mom指標詳解

Ⅰ 如何打造高性能大數據分析平台

1.大數據是什麼?
大數據是最近IT界最常用的術語之一。然而對大數據的定義也不盡相同，所有已知的論點例如結構化的和非結構化、大規模的數據等等都不夠完整。大數據系統通常被認為具有數據的五個主要特徵，通常稱為數據的5 Vs。分別是大規模，多樣性，高效性、准確性和價值性。
據Gartner稱，大規模可以被定義為「在本(地)機數據採集和處理技術能力不足以為用戶帶來商業價值。當現有的技術能夠針對性的進行改造後來處理這種規模的數據就可以說是一個成功的大數據解決方案。
這種大規模的數據沒將不僅僅是來自於現有的數據源，同時也會來自於一些新興的數據源，例如常規(手持、工業)設備，日誌，汽車等，當然包括結構化的和非結構化的數據。
據Gartner稱，多樣性可以定義如下：「高度變異的信息資產，在生產和消費時不進行嚴格定義的包括多種形式、類型和結構的組合。同時還包括以前的歷史數據，由於技術的變革歷史數據同樣也成為多樣性數據之一 「。
高效性可以被定義為來自不同源的數據到達的速度。從各種設備，感測器和其他有組織和無組織的數據流都在不斷進入IT系統。由此，實時分析和對於該數據的解釋(展示)的能力也應該隨之增加。
根據Gartner，高效性可以被定義如下：「高速的數據流I/O(生產和消費)，但主要聚焦在一個數據集內或多個數據集之間的數據生產的速率可變上」。
准確性，或真實性或叫做精度是數據的另一個重要組成方面。要做出正確的商業決策，當務之急是在數據上進行的所有分析必須是正確和准確(精確)的。
大數據系統可以提供巨大的商業價值。像電信，金融，電子商務，社交媒體等，已經認識到他們的數據是一個潛在的巨大的商機。他們可以預測用戶行為，並推薦相關產品，提供危險交易預警服務，等等。
與其他IT系統一樣，性能是大數據系統獲得成功的關鍵。本文的中心主旨是要說明如何讓大數據系統保證其性能。
2.大數據系統應包含的功能模塊
大數據系統應該包含的功能模塊，首先是能夠從多種數據源獲取數據的功能，數據的預處理(例如，清洗，驗證等)，存儲數據，數據處理、數據分析等(例如做預測分析，生成在線使用建議等等)，最後呈現和可視化的總結、匯總結果。
下圖描述了大數據系統的這些高層次的組件：

2.1各種各樣的數據源

當今的IT生態系統，需要對各種不同種類來源的數據進行分析。這些來源可能是從在線Web應用程序，批量上傳或feed，流媒體直播數據，來自工業、手持、家居感測的任何東西等等。
顯然從不同數據源獲取的數據具有不同的格式、使用不同的協議。例如，在線的Web應用程序可能會使用SOAP / XML格式通過HTTP發送數據，feed可能會來自於CSV文件，其他設備則可能使用MQTT通信協議。
由於這些單獨的系統的性能是不在大數據系統的控制范圍之內，並且通常這些系統都是外部應用程序，由第三方供應商或團隊提供並維護，所以本文將不會在深入到這些系統的性能分析中去。
2.2數據採集
第一步，獲取數據。這個過程包括分析，驗證，清洗，轉換，去重，然後存到適合你們公司的一個持久化設備中(硬碟、存儲、雲等)。
在下面的章節中，本文將重點介紹一些關於如何獲取數據方面的非常重要的技巧。請注意，本文將不討論各種數據採集技術的優缺點。
2.3存儲數據
第二步，一旦數據進入大數據系統，清洗，並轉化為所需格式時，這些過程都將在數據存儲到一個合適的持久化層中進行。
在下面的章節中，本文將介紹一些存儲方面的最佳實踐(包括邏輯上和物理上)。在本文結尾也會討論一部分涉及數據安全方面的問題。
2.4數據處理和分析
第三步，在這一階段中的一部分干凈數據是去規范化的，包括對一些相關的數據集的數據進行一些排序，在規定的時間間隔內進行數據結果歸集，執行機器學習演算法，預測分析等。
在下面的章節中，本文將針對大數據系統性能優化介紹一些進行數據處理和分析的最佳實踐。
2.5數據的可視化和數據展示
最後一個步驟，展示經過各個不同分析演算法處理過的數據結果。該步驟包括從預先計算匯總的結果(或其他類似數據集)中的讀取和用一種友好界面或者表格(圖表等等)的形式展示出來。這樣便於對於數據分析結果的理解。
3.數據採集中的性能技巧
數據採集是各種來自不同數據源的數據進入大數據系統的第一步。這個步驟的性能將會直接決定在一個給定的時間段內大數據系統能夠處理的數據量的能力。
數據採集過程基於對該系統的個性化需求，但一些常用執行的步驟是 – 解析傳入數據，做必要的驗證，數據清晰，例如數據去重，轉換格式，並將其存儲到某種持久層。
涉及數據採集過程的邏輯步驟示如下圖所示：

