成交额

简介:
目录
基本概念
成交量与街货量
成交额与成交量
成交量净额

    基本概念

      成交额指当天(已)成交股票的金额总数。

    成交量与街货量

      绝大部分投资者对成交量的概念都已经十分熟悉,在此,我们只做简略的概括。某一权证的日成交量是当天该权证总共成交的数量。成交量的多少,不仅取决于市场的投资热情,还取决于相应产品的吸引力大小,以及投资者对该产品的熟悉程度。例如,市场看涨气氛浓厚的情况下,认购证就会吸引较多的投资者进行买卖,尤其是一些杠杆水平较高、对应正股较受关注的认购证,一般来讲交投会比较活跃,相应的成交量也会较大。
      而街货量则是与成交量大为不同的另一个概念。在实行做市商制度的备兑权证市场,权证的发行商不仅负责提供报价,还要负责提供市场的流动性。因此,每日收市后一部分权证留在发行商手中,另一部分权证则在公众投资者手中,这部分由公众投资者持有的权证数量就称为街货量。街货量越大,说明愿意持有此权证过夜的人越多,反之亦然。
      对于街货量较少的权证,发行商对权证的价格控制能力较强,权证的价格也因此表现得较为理性。街货量较大时,发行商对权证价格的控制能力则较弱,权证的价格主要由普通投资者和专业投资者共同决定,并且很大程度上受供求关系的影响。这时候,权证的市场价格很容易受市场情绪左右,同时发行商做市的积极性也会有所降低。
      街货量在权证的投资过程中,有着比成交量更为明确的参考意义。尤其是高街货权证的价格走势,大致上可以代表投资者对后市的乐观、悲观或谨慎态度。例如在一只权证的街货量水平已经较高时,如果认购证价格走势优于正股,则可认为投资者对后市持乐观的态度。
      另外,投资者还可以根据市场情绪的变化情况,选择投资不同街货量的权证。例如在市场情绪高涨的时候,可以考虑参与高街货量的权证。由于投资者的看法趋于一致,权证价格很有可能随着投资者的热情而步步攀高,使权证的持有者有意想不到的收获。当然投资者同时也要承担一定的风险,尤其是当市场情绪逆转时,权证的持有者会争相卖出权证,使得权证的价格跌势较急。

    成交额与成交量

      在证券交易所大厅的电子屏幕上和报纸颂的前一日股票行情表上,常出现成交量和成交额两个指标。
      成交量是指某一特定时期内(报纸公布的是前一日一个交易日的),在交易所交易市场成交的某种股票的数量,其单位某种股票的的股数计算。
      成交额是指某一特定时期内(同上),在交易所交易市场成交的某种股票的金额,其单位以人民币“元”计算。
      这两个概念其实是一码事,只是表现形式不同,我们可以将买者买进股票算成交金额,卖者卖出股票成交数量。这两个数字大,说明股票交易活跃,换手率大,如数字小,说明交易平淡。

