Chaikin-oscillator
Beskrivelse:
I vikingen kaldet Chaikin
Inspireret af sine forgængeres arbejde(Joe Granville og Larry Williams) udviklede Mark Chaikin en ny volumenmodel.
Chaikin Oscillator-modellen bruger glidende gennemsnit baseret på Accumulation/Distribution-modellen.
Jeg vil lade Mark Chaikin selv fortælle historien. Oversættelsen er af mig, men ordene er skrevet af hr. Chaikin selv.
“Teknisk analyse af både indekser og individuelle aktier skal inkludere volumen i studierne for at give teknikeren et sandt billede af den interne dynamik i et givet marked. Volumenanalyse hjælper med at identificere interne styrker og svagheder, som findes i beskyttelsen af kursusudviklingen. Meget ofte er volumenafvigelser i forhold til prisbevægelser de eneste tegn, vi får på, at en vigtig trendvending er nært forestående. Mens volumen altid er blevet nævnt af ingeniører og fundet vigtig, er der ikke blevet gjort meget effektivt arbejde for at udvikle volumenmodeller, før Joe Granville og Larry Williams begyndte at se på volumen i forhold til hastighed i sidste halvdel af 1960’erne på en mere kreativ måde.
I mange år var det accepteret, at volumen normalt steg og faldt sammen, og når dette forhold ændrede sig, ville prisudviklingen blive undersøgt for en mulig trendvending. Granvilles OBV-koncept, som ser den samlede volumen på en optur som akkumulering og den samlede volumen på en nedtur som distribution, er et udmærket koncept, men alt for simpelt til at være af reel værdi. Årsagen til dette er, at den genererer alt for mange toppe og dale, både på kort og mellemlang sigt, hvilket OBV bekræfter ekstreme priser. Men når en OBV-linje giver et divergenssignal mod den ekstreme pris, kan det være et værdifuldt teknisk signal, der normalt vender prisudviklingen.
Larry Williams tog OBV-konceptet og forbedrede det. For at afgøre, om der var akkumulation eller distribution i markedet eller i en individuel aktie på en given dag, sammenlignede Granville lukkekursen med den foregående lukkekurs, hvor Williams sammenlignede lukkekursen med åbningskursen. Han (Williams) skabte en såkaldt. Kumulativ linje ved at lægge en procentdel af den samlede volumen til linjen, hvis lukkekursen var højere end åbningskursen, og trække en procentdel af den samlede volumen fra, hvis lukkekursen var lavere end åbningskursen. Akkumulerings-/fordelingslinjen blev væsentligt forbedret i forhold til den klassiske OBV-tilgang til volumendivergens.
Williams gik så et skridt videre, da han analyserede Dow Jones Industrials, ved at skabe en oscillator af akkumulerings-/fordelingslinjen og fik stadig bedre købs- og salgssignaler. I begyndelsen af 1970’erne blev åbningskursen fjernet fra aviserne, og Williams’ formel blev svær at bruge uden en række daglige telefonopkald til en børsmægler, der havde adgang til åbningskurserne. På grund af dette hul skabte jeg Chaikin-oscillatormodellen ved at erstatte Williams-åbningskursen med dagens gennemsnitskurs og tog også konceptet et skridt videre ved at anvende oscillatoren på aktier og råvarer. Chaikin-modellen er en fremragende model til at generere købs- og salgssignaler, når dens bevægelser sammenlignes med prisbevægelser. Jeg er overbevist om, at det er en betydelig forbedring i forhold til det arbejde, der gik forud.
Formålet med min oscillator er tredelt.
Den første påstand er, at hvis aktien eller indekset lukker over sit midtpunkt for dagen (defineret som [high + low] / 2), så var der akkumulering den dag. Jo tættere en aktie eller et indeks lukker på sit højdepunkt, jo mere akkumulering var der. Omvendt, hvis en aktie eller et indeks lukker under sit midtpunkt for dagen, var det en distributionsdag. Jo tættere på slutkursen, en aktie lukker, jo mere distribution var der den dag.
Den anden påstand er, at med en sund stigning følger en stigning i volumen og en stærk volumenakkumulering. Da volumen er brændstoffet i et rally, er det et tegn på, at der er mindre brændstof til at føre aktien videre opad, hvis volumen halter bagefter i et rally.
Omvendt er fald ledsaget af lavere volumen, men ender med en panikagtig afvikling fra institutionelle investorer. Derfor ser vi efter en stigning i volumen og derefter lavere lavpunkter under reduceret volumen med en vis akkumulering, før en gyldig bund kan udvikles.