下面是一些性能方面的技巧：

●來自不同數據源的傳輸應該是非同步的。可以使用文件來傳輸、或者使用面向消息的(MoM)中間件來實現。由於數據非同步傳輸，所以數據採集過程的吞吐量可以大大高於大數據系統的處理能力。 非同步數據傳輸同樣可以在大數據系統和不同的數據源之間進行解耦。大數據基礎架構設計使得其很容易進行動態伸縮，數據採集的峰值流量對於大數據系統來說算是安全的。
●如果數據是直接從一些外部資料庫中抽取的，確保拉取數據是使用批量的方式。
●如果數據是從feed file解析，請務必使用合適的解析器。例如，如果從一個XML文件中讀取也有不同的解析器像JDOM，SAX，DOM等。類似地，對於CSV，JSON和其它這樣的格式，多個解析器和API是可供選擇。選擇能夠符合需求的性能最好的。
●優先使用內置的驗證解決方案。大多數解析/驗證工作流程的通常運行在伺服器環境(ESB /應用伺服器)中。大部分的場景基本上都有現成的標准校驗工具。在大多數的情況下，這些標準的現成的工具一般來說要比你自己開發的工具性能要好很多。
●類似地，如果數據XML格式的，優先使用XML(XSD)用於驗證。
●即使解析器或者校等流程使用自定義的腳本來完成，例如使用java優先還是應該使用內置的函數庫或者開發框架。在大多數的情況下通常會比你開發任何自定義代碼快得多。
●盡量提前濾掉無效數據，以便後續的處理流程都不用在無效數據上浪費過多的計算能力。
●大多數系統處理無效數據的做法通常是存放在一個專門的表中，請在系統建設之初考慮這部分的資料庫存儲和其他額外的存儲開銷。
●如果來自數據源的數據需要清洗，例如去掉一些不需要的信息，盡量保持所有數據源的抽取程序版本一致，確保一次處理的是一個大批量的數據，而不是一條記錄一條記錄的來處理。一般來說數據清洗需要進行表關聯。數據清洗中需要用到的靜態數據關聯一次，並且一次處理一個很大的批量就能夠大幅提高數據處理效率。
●數據去重非常重要這個過程決定了主鍵的是由哪些欄位構成。通常主鍵都是時間戳或者id等可以追加的類型。一般情況下，每條記錄都可能根據主鍵進行索引來更新，所以最好能夠讓主鍵簡單一些，以保證在更新的時候檢索的性能。
●來自多個源接收的數據可以是不同的格式。有時，需要進行數據移植，使接收到的數據從多種格式轉化成一種或一組標准格式。
●和解析過程一樣，我們建議使用內置的工具，相比於你自己從零開發的工具性能會提高很多。
●數據移植的過程一般是數據處理過程中最復雜、最緊急、消耗資源最多的一步。因此，確保在這一過程中盡可能多的使用並行計算。
●一旦所有的數據採集的上述活動完成後，轉換後的數據通常存儲在某些持久層，以便以後分析處理，綜述，聚合等使用。
●多種技術解決方案的存在是為了處理這種持久(RDBMS，NoSQL的分布式文件系統，如Hadoop和等)。
●謹慎選擇一個能夠最大限度的滿足需求的解決方案。
4.數據存儲中的性能技巧
一旦所有的數據採集步驟完成後，數據將進入持久層。
在本節中將討論一些與數據數據存儲性能相關的技巧包括物理存儲優化和邏輯存儲結構(數據模型)。這些技巧適用於所有的數據處理過程，無論是一些解析函數生的或最終輸出的數據還是預計算的匯總數據等。
●首先選擇數據範式。您對數據的建模方式對性能有直接的影響，例如像數據冗餘，磁碟存儲容量等方面。對於一些簡單的文件導入資料庫中的場景，你也許需要保持數據原始的格式，對於另外一些場景，如執行一些分析計算聚集等，你可能不需要將數據範式化。
●大多數的大數據系統使用NoSQL資料庫替代RDBMS處理數據。
●不同的NoSQL資料庫適用不同的場景，一部分在select時性能更好，有些是在插入或者更新性能更好。
●資料庫分為行存儲和列存儲。
●具體的資料庫選型依賴於你的具體需求(例如，你的應用程序的資料庫讀寫比)。
