第六章 探顶寻底，顺势而为：使用市场广度指标，提升市场择时能力

对前五章内容的简要总结

在第一章中，我们讨论了创建投资组合的概念和具体方法，以期在承担较低风险的同时获取较高的平均回报。

第二章则展示了两种简单易行的市场行情指标，这两种指标在长期的历史检验中，对区分高风险和低风险的投资氛围都有着出色的表现。

第三章我们讨论了如何利用移动均线来确认市场趋势的走向以及强度，还有如何使用变动率指标来进一步确认这些趋势的动量。

在第四章中我们讨论的重点则是几种特殊的图形形态。在这些图形中，市场走势斜率的变化有时能够成功地预测出市场在数周乃至数月之后所处的状态。模形形态能够预测股价走势方向的变化。而其他的一些图形分析方法则能帮助你确定市场未来可能会出现的停顿点的位置。

在第五章中，我们分析了政治和时间周期给股票市场带来的影响，以及如何将它们运用到对股市未来走势的预测中去。

而到了本章，我们的目标是继续提出一组多样化而且有效的择时交易工具，以确保我们在作出投资决策时所依据的众多技术指标能够发出一致的信号，而不仅限于一两个指标给出的确认信号。当然，有时不同的信号会产生完全相反的投资信号。实际上，这种事的发生概率远大于预期。但是，当我们从不同市场板块的图表形态、周期分析、动量度量、利率结构和相对强度指标中所获得的信息都发出高度一致的买进或者卖出信号时，那么根据协同理论，这种指标的可信度就远高于单个指标所发出的信号。

本章我们要讨论一些和市场运动形态有关的概念，这些概念被用来衡量市场内在的广度和强度，技术指标确认的测试方法，以及一些其他领域的、我们已经提及但是没有深入讨论的问题。

让我们从技术分析中最具意义的市场广度分析开始吧。

反映所有股票行为的内部动量指标

财经新闻报道一般会关注一些特定的热门股票市场指数的收益和亏损情况。这些指数中包括道琼斯工业指数，它含有30 只成分股，而且这些成分股的权重各不相同(价格较高的成分股权重大，对指数影响大一些) ;标准普尔500 指数中有500 只成分股，其权重取决于市值的大小，所以体量规模大的公司，其影响力要大于小公司; 而纳斯达克综合指数大约包含3500 只相互独立的股票，其权重也取决于市值，所以有时候仅仅其中一部分大型公司的价格波动，就能对整个指数产生巨大的影响; 还有纽约证券交易所指数，它包含了所有在纽约证券交易所挂牌交易的股票(同样是市值加权平均的算法，用以体现大公司的影响力)。

还有一种指数，叫作价值线算术平均指数( Value Line Arithmetic Average )，它包括大约2000 只在不同交易所交易的股票，而且其权重并非按照市值计算:各家公司拥有同样的权重。

对于绝大多数市场指数都在使用的加权平均计算方法，仍存在广泛的争议。一个简单的事实就是， 一个或多个权重指标股经常会与一家普通上市公司的股票产生严重相反的走势，即很有可能出现这样的情况: 一个占有较大比例的权重股显现出价格上涨，但是整个市场多一半的股票实际上却在下跌。这些流行的市场指数的表现，从普通市场观察者的视角上代表了"外部股票市场" 。而那些能够测量绝大多数实际参与到市场交易中的股票的上涨和下跌的技术指标，则是由内部动量指标或者股票市场广度指标来承担的，它们通常能够更真实地反映决定典型股票和共同基金走势的市场力量。

一般来说，大多数股票(包括大部分指数成分股) 一起上涨的股票市场，远比只有少数几个权重股上涨的市场基础更为坚实。这其实不难理解。如果市场绝大多数股票在上涨，那么选对股票赚钱自然大增。而反之，如果大盘指数的上涨仅仅是因为少数权重股所致，那么投资者选中赚钱标的的机会自然大打折扣。所以，如果投资者仅凭加权平均指数来作决策，他们很快就会发现这样一个难以接受的事实:指数明明在上涨，但是自己却在亏钱!定睛一瞧才发现，原来只是少数几个指标权重股在涨而已。这就是说，虽然整个市场外部指标(大指数)显示市场处于强势状态，但是内部的市场广度指标(市场中所有股票的行为)却并没有呈现出一致的状态。

创新高与创新低股票数量指标

能够用来测量市场广度的有效工具之一就是腾落线( advance-decline line)。它具体反映的是在各个交易所中，累积上涨股票数与下跌股票数的差值。你可以在时间上使用这种累积线( cumulative lines) :用日线读数来绘制日线级别的腾落线，用周线读数来绘制周线级别的腾落线。

例如，如果你将纽约证券交易所的腾落线初始值定为10000 ，而在第一天，纽交所上涨股票和下跌股票分别为1500 只和1000 只一二平盘的股票除外，这样当天上涨的股票比下跌的多出500 只。那么，腾落线的值就从10000 变成10500，增加了500 。同理，如果下一个交易日，下跌的股票数量比上涨的多出200 只，那么腾落线的值就变成10300 。

我们稍后会再讨论腾落线指标在各个市场中的具体应用，因为在这里，我们首先要搞清楚创新高的股票数和创新低的股票数之间的关系，这可是反映股票市场内部广度和强度的另一个非常重要的方面。

创新高和创新低指标

还有一个指标能够反映市场广度，它能够真实地反映股票市场的内部力量(或强弱)。这就是创新高/创新低指标，其中包括诸多相关数据。创新高的股票数量，既可以按照交易日来计算，也可以按照交易周来计算。这个很好理解，前者代表在某一个交易日内，股价创出52 周(一年)新高的股票数量; 而后者代表在某一个交易周内的任意一个交易时间点上，股价创出52 周新高的股票数量。同理，创出新低的股票数量是指那些股价创出52 周新低的股票数量。

无论如何有一点毋庸置疑，即创出新高的股票数量增加的走势要优于创出新高的股票数量减少的走势;而大量股票创出新低的走势，则要比遇到支撑位井有可能展开反弹的股票数量正在增加的走势差得多。

创新高/创新低指标对股票市场价格趋势的确认

我们已经在前面的内容中讨论过一系列关于如何依据市场动量指标来确认股价未来走势的问题。在这些问题中，与市场动量和价格运动相关的顶背离和底背离也曾被讨论过。

与确认、未确认、顶背离和底背离相关的概念，同样可以运用到股票市场的外部价格强度和内部价格强度的关系中去。比如，当指数上涨，创新高的股票数量也在不断增加时，此时我们可以认定市场已经进入牛市行情一一内部强度指标确认了外部强度指标发出的信号。反之，如果创新高的股票数量并没有随着大盘指数新高而增加，那么我们就认为内部强度指标的表现未对外部强度指标发出的信号进行确认。此时\市场广度指标的顶背离就发生了。这可是个不太好的信号，它意味着危险即将到来。

