股票volume指标详解(10年市场牛熊数据证明不准的技术指标——成交量obv篇)

最近的文章，本狐讨论了技术指标为什么会亏钱的问题，引发了不少读者的讨论。技术指标亏钱的原因有：技术指标是滞后的，只说明了当前的走势，不能预测未来的走势；技术指标反应了一部分人群的看法，反而成为了庄家、主力反向操作的机会；技术指标是基于历史经验和数据统计获得的，但是由于历史局限性，并未经过有效检验。

被市场伤透了心

实践是检验真理的唯一标准，数据是检验技术指标准确的标准。技术指标是否准确，只有理论推导是不行的，一定需要数据检验。因此，本狐提出了几条数据检验的基准：

1. 长周期的历史交易数据验证。长周期指时间跨度要长，至少经过几次市场的牛熊变换。
2. 大数据量的交易数据验证。交易不能局限在几支股票，或者某一类股票，最好是拿全市场的股票数据进行验证，包括创业板（涨跌幅不同），ST，大盘股，小盘股，指数成分股等。
3. 对真实交易的模拟，引入各种真实的客观限制。交易者的资金有限，不可能对市场上所有的符合技术指标的股票进行购买，需要限定持仓股数；涨跌幅买卖不成；停牌对资金的占用等。

本狐使用了A股市场2010年到2021年10月，近11年的市场A股所有日线数据进行检验，股票数量一共4424只，交易数据773万+。模拟交易模型分为两类：

1. 无限制的交易模型。假设资金量无限，对交易日市场上的所有股票，只要技术指标是买入信号，且当前未持仓该股票，就进行买入；只要技术指标是卖出信号，且当前持仓该股票，就进行卖出。此交易模型用于检验指标的通用成功率，买卖后盈利计算为成功，买卖后亏损计算为失败，并统计所有买卖的平均盈利和最大亏损。
2. 固定持仓交易模型。这个模型更接近于真实，限制同时持仓的股票数量，设定为4只，每只占用约1/4的资金量。只要技术指对持仓股票发出卖出信号，就卖出持仓股票；同时，对市场上发出买入信号的股票随机选取进行买入，保证当前持仓4只股票，除非市场上的股票在当前交易日无买入信号。

以上两个交易模型的成交价均以股票当日的收盘价成交，如果当天涨停或者跌停则交易失败。所有交易忽略交易手续费，仅计算买卖的差价。

最近的文章我们评估了均线、RSI等指标的结果，本篇我们看下成交量趋势指标OBV。能量潮指标（On Balance Volume，OBV）是葛兰维（Joe Granville）于上世纪60年代提出的，并被广泛使用。股市技术分析的四大要素：价、量、时、空。OBV指标就是从“量”这个要素作为突破口，来发现热门股票、分析股价运动趋势的一种技术指标。它是将股市的人气——成交量与股价的关系数字化、直观化，以股市的成交量变化来衡量股市的推动力，从而研判股价的走势。关于成交量方面的研究，OBV能量潮指标是一种相当重要的分析指标之一。

数据实验代码使用了Python pandas_ta的obv。对应买入、卖出的代码片段如下：

    def model_predict(self, s, fo, model_path):        df = pd.DataFrame({'close': s.close_price, 'volume': s.volume})        obv = df.ta.obv()        close = df['close']        pred = [0] * len(obv)        for i in range(1, len(pred)):            if np.isnan(obv[i]):                continue            # 量价齐升买入						if obv[i - 1] <= 0 < obv[i] and close[i-1] < close[i]:                pred[i] = self.buy_point                continue            if obv[i - 1] >= 0 > obv[i]:                pred[i] = self.sell_point        return pred

指标是否好用需要严谨的数学实验

接下来，就上实验的数据结果了：

UnlimitTrade

Evaluate stock count 4443, total sample length:7767019

Total trading count:10926, succeed count:1082, successful rate:0.099030

Revenue:0.034066, max gain:48.647475, max loss:-0.841727

Accumulated revenue:0.034066

-----------------------------------------------------------

FixedTrade

Evaluate stock count 4443, total sample length:7767019

Total trading count:65, succeed count:9, successful rate:0.138462

Average revenue:-0.043997, peak gain: 8.986981, max single gain:0.305249

Max single loss:-0.171451, max backward:-0.408201

Accumulated revenue:6.512554, Init asset: 4000000, Final asset:30050216

FixedTrade（test from the date 2020-09-01）

Evaluate stock count 4430, total sample length:1159328

Total trading count:48, succeed count:5, successful rate:0.104167

Average revenue:-0.035669, peak gain: 1.171934, max single gain:0.308827

Max single loss:-0.146986, max backward:-0.221026

Accumulated revenue:-0.010571, Init asset: 4000000, Final asset:3957716

数据解读：

1. 无限制交易模型，共交易次数80万次，其中盈利的交易次数9.9%。指标的成功率只有约10%，是不是远低于你的预期所有单次交易的最大盈利有48.6倍，最大亏损-84%。平均交易的盈利是3.4%。
2. 固定持仓4只股票交易模型，共交易次数65次，其中盈利的交易次数30.5%。交易中的最大亏损有17.1%，最大回撤40.8%。10年下来的最终盈利是651%。值得注意的是，因为符合买入条件的股票是随机买入，多次实验的盈利数据有一点差距。进一步，我们看指标在最近一年，即去年9月之后的数据，盈利数据是-1%！

小心，不要陷入指标能赚钱的陷阱！

10年真实的牛熊市真实的数据实验检测的结果，是否和你的传统经验有很大的出入广泛流传并使用的技术指标的成功率不到3成！依赖OBV指标操作，最近一年将带来1%的亏损！

很遗憾，投资市场没有所谓的银弹，或者不败的秘籍。远离一切技术指标吧，当看到股评节目中的专家头头是道地进行技术分析时，看看就好，千万不要据此做出买卖决策。技术指标由于受众广，或许能作为投资者的情绪反应，但是万万不能作为投资的风向标。

（关注本狐，分享和讨论投资的经验干货和方法）