●同樣每個資料庫都會根據不同的配置從而控制這些資料庫用於資料庫復制備份或者嚴格保持數據一致性。
●這些設置會直接影響資料庫性能。在資料庫技術選型前一定要注意。
●壓縮率、緩沖池、超時的大小，和緩存的對於不同的NoSQL資料庫來說配置都是不同的，同時對資料庫性能的影響也是不一樣的。
●數據Sharding和分區是這些資料庫的另一個非常重要的功能。數據Sharding的方式能夠對系統的性能產生巨大的影響，所以在數據Sharding和分區時請謹慎選擇。
●並非所有的NoSQL資料庫都內置了支持連接，排序，匯總，過濾器，索引等。
●如果有需要還是建議使用內置的類似功能，因為自己開發的還是不靈。
●NoSQLs內置了壓縮、編解碼器和數據移植工具。如果這些可以滿足您的部分需求，那麼優先選擇使用這些內置的功能。這些工具可以執行各種各樣的任務，如格式轉換、壓縮數據等，使用內置的工具不僅能夠帶來更好的性能還可以降低網路的使用率。
●許多NoSQL資料庫支持多種類型的文件系統。其中包括本地文件系統，分布式文件系統，甚至基於雲的存儲解決方案。
●如果在互動式需求上有嚴格的要求，否則還是盡量嘗試使用NoSQL本地(內置)文件系統(例如HBase 使用HDFS)。
●這是因為，如果使用一些外部文件系統/格式，則需要對數據進行相應的編解碼/數據移植。它將在整個讀/寫過程中增加原本不必要的冗餘處理。
●大數據系統的數據模型一般來說需要根據需求用例來綜合設計。與此形成鮮明對比的是RDMBS數據建模技術基本都是設計成為一個通用的模型，用外鍵和表之間的關系用來描述數據實體與現實世界之間的交互。
●在硬體一級，本地RAID模式也許不太適用。請考慮使用SAN存儲。
5.數據處理分析中的性能技巧
數據處理和分析是一個大數據系統的核心。像聚合，預測，聚集，和其它這樣的邏輯操作都需要在這一步完成。
本節討論一些數據處理性能方面的技巧。需要注意的是大數據系統架構有兩個組成部分，實時數據流處理和批量數據處理。本節涵蓋數據處理的各個方面。
●在細節評估和數據格式和模型後選擇適當的數據處理框架。
●其中一些框架適用於批量數據處理，而另外一些適用於實時數據處理。
●同樣一些框架使用內存模式，另外一些是基於磁碟io處理模式。
●有些框架擅長高度並行計算，這樣能夠大大提高數據效率。
●基於內存的框架性能明顯優於基於磁碟io的框架，但是同時成本也可想而知。
●概括地說，當務之急是選擇一個能夠滿足需求的框架。否則就有可能既無法滿足功能需求也無法滿足非功能需求，當然也包括性能需求。
●一些這些框架將數據劃分成較小的塊。這些小數據塊由各個作業獨立處理。協調器管理所有這些獨立的子作業
●在數據分塊是需要當心。
●該數據快越小，就會產生越多的作業，這樣就會增加系統初始化作業和清理作業的負擔。
●如果數據快太大，數據傳輸可能需要很長時間才能完成。這也可能導致資源利用不均衡，長時間在一台伺服器上運行一個大作業，而其他伺服器就會等待。
●不要忘了查看一個任務的作業總數。在必要時調整這個參數。
●最好實時監控數據塊的傳輸。在本機機型io的效率會更高，這么做也會帶來一個副作用就是需要將數據塊的冗餘參數提高(一般hadoop默認是3份)這樣又會反作用使得系統性能下降。
●此外，實時數據流需要與批量數據處理的結果進行合並。設計系統時盡量減少對其他作業的影響。
●大多數情況下同一數據集需要經過多次計算。這種情況可能是由於數據抓取等初始步驟就有報錯，或者某些業務流程發生變化，值得一提的是舊數據也是如此。設計系統時需要注意這個地方的容錯。
●這意味著你可能需要存儲原始數據的時間較長，因此需要更多的存儲。
●數據結果輸出後應該保存成用戶期望看到的格式。例如，如果最終的結果是用戶要求按照每周的時間序列匯總輸出，那麼你就要將結果以周為單位進行匯總保存。