与之相反的是，如果指数的价格水平依旧保留在趋势线之下，而创新低的股票数量却在不断减少，此时市场广度指标的底背离就发生了，即内部强度指标逐渐转强，而外部指标仍继续走弱。此时，即使大背景下股票市场指数仍在下跌，但是股价得到支撑的股票数量却越来越多。这往往是牛市即将到来的征兆。

出现在1995 年到2004 年间的顶背离和底背离

图6-1 展示的是标准普尔500指数的价格运动和创新高股票的数量之间的关系。创新高股祟的数量确认了1995 年到1997 年的股市上涨行情。然而从1998 年开始，虽然指数还在高位盘桓， 但是创新高股票的数量却急剧减少，这种情况一直持续到2000年初的大盘指纸上涨行情。在这段期间，市场广度指标发生了项背离。

以上观点都具体地展现在图6-1 中。图中展示了从1995 年到2 004 年初的创新高股票数量的走势图(图中下半部分)，而且图中上半部分也一并展示了同步的标准普尔500 指数走势。股票市场的强度在1994 年初时相对较小。但是到了年底，这种强度得以提升，并且在1995 年初，趋势得到了进一步增强。与之相呼应的是，在1995 年到1997 年间，随着标准普尔500指数走出了一轮不断上涨的行情，纽约证券交易所里创出新高的股票数量也在不断增加。也就是说，用创新高和创新低股票的数量来衡量市场外部广度指标，对标准普尔500 指数的上涨行情给出了确认。我们发现创新高的股票数量在1997 年最后一个季度时达到了最高峰。

市场广度指标的顶背离出现在1998 年初。当时，创新高股票的数量急剧减少。市场就这样又运行了半年，虽然此时大盘的指数仍在上扬，但是创新高股票的数量已经明显减少了。内部广度指标与外部广度指标的顶背离现象向投资者发出了危险信号，很快在1998 年的夏末，市场出现了急剧下跌验证了这一危险信号。

然而指数很快就出现了反弹，市场振荡上扬的行情一直持续到了2000年初。可是此时的上涨已经缺乏市场内部广度指标的支持，创新高股票的数量不断萎缩(事实上，在股指创出新高的时候，创新低股票的数量已经开始有明显的增加)。从1999 年到2000 年间，大盘始终保持高位振荡上涨行情，但是实际上创新高股票的数量并不多。这就是一个典型的市场广度指标顶背离的例子。

其实创新高股票的数量增加这种情况，在2000 年到2002 年的熊市期间也出现过，尤其是在2001 年初。但是在熊市结束时，正如我们所预计的那样，创新高股票的数量还是相对很少的。而且此时指数的走势和创新高股票数量这种广度指标的表现是一致的。随后在2003 年春季，股市开始加速上涨，创新高的股票数量再次对上涨行情进行了确认，而且在这一年的后三个季度中，市场指数和广度指标同时加速上涨。

在任何一个市场中，创新低股票的数量减少都表明市场内部力量在聚集，且往往预示着下一轮牛市的开始。

股票市场底部形成过程中的创新低股票数量指标

当市场指数下挫，却伴随着创新低股票数量的减少时，就形成了市场广度指标的底背离。此时，内部市场强度随着指数的下跌而稳步增强。

图6-2 则阐明了一种非常典型的形态，而在关键的市场低点出现时， 这种形态非常常见。在2002 年夏天到2003 年3 月间，市场形成了一个重要的底部形态，即标准普尔500 指数形成的三重底一一三个创新低股票数量的激增巅峰值。

然而，当标准普尔500 指数在2002 年7 月到2003 年3 月间又走出另外两个更低的低点时，创出52 周新低的股票数量已经开始急剧减少。虽然标准普尔500 指数在2003 年3 月的点数与在2002 年7 月的低点几平差不多，但是创新低股票的数量已经从900 余家锐减到300 余家。很明显，股票市场的内部强度正在凝聚力量了，牛市即将到来。

现在我们将这一指标的相关规则总结如下。

● 市场的上涨只有在伴随着创新高股票的数量增加时，才能说这种上涨具有广泛的群众基础，得到了市场广度指标的确认，而且这样的上涨行情才能够持续下去。

● 而如果在市场上涨时，创新高股票的数量并没有相应地增加，那么这种上涨就缺乏坚实的基础。而且创新高股票的数量最大值和市场指数的最高点之间，并不存在某种精确而有规律的时间间隔。比如: 创新高股票数量在1997 年抵达最高点后，不到一年时间内，大盘就出现了1998 年的下跌行情。而2000 年到2002 年的全面熊市，却在1997 年创新高股票数量最高点的2 年之后才发生。因此，一般而言，创新高股票数量峰值的出现往往会比最终牛市顶点的出现早一年左右。

● 随着创新低股票数量的持续增加，市场下跌态势往往会持续一段时间。但是如果在抛压沉重、股指持续下跌之际，创新低股票的数量却达到了熊市中的一个高点，那么最终熊市底部形态则可能正在形成中，而且需要一段时间来构筑。图6-2 就很好地阐明了这一状况。

● 如果随着价格的下跌，创新低股票数量并未继续增加，这表示市场广度指标发生了底背离，预示着新一轮上涨行情即将到来。

在这里要再次提醒大家注意: 市场广度指标与股指发生背离，无论是顶背离还是底背离，都并不意味着市场马上就会展开反转行情。因为这一系列指标通常都需要花费相当长的时间才能起作用。当然，如果在市场底部出现了三重底形态，那么在第三个底部出现之后，市场反转很快就会发生，并且上涨迅猛。2002 年的市场底部形态就是一个很好的例证。

使用创新高/创新低指标，识到千载难逢的投资机会

图6-3 展示了创新高股票数/ (创新高+创新低股票数)指标一一NW ( NH+NL ) 的整体走势。从图中可以看出，几乎在整个2003 年该指标的走势都很强劲。创新高股票数/ (创新高+ 创新低股票数) 指标充分确认了股市这段时期的强势上涨，预示着千载难逢的投资机会。

一般来说，人们更愿意股票市场在上涨期间，市场广度指标出现正面与积极走势: 即绝大多数股票都创出新高，只有一小部分股票创新低(在市场顶部，通常大量创新高和创新低的股票会同时出现。这反映了市场上的广度指标上的严重的分歧。而有一个现象十分神奇，就是当纽交所中创新高和创新低股票数量同时超过股票总数的5% 时，常常会发生很凌厉的下跌行情)。

