经典指标：SAR算法和应用

　　SAR又叫抛物线转向指标，是一种经典的判断股市转势和顶底的指标。以下我们来看下SAR指标的算法和应用，看下这种经典指标是怎么指示买卖点以及市场情况的。

　　假设参数为（N，2，20）

　　首先要确定是涨势还是跌势，并且得出起算点。有多种不同的确定方法，这里略过。

　　一、涨势中算法

　　1.涨势中第一步，假设时间段是t

　　那SAR（t）等于前面N个时间段（即，t-N，……，t-1时间段）中的最低价格。

　　如果SAR（t）大于t时间段的最低价L（t），则发生跳转，在下一个时间段时进入跌势;

　　如果SAR（t）不大于t时间段的最低价L（t），在下一个时间段时进入涨势第二步;并且，极值Ep（t）等于最近N个时间段（即t-N+1，……，t时间段）的最高价格;Af（t）=0.02。

　　2.涨势中的第二步，时间段是t+1

　　SAR（t+1）=SAR（t）+Af（t）*（Ep（t） – SAR（t））。

　　如果SAR（t+1）大于t+1时间段的最低价L（t+1），则发生跳转，在下一个时间段时进入跌势;

　　如果SAR（t+1）不大于t+1时间段的最低价L（t+1），，进入涨势下一步;并且，极值Ep（t+1）等于最近N个时间段（即t-N+2，……，t+1时间段）的最高价格;如果该时间段的最高价，即H（t+1）比前面N个时间段（即，t-N+1，……，t）的最高价高，则AF（t+1）=AF（t）+0.02，否则，AF（t+1）=AF（t）。

　　3.接下来，在后面的时间段t+2，t+3，……，上重复涨势第二步中的算法，直到发生跳转为止。另外，AF的最大值是0.2。

　　二、跌势中的算法

　　1.跌势中第一步，假设时间段是t

　　那SAR（t）等于前面N个时间段（即，t-N，……，t-1时间段）中的最高价格。

　　如果SAR（t）小于t时间段的最高价H（t），则发生跳转，在下一个时间段时进入涨势;

　　如果SAR（t）不小于t时间段的最高价H（t），在下一个时间段时进入跌势第二步;并且，极值Ep（t）等于最近N个时间段（即t-N+1，……，t时间段）的最低价格;Af（t）=0.02。

　　2.跌势中的第二步，时间段是t+1

　　SAR（t+1）=SAR（t）+Af（t）*（Ep（t） – SAR（t））。

　　如果SAR（t+1）小于t+1时间段的最高价H（t+1），则发生跳转，在下一个时间段时进入涨势;

　　如果SAR（t+1）不小于t+1时间段的最高价L（t+1），，进入跌势下一步;并且，极值Ep（t+1）等于最近N个时间段（即t-N+2，……，t+1时间段）的最低价格;如果该时间段的最低价L（t+1），比前面N个时间段（即，t-N+1，……，t）的最低价低，则AF（t+1）=AF（t）+0.02，否则，AF（t+1）=AF（t）。

　　3.接下来，在后面的时间段t+2，t+3，……，上重复跌势第二步中的算法，直到发生跳转为止。另外，AF的最大值是0.2。

　　市场上的SAR算法有许多中，大体结构和上面的算法差不多，但在下面的某个或某几个方面和上面的算法不同。由于涨势和跌势中的算法都是对称的，下面只说明在涨势中不同之处。

　　一、第一步中的SAR（t）的确定算法不同。有的算法是把前一个波段（即前面的整个跌势波段）中的最低价格作为SAR（t）的值。

　　（下面假设当前时间段是t+m时间段。）

　　二、EP的确定算法不同。有的算法是把从t时间段到t+m时间段，即本波涨势（即本个上涨波段）中到t+m时间段为止的所有时间段，的最高价格作为EP（t+m）;还有的算法是把t+m时间段的最高价作为EP（t+m）。

　　三、加速因子调整的触发条件不同。有的算法是是当本时间段中的最高价H（t+m）大于本波涨势中前面所有时间段中的最高价时，调整加速因子;有的算法是当当本时间段中的最高价H（t+m）大于本波涨势中前一个时间段中的最高价H（t+m-1）时，调整加速因子。

　　四、跳转的时间不同。上面的算法中，当t+m时间段的SAR（t+m）大于t+m时间段的最低价L（t+m）时，在下一个时间段发生跳转，即在下一个时间段进入跌势;而有的算法是当t+m时间段中的价格小于SAR（t+m）时，立刻（马上）发生跳转，即在t+m时间段就进入跌势，这时SAR（t+m）的值也发生了变化，按照跌势中第一步中的算法来确定。

