【威科夫方法之相对强弱RS】
相对强弱可以提供股价方向的早期线索。通常，当相对强弱（RS）处于上升趋势并且价格处于上升趋势时，该趋势将持续。趋势定义：更高的高点和更高的低点，同时股价站上上升阶段的长期移动平均线。当价格趋势与RS相互背离时，价格趋势的有效性就需要质疑。
对$ DJUSSW而言，这是一个独特的看涨案例。通常，长期上升趋势中出现当再吸筹结构时，RS会变弱。在$ DJUSSW的2015-16年再吸筹期间，相对强弱一直在上升，这是一个非常看涨的迹象。再吸筹之后的上升趋势非常强劲。RS加速，对机构来说，就是在确认应该持有这些股票，并且在上升趋势中增加对该板块的投资组合。
$ DJUSRS是另一典型案例，这是两年的再吸筹形态。RS线回落向下，而指数价格看似正在再吸筹。趋势通道的下降和均线下倾表明，机构因拥有这些股票而面临亏损。同时，CO似乎在为大型牛市活动吸筹股票。CO常会在相对强弱下行掩护下悄悄购入股票，此时机构和公众因市场弱势买入不积极。威科夫交易者认为，在板块股票开始变得活跃之时耐心等待再吸筹的确认。这将取决于LPS之后的SOS。请注意，RS在趋势通道下轨的超卖突破然后立即返回通道，以及2017年底的强劲RS反弹。在价格图表上，LPS，ST和BU是绝佳的买入点（止损位于买点下方，紧止损）。RS的稳步上涨表明，$ DJUSRS在过去两年已被吸收，股票已被CO完全控制。结论，主要的上涨趋势正在进行中。
当RS产生次高点（lower high）时，在UT处会形成一个上行未确认（UNC）。价格正在创下新高，而RS却没有，这是一个警告。当UT出现后（向上突破失败），RS变得非常弱势。$ DJUSHD的派发特征明显。在LPSY处，RS曲线出现自由落体式的表现。相对强弱对于该板块处于派发阶段的警告和确认提供了非常有价值的线索。
自2016年以来，$ DJUSFH的相对强弱高点不断降低。与此同时，价格走势图也创出了局部新高。在整个2017年，相对强弱一直处于狭窄的下降通道中。1月下旬，$DJUSFH急剧下跌，因为机构积极地派发。下降的RS加速了这种卖盘。这是相对强弱极好的案例研究。RS并未确认$ DJUSFH的新高。机构清算其在该板块所持的股份并转向业绩更好的板块行业。
结论：
◆ 相对强弱表现强势的股票和板块将倾向于保持其价格趋势。在近期股市弱势时，上升趋势最好的RS组最有可能率先反弹，并先于次强板块创新高。
◆ 价格和RS趋势之间的长期背离通常意味着趋势即将出现。最强的信息指示是价格和RS上升趋势相互确认。最弱的信息指示是价格和RS下降趋势相互确认。
◆ 当RS弱势时，CO通常会吸筹（再吸筹）股票。当股票变得异常强劲时（阶段C和D）并且RS上涨时，威科夫交易者可以（并且应该）等待吸筹过程的结束，然后在新一轮的上涨趋势启动之时躬身入局。这可能是一个新的上升趋势，而且有相当唱的上涨持续期。
相对强弱就像威科夫交易者眼中的X射线。RS经常提供有关价格趋势新方向的线索。这使我们在大多数行动中都处于趋势中，顺势而为。
作者：正念威科夫
链接：https://xueqiu.com/5180562547/216622001
来源：雪球
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。
【威科夫方法之相对强弱RS】相关推荐
- 价格行为与量价关系（威科夫交易体系的建立与探索）
2022.5.15 请放大观看 背景是熊市,目前处于恐慌抛售后的回升阶段.图中的反趋势线,又称超卖线,经过三次验证依然有效. 反思:第三次触及超卖线,k线出现强烈反应及停止行为.虽然熊市不能轻易抄底, ...