我们可以设定一个非常有用的市场广度指标，用以衡量市场广度正向一致性的程度。具体做法是，用创新高的股票数量除以创新高和创新低的股票数量之和。例如，某一天有100 只股票创新高，25 只股票创新低。那么你就可以用100 ( 创新高股票数)除以125 (创新高的100 只股票和创新低的25 只股票数量之和)得到一个日比率0.8 或80% 。单日的数据采集对我们衡量市场帮助很大，而如果采用对单日数据的10 日简单移动平均值则效果更佳。

对该方法的解读

第一种买进信号是这样规定的，即当NH/(NH+NL) 一一创新高股票/ ( 创新高+创新低股票数) 一一比率的10 日移动均线值跌落至25% 以下(严重超卖)，随后再上升大约10% ，比如，从13% 上涨到23% 。此时，这种变动就意味着市场下跌的广度动量已经开始反转，而这就是明确的买进信号，也是该指标发出的第一种买进信号。

第二种买进信号，是在该比率的10 日移动均线先击穿30% (超卖)，接着又反身上攻突破30% 时出现。

最后，如果前两种买进信号都没出现，那么当该比率指标的10 日移动均线从70% 以下上涨到70% 以上时，就是第三种买进信号出现的时候。

另外，卖出信号也可以设置为比率的10 日均线值，从70% 以上跌至70% 以下之时。当然，如果你喜欢的话，也可以采用从80% 之上击穿到80% 以下时一一尽管它有时会让你过早离场，但是明显更安全一些。

这里必须指出的是，这些参数并不能单独地作为市场择时工具来使用，而只是我们用来分析和预测市场的一系列工具中的一个组成部分而已。

然而接下来我们要介绍的这组，与创新高和创新低指标相关的具体参数(即使单独使用也不错)，就能识别很好的买进或持有的交易机会。这些参数的具体组合能够提供最好的风险/收益比率，正如在表6-1 中展示的一样。

以下是它的基本交易策略。

● 用纽约证券交易所的新高股票数，除以新高和新低股票总数得出一个比率，当该指标的10 日移动均值到达90% 时，买进或继续持有股票头寸。

● 当创新高/ (创新高+创新低股票数)的10 日移动均值仍高于你选定的某一个特定值(可以是90% 、85% 、80% 、75% 或70%) 时，仍然继续持有股票。

● 当创新高/ (创新高+创新低股票数)的10 日移动均值跌破你预设的止损点时，就果断清仓出局。

表6-1 给出了运用这一择时交易策略时的市场历史买卖结果。

由于本表中的结果数据都是根据回溯测试得出的，所以并不能保证未来也能有这样的收益率。

获利交易所占百分比: 一般而言，大多数交易都可以获利。参数的设置表明，越长期地持有头寸，产生获利的交易比率就越高，但是投资收益往往较低。

获利交易平均收益率: 获利交易的平均收益。

亏损交易的平均损失率: 亏损交易的平均损失。

年收益率: 根据交易信号进行交易所获得的年平均总收益。假如每当新高新低比率指标的10 日移动均线值超过90% 时，你就买进标准普尔500指数，并一直持有到该移动平均值跌破80% 时清仓，那么每年的总收益就可以达到3.6% 。利用该模式进行投资的时间很短，但是收益却颇丰。

年化收益率: 表示投资收益按照年计算的回报率。在上述的例子中，该值为15.3%。这一具体的比率是买入并持有策略产生的年化收益率一一包括股息和利息收入，但是现金支付的部分除外一一的2 倍。

最大回撤幅度: 从投资收益的最高点算起，采用该交易方法可能遭受的最大亏损。在表6-1 中，采用85% 作为卖出触发信号的交易模式，其所遭受的最大回撤幅度最小。

使用90% 买进和85% 卖出的参数组合，产生的年化收益率是买人并持有策略产生的收益率的42.1% 。然而其总体持股时间只有后者的21% 。相类似地，采用90% 买进和80% 卖出的参数组合，所产生的年化收益率是买进并持有策略的47.6% ，而且投资所占的时间仅为后者的25% 。

所以整体而言，如果交易者根据该指标进行交易所获得的收益率是股市平均收益率的两倍左右。

将NH / (NH+NL) 比率指标运用于纳斯达克综合指数

无论出于什么样的理由，择时交易模型运用于纳斯达克综合指数，其整体效果总是好过将它应用于纽约证券交易所指数(比如，道琼斯工业平均指数和标准普尔500 指数)。

具体在使用指标时，要注意以下两点。

第一，纳斯达克综合指数的趋势性更强一些(因为该指数表现出较强的自相关性，而且更倾向于和前一个交易日的指数运行方向保持一致)。而标准普尔500 指数，其每天的走势相对随机。所以，在不考虑其他外部条件的情况下，将该指标运用于纳斯达克综合指数的效果要明显优于标准普尔500 指数。

第二，纳斯达克综合指数具有更强的波动性。因为一般而言，市场择机指标对于市场的波动性和趋势性比较敏感，效果也会更好一些。当我们把创新高股票数/ (创新高+创新低股票数)比率指标运用到对纳斯达克综合指数的投资分析上时，一定要牢记最适合它的使用环境。同样，你还必须牢记的是，虽然我们具体的操作对象是纳斯达克综合指数，但是对指标值的计算，还是要以纽约证券交易所的创新高和创新低股票数据为主。

表6-2 的结果也是根据事后回溯测试发出的，这并不表明将来使用上述方法进行投资时就能得到相似的投资回报。

当将这种交易模式具体运用到纳斯达克综合指数时，得到的年化收益率要远大于其在标准普尔500 指数上的收益。比如，与标准普尔500 指数相比，同样采用高于90% 买人和低于85% 卖出的参数组合，纳斯达克综合指数产生的年收益率为5.9%，该值是买入并持有策略(9.4% )的62.8% ，但是它的投资时间仅为后者的22.5% 。这意味着年化收益率高达28.9% 。

而且更进一步研究发现，对于纳斯达克综合指数来说，如果使用高于90% 买入和低于80% 卖出的参数组合所产生的年收益率6.4%，该值是买入并持有策略(9.4% )的68.1% ，而且它的年投资时间仅为后者的26.4%，年化收益率也高达26.4% 。

