieks和downticks)。这两类数据可以用来计算货币交易中的特有的两个指标，活动震荡指标和方向震均指标。

  解析区间数据

 大多数货币数据卖者都会提供大量各种时间民间的历史报价数据。这些数据太多是分笔流数据(只有收盘价)，1分钟间隔的OHLC，10分钟间隔的OHLC，30分钟向陆的OHLC，每小时OHLC和每日OHLC。但是很多交易者很少会需提或者有耐心来直接处理分笔数据(除了现场交易时间)，因为他持有批量期货合约和存货。主要由分析师和统计师为一般的交易奋进行数据处理。

当使用摆度反转算法时，分笔数据的数量就过大了，因为分析师总是会试图过滤掉较小的价格波动数据。因此等间隔的区间数据总是会被使用。

所有OHLC区间数据都具有内在的缺点，那就是宵先要友生的哪种极端情况一一肉或者低一一是未知的。在我们的算法中将原始数据转换为摆度数据和P&F数据，我们发现在实际过滤一个特定量值的波功数据之前.对其进行预先处理是必要的(比如，缺少量值)。

这一过程"解析"了4种OHLC报价数据成为连续的收盘价格，由此产生出一组单变量流数据做摆度反转算法(是原始输入数据数量的4倍)。显然，开盘价和收盘价对于时间序列不会造成问题。决定首先极端情况会出现的规则如下:

情况1：开盘价距离最高价比收盘价近(图27-1)。

情况2：开盘价距离最低价比收盘价近(图27-2)。

 情况3:开盘价等于收盘价，开盘价距离最高价比收盘价近(图27-3)。

情况4：开盘价等于收盘价，开盘价距离最低价比收盘价近(图27-4)。

情况5:这是·种较少出现的情况，开盘价等于收盘价，并且开盘价和收盘价距离极值相等(图27-5）。

 我们时以检查之前的棒图来得到恰当的信息，发现两种情形，而不宜选择高低顺序的随机确定。

确定这两种情况的出现有两个规则:

 情况5A:如果之前的收盘价小于当前的开盘价（见左侧的图)，那么趋势是上升的。所以:

顺序=开盘价→最高价→最低价→收盘价

 情况5B:如果之前的收盘价高于当前的开盘价(见右侧的图)，那么趋势是下降的。所以:

顺序=开盘价→最低价→最高价→收盘价还有最后一种情况:

情况5C:如果之前的收盘价等于当前的开盘价，那么就会产出相同分布的随机数字(图27-7)。

我们在700万欧元美元数据库中寻找发现了几次这种情况的出现。幸运的是，在每一种情况中最高价都等于最低价。这些情况会出现在交易活动较少的和横盘时期。于是我们认为在确定性变量较少的理论中应用有限的随机变量是可以的。

出于好奇，货币交易者可能会希望知道在每1分钟内发生交易的笔数。

因为这个数扯除了4个报价之外会在"间隔"过程中丢失。我们搜索了历史数据和更多的文件后得到了以下结果:

一分钟之内的交易量达到了299笔，价格的变化范围是36个基点。货币交易量持续在某一显著的比率增加，因此我们预测这一纪录会在不远的将来被打破，最有时能的被突破的是其他美元货币对比率甚至是交叉比率。