●為了達到這個目標，大數據系統的資料庫建模就要在滿足用例的前提下進行。例如，大數據系統經常會輸出一些結構化的數據表，這樣在展示輸出上就有很大的優勢。
●更常見的是，這可能會這將會讓用戶感覺到性能問題。例如用戶只需要上周的數據匯總結果，如果在數據規模較大的時候按照每周來匯總數據，這樣就會大大降低數據處理能力。
●一些框架提供了大數據查詢懶評價功能。在數據沒有在其他地方被使用時效果不錯。
●實時監控系統的性能，這樣能夠幫助你預估作業的完成時間。
6.數據可視化和展示中的性能技巧
精心設計的高性能大數據系統通過對數據的深入分析，能夠提供有價值戰略指導。這就是可視化的用武之地。良好的可視化幫助用戶獲取數據的多維度透視視圖。
需要注意的是傳統的BI和報告工具，或用於構建自定義報表系統無法大規模擴展滿足大數據系統的可視化需求。同時，許多COTS可視化工具現已上市。
本文將不會對這些個別工具如何進行調節，而是聚焦在一些通用的技術，幫助您能打造可視化層。
●確保可視化層顯示的數據都是從最後的匯總輸出表中取得的數據。這些總結表可以根據時間短進行匯總，建議使用分類或者用例進行匯總。這么做可以避免直接從可視化層讀取整個原始數據。
●這不僅最大限度地減少數據傳輸，而且當用戶在線查看在報告時還有助於避免性能卡頓問題。
●重分利用大化可視化工具的緩存。緩存可以對可視化層的整體性能產生非常不錯的影響。
●物化視圖是可以提高性能的另一個重要的技術。
●大部分可視化工具允許通過增加線程數來提高請求響應的速度。如果資源足夠、訪問量較大那麼這是提高系統性能的好辦法。
●盡量提前將數據進行預處理，如果一些數據必須在運行時計算請將運行時計算簡化到最小。
●可視化工具可以按照各種各樣的展示方法對應不同的讀取策略。其中一些是離線模式、提取模式或者在線連接模式。每種服務模式都是針對不同場景設計的。
●同樣，一些工具可以進行增量數據同步。這最大限度地減少了數據傳輸，並將整個可視化過程固化下來。
●保持像圖形，圖表等使用最小的尺寸。
●大多數可視化框架和工具的使用可縮放矢量圖形(SVG)。使用SVG復雜的布局可能會產生嚴重的性能影響。
7.數據安全以及對於性能的影響
像任何IT系統一樣安全性要求也對大數據系統的性能有很大的影響。在本節中，我們討論一下安全對大數據平台性能的影響。
– 首先確保所有的數據源都是經過認證的。即使所有的數據源都是安全的，並且沒有針對安全方面的需求，那麼你可以靈活設計一個安全模塊來配置實現。
– 數據進過一次認證，那麼就不要進行二次認證。如果實在需要進行二次認證，那麼使用一些類似於token的技術保存下來以便後續繼續使用。這將節省數據一遍遍認證的開銷。
– 您可能需要支持其他的認證方式，例如基於PKI解決方案或Kerberos。每一個都有不同的性能指標，在最終方案確定前需要將其考慮進去。
– 通常情況下數據壓縮後進入大數據處理系統。這么做好處非常明顯不細說。
– 針對不同演算法的效率、對cpu的使用量你需要進行比較來選出一個傳輸量、cpu使用量等方面均衡的壓縮演算法。
– 同樣，評估加密邏輯和演算法，然後再選擇。
– 明智的做法是敏感信息始終進行限制。
– 在審計跟蹤表或登錄時您可能需要維護記錄或類似的訪問，更新等不同的活動記錄。這可能需要根據不同的監管策略和用戶需求個性化的進行設計和修改。
– 注意，這種需求不僅增加了數據處理的復雜度，但會增加存儲成本。
– 盡量使用下層提供的安全技術，例如操作系統、資料庫等。這些安全解決方案會比你自己設計開發性能要好很多。
8.總結
本文介紹了各種性能方面的技巧，這些技術性的知道可以作為打造大數據分析平台的一般准則。大數據分析平台非常復雜，為了滿足這種類型系統的性能需求，需要我們從開始建設的時候進行考量。
本文介紹的技術准則可以用在大數據平台建設的各個不同階段，包括安全如何影響大數據分析平台的性能。