但是将该指标应用于纳斯达克综合指数也有其缺陷。比如用该指标操作纳斯达克综合指数的风险，要明显高于标准普尔500 指数。因为当你采用高于90% 买进和低于85% 卖出的参数组合时，纳斯达克综合指数的最大回撤幅度为22.9% ，而同样条件下标准普尔500 指数的最大回撤幅度仅为12.3% 。

熊市预热期与熊市期比较

如果我们将1971 年到2000 年和1971 年到2004 年(包括2000 年到2002 年的熊市)这两段时期进行比较，就会有一个有趣的发现。在1971 年到2000 年间，使用高于90% 买进和低于80% 卖出策略能获得34% 的投资回报，而且最大回撤幅度仅为8.6% 。更重要的是，这段时期的投资收益占据了整个1971 年到2004 年间总收益的72% 。从根据上述模式使用交易所遭受的最大回撤幅度来看，主要的亏损都发生在2001 年到2002 年间。

熊市肯定会影响到许多市场择时交易工具的历史表现。这就是为什么我们在使用任何技术分析方法进行研究时都注意使用较长时间段的原因。除此之外，还要对它们在股市的不同时期的具体表现进行比较和分析。

纽约证券交易所的腾落线指标

坦率地讲，我并不认为存在什么固定的参数可以用来明确日线或者周线级别的腾落线指标(体现的是内部市场动量)和加权平均市场指数(体现的是外部市场动量)之间的关系。价值线算术指数(Value Line Arithmetic lndex )是一个非加权指数，其中包含标准普尔500 指数中的所有股票，再加上另外1200 只股票。倘若以腾落线指标为基础判定的话，该指数和纽约证交所指数之间关联性，与其他诸如道琼斯工业指数以及标准普尔500 指数相比较而言是最强的。

在预测典型共同基金可能的业绩表现时，价值线算术指数和腾落线都是非常好的指标，但要论起指标走势与共同基金表现的相关性，它们都比不上纽约证券交易所综合指数。

一般l性观察结论

当日线或者周线级别的腾落线指标的变化，对反映股票市场中不同板块的走势的指数进行确认时，我们说这样的股票市场行情就有了更为坚实的基础。换言之，指数(如标准普尔500 指数)创新高之后，需要得到创新高之日或那一周的腾落线指标的确认，反之亦然。

股票市场的技术分析师们经常会沮丧地注意到这样的一些时期，即市场指数一一例如标准普尔500 指数和道琼斯工业指数一一创出新高，而市场广度指标读数并未对这一现象进行确认，可是在市场广度指标读数仍然高于主流的市场指数期间，熊市就已经开始了。比如在1981 年到1982 年熊市来临时，腾落线指标的走势仍比主流的市场指数要强，可是最终普跌却贯穿整个股票市场。

所有技术指标都走强时的股票市场才最安全。尽管如果市场广度指标的走势领先于市场指数会比与之相反的走势更好，但是如果所有的指标都走强，那无疑是最好的。

当主流市场指数和腾落线指标同时创出新高，或者虽然主流的市场指数走出新低，而腾落线指标仍未跌至新低水平时，股票市场的牛市气氛就会浓郁一些。

股票市场的主流指数和广度指标表现一致的情况，当然最为理想。但是有时候你又不得不在二者之间做出选择。此时，市场广度指标往往更具有决定意义。尤其是当你的投资组合中，包含了大量的面向小公司的共同基金时，更是如此。很明显，这样的共同基金与市场广度指标的关切程度相当之高。

以纳斯达克市场为基础的广度数据和以纽约证券交易所的广度数据一样容易获得。而前者的腾落线指标往往能提供一些指数本身并不包含的额外信息。

因为与纽约证券交易所综合指数和标准普尔500 指数相比，纳斯达克综合指数往往更容易受到小市值公司的影响。某些特定的共同基金和ETF基金的走势反映了在纳斯达克上市的大市值公司，如微软、英特尔公司的走势，但是投资于新型产业公司的共同基金往往与纳斯达克指数的腾落线指标的变化关系更为密切。

为了追踪各种市场板块中的腾落线指标的走势，我们可以通过应用反映市场强弱的广度指标一一变动率指标来实现。在分析了图6-4 以及其他一些与腾落线数据相关的图标之后，我们可以得出如下结论。

2002 年到2004 年间的腾落线指标

图6-4中各种指标走势，很好地证明了我们刚刚在上文中讨论的多个观点。而且该图表涵盖了2000 年到2002 年熊市的实质性结束阶段、2003 年牛市的开端阶段以及随后在2004 年出现的市场调整阶段。

日线级别的腾落线指标反映的是每天上涨和下跌股票数的累积差额。在腾落线指标的下方是21 日变动率指标。该指标反映了某一腾落线指标值和与之对应的22 天前的数位差。从图中我们就可以看出两点：一是在熊市接近尾声时， 市场广度指标会逐渐增强，二是在2004 年初市场广度指标在急剧衰竭。

在此期间，日线级别的腾落线指标与标准普尔500 指数的走势高度相关。具体表现如下，从2002 年中到2004 年初这段时间，标准普尔500 指数与日线级别的腾落线指标的走势几乎一模一样。只不过在2004 年内，标准普尔500 指数比腾落线指标率先到达最高点。而到了4 月份，两者步调又重回一致，均呈现出下跌趋势。

总体而言，在这段时间内市场广度指标和指数走势基本一致。也就是说，广度指标对市场指数的走势进行了确认，反之亦然。一般而言，在牛市开端时期这种情况非常典型。

21 天变动率

超买读数值

图6-4 中最底部的图形，反映了腾落线指标的21 日变动率走势。我们需要再次指出， 21 日变动率指标读数是由今天的腾落线指标读数减去22天前的指标读数而得到的。在近几年的指标读数走势中，我们得到一个结论，即市场的中级反转行情一半都发生在市场广度指标读数处于[9000 ，10000 ]或[ -10000 , -9000 ]的高绝对值区间。这两个区间分别代表着高度超买和超卖状态。

高度超买读数一般只发生在非常强劲的牛市中，而几乎不会在市场的顶部出现。通常而言，它们会在中等程度的牛市上涨完成50%~65% 时出现。实际上指标数值达到10000 发生在2003 年的4 月，正好在市场的接下来的顶部之前发生，而且在当年的12 月份，也就是市场的最终顶部( 2004年的第二季度开始之时)出现之前的几个月，该读数又出现了一次。这一事实再次说明，当超买一超卖振荡指标( overbought-oversold oscillators )的读数达到最高点的极值之时，你要买进的话已经稍迟了点; 可是你要卖出的话，也稍早了点。

