在九零年代,外汇市场经历了翻天覆地的变化,这个时期涌现了许多影响深远的外汇交易指标。这些指标不仅帮助交易者更好地理解市场动态,而且对后来的技术分析产生了深远的影响。本文将回顾那些在九零年代影响市场的经典外汇指标。
1. 移动平均线(Moving Averages)
移动平均线是最早且最常用的技术分析工具之一。它通过计算一定时间内的平均价格来平滑价格波动,帮助交易者识别趋势和潜在的转折点。
1.1 简单移动平均线(SMA)
简单移动平均线(SMA)是最基本的移动平均线类型,它计算的是特定时间内的平均价格。例如,5日SMA就是将过去5天的收盘价相加,然后除以5。
def calculate_sma(prices, period):
return sum(prices[-period:]) / period
# 示例
prices = [100, 102, 101, 103, 105, 107, 109]
sma_5 = calculate_sma(prices, 5)
print(f"5日SMA: {sma_5}")
1.2 指数移动平均线(EMA)
指数移动平均线(EMA)与SMA类似,但它在计算时给予最近的价格更高的权重。这使得EMA对价格变动更为敏感。
def calculate_ema(prices, period):
alpha = 2 / (period + 1)
ema = prices[-1]
for price in prices[-period-1:-1]:
ema = alpha * price + (1 - alpha) * ema
return ema
# 示例
prices = [100, 102, 101, 103, 105, 107, 109]
ema_5 = calculate_ema(prices, 5)
print(f"5日EMA: {ema_5}")
2. 相对强弱指数(Relative Strength Index,RSI)
相对强弱指数(RSI)是一个动量指标,用于衡量股票或商品的价格变动速度和变化。RSI的值范围从0到100,通常认为RSI超过70表示过热,可能即将反转;而RSI低于30则表示过冷,可能即将反弹。
def calculate_rsi(prices, period):
gains = []
losses = []
for i in range(1, len(prices)):
change = prices[i] - prices[i-1]
if change > 0:
gains.append(change)
else:
losses.append(-change)
avg_gain = sum(gains) / len(gains)
avg_loss = sum(losses) / len(losses)
rsi = (avg_gain / (avg_gain + avg_loss)) * 100
return rsi
# 示例
prices = [100, 102, 101, 103, 105, 107, 109]
rsi_14 = calculate_rsi(prices, 14)
print(f"14日RSI: {rsi_14}")
3. 平均真实范围(Average True Range,ATR)
平均真实范围(ATR)是一个衡量市场波动性的指标。它通过计算一定时间内的平均价格范围来衡量市场的波动性。
def calculate_atr(prices, period):
true_ranges = []
for i in range(1, len(prices)):
true_range = max(prices[i] - min(prices[i-1:i+2]), prices[i] - max(prices[i-1:i+2]))
true_ranges.append(true_range)
atr = sum(true_ranges) / len(true_ranges)
return atr
# 示例
prices = [100, 102, 101, 103, 105, 107, 109]
atr_14 = calculate_atr(prices, 14)
print(f"14日ATR: {atr_14}")
4. 总结
九零年代的外汇市场涌现了许多经典的外汇指标,这些指标至今仍被广泛使用。通过了解这些指标的历史和原理,交易者可以更好地理解市场动态,并制定更有效的交易策略。