Ⅱ 股票的問題

股票各參數極其含義與用法
[MACD]
01=中文全名：平滑異同移動平均線
02=英文全名：Moving Average Convergence Divergence
03=指標熱鍵：MACD
04=原始參數值：12、26、9
05=指標應用法則：
06=1.DIF向上交叉MACD，為買進信號；DIF向下交叉MACD，為賣出信號。
07=2.DIF連續兩次向下交叉MACD，將造成較大的跌幅。
08=3.DIF連續兩次向上交叉MACD，將造成較大的漲幅。
09=4.DIF與股價形成背離時產生的信號，可信度較高。
10=5.MDA、MACD、TRIX三者構成一組指標群，互相驗證。

[DMI]
01=中文全名：趨向指標
02=英文全名：Directional Movement Index
03=指標熱鍵：DMI
04=原始參數值：7
05=指標應用法則：
06=1.+DI向上交叉-DI，買進；+DI向下交叉-DI，賣出。
07=2.ADX在高於50的地方向下反折時，應小心股價隨時有反轉的可能。
08=3.ADX小於DI時，意味股價將進行盤整，此時不宜買賣及使用技術指標。
09=4.ADXR介於20到25之間時，應用CDP及TBP系統進行買賣。
10=5.DMI、VHF、CSI、DX四種指標構成一組指標群，經常被合並使用。

[DMA]
01=中文全名：平均差
02=英文全名：Different Of Moving Average
03=指標熱鍵：DMA
04=原始參數值：10、50
05=指標應用法則：
06=1.DMA向上交叉其平均線時，為買進信號。
07=2.DMA向下交叉其平均線時，為賣出信號。
08=3.DMA的交叉信號比MACD、TRIX略快。
09=4.DMA與股價產生背離時的交叉信號，可信度較高。
10=5.DMA、MACD、TRIX三者構成一組指標群，互相驗證。

[EXPMA]
01=中文全名：指數平均線
02=英文全名：Exponential Moving Average
03=指標熱鍵：EXP
04=原始參數值：12、50
05=指標應用法則：
06=1.EXPMA一般以觀察0.15和0.04二條均線為主。
07=2.0.15指數平均線向上交叉0.04指數平均線時，為買進信號。
08=3.0.15指數平均線向下交叉0.04指數平均線時，為賣出信號。
09=4.EXPMA是多種平均線計算方法的一種。
10=5.EXPMA配合MOM指標使用，效果更佳。

[TRIX]
01=中文全名：三重指數平滑平均線
02=英文全名：Triple Exponentially Smooth Moving Average
03=指標熱鍵：TRIX
04=原始參數值：12、9
05=指標應用法則：
06=1.TRIX由下往上交叉平均線時，為長期買進信號。
07=2.TRIX由上往下交叉平均線時，為長期賣出信號。
08=3.DMA、MACD、TRIX三者構成一組指標群，互相驗證。