Det tredje forslag er, at man ved hjælp af Chaikin-modellen kan overvåge volumenstrømmen ind og ud af et marked. Ved at sammenligne dette flow med prisudviklingen kan man identificere toppe og dale, både på kort og mellemlangt sigt.
Da ingen teknisk model fungerer hele tiden, foreslår jeg, at man bruger modellen sammen med andre tekniske modeller for at undgå problemer. Jeg foretrækker at bruge et prisinterval omkring et 21 dages glidende gennemsnit og en overkøbt/oversolgt-model sammen med Chaikin-modellen for at få de bedste korte og mellemlange tekniske signaler.
Det vigtigste signal, der genereres af Chaikin, opstår, når prisen når et nyt højdepunkt eller et nyt lavpunkt i et rebound, især på et overkøbt eller oversolgt niveau, og modellen ikke formår at overskride tidligere ekstremer og derefter vender retningen.
1. Signaler i den mellemliggende trend er mere pålidelige end dem, der går imod trenden.
2. Et bekræftet højdepunkt eller lavpunkt indikerer ikke nogen yderligere prisudvikling i den retning. Jeg betragter det som en ikke-begivenhed.
En anden måde at bruge Chaikin-modellen på er at se retningsændringen i modellen som et købs- eller salgssignal, men kun i retning af trenden. Hvis en aktie f.eks. ligger over sit 90 dages glidende gennemsnit i en opadgående trend, og oscillatoren vender opad, mens den er i negativt område, genereres der kun et købssignal, hvis aktien ligger over sit 90 dages glidende gennemsnit – ikke under.
En nedadgående vending, mens oscillatoren er i positivt territorium (over 0), vil generere et salgssignal, hvis aktien er under sit 90-dages glidende gennemsnit.
Chaikin beregnes ved at trække et 10-dages eksponentielt glidende gennemsnit på linjen Akkumulering/Distribution fra et 3-dages eksponentielt glidende gennemsnit på linjen Akkumulering/Distribution.
Fortolkning:
Ovenfor har jeg oversat Mark Chaikins egen tekst og inkluderet et billede, hvor han illustrerer, hvordan det skal se ud. Det er hans egen fortolkning.
Chaikin er simpelthen MACD anvendt på A/D-linjen.
I vikingen kunne det se sådan ud:
Da vi har lært ikke at stole på en enkelt model, og vi nu har identificeret en divergens, bruger vi andre modeller til at bekræfte og, om nødvendigt, revidere dem. give os salgs-/købssignaler.
Det er nødvendigt at vælge modeller, der supplerer hinanden, og undgå at bruge modeller, der viser de samme ting. Det er derfor overflødigt at producere Momentum og/eller MACD sammen med Chaikin. De er alle baseret på de samme ting. Stochastic, CCI og RSI er alle ‘banding’-modeller (momentum), der er gode til at vise overkøbte og oversolgte positioner. De er et godt supplement til Chaikin.
Her viser jeg Chaikin og RSI på samme tidsskala. RSI giver bekræftelse og salgssignal, mens Chaikin giver en tidlig advarsel om, at noget er ved at ske. Selvfølgelig søger vi også bekræftelse i den volumen og de formationer, vi tegner i vores diagrammer.
En god kombination for Chaikin kunne være følgende:
Chaikin-modellen – En volumenmodel, der ikke følger en trend, til at identificere købs- og salgspres.
RSI – En momentum-model, der bruges til at identificere potentielle overkøbte og oversolgte positioner.
Glidende gennemsnit – En trendfølgende model til at identificere den underliggende trend i aktien.
Price Relative – En sammenligningsmodel til at identificere aktiens styrke i forhold til f.eks. en branche eller et OMX-indeks.
Disse fire modeller har meget lidt til fælles og supplerer hinanden meget godt.
Passus:
I modsætning til en momentum-model påvirkes Chaikin-modellen ikke af dag-til-dag-prisændringer. I stedet fokuserer den på slutkursens position i forhold til en periode. Det er Chaikin-modellens styrke, men også dens svaghed. Pga. Fordi den ikke afspejler de daglige valutakursændringer, kan store forskelle nogle gange ikke afspejles i modellen. Nogle gange kan det endda bevæger sig i den modsatte retning af ‘Gappet’ og giver et misvisende billede.
Så længe Chaikin-kurven er over 0-linjen, er den bullish.
Chaikin-modellen er velegnet til kortsigtet handel og bør bestemt ikke bruges alene.
