第三章 在显微镜下的移动平均数
我偶然发现的第一个用于征服市场的技术指标是移动平均数。
20 世纪50 年代后期，化名为Cultis Dahl 的人在这方面做了一些工作。他声称在一个长期的基础上， 一个10 周的移动平均数是股票交易的根本方式。
其他关于移动平均数的工作早在30 年代就被完成，有些甚至可以追溯到20 年代。毫无例外，对于消费行为而言，所有移动平均数的狂热行为都集中关注高于一个或者一系列移动平均数的价格上; 对于销售行为， 这些行为则聚焦在低于一个或者一系列移动平均数的价格上。
乍一看，移动平均数看似一个绝对高明的市场交易方法。毕竟，只要你获取了所有移动平均数的信号，你也将把握住一些巨大的机遇。
技术分析师们通常会通过以下行为去证明他们的观点，他们会收集带有大幅价格波动的股票或商品交易图表，然后展示那些成功的交易行为，假设其他移动平均渗透在将来也会奏效。
我正在展示一些图表(见图表1和图表2) ，这些图显示了一个移动平均数所能起到的良好作用。注意，在国债图里，移动平均数会在价格大幅上移之前迅速地被跨越，并且会让追随者有成千上万美元的盈利。
出于同样的原因，咖啡豆价格的上移可以以相同的方式被捕捉到。现在就让我来解释下如何建立一个移动平均数。简单而言，移动平均数就是最近X 天之内价格的平均值。假设你试图去建立一个10 天的移动平均数，你需要累加其最近10 天内的价格，然后除以10，这样你就会得到一个10天的移动平均数。如果今天的收盘价低于移动平均数，则我们处于熊市; 如果今天的收盘价高于移动平均数，则我们处于牛市。
我将举一个例子，这样你就能通过这个例子来检验你对移动平均线的建立是否还存在疑惑之处。
日期 收盘
9 月1 日 143.50
9 月2 日 144.00
9 月3 日 143.75
9 月4 日 143.70
9 月7 日 143.65
9 月8 日 143.75
9 月9 日 143.50
9 月10 日 143.50
9 月11 日 143.60
9 月14 日 143. 65
10 天的移动平均数: 1436.6÷10 天= 143. 66
在9 月15 日，回归至十天前(9 月1 日) ，加上9 月15 日
9 月15 日，
所以，新的总和为1436.9
新的移动平均数为143.69
在9 月16 日，回归至十天前(9 月2 日) ，加上9 月16 日
9 月16 日，143.90，所以，新的总和为1436.8
新的移动平均数为143.68
移动平均线的先进程度
目前，移动平均线理论有两大改善之处，或者更准确地讲是两个改良的计划。一个是Dick Donchian 提出的，Dick 的工作说明了只有一个移动平均数还不是很有效。一个人需要考虑一个以上的移动平均数。Donchian 想出了一个5 天移动平均数和一个20 天或者25 天的移动平均计划。
越来越多的人已经应用了Donchian 的原创理论。就我所知，这项理论完成于40 年代后期， 50 年代早期。
他们都得出了相同的基本观点: 仅仅只有一个移动平均数还不足以告诉我们价格走势，我们需要两个移动平均数。一个是短期的、快捷的移动平均数， 与之相对的是一个长期的移动平均数。其规律是，一般情况下，当以上两个移动平均数都是正数，或者当天的收盘价高于这两个移动平均数，我们就可以买入。
大量工作是利用一个、两个，某些情况下三个移动平均数的联合完成的，其目的是试图占领大部分市场。
这个数字集合体所完成的另一个大幅度变化是，为我们提供了指数或加权移动平均数。因为我的工作表明，移动平均数与指数或线性加权移动平均数之间并无太大区别，你们也会马上意识到这一点，所以我不打算深入阐述大量的细节。