[BRAR]
01=中文全名：情緒指標
02=指標熱鍵：BRAR
03=原始參數值：26
04=指標應用法則：
05=1.BR>400，暗示行情過熱，為反向賣出信號；BR<40，行情將起死回生，為買進信號。
06=2.AR>180，能量耗盡，為賣出信號；AR<40，能量已累積爆發力，為買進信號。
07=3.BR由300以上的高點下跌至50以下的水平，低於AR 時，為絕佳買點。
08=4.BR、AR、CR、VR 四者合為一組指標群，須綜合搭配使用。

[CR]
01=中文全名：帶狀能量線
02=指標熱鍵：CR
03=原始參數值：26
04=指標應用法則：
05=1.CR>400時，其10日平均線向下滑落，視為賣出信號；CR<40，為買進信號。
06=2.CR由高點下滑至其四條平均線下方時，股價容易形成短期底部。
07=3.CR由下往上連續突破其四條平均線時，為強勢買進點。
08=4.CR除了預測價格之外，最大的作用在於預測時間。
09=5.BR、AR、CR、VR四者合為一組指標群，須綜合搭配使用。

參考資料：http://www.rssair.com/blog/default.aspx?id=8&t=

Ⅲ EXP指數平均線是幹啥的

EXPMA 指數平均線 簡稱：EXPMA 中文全名：指數平均線 英文全名：Exponential Moving Average 指標熱鍵：EXP 原始參數值：12、50 指標應用法則： 1.EXPMA一般以觀察0.15和0.04二條均線為主。 2.0.15指數平均線向上交叉0.04指數平均線時，買進。 3.0.15指數平均線向下交叉0.04指數平均線時，賣出。 4.EXPMA是多種平均線計算方法的一種。 5.EXPMA配合MOM指標使用，效果更佳。 要看 是運用在哪裡呢譬如游戲中就是雙倍經驗，用在商品底部的時候就是使用期限呢，，，

Ⅳ MOM動量線是反映什麼的指標，怎麼看，如何設置其參數最好

1.12天MOM：（當日收盤價-12天前收盤價）

2.25天MOM：（當日收盤價-25天前收盤價）

3.圖表上除了顯示動量線之外，經常另外配置一條動量線的10天平均線。

來龍去脈

MOmentum動量線，簡稱MOM。「動量」這一名詞，市場上的解釋相當廣泛。 以 Momentum命名的指標，種類更是繁多。綜合而言，動量可以視為一段期間內，股價漲跌變動的比率。 本書所介紹的動量線， 是由 Perry Kaufman 在《 Trading Systems and Methods》一書所發表的簡易動量模式。 一般股民，經常將Momentum視為超買超賣指標，而忽略其在「速度」方面的表現。事實上，將Momentum解釋成「速度線」，更符合其實際的作用。理論上，一波健全的股價趨勢，其上漲或下跌的過程，應該維持著一定的行進速度。如果行進的速度逐漸減緩，股價很容易轉變成整理的格局，甚至於反轉。因此，觀察股價的速度感，對於股價多空力道的判定，有很大的幫助。

指標劍法

12天M0M以O軸為中心線，O軸的上、下方，分成六等份的超買超賣區， 分別為＋1、＋2、+3和-1、-2、-3。例如：甲股的12天MOM上升至6·8時， 我們將它定義為＋1。那麼，13·6就是＋2，20·4就是+3。相反的，-6·8定義為-1·-13·6為 -2，-20·4為-3。

注意！每一支股票的超買超賣區都不一樣，讀者必須自行尋找適合的界限值。

1.短線行情，12日MOM上升至+1時，股價回檔。

2.短線行情，12日MOM下跌至-1時，股價反彈。

3.中期趨勢， 2日MOM＞＋2時，經常是上升波段結束的時機。

4.中期趨勢，12日MOM＜-2時，經常是下跌波段結束的時機。

5.12日MOM＞＋3變成極端行情時，視為強勢多頭格局，持股不必過早賣出。可以等待MOM指標曲線，變成一波頂比一波頂低，而與股價走勢背離時，再賣出不遲。

6.12日MOM＜-3變成極端行情時，視為極弱勢空頭格局， 不可隨意進場買入股票。至少等待MOM指標曲線，形成一波底比一波底高，而與股價走勢背離時， 再擇機進場買入。