- 第十五课.马尔科夫链蒙特卡洛方法
目录 M-H采样 Metropolis-Hastings采样原理 M-H采样步骤 Gibbs方法 Gibbs核心流程 Gibbs采样的合理性证明 Gibbs采样实验 在 第十四课中讲述了马尔科夫链与其 ...
- 深度强化学习-马尔科夫决策过程和表格型方法
深度强化学习-马尔科夫决策过程和表格型方法-笔记(二)_wield_jjz的博客-CSDN博客 深度强化学习2--马尔科夫决策过程(MDP)_谢宜廷的博客-CSDN博客 (零基础可以看懂)强化学习中的 ...
- 马尔科夫链和马尔科夫链蒙特卡洛方法
前言 译自:<Training Restricted Boltzmann Machines: An Introduction > 马尔科夫链在RBM的训练中占据重要地位,因为它提供了从复杂 ...
- 通过Python实现马尔科夫链蒙特卡罗方法的入门级应用
通过把马尔科夫链蒙特卡罗(MCMC)应用于一个具体问题,本文介绍了 Python 中 MCMC 的入门级应用. GitHub 地址:https://github.com/WillKoehrsen/ai ...
- 基于张量的多元多阶马尔科夫多模态预测方法
本博客整理自研读的论文,文末会附上出处. 基于张量的多元多阶马尔科夫多模态预测方法 一.问题背景 二.多元多阶马尔科夫模型 1.张量连接和张量统一乘 2.多元多阶马尔科夫转移模型 3.多元多阶马尔 ...
- MCMC原理解析(马尔科夫链蒙特卡洛方法)
马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo),简称MCMC,MCMC算法的核心思想是我们已知一个概率密度函数,需要从这个概率分布中采样,来分析这个分布的一些统计特性,然而 ...
- 数学建模|预测方法：马尔科夫预测
马尔可夫链的定义 现实世界中有很多这样的现象:某一个系统在已知现在的条件下,系统未来时刻的情况只与现在有关,而与过去的历史无关,比如,研究一个商店的累计销售额,如果现在时刻的累计销售额已知,则未来某一 ...
- 苹果闪退解决方法_逃离塔科夫游戏闪退解决方法
逃离塔科夫游戏闪退解决方法,不少玩家们在玩逃离塔科夫的时候都会遇到游戏闪退的问题,那么如何解决这个问题呢,接下来安卓市场小编为大家带来逃离塔科夫游戏闪退解决方法. 逃离塔科夫游戏闪退解决方法,不少玩家 ...
最新文章
- 集结最优秀同行，智源面向全球诚邀研究人才加入
- 企业网站优化如何提升网站收录？
- think php 关联模型,ThinkPHP 关联模型使用图解
- 解决：redis.clients.jedis.exceptions.JedisDataExceptionERR This instance has cluster support disabled
- Mysql允许root用户远程访问
- Linux配置虚拟主机后，只能访问到主页怎么办？
- SQL：数据库更新语句操作实例
- CSR8675烧录工具-全系列CSR8675/86xx一拖多量产工具csr烧录软件(支持FLASH版本和ROM版本)
- 苹果键盘大小写键灯不亮
- STM32CubeIDE USB Audio声卡 WM8978 + I2S
- C++项目设计与总结
- 冲浪涨停预警，让你快速跟上涨停板，主力主升浪趋势，通达信选涨停股选股公式
- ABAP TRANSPORTING NO FIELDS 用法
- 论文Learning to Solve Large-Scale Security-Constrained Unit Commitment Problems阅读笔记
- 数据库连接池，几种开源的数据库连接池
- 使用三台路由器实现wan与vlan通信
- 一个5位数，判断它是不是回文数。即12321是回文数，个位与万位相同，十位与千位相同。
- TDS协议解析（转载）
- Android高级图片滚动控件，编写3D版的图片轮播器
- 音乐是我们日常生活中不可缺少的