资金流向的秘密,我来给你破译

有很多朋友问我们为什么小鑫没有资金流向这么重要的功能?为什么不同家的资金流向差别很大?正好在我们周二干货日,和大家分享下。

什么是资金流向?

资金流向(money flow)在国际上是一个成熟的技术指标。计算方法很简单,比如中国平安一天交易4小时,合240分钟,这240分钟里股价下跌的有125分钟,上涨的有80分钟,不涨不跌的有35分钟,把那下跌的125分钟里的成交量加起来,就是资金流出量;把上涨的80分钟里的成交量加起来,就是资金流入量。不涨不跌的35分钟扔掉不要。把资金流出量和流入量互相减一下,谁数额大就代表当天的资金流出或流入。

这里的说资金“入和出”其实不恰当的,其实我觉得所谓的资金流入,更恰当的说法是“买涨资金量”,资金流出是“卖跌资金量”

我们先不说他效果如何,我们先说一下他是如何实现的。判断流向的关键就在于哪些是买涨资金量,哪些是卖跌资金量?

一般有两种方法:

方法1:价格变化倒推法

举个例子,在某一个时刻里,最新价较前一刻是上涨的,则将这一刻的成交量计作资金流入,反之则计作资金流出,若最新价与前一分钟相比没有发生变化,则算作中性盘,或与上一笔流向一致。(这个规则的不同,是导致很多软件中统计的数据有差异的一个原因)

按照这个逻辑,其实最简单的判断当天是否资金流入的方式,就是拿今天的收盘价和昨天的收盘价比较,如果大于昨收,那今天的成交量全部都算是资金流入了。

可这一天价格来回波动不知道多少次,几个亿的交易额简单粗暴的划分成资金流入显现我不能接受啊。这一天光流入不流出我心里不安啊。

好吧,衍生的需求就出现了,把时间单位的颗粒度由天降到分钟去,用现价和前一分钟的价格比,如果现价高于前一个分钟的价格,则这一分钟的成交量算做资金流入,于是分时成交量中的红绿柱就这么出来了。

你看,按照这个方式统计,满足了你一天时间内既有资金流入,也有资金流出的诉求,也就是买涨量和卖跌量。在这个算法下,一天涨跌数不是五五开,每分钟涨跌的成交量又随机,所以流入流出绝大多数情况不相等,两者的差值就是最简单的当日资金净流入。

按照交易所   level1的行情数据提供能力,每5s价格就更新一次,1分钟内价格也会有来回波动12次,如果把时间的颗粒度降低到5s中,那这里面的资金流入流出的统计会比分钟的更准。

这种算法很容易实现,用交易所传送的数据,前后时刻的最新价格一比较,成交量归到流入或流出即可。

所以统计的时间颗粒维度越低,这个数据越精准,越高,越粗糙。

单纯从数据准确性而说,要选一个最准的就是level2下,按照每一笔的成交价格和成交量之间的对比去判断流入还是流出。

当然除了准确性以外,人们还希望通过这种方式捕捉交易量大的买涨或者卖跌时机,可统计的时间颗粒度过大,所有成交全部都是大单,只有时间颗粒度降低之后,真正大的成交量就会从数据中脱颖而出。

所以,不同的软件商看到的净流入流出数据各不相同,第二个原因在于统计的时间颗粒度不同。

方法2 :主动性买入卖出判断法

有人说,算法1很被动,所有那一刻的成交数据都因为上一刻的价格被归到了流入或者流出,这不公平,反应不出来我此刻的成交意愿,所以第二种算法就出现了,由主动性的买入卖出去判断当前的资金流向。

怎么定义主动性的买入和卖出?