25天MOM（速度線）以O軸為中心線：

1.25天MOM＞O軸，代表中期多頭走勢。

2.25天MOM＜O軸，代表中期空頭走勢。

3.25天MOM向上交叉其6天平均線，並且其6天平均線也同步向上扭轉時， 股價容易上漲。

4.25天MOM向下交叉其6天平均線，並且其6天平均線也同步向下扭轉時， 股價容易下跌。

注意！單純觀察25天MOM的6天平均線時,這條曲線一般都與股價同步,因此, 當 25天MOM的6天平均線開始走緩,並且有轉彎跡象時,應小心股價是否即將反轉。

（附註一）25天MOM也可以規畫出+3￣-3六個超買超賣界限，但是，一般以 12 天MOM較為常用。

（附註二）25天MOM與12天MOM合並使用效果更佳.當12天MOM顯示超買或超賣狀況時，同時觀察25天MOM,可以檢查其是否構成反轉的條件。如果條件尚未成熟，則 12天MOM所顯示的超買或超賣現象，可能只會促使股價回檔或者反彈而已。

（附註三）如果12天MOM曾經上升至＋2或＋3的界限，同時25天MOM也顯示股價有向下反轉的疑慮時。請參考EXPMA指數平均數，觀察其0·15指數平均數，是否發生向下交叉0·04指數平均數的現象。如果EXPMA的兩條平均數，已經出現向下交叉的訊號，則可以確定股價正式向下反轉。（EXPMA指標請參考《笑傲股林》）

（附註四）如果12天MOM曾經下跌至-2或-3的界限，同時25天MOM也顯示股價有向上回升的跡象時。請參考EXPMA指數平均數，觀察其0·15指數平均數，是否發生向上交叉0．04指數平均數的現象。如果EXPMA的兩條平均數，已經出現向上交叉的訊號，則可以確定股價正式向上反轉。

深入講解

常態與極端的區別

傳統的超買超賣指標，一般波動於0～100之間，並且擁有固定的超買超賣值。當股價溫和波動時，這一類型指標，在短線買賣的時機上，尚可以提供相當的參考價值。但是，當股價波動幅度加劇，出現大行情時，傳統指標因受限於固定的波動范圍，常會出現指標鈍化的現象，這種現象股民常常稱之為「指標失靈」。

為了突破超買超賣指標的限制，行情必須分級。MOM 動量線將行情分成三級，第一和第二級稱為「常態行情」，第三級稱為「極端行情」。第一級行情就是所謂的短期趨勢，第二級行情為中期趨勢。行情處於第一或第二級波動時，股價

的回檔或反彈，大都能和MOM指標的超買超賣線相呼應。類似這種模式的行情， 其 MOM很少超過＋3和-3的范圍。

MOM的最大波動，如果是僅局限於+2～-2之間的行情，我們稱之為「常態行情」 。例如：「矩形」和標準的「三波段」行情。這類型股票，一般都是股性較溫和的個股，循環規律有節奏感，漲跌脈動有跡可尋，走勢較容易掌握。

「矩形」的行情，其動量線大多波動於＋1～-1之間。但是， 其股價的行進並不一定呈橫向整理。單方向的上漲或下跌，只要股價以「漲、跌、漲、跌」的溫和速度前進，都可視為「矩形」行情。就好像「軌道線」、「路徑指標」一樣，很規矩的被限制在一定的空間，它的買進賣出訊號，非常明確而且肯定。

標准三波段上漲或者三波段下跌的行情，其動量線波動范圍，經常會擴充至＋2～-2之間。MOM抵達+1或-1時，第一波行情結束。第二波行情屬於回檔或者反彈波。最後，由第三波行情將MOM推移至＋2或-2。（這里指的是波浪理論中的前三波，其第五波行情一般都屬極端行情較多）。