    成交量净额

      OBV的英文全称是onbalancevo1ume,中文名称直译是平衡交易量。
      在了解OBV的计算之前,先要对两个专有名词有所认识,一为“收集”,另一为“派发”。
      所谓“收集”指大户做手暗地里在市场内逢低进货,逢高出货。在大户本身尚未吃进足够的筹码之前,大户一边出货打压行情,一边暗地吃进,出少进多而不让行情上涨。等到大户握有相当筹码之后,即“收集”完成之后,大户才开始大力买进以促使行情大幅上涨。
      相反地,“派发”指大户做手暗地里逢高卖出,逢低买进,此时出多进少,在大户手头上的筹码出逃得差不多时,才一股脑大力杀出,以求获利了结。
      “收集”与“派发”几乎全在暗地里进行。OBV的理论即希望能够从价格变动与成交量增减之间的关系,推测市场内的情况是在“收集阶段”或“派发阶段”。
      1.OBV的计算公式
      计算OBV非常简单。当今日收盘价高于昨日收盘价是,今日的成交量为“正值”。而当今日收盘价地域昨日收盘价时,则今日的成交量为“负值”。一连串时间的正负值成交量累积相加,即为OBV值。
      还有一种以当日的最高价、最低价及收盘价三个价位加以平均的需求值替代收盘价来计算OBV值,以制作OBV线,称为成交量多空比率净额法。计算公式如下:
      VA=V×[(C-L)-(H-C)]/(H-C)
      注意:VA为成交量多空比率净额值,H为最高价,C为收盘价,L为最低价,V为成交量。以收盘价减去最低价(C-L),表示多头买进的力量强度。而最高价减去收盘价(H-C),表示空头卖出的力量强度。
      一般技术分析专家认为,光是观察OBV的升降,并无意义。OBV须配合图表的走势,才有实际的效用。若当OBV曲线与价格趋势出现“背离”走势是,则可用以判别目前市场内,处于“收集”或“派发”状况。
      2.OBV的应用
      1)OBV下降,行情上升时,为卖出信号,表示买盘无力。
      2)OBV上升,行情下降,为买进信号,表示逢低接手转强。
      3)OBV缓慢上升,为买进信号,表示买盘转强。
      4)OBV急速上升,为卖出信号,表示买盘全力介入,多头即将力竭。
      5)OBV值从正的累积数转为负的累积数时,为下跌趋势,持仓应做空。反之,OBV从负的累积数转为正数,则应该跟进做多。
      6)若在OBV线的累计值高点,价格无法突破,此为上涨压力带,行情经常会在此高点遇阻而反转,需特别注意。
      7)运用OBV线时,需配合K线观察,尤其是价格趋势在盘档能否一举突破压力带,OBV线的变动方向是重要指标。
      8)若OBV线自上而下跌破其12日移动平均线,为卖出信号。若OBV线自下而上穿破其12日移动平均线,为买入信号。
      9)应特别注意OBV线与价格线之间的背离现象,一有此种情形出现,暗示行情短时间内会有变动。10)OBV线对双重顶(M头)第二个高峰的确定有较标准的显示,当行情自双重顶的第一个高峰下跌又再次回升时,若OBV线能随行情趋势同步上升,价量配合则可能持续多头市场,并出现更高峰。相反,若行情再次回升时,OBV线未能同步配合,反而下降,则可能即将形成第二个峰顶,完成双重顶的型态,并进一步导致行情反转回跌。
      3.OBV的优点和缺点
      1)OBV的优点:
      在交易市场内资金的流向,在大部分的情况下,均是以不动声色的进行。OBV虽然无法很明显的提出资金流向的理由,但是当不寻常的大成交量于高价圈或低价圈产生时,可以可以警示投资者抢先研判市场内多空倾向。
      2)OBV的缺点:
      OBV的原理过于简单,其出现的信号,通常无法区别是否与随机产生的突发性消息有关。一项突发性的谣传消息,会使得成交量有不平常的变动。
      在计算OBV时,仅用收盘价的涨跌当依据,显然有失真现象。例如当天最高价曾涨100点,但收盘价反而跌5点,这种情况OBV的功用无法完全真实的反应。针对这种失真现象,有人尝试以”需求指数“(DEMANDINDEX)来代替收盘价。”需求指数“即将最高价、最低价与收盘价三个价位加以平均。这种补救方式亦可用至移动平均线、MACD等计算。
    关键字: 成交额, 成交量
    转载请注明出处[ http://samlin.cnblogs.com/] 
    作者赞赏
     


    刚做的招标网: 八爪鱼招标网 请大家多意见
    分类:  股票指标
    标签:  股票指标

    本文转自Sam Lin博客博客园博客,原文链接:http://www.cnblogs.com/samlin/archive/2008/12/17/1356709.html,如需转载请自行联系原作者
    目录
    相关文章
    |
    4月前
    |
    传感器 测试技术 开发工具
    通义灵码添加上下文能力怎么用?一篇看懂
    Qwen3系列混合推理模型已全面开源,其中Qwen3-235B-A22B在多项测试中表现卓越。通义灵码现已支持Qwen3,并上线编程智能体,具备自主决策与工具使用能力,可完成编码任务。开发者可通过多种方式添加上下文(如代码文件、图片、Git提交等),增强交互效果。体验地址:https://lingma.aliyun.com/download。
    384 35
    |
    11月前
    |
    XML Java 数据格式
    提升效率!Spring Boot 开发中的常见失误轻松规避
    本文深入探讨了在 Spring Boot 开发中常见的失误,包括不当使用注解、不良异常处理、低效日志记录等,提供了有效的规避策略,帮助开发者提升代码质量和系统性能,构建更健壮、高效的应用程序。
    |
    图形学 Python 容器
    【PyQt5桌面应用开发】3.Qt Designer快速入门(控件详解)
    【PyQt5桌面应用开发】3.Qt Designer快速入门(控件详解)
    2543 0
    |
    存储 人工智能 前端开发
    我们应该如何用好 AI?从 ChatGPT 到编程语言、大数据、前端
    如此强大的 AI 能力,会给工作带来什么变化?作为工程师,工作机会是否会面临来自 AI 的威胁或者替代,我们应该如何在工作中更好地使用 AI?以下是我的观察和理解,本文不是硬核的 AI 技术解读,更多是从产品和应用角度阐述,我会先分享4个我认为内容较好的外部输入,然后是个人观点探讨。
    1805 2
    |
    1天前
    |
    弹性计算 关系型数据库 微服务
    基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
    在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
    1052 0
    |
    10天前
    |
    人工智能 运维 安全
    |
    1天前
    |
    弹性计算 Kubernetes jenkins
    如何在 ECS/EKS 集群中有效使用 Jenkins
    本文探讨了如何将 Jenkins 与 AWS ECS 和 EKS 集群集成,以构建高效、灵活且具备自动扩缩容能力的 CI/CD 流水线,提升软件交付效率并优化资源成本。
    240 0
    |
    8天前
    |
    人工智能 异构计算
    敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
    敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
    |
    8天前
    |
    人工智能 测试技术 API
    智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
    在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
    |
    9天前
    |
    机器学习/深度学习 人工智能 自然语言处理
    B站开源IndexTTS2,用极致表现力颠覆听觉体验
    在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
    718 23