迎着卖1到卖5的价格去买的,价格再高也必须拿下的,就是主动性买入,记入流入,同时他也是行情中的外盘

迎着买1到买5的价格去卖的,价格再低也必须抛掉的,就是主动性卖出,记入流出,同时他也是行情中的内盘

外盘和内盘的差,也是资金的净流入流出

这种算法也很容易实现,每次交易所传来的数据,用当前时刻最新价和买一卖一比较,低于等于买1的就是流出,高于等于卖1的就是流入。剩下的统计,就和第一种方式一样了。

如果不同的软件厂商看到的净流入流出数据各不相同,除去第一个统计时间维度的问题外,统计方法也是第二个最主要的原因。

教大家一个肉眼就能判断是用的方法1还是方法2的办法

看他的分时成交明细,如果价格较上一个明细上涨,量就标B的,有价格较上一个明细下跌,就标S的就是方法1,反之就是方法2,找几只股票多看一会,就能看出来区别了。

不过,资金流向的算法是不错的,但从交易所给的原始数据中及操盘者的操作手法上,有很多坑,导致数据的结果可能有很大的偏差。

1、当前绝大多数的行情提供商使用的是LEVEL1的数据,最高的频率也只能是5s中给一次数据,在这一次数据中,我们获得的5s内的全部成交量,而最新价与5档行情确实这5s内的最后一笔成交撮合数据,所以,如果在这5s的成交量中,如果前4s的50000手成交按照规则全部是流入,而最后一笔1手是流出,那因为我们只能看到最后一笔,所以,这5s内的50001手就成为流出。

这个坑很深,原来有topview可以解决,后来因为基金和权贵反对关停了,现在是leve2可以相对精准的解决这个问题,但level2最多也只能是每一个档位的前50笔明细,如果过多,依旧不够精准。

2、其实现在除了国家队明确表示我要救市,给你大单往下砸以外,所有的大额成交单都开始学会了藏匿,交易工具中有定额拆单、随机拆单、多账户批量拆单等方式,可以让一笔大单以无所遁形的形式分成无数个小单在成交记录中出现,有时候操盘者利用这些指标数据,做一些这样的成交单,造成股市的蝴蝶效应,以达到掩护自己真实成交意图的目的。

3、使用这些数据得出的特大单、大胆、中单、小单之类的本质就是用成交量或者成交金额区分开,然后做加减处理,但这个地方算法不同,区别也会很大,因为不同的股票盘子大小各异,单纯的用成交量并不合适,所以增加了金额的判断。至于区间是多少,这就各有各的理解了,所以数据不同,也很正常。

4、当然,所有这些都是基础原理,不同的软件商会在这个基础上延伸出很多更为复杂的计算方式和计算结果,不了解就不妄加揣测了。

好了,这一次主要聊资金流向,顺道就说了有一定关联的的内盘外盘、红绿柱分时、成交量明细后的BS这些内容。如果今后有人单纯拿资金流向忽悠人,就基本可以忽略这个山炮了。

说实话,这些统计的数据,很难说出来哪种更合理,但如果非要我有一个选择,第一种可能更偏好一些吧。但对于选股这件事情而言,八仙过海各显神通,没有统一标准,每个人用的方式也不经相同,所以数据就是数据,他不存在对或者错,只是看适不适合你的交易体系而已。

在我们看来,资金流向的数据准确性虽然有一定瑕疵,但统计出来的结果至少能反应一些事实,所以用处有,但有限,因为我们自己也从来不用,就始终没有在小鑫上推出,不过看到xx顺某一版良心发现,把这个功能去掉后,在评论中被骂成🐶,不得不立刻恢复来看,我们也纠结是不是要屈服了。。。。不过,可以放心的是,后续的小鑫的版本如果上线这个统计数据的话,一定会把统计原则跟大家说出来的。

今天就到这里,说实话,这一篇,写的真是憋屎了。催催催~周二最后一刻终于交稿,感觉好爽。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,902评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,037评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,978评论 0 332
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,867评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,763评论 5 360
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,104评论 1 277
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,565评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,236评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,379评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,313评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,363评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,034评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,637评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,719评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,952评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,371评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,948评论 2 341

推荐阅读更多精彩内容

  • 主力资金 资金流向 资金流向统计系统采用最先进的“云计算”技术,实时采集上交所、深交所的行情数据,通过服务器集群的...
    孤逐王阅读 4,220评论 0 4
  • 站着哭泣的老人 昨天的继续 还有一件事情比较戏剧化,是发生在一个短途大巴车上。在众目睽睽之下一双邪恶的手伸向...
    二月219阅读 185评论 0 0
  • 临摹自心蓝姐的贝加尔湖夜未眠。 很喜欢船,当我看到这部作品时,心中暗自窃喜,出于对大海的无比崇(害)敬(怕),对大...
    鹿小乖hi阅读 366评论 6 9
  • Given an array of strings, group anagrams together.For ex...
    exialym阅读 175评论 0 0
  • 反正有好几年了,不知哪儿捡来一个同姓表弟,整天神出鬼没,总之生活里是有那么一个怪才若隐若现,聊聊生活,音乐,教育,...
    派大星的派生活阅读 537评论 2 3