一般理想狀況之下，MOM動量線會依上述兩種模式， 規矩的波動在第一與第二級超買超賣界限內。而且，股民很容易掌握股價的脈動，我們稱之為「常態行情」 。然而，當行情變成超強勢或極弱勢時，MOM指標會急沖至＋3之上或-3之下，我們稱之為「極端行情」。一旦股價出現極端行情時，超買超賣型指標會失去作用，讀者應選擇採用趨勢指標，或者等待指標形成「背離」的狀態時，再進行買賣的動作。

價差引力

深入了解MOM動量線之前，必須先了解其公式的計算方法。以12日MOM為例子，他是將當天的股價，和12天前的股價做比較的結果。我們可以想像兩個股價間，存在著一種引力。當目前的價格和12天前的價格，兩者之間的差距擴大到一定極限時，當天的股價會受到牽制，暫時停止前進。也就是說，當天的價格和12天前的價格，存在著最大極限距離的限制。在一般「常態行情」下，大多數個股幾乎都能符合這種運動規律。

「價差引力」也可視為「價格乖離」，乖離率太大時，股價必須調整修正。隨著行情大小的不同，兩個價格之間的差距，存在著最大容許極限。一旦短線行情，突破第一級差距極限時，則股價會朝第二級差距極限前進，並且轉變成中級行情。如果中級行情突破第三級差距極限，則「常態行情」變成「非常態行情」，股價像斷了線的風箏，變成無法掌控的脫軌狀況。

多空天秤

在第六章中，我們曾經介紹過「價格平衡」的意義。而25天的MOM動量線， 正是價格平衡原理的典型代表。

市場上所有的價格行為，只有強和弱之分。基於「汰弱擇強」的操作原則，股民一定會選擇介入強勢股。然而強和弱、多和空是相對的名詞，股民在決定一次交易之前，必須先明確區分多空的界線，才能對目前的價位下一個定義。

股價走勢表現在K線圖表上時，是由左向右傾斜的。 如果價格曲線向有上方傾斜前進，則代表股價上漲；如果價格曲線向右下方傾斜前進，則代表股價下跌。換句話說，現在的價格必須高於先前的價格，才能視為強勢多頭。但是，現在的價格，並不一定是近期內的最高價。它可能比前天的價位高，比昨天的價位低。如此一來，怎麼樣才能對「價格傾斜」下定義呢？

現在，我們以25天為周期，取第13天為中間支點，左右各佔12天。把今天的價格與25天前的價格連成一直線，將這條直線視為一根橫桿。右邊的當日價格和左邊的25天前價格，當成左右兩邊的秤盤。然後，組合中間支點、橫桿、秤盤。

當右方的秤盤高於左方的秤盤時，表示右方賣壓輕，股價強勢。此時，MOM 指標會高於O軸，代表多頭走勢。當右方的秤盤低於左方的秤盤時，表示右方賣壓重，股價弱勢。此時，MOM指標會低於O軸，代表空頭走勢。也許，你想修改25天的周期參數。但是，根據筆者的研究，25天的周期參數，在認定多空界限方面，顯然較具代表性。

Ⅳ 唐篩結果前兩個指標比mom高正常嗎

主要還是後面幾個指標，低風險

Ⅵ EXMPA是什麼指標啊這四條線是什麼線啊

EXMPA是指數平均數指標,一般它由白色和黃色兩根均線(也可四條均線)以及K線組成,白色均線是短期均線,黃色均線是長期均線。EXPMA指標對於股價波動的反應比較靈敏,它的一般用法是:短線均線上穿長期均線買入,短線均線下穿長期均線賣出。

Ⅶ 什麼是股票中的EXPMA指標

EXPMA技術指標在使用其乖離時要注意幾點： （1） 預測大盤指數的正確率要遠遠高於個股。 （2） 必須在日K線，周K線的EXPMA中三者（指數、白線、黃線）同時乖離時，正確率最高。 （3） 在K線圖上三者（指數、白線、黃線）關系是：指數（股價）與白線的乖離，應大於白線與黃線的乖離。 （4） 成交量異常放大，指數（股價）連續沖高，加速到幾乎呈90度角上行時。（就象跳高先助跑，再加速，然後一躍而上。shiping講解@！