超卖读数位

就现在( 2004 年)而言，腾落线指标的21 日变动率指标的超卖读数已经降到[ -10000，-9000] 区间，你就可以认为已经发生了超卖(过去，纽约证券交易所中的股票数量比较少，所以变动率指标的读数变化范围也小。后来，多种股票价格采用了十进制，再加上价格最小变动单位的下调，最终使得价格的变动率变大)。

股票市场在市场低点表现出来的差异性和在市场高点时迥然不同，在牛市期间尤其如此。与市场的顶部相对缓慢温和地走向反转的走势相比，市场底部呈现出更为迅猛和尖锐的走势特征。因此，有时尽管腾落线指标的21 日变动率指标已经表现出超买的读数，但是至少要经过几周市场才会出现反转和下跌。而当指标从超卖水平开始向上反转，上涨行情则会很快来临。牛市中这种情况更为显著。

现在让我们再次回顾图6-4 。正如你所看到的那样，在2002 年到2004年间，每次当腾落线的21 日变动率指标接近或者跌落至-10000 以下时，股票市场至少会发生一次中级上涨行情，并且是立即就会展开上涨行情。当然，这个指标也并不是百发百中，但是一般而言，每当投资机会出现时，它总能及时捕捉到买进信号。

市场广度指标的牛市形态

1997 年一2000 年: 市场广度指标过渡期

图6-5 展示了在市场广度指标对标准普尔500 指数的走势进行确认之后，腾落线指标及其21 日变动率摆动指标的表现。这种市场内部指标和外部指标之间的和谐共赢关系，表明了市场行情的积极发展和牛市的来临。

纽约证券交易所腾落线指标在1997 年到1998 年初这段时期， 与标准普尔500 指数的走势亦步亦趋，而此时牛市的市场广度指标已经在强势完结区域运行。而在2000 年早期，该指标要比标准普尔500 指数的走势弱很多。这就给出了大熊市即将到来的强烈信号。

图6-5 展示了一个典型的市场反转走势。图中，市场走势在经历了是市场广度指标同步上扬的牛市行情之后，广度指标开始先于指数下跌。这往往是牛市完结的常见现象。

在1997 年开始时，市场展开了一轮中级下跌行'情，结束于市场腾落线指标的21 日变动率指标跌至-10000 (并不一定非要下跌至-1 0000 )之时，这是一个超卖区域，也是建议买进的区域。指标显示，当时进场时机完全正确，后来指数也确实展开了稳步上涨行情，并且一直持续到1998 年年初。我们可能还应该特别注意在1997 年到1998 年初的上涨行情中， 21 日变动率指标的走势情况。此段时间内，变动率指标大部分都是正值，这常常预示着有利的市场行情的展开。

简而言之，当市场广度指标对市场的指数走势作出了确认，那么市场与投资者就能和睦相处了。

主基调的改变

市场广度指标和价格运动的一致性一直持续到1998 年的春天。在接下来的走势中，标准普尔500 指数稍微下挫，可是纽约证券交易所的腾落线指标却急剧下跌。我已经在图中标明这段时期，此时牛市即将结束的趋势显现出来。接下来，虽然标准普尔500 指数出现了反弹走势，并创下了新高，但是这一走势并没有得到市场广度指标的有效确认。这种"背离"也预示着1998 年夏天市场广度指标和标准普尔500 指数的同步下跌。

随之而来的重要广度背离

标准普尔500 指数在1998 年的夏天形成了一个底部，正如你在图6-5中通过腾落线指标的21 日变动率看到的那样。一开始，市场内部(动量指标)和外部(大指数) 一起开始从底部飘升。接着，腾落线指标的21日变动率也达到了明显的超买区间，而这仅仅意味着市场正处于强势上涨之中。

然而，市场广度指标的读数显然跟不上市场指数一一比如标准普尔500指数和纽约证券交易所综合指数一一的脚步，这两个指数都在牛市的狂热投机气氛中一路上涨。从图6-5 中可以明显地看出当时市场形成的严重顶背离走势。具体走势如下，在1999 年到2000 年间，腾落线指标是一路下挫的，即便是在标准普尔500 指数创出新高时，也是如此(你可能已经注意到: 在绝大多数时间内，变动率指标都处于0 轴下方。等到读数到达-10000的超卖区间后，广度指标反弹持续时间也都很短)。这些背离使得2000 年开始的大熊市，显得"显而易见" 。

最后一句中用到的"显而易见"这个词，我是特意为之的。图6-5 中市场广度指标的走弱表明，对于大多数股票来说，熊市并不是从2000 年开始的，而是早在1998 年就已经展开了。

以上事实说明，如果市场指数的上涨缺乏相对应的广度指标的支持，那么股票价格的下跌也就为期不远了。

反之，如果在市场指数开始下跌时，类似于腾落线和新高股票数量这样的指标却创出新高，或者并不随之走弱，那么下跌行情的持续性就得不到确认，从而市场展开进一步下跌的可能性就不大。事实上，值得期待的阳光灿烂的日子就在眼前。

通过查找市场动能读数中的负极值，可以提供高度可信的市场低点。我强烈推荐使用腾落线指标的21 日变动率指标，以读数在-10000 附近时为标准。这一数值是2004 年初，纽约证券交易所上市股票数量(大约3500只)的3 倍。如果使用周线创新低与新高的股票数量，建议下限值可以是900 至1000 (创新低的股票数量)。即当周创新低的股票数量达到900 至1000 只时，市场很可能已经开始积蓄力量准备反弹，随之而来的很可能就是明显的上涨行情。

更灵敏的腾落线变动率指标

该图展示了标准普尔500 指数和纽约证券交易所腾落线指标的10 日变动率指标。10 日变动率指标看起来比21 日变动率指标是敏感，方向的改变更频繁，是容易展现出市场的短期趋势。

10 日变动率指标

尽管腾落线指标的21 日变动率指标能够很好地体现市场动能的大的变化趋势，但是10 日变动率指标也有它的优势。

正如你在图6-6 中所看到的那样. 10 日变动率指标的波动范围要小于21 日变动率指标。当然，尽管在某些时间点. 10 日变动率指标也会达到+/-10000 的水平，但是在大多数情况下，它都在+5000 ( 超买)到-8000(超卖)的区间内徘徊。

10 日变动率指标与腾落线指标走势的背离，通常预示着市场广度指标即将面临短期或中期的调整。例如，如果腾落线指标创出新高，但是却并未得到10 日变动率指标的确认，那么投资者就应该保持谨慎，因为市场很有可能即将步入调整，这个调整可以是短期的也可以是中期的。