Kilde: Greger
CHAIKIN
En god model til dem, der ønsker at træffe beslutninger hurtigt. Modellen reagerer hurtigt på ændringer og er velegnet til dem, der følger prisen tæt. Nu tror du måske, at CHAIKIN kun er egnet til daytrading, men modellen er også velegnet til handel med ugentlige og månedlige data. Modellen reagerer således hurtigt på en ændring i valutakursen, uanset om det er pr. minut, dag, uge eller måned. Den gode nyhed er, at du kan få hjælp til at sælge og købe hurtigt. Nogle gange for hurtigt. For når prisen stort set er stationær, er der for mange signaler. Det er dog kun muligt at afgøre bagefter, om prisen var stagnerende i et par dage eller uger.
Den største fordel er nok, at risikoen reduceres, da du hurtigt får signalet til at sælge. Det har også den effekt, at du sælger aktier, der klarer sig dårligt, køber nye, sælger nogle igen, køber igen og til sidst ender i aktier, der klarer sig godt.
Chaikin-diagram
I diagrammet nedenfor kan du se, at signalerne kommer ved alle yderpunkter, både ved toppene og ved bundene. Men når prisen bevæger sig sidelæns, skal der ikke meget til at signalere det. Som bruger er det svært at vide, om det er et breakout-signal eller bare endnu et signal. Så kan du stole på volumen. Hvis der er en kraftig stigning i volumen, vil du få en indikation af, hvor prisen er på vej hen. Det første diagram er et ugediagram, dvs. at en søjle viser den højeste og laveste pris i løbet af en uge.
En rød linje er et salgssignal, og en grøn linje er et købssignal.
Når vi så skifter til et dagligt diagram med Chaikin og den samme aktie, er der betydeligt flere signaler. Vil der være større overskud? Desværre er det med denne model ikke muligt at vide på forhånd, hvilken der vil være den bedste. Er det daglige, ugentlige eller månedlige kurser? For dem, der kan lide at handle på aktiemarkedet, vil du kunne lide modellen, fordi der ofte sker noget.
Gode indstillinger
I gennemsnit passer indstillingerne for middelværdi 1 = 8 og for middelværdi 2 = 15. Gælder for alle tidsserier, dag, uge, måned.
De bedste indstillinger varierer fra aktie til aktie, og om det er daglige, ugentlige eller månedlige data.
Chaikin i detaljer
Modellen er en videreudvikling af ADVolume-modellen, hvor AD står for akkumulering/distribution. Den bruges til at bekræfte eller afvise en trend. Den er velegnet til kortsigtet handel.
Chaiken-kurven beregnes som forskellen mellem en “MV 1-længde” kort gennemsnitlig ADV-volumen og en “MV 2-længde” lang gennemsnitlig ADV-volumen.
Her er to eksempler på anvendelse af Chaiken-modellen:
1) Kombiner Chaiken med kurven. Svaghed indikeres, hvis prisen når en ny, højere top, mens Chaiken ikke når sin tidligere top.
2) Styrke er indikeret, hvis prisen når en ny, lavere bund, mens Chaiken ikke når under sin tidligere bund.
Indikationerne forstærkes, hvis RSI-modellen viser en overkøbt eller oversolgt situation.
Modellen bruger følgende strategi for signaler.
1) Et købssignal opnås, hvis Chaiken-kurven ændrer retning fra faldende til stigende, mens priskurven er i en stigende trend, defineret på en passende måde. For eksempel kan trenden defineres som stigende, hvis slutkursen ligger over et passende valgt langt gennemsnit, i modellen sat til 5.
2) Et salgssignal gives, hvis Chaiken-kurven ændrer retning fra stigende til faldende, mens priskurven er i en faldende tendens, modellen bruger betingelsen om, at slutkursen skal være lavere end den foregående dags slutkurs.
Bemærk, at købs- og salgssignalerne her går i retning af den aktuelle trend, dvs. købssignaler, når kurstrenden er stigende, dagens slutkurs over 5-dages gennemsnittet, og salgssignaler, når den aktuelle kurstrend er faldende, dagens slutkurs under gårsdagens.
Ved at sammenligne højden af toppe og dale på priskurven og Chaiken-kurven er det muligt at lave antagelser om den fremtidige prisudvikling.
Formlen er som følger:
Først beregnes et forholdstal med tælleren som (slutkurs – laveste kurs) minus (højeste kurs – slutkurs) og nævneren som (højeste kurs – laveste kurs).
Forholdet ganges derefter med volumen.
Indstillinger:
MV 1 length = længden af det kortsigtede gennemsnit af ADVolume.
MV 2 length = længden af det lange gennemsnitlige ADV-volumen.