这些都是带有精选的"哲学博士"头衔的移动平均数。一个前端加权移动平均数将会赋予近几天数据更多的重要性，相反，对于一个传统的移动平均数，你必须添加今天的数据，然后减去X 天前的一个数据。因此，无论是今天的数据还是X 天前的数据对移动平均数的影响均相同。对于一个指数移动平均数，你不用减去十天前的一个数据，你仅仅只需获得一个今天的数据与指数平均数的偏差，然后算出其所占的百分比， 这个百分比再加上指数移动平均数或者从中减去。
对于一个前端加权移动平均数，随着时间流逝，数据所占的比重越来越小。举个例子，对于一个前端移动平均数，你可以将当天收盘价乘上110%加入到计算过程中，前一天的收盘价则乘上100% ， 三天前的则乘上80% ，四天前60% ，后续十五天之内的则是10% 。正如你所看到的，在这个模式里，最近的数据与过往的数据相比被赋予了更多的比重。
我回想起许多年前，我与MJK 联合公司( 一家位于加利福尼亚的电脑公司) 一起进行的研究。在这项研究中，我们关注的是与指数相比特定的移动平均数的变化速率。不出意料，我们在这次指数与移动平均数的对比中毫无所获。事实上，在很多情况下，移动平均数比特定的指数或线形加权平均数，甚至是比前端移动加权平均数反映得还要快速。
如果我想对我的所有数据作前端加权，很可能是对一个震荡指标进行前端加权，这是与移动平均数的处理截然相反。
既然你对移动平均数知之甚少，我们就先看看移动平均数的有效性吧。
在股票市场，我们不需要看得太远。芝加哥大学在20 世纪50 年代早期进行的意向研究表明，不论选择何种移动平均数，对生成买入或卖出信号的移动平均数的简单应用都不能带来任何利润。
我的研究
1960 年，我准备了一份关于我在股票市场所做的咨询服务报告，即威廉姆斯报告。这份报告从另一个角度审视了移动平均数。
这份报告得出了一个移动平均数，并且介绍这个移动平均数并不仅仅是重要平均数的交叉，而是为移动平均数设置了上下限。我们想知道的是，如果价格高于移动平均数1% 与略高于移动平均数相比，是否是个更好的买入标志。或者，高于移动平均数2% 会是个更好的信号。我们所做的是在移动平均数两端设置缓冲区，然后看看我们是否能够改善这一简易移动平均系统所产出的结果。
该数据具有决定性，因为芝加哥大学的研究表明， 依据移动平均线交叉来做交易是不可能赚到钱的。无论我们置于移动平均数之上的窗口或通道有多好，这不过是给我们突破价格增加了另外的缓冲或障碍。
但是， 这些年来，移动平均数的热潮还在持续，咨询服务通常没生意，它们只不过是关于移动平均数和移动平均应用。
事实上，每个图表服务……每个报价服务…… 都会让你看移动平均数。问题是，为什么要看呢?它们没什么价值。
但是，它们可能有极高的价值。
美林公司在1979 年2 月就移动平均数与被称为窗口或通道的相似方法做了一项惊人的研究。它的作者是Frank Hockheimer 。除了看标准的移动平均数，美林公司的研究也重视移动平均、线性加权移动平均数和简单移动平均数的交叉。
通道概念