纵观美国股票的历史走势，股票市场存在着非常明显的时间跨度为6~7周的周期。这种周而复始的循环型的周期，完全可以用腾落线10 日变动率指标来追踪。从每个周期的最低点开始，市场一般会经历15~20 个交易日的上涨。因此，当纽约证券交易所的腾落线10 日变动率指标连续上涨3 周或更多时，投资者就应该警觉，因为市场短期极可能会出现变化。

指数移动平均线指标

你已经看到了使用市场广度指标来确认市场周期，以及设定具体的参数来寻找适宜持股操作的市场环境的方法。新高和新低的数据正是为此目的而设定的。

另一个操作模型来源于与之相似的理念:当积极的市场广度动能达到一定程度时，多头市场行情将会进一步展开。但是该模式采用的是腾落线指标，而不是新高/低股票数量的数据。很明显，两种市场广度的测量方法之间一定存在着某种关联。或者可以这样讲有些时候二者发出的信号会出现重复。但是毫无疑问的是，两者发出信号的频率和时机，在时间框架上可能不尽相同。两者各有所长。协同效应的原理告诉我们，在交易实践中最好两者都采用。

指数移动均线

周线脉冲持续信号是以周线级别的腾落线指标数据为基础研发的，投资者可以用它来计算指数移动均线指标一值(我们至此尚未讨论过这一定义)，同时，将来在计算平滑异同移动平均线( Moving Average Convergence and Divergence , MACD) 指标的时候，我们也会再次用到它。

从它们的效果来看，指数移动均线和向前加权移动均线( Front-Weighted Moving Averages )很类似。即它们都通过对不同时期的数据，给予不同的权重来计算最终结果，一般来说，近期的数据比早期的数据对最终的平均结果影响更大些。而普通移动均线的优势在于，其计算方法更加简单。

指数移动均值的平滑常数

指数移动均值使用平滑常数( Smoothing Constant)，其计算方法是，将你要平均的数据个数加上1，再用2 除以这一数值，就会得到最终结果。

例如，如果你想计算10 日的指数平均值的平滑常数，那么你应该把10(要平均的数据个数)加上1，得到11。然后用2 除以11 ( 2÷11 )，就得到了平滑常数。这个常数一般用小数来表示。在本例中该值是0.1818 。为计算方便，一般我们保留两位小数，即0.18 。

如果要计算19 日指数平均值的平滑常数，你应该用2 除以19 加上1，也就是20，得到0.10，这就是19 日指数平均值的平滑常数。如果想计算39 天指数平均值，你可以用2 除以(39+ 1 )，也就是40 ，得到平滑常数0.05 (2÷ 40)。

以下是指数移动平均值的计算公式:

新的指数均值=平滑常数x (当天的数据一前一天的指数均值) +前一天的指数均值

例1 计算下列腾落线指标的10 日指数平均值:前一天的指数平均值为+200，平滑常数为0.18 。当天有800 只股票上涨，500 只股票下跌，那么新的指数平均值计算如下:

新的指数平均值= 0.18 x ( 300-200) +200

=0.18 x 100+200

=218

式中的300 是当天上涨股票数与下跌数的差额( 800 - 500), 200 是前一天的指数平均值， 0.18 是平滑常数。

例2 假设前一天的指数平均值为+150，今天有600 只股票上涨，850只股票下跌，那么新的指数平均值是多少呢?

新的指数平均值= 0.18 x [ (600-850) -150]+150

                        =0.18x (-250-150) +150

                        =0.18x (-400) +150

                        =78

正如你所看到的那样，在指数平均值的计算过程中经常会出现负值。所以，你必须要熟知负数的计算法则。

例3 纽约证券交易所的腾落线指标(反映上涨股票数和下跌股票数的累积差额)昨日收于+60000，今天有900 只股票上涨， 600 只股票下跌。昨天的指数平均值为+59500 。那么，新的腾落线指标的39 日指数平均值(对应的平滑系数为0.05 )是多少呢?

步骤一: 计算新的腾落线指标值。把今天的净差额+300 (上涨的股票数900-下跌的股票数600 )与前一天的腾落线指标值(60000 )相加，我们就得到了新的腾落线指标值: +60300 。

步骤二: 计算腾落线指标的39 日指数平均值。

新的指数平均值= 0.05 x (60300-59500) +59500

                        = 0.05 x 800+59500

                         = 40+59500

                         = 59540

指数平均值的稳定化处理

在开始你的计算之前，有必要先选取一个初始值。

对于大多数指数平均值的计算而言，有两种相对比较容易的选出初值的方法。第一种方法就是，你可以使用第一天的价格或者市场广度指标值作为初始值。也就是说，如果标准普尔500 指数在你所要计算的时间区间的第一天，收盘点位为1100，那么你就可以简单地使用1100 作为指数平均值的初始值。如果你在计算的是10 日(也就是0.18 平滑常数)指数平均值，那么你应该至少准备10 天的数据来使之稳定化，并且趋于精确。相比之下，20 日的稳定化处理，也就是指数平均值时间区间的2 倍，可能会更好些。一个0.05 (39 天)指数平均值应该在不小于39 天的时间周期进行稳定化处理，可能78 天，也就是两倍的时间周期长度会更好些。

第二种方法是一种更为可取的方法。你需要将要计算的指数平均值跨度为几天，就取几天的数据进行简单的移动平均，并将计算得出的数据作为指数平均值的初始值。例如，假如你要计算10 日指数平均值，那么只要使用最近10 天数据的简单移动平均值作为初始值即可。

现在很多计算机中的技术分析软件都可以很快地计算出指数平均值，但是前提是你的数据库里要有足够的数据。

指数移动均值的特殊属性

指数移动均值具备一些简单移动均值或向前加权移动均值所不具备的特殊属性，它们是:

● 当最近的价格或者其他指标自下而上突破指数移动均线(或自上而下跌穿指数移动均线)时，指数移动均线就会很快转头向上(或者转头向下)。这是其他移动均线所不具备的特征。

● 就算是最短期的指数移动均线，其计算方法也涉及了所有的历史数据。因此，你计算的指数移动均值的准确性，还要依赖于你选择开始计算的时间节点，但是一般而言影响也不大。

● 指数移动均值相对比较容易计算。你需要知道的只是前一天的指数移动均值和当日的收盘数据。

现在，让我们继续对基于周线脉冲持续信号的指数移动均值应用进行讲解。

周脉冲信号指标

我们已经探讨了一系列以市场动量和广度指标为数据的技术分析工具，这些工具中有些使用起来可能会稍显主观和随性，而另一些发出的信号就非常客观。基于图形形态识别和阐释的主观性指标在技术分析领域占据了非常重要的地位。但是也正是因为其主观性，所以在使用时必须要结合客观性指标和周期性指标进行确认。