　　五、加速因子调整的时间不同。

　　上面的算法中，如果在t+m时间段满足了调整加速因子的触发条件，在计算SAR（t+m）时仍然使用调整前的加速因子来计算，而将调整后的加速因子用于SAR（t+m+1）的计算。有的算法是，如果在t+m时间段中的某个时间点上满足了调整加速因子的触发条件，那就立刻使用调整后的加速因子来计算SAR（t+m），也就是说， SAR（t+m）马上发生了变化。（还有一种算法似乎是前面两中算法的折中，有两个条件：（1）计算本波涨势中第二时间段SAR（t+1）时的加速因子一定是0.02;（2）计算某时间段SAR（t+m）的加速因子与计算前一时间段SAR（t+m-1）的加速因子之差小于等于0.02。当t+n时间段中（在这里使用t+n是为了与t+m区别开来，以免混淆或误解;这里的t+n也是指当前时间段）某时间点的价格大于本波涨势中前面所有时间段中的最高价时，如果满足前面两条件，马上调整加速因子并计算新的SAR（t+n），否则就在计算完本时间段的SAR（t+n）之后（实际上就是对SAR（t+n）不做改变）再调整加速因子，并用于下一个时间段的SAR（t+n+1）的计算。）

　　实际观察

　　一、文华财经软件在计算涨势第一步中的SAR（t）时，是将前面的跌势波段中的最低价作为SAR（t）的值。

　　二、文华财经在计算涨势第二步中的SAR（t+1）时，所用的加速因子都是0.02。

　　问题

　　一、SAR方法较常用的日SAR还是某分钟的SAR？

　　二、怎样检验哪一种算法或者哪一组参数更好用？

（南方财富网SOUTHMONEY.COM）

经典指标：SAR算法和应用相关推荐

南开大学提出新物体分割评价指标，相比经典指标错误率降低 69.23%
前景图的度量对于物体分割算法的发展有着重要的作用,特别是在物体检测领域,其目的是在场景中精确地检测和分割出物体.但是,当前广泛应用的评估指标 (AP, AUC) 都是基于像素级别的误差度量,缺少结构相 ...
汇集YOLO系列经典和前沿算法，实现高精度实时检测！
YOLO(You Only Look Once,你只看一次)是一阶段目标检测算法的开山之作.常年来,YOLO系列模型统治着实时目标检测界,其代名词就是"快".从2016年Josep ...
高频交易算法研发心得--WAVT指标（Warensoft交易量趋势指标）算法及应用
高频交易算法研发心得--WAVT指标(Warensoft交易量趋势指标)算法及应用注:WAVT指标由Warensoft(王宇)原创. 前面聊了一系列的常见应用指标,包括短线.长线的指标,并且也无耐的 ...
asixs 响应慢_大智慧经典指标原理及用法
大智慧经典指标原理及用法 7.1 指标快捷键一览 [110]:MA 移动平均线[112]:CHANNELS 通道线 [114]:主力成本[115]:TDX 天地线 [116]:SAR 抛物转向[117 ...
【机器学习入门】图解超经典的KNN算法
出品:Python数据之道(ID:PyDataLab) 作者:Peter,来自读者投稿编辑:Lemon 图解超经典的KNN算法本文中介绍的机器学习算法中的一种监督学习的算法:KNN 算法,全称是 ...
python用tsne降维_哈工大硕士实现了 11 种经典数据降维算法，源代码库已开放
网上关于各种降维算法的资料参差不齐,同时大部分不提供源代码.这里有个 GitHub 项目整理了使用 Python 实现了 11 种经典的数据抽取(数据降维)算法,包括:PCA.LDA.MDS.LLE. ...
ncut算法matlab实现,ncut_multiscale_1_6 经典的图像分割算法的Matlab代码。 238万源代码下载- www.pudn.com...
文件名称: ncut_multiscale_1_6下载收藏√ [ 5 4 3 2 1 ] 开发工具: matlab 文件大小: 587 KB 上传时间: 2015-04-17 下载次数: ...
std中稳定排序算法_源代码库已开放 | 哈工大硕士生用 Python 实现了 11 种经典数据降维算法...
转自:AI开发者网上关于各种降维算法的资料参差不齐,同时大部分不提供源代码.这里有个 GitHub 项目整理了使用 Python 实现了 11 种经典的数据抽取(数据降维)算法,包括:PCA.LDA ...
AWR 报告深度解读：Redo Nowait指标的算法和诊断
墨墨导读:本文将对Redo Nowait指标的算法和诊断进行深度解析. 为了系统化的梳理 AWR 的知识体系,我们整理了一个系列文章,希望从原理.使用到 AWR 报告的解读,给读者展示全面的 AWR ...
AWR 报告深度解读：Redo Nowait指标的算法和诊断泄露二十多万名用户数据
导读:本文将对Redo Nowait指标的算法和诊断进行深度解析. AWR知识体系:https://www.modb.pro/topic/6165(复制到浏览器打开或者点击"阅读原文&quo ...

经典指标：SAR算法和应用

经典指标：SAR算法和应用相关推荐

最新文章

热门文章