让我简短地介绍下通道概念。通道就是，如果今天的价格高于我们所说的过去25 天里的盘中最高点。那么就会给出买入信号。当然，如果今天的价格低于过去25 天里的盘中最低点，那么就会给出卖出信号。沿着这条,思路，大量的工作已经被完成。我很愿意认为我为其中的部分工作做出了贡献。你可以用收盘价而不是过去25 天的盘中最高点作为参考指标。买入时，你可以采用过去25 天最高的收盘价; 卖出时，你可以使用过去25 天最低的收盘价。我清晰地记得1978 年的一项通道研究。那时，我们完成了我们认为是有史以来最详尽、最广泛的通道测验。我们几乎运行了过去20年间每一个交易活跃的商品。我们几乎浏览了每一个通过采用从某天算起的100 天之内的盘中高点得出的通道。我们也通过采用最高收盘价和最低收盘价来获取1至100 天的通道范围。另外，我们采用了其他方法来构建通道。这些方法比仅仅使用盘中最高点与盘中最低点更富有创造力，但是结果是一致的。如果一个人遵循通道概念，那么大量金钱将会被赚取。
畅游通道
我已无法告诉你通道这一概念和从电脑中获得的数据给予我的兴奋。看报表是一件令人愉悦的事，从中可以得知，通过使用正确的通道概念，成千上万美元的利润被创造。
并不是所有通道或通道组合都能成功。但是，正如那些优秀的商品程序员和学生一样，我们对我们的工作进行了最优化，让我们有能力找到过去2 年、5 年和20 年间对各种商品交易都最好、最有利的通道。我的程序员在加利福尼亚对通道概念作了最后几笔润色。我自己对这项工作如此兴奋，以至于我从蒙大拿飞到了加利福尼亚。
就像那些游过海峡的人一样，胜利就在眼前。彼岸就在眼前，人群即将为我创造了商品交易的终极方法欢呼。
在我们开始使用通道程序进行货币交易之前，我认为最好看一下我们最优化的程序运行如何。
为此，我让当时的程序员Mike Marriott 运行一下除最近两年之内数据外的所有数值。换句话讲，他会运行所有数值至1976 年。我们然后选取了至1976 年的最优化指标，然后从1976-1978 间开始运行， 以此观察会发生什么，如果我们遵循了那些指标。我看到的要甚于糖果、精美的跑车、巨额的财富和进入商界名流之列。毕竟…… 研究表明，如果遵循通道索引概念，很可能会盈利好几百万美元。
随处可见的电脑完成了它们的计算，并且给出了结果: 在每个示例中，如果我们在1976-1978 年间的实际交易中，把钱押在我们选取的至1976 年的最佳指标上， 我们会输得精光。
是的，你明白无误地知道，它是一个彻彻底底的失算。
谈到大失所望，谈到沮丧，起先看到的小糖果仅仅成了糖精噩梦。通道程序没有实用价值，尽管在过去的运行中它完成得很好，但是过去最好并不意味将来必然最好。
好吧，不是所有都失去了，做研究的一个最好之处，不在于找到好东西，而是找到了差东西。我们知道我们不会再采用它。
同样地，我继续依据学术基础研究通道指数，仅仅是为了了解这个最优化过程对通道索引的效果有多差。我所意识到的是，当我们处在我们所选的任一时间段，无论是6 个月、2 年、5 年、8 年或者10 年，在那个时间段的通道指数交易中，尽管数值制造了最好的结果，却不是接下来的时间段能用的最佳通道指数。
这项研究使我成为对最优化最不迷信的一员。我很肯定地认为，在寻找最佳市场指标方面最优化有一席之地但是通过移动平均数和通道过度最优化，我认为比重复过去成功的表现更易于导致失败。
最优化过程相当于观看船只留在海上的尾迹。它可以告知我们船只到过哪里，但是无法告诉我们船只将要往哪里去。船只可能随时转换方向，并创造一个新的尾迹。最优化也是如此。美林公司的研究也通过移动平均数和通道做着基本相同的事情。我们得出了从1970 年1 月至1976 年10 月之间所使用过的最佳移动平均数和通道值。这份报告的目的在于在市场上找到哪个指示、哪个移动平均数、通道等是最一致的。研究所找到的对四个跟进市场而言最一致的简单移动平均数，其结果如下所示:
这些数据是扣除佣金以后的。有人可能认为，如果我们从1976 年以后遵循相同的指标，或许能够实现一定的利润。毕竟，这个方法已经被研究并且"证明"长达六年时间。正如美林公司所做的那样，我们运行了完全相同的数据，借此观察在现实交易中会发生什么。这里是接下来五年的结果:
或许某些人会说，这仅仅证明了简单移动平均方法行不通。所以，我们接着将我们的注意力转移到如美林公司所描述的指数式平滑移动平均线。
我们再次着眼于相同的商品。结果如下:
指数平均线没有像简单移动平均线一样有利可图，这与我的工作所展示的相符，正如这一章节前面提到的那样。
但是，指数平均方法能否在未来继续起作用呢? 在白银这一案例中，它继续亏本，所以这也许是它成功的一个暗示。在最初的研究中，它损失61400 美元，而且继续亏本，额外亏了41350 美元。下表向你展示了从1979 年直到1985 年间所发生的事情。
双移动平均线
假定一条移动平均线与另一条交叉是一个更好的趋势决定因素，许多技术分析师采用的一种方法就是，使用两条移动平均线而非一条移动平均钱。下表展示的是美林公司研究的最佳移动平均数集合。以白银为例，当3 天的移动平均数超过26 天的移动平均数时，一个买入信号就会给出。
表中展示了从1979 -1985 年间的一些有趣的数据。我们再使用与原始研究中相同的数据，然后，正如你们所见，这次交易制造了灾难性的后果。
双移动平均方法拒绝在未来继续起作用。
当我们看到通过双移动平均方法，大豆创造了超过25 万美元的利润，白银创造了超过计划10 万美元的利润，牲畜创造了接近15 万美元的利润。你可能会认为，如果你将来使用了这一特定系统，那些事物会带来可兑现的利润。但正如你所见的，当我们在未来采用了这一系统，唯一能够兑现的事物就是佣金了。利润显然没有成真。
这些建议的目的在于向你表明，一些人向你提出的，你未来未必要按照其行事，尤其如果它已经被过度最优化了。
正如我早些时候所做的，美林公司也着眼于通道。在这一示例中，他们通道的特征是最高和最低的收盘价，而不是最高的盘中高点。也就是说，如果今天的价格高于近来X 天内的最高收盘价，它就是买入信号。以下是美林公司准备的数据。
接下来的图表向你展示的是， 一个倒霉的交易者在1979-1985 年间遵循他们认为最佳的通道所发生的事情…..简直是一场灾难!
我并不打算找美林公司的麻烦。你可以任意找个有关移动平均数、指数平均数和通道指数等的研究，从研究完成的那天开始运行那些相同的公式直至将来。我认为你会得到相似的结果。
通常，依据某些方式获得的某些趋势在过去起作用，在未来简直不起任何作用。我不想抨击这一观点，关于移动平均线，已经写了如此多，以至于许多市场交易的初学者爱上了这一方法。这里展示了几个挑选过的研究。在这些研究中，移动平均线看起来是个在商品交易领域内能兑现的方法。但它们不是。它们仅仅是个工具。有些人能使用比其更好的方法，但在通过移动平均制作一个核心的、快捷的、密封的系统时一一忘了它。我没有见过这样做的人。我近20 年来看过许多数据、系统和方法。没有一种移动平均方法能始终如一地创造利润。
记住，研究的目的是双重的，一个是向我们展示什么可以起作用，另一个是向我们展示什么不能起作用。
当你着眼于其他人的研究时，一个评估当下正呈现的数据的重要问题是，这项研究依据的是什么假设或论点。这个论点是否有效?
确认一个曲线拟合方法能起到多大作用的最佳方法是，做我们做过的，依靠的是通过你正使用的曲线拟合方法把数据累加到一个点上，紧接着往前推进到未来，看它是否随着时间推移还能起作用。如果正如过去那样，它在未来也能起作用，那么你从中便有所得。但是，如果它仅仅在过去起作用，我就宁愿在拉斯维加斯赌博，毕竟，我可以不用付任何佣金。