与主观性指标相对应的是客观性指标，这些指标以数学运算(如周期性脉冲信号)为基础，具有一定的统计学理论依据。而且，从事后检验的角度来看，它们有着非常良好的使用效果。

基于周线级别的腾落线指标，其周脉冲信号是完全客观真实的，而且具有高度的精确性。更重要的是，得到它仅需每周花费几分钟时间计算即可。实际上，从1970 年到2003 年间，如果完全依据该指标进行投资，那么你只需花费不到22% 的时间，即可获得标准普尔500 指数56 .4%的收益。

周脉冲信号指标的计算

如果你要计算周脉冲信号指标，那么下面列出的周数据是你必须要知道的。这些数据可以从《巴伦周刊》上得到，当然，你也可以从你知道的其他途径获取。

● 上市交易的股票总数: 这是为了使指标能够随着纽约证券交易所中一直保持上升股票交易数量的增长而做出调整。周脉冲信号指标的计算，需要交易所中可交易股票的总数(而不是上涨股票数和下跌股票数的差额)的百分比数。在2004 年中期，每周大约有3500到3600 只股票在纽约证券交易所里交易。

● 每周上涨和下跌的股票数量: 我们并不是将每天上涨、下跌的股票数量差额进行简单的汇总求和。对股票上涨和下跌趋势的判读，是通过将周收盘价和前一周的收盘价相比较而得来的。周腾落线指标的数据，通常比日线数据能更好地反映实际的市场广度状况，后者常常会出现底部偏差。

周脉冲信号指标的具体计算过程如下。

步骤一: 收集每周在纽约证券交易所里交易的股票数量数据。

步骤二: 收集纽约证券交易所里上涨和下跌的股票数量数据。

步骤三: 用上涨的股票数量减去下跌的股票数量，算出本周的净上涨股票数据。例如，假设上涨的股票有1800 只，下跌有1500 只，那么周净上涨股票数量就是+300 。

步骤四: 用周净上涨股票数除以交易的总股票数，就能得到本周的净市场广度指标百分比数值。例如，某周上升的股票数量比下跌的多300 只，又由于当时交易所一共有3500 只股票在交易(包括临时停牌或平盘的股票)，那么本周净广度指标的百分比数值就是+0.0857 或+8.57% (净上涨股票数300 +交易的总股票数3500 )。停牌或平盘股票的数量包括在总的股票数之中，但是并不在上涨的股票数减去下跌的股票数之中。

步骤五: 计算6 周的周净广度指标的百分比数值，用来获取6 周指数平均值(即平滑常数为0.286 )。

接下来我们用一个具体的例子来说明。

上周的周净广度百分比的6 日指数平均值为25.7% 。本周共有3526 只股票在纽约证券交易所交易，其中1906 只上涨，1533 只下跌。那么新的周净广度百分比的6 日指数平均值等于多少呢? (对应的平滑常数为0.286。)

周净上涨股票数量为+373 ( 1906-1533 )。

用+373 除以交易的总股票数量( 3526 )，这就得到了周净广度百分比值: +10.58% (373÷3526 )。

这样，新的周净广度百分比的6 日指数平均值

= 0.286 x (10.58-25.7) +25.7

= 0.286 x (-15.12) +25.7

= -4.32+25.7

= +21.38 (约等于21.4)

下面我们再举一个例子:

表6-3 是2003 年4 月和5 月间的一系列周线数据。看看你能否理清各栏的统计量是如何计算出来的。

请注意股票数量的数值并不等于上涨加上下跌股票的总数，其中也包含临时停牌或者平盘的股票。

与周脉冲信号相关的买进和卖出信号

本图展示了纽约证券交易所在1998 年到2004 年间的周脉冲信号。其中在2003 年间发生的信号事后被证明是极具获利价值的。

只有两种信号和周脉冲信号有关: 一种是买进信号，另一种是卖出信号。

当以0.286 为平滑常数的周指数平均值的百分比升至25% 及其以上时，买进。从表6-3 中的具体数据来看，买进信号在2003 年的4 月25 日那一周发出。

当以0.286 为平滑常数的周指数平均值的百分比跌至-5% 以下时，卖出(请注意，这并不是做空信号。本例中周脉冲指标显示应退出股票市场，持有现金为宜)。

买进信号在2003 年的4 月25 日发出，当时纳斯达克综合指数收盘在5017.62 点，该信号直至2003 年8 月1 日被取消，当时以0.286 为平滑常数的净周指数平均值的百分比跌至-7.26% 。纽约证券交易所指数在接下来的周一收盘在5505.73 点，所以本次迈进的收益为+9.73% (收益和亏损的计算都是以周为基础，且都是依据第二周第一天的收盘价为准)。

周广度脉冲信号的一般概念

正如你所猜测的那样，周广度脉冲信号是以市场上涨初期最强劲的起始脉冲一一迅速扩展到超买状态，或者动量指标读数持续上涨一一会引发市场进一步上涨，而非反转下跌的原则为基础的。

在下面这个特殊的例子中，我们将使用不经常出现的周广度动量指标读数的最高值来判定。一旦该值达到最高，往往意味着市场极有可能会进一步上涨。接下来，我们不会进一步解释这一抽象的概念，而是仔细观察周脉冲信号的历史数据的具体表现。

周脉冲信号能捕获56.4% 的股票市场上旅行情，同时仅用22% 的投资时间进行交易，而且最大亏损要远比股票市场低得多。

最终结论

很明显，周脉冲信号并不是一个孤立的择时交易模型，只有非常保守的，更愿意仅在获利概率非常高的时候才愿意投资股票市场的投资者(实际上，对于大多数投资者而言，这个主意并不是最差的)才可能会单独使用它。

这一模型确实会错过市场中的大多数上涨行情，但是它一旦发出信号，就很少引发亏损。如果一年都不会发出一次交易信号，这一模型还值得坚守吗? 每个交易者必须给出自己的决定，但是我的同事和我仍愿意采用它。实际上，我们每周都在跟踪并计算出周脉冲信号。因为有时候可能会想要回顾某一时间区间的周脉冲信号，所以我们都按照交易顺序依次列出清单。其中大约有三分之一的买进信号都在牛市的开始，或者重大中极上涨行情的起点发出。这无疑为股票市场行情的展开提供了重要线索。尽管其他一些交易信号看起来意义不大，但是毋庸置疑，其中一些仍然有利可图。即使该系统发出过导致亏损的交易信号，所引发的亏损也是有限的。总之，周脉冲信号是一个绝佳的交易获利工具，它不仅能够预测到大幅上涨行情，而且与此同时，你还能用它对其他择时交易工具发出的信号进行比对和确认。

日线广度脉冲信号

尽管周脉冲信号如此的强大，但是仍有另一个能够在交易时为投资者赚取更高收益率的广度脉冲信号工具。这是我曾见过的，在成功率上能够与其他任何择时交易模型相媲美的择时交易模型。

倘若一个择时交易模型能够在长达34 年的时间跨度内，产生41.6% 的年化收益率，能够让总交易次数的84% 都保持获利(以纽约证券交易所综合指数为基础)，能够确保投资者获得在纽约证券交易所使用买进并持有策略所产生的总收益的39%，而仅使用其7.4%的时间，这样的交易模型你感兴趣吗? 这就是日线级别的广度脉冲信号的历史数据表现，虽然信号的产生并不是非常频繁(信号出现的平均频率要小于一年一次)，但是当它发出时，就一定是绝住的获利机会(在本书的后半部分我将为你展示如何将日线广度脉冲信号的基本版本，即相当短的时间框架版本，转化为适用于更长持股周期，并产生更高收益的中长周期版本)。

当日线级别的广度脉冲信号上涨至或者高于61.5% 时，就会发出买进信号;这种信号在指标值跌至49% 以下时消失。信号发生的频率极低，但是从历史数据看，成功率极高。

曰线广度脉冲信号的构建与使用

日线广度脉冲信号是以与周脉冲信号相类似的概念为基础而设立的，股票市场动量的概念是这样表述的:具备强劲初始动能的股票市场会比只具有普通初始动能的股票市场上涨得更高。该信号通常利用日线级别的市场广度的指数平均值来测量市场广度脉冲。以脉冲的能力来对市场走势具体定义，非比寻常的高水平脉冲意味着市场有着远高于平均的市场广度，这意味着市场会进一步上涨，而不是结束。

日线广度脉冲信号并不能单独作为择时交易模型来对市场趋势作出判定。但它的确能(虽然频率很低)识别出高于平均水平的上涨趋势，至少能使投资者获取短期的投资收益。买进信号消失并不预示着市场即将下跌，而是强大的市场广度为股市带来的积极影响正在得到优化。

这些具体的构建和操作规则如下。

确保每天都能够获取纽约证券交易所中上涨的股票数量和下跌的股票数量;

将每天上涨的股票数量除以上涨股票的数量与下跌股票的数量之和，求得一个比率值;

用第2 步求得的比率，计算每天的10 日指数平均值。10 日指数平均值的平滑常数是0.1818 ，也就是2÷11 (需要平均的天数+1) ;

当10 日指数平均值的日比率值上升到0.615 或更高之时，买进;

买进信号直至10 日指数平均值的日比率跌至0.490 或更低时，才会消失。此时交易模型回归至常态。日线广度脉冲信号并不会发出卖出信号。

现在我们来看一个具体例子的表单。

日广度脉冲信号的历史表现

下面的历史数据表格源自回退测试的假设，时间回溯到1970 年的12月，涵盖了股票市场超过33 年的市场数据。正如你所看到的那样，该信号在数十年间的表现一如既往得稳定和可信赖，其中仅有一年( 1974 年)亏损。

请注意纽约证券交易所指数已经被向后调整过，以便更好地反映综合指数的变化，以及2003 年末市场指数发生的具体数值上的变化。

从1970 年12 月到2004 年5 月一共出现了26 个交易信号。其中22 个(占总数的84.6% )信号都是获利信号，仅有4 个(占总数的15.4% )信号未能获利。

每次可获利信号的平均收益率为5.24% 。每次亏损交易的平均亏损为2.37% 。可获利交易的总收益为115.28% ，而亏损交易的总亏损仅为9.5% 。总之，获利: 亏损比率高达12.13: 1。

从1970 年12 月到2004 年6 月14 日为止，信号有效的时间仅占总时间的7.6% ，但是却获取了40.3% 的投资回报。本模型单独产生的获利收益为平均每年3.07% ，也就是接近同期纽约证券交易所指数的年化收益率(+7.8% )的39 .4% 。潜在的利息现金收入并没有被计算在内。

用曰线广度脉冲信号交易纳斯达克综合指数

这里我就不再事无巨细地列举将该指标运用到纳斯达克综合指数进行交易的具体情况，但是，单就该指标在1971 年12 月3 日到2004 年6 月14日期间的精彩表现就足以说明问题。正如前文所提到的那样，这里的信号采用的也是基于纽约证券交易所中，上涨和下跌的股票数量比率来确定的。因此信号发出的时间和纽约证券交易所综合指数的表现完全一样(纳斯达克综合指数从1971 年2 月5 日才诞生，所以该部分数据不在上述的表格中出现)。

1971 年12 月3 日至2004 年5 月期间，共出现了25 次买入信号，最后一次信号一直持续到了2004 年6 月。其中92% 的信号都是获利信号，仅有8% 的信号未能获利。

在过去的30 多年内，可获利交易的每次平均收益率为+7.76%; 每年的年化收益率为+5.04% ，而每次亏损交易的亏损比例仅为2.28% 。与总获利178.52% 相比，交易的总亏损仅为4.57% 。总收益/总亏损比率高达39.8 : 1 ， 即每损失1% 可获得的收益接近40%。

单独凭借这种交易模式，投资者一年中只需花费7.19% 的时间用于交易，就能获得使用买进并持有投资策略收益( 9.1 %) 的55.4% 。在此期间，该交易模式的年化收益率更是高达70.15% 。计算中并未考虑股票分红和潜在的利息现金收入。

本章小结

尽管我和我的同事多年来一直使用日线广度脉冲信号来指导交易，但是前文中给出的计算数据都只是事后检验性质的。换言之，这意味着如果你将来采用与我们相同的投资策略， 并不一定会产生类似的收益。然而事实表明，从1985 年6 月直至本书写作结束时一一2004 年9 月，日线广度脉冲信号尚未有过失败的记录。

在这个既冗长又复杂的章节中，我们介绍了一种全新的移动平均线的计算方法， 有关市场广度的一些重要概念，以及分析外部和内部股市状态的几种常用的市场择时交易工具。

在接下来的章节中，我们的讨论将会尽量简洁和简单，着重探讨几个市场的辅助性指标。这些技术分析指标提供了关于如何确认买进支撑区和卖出阻力区之间关系的深刻洞见，同时它们和其他市场指标一样，都能正确地反映市场情绪。