在所有主觀性質中,價量關係是最難以客觀化的;主因在於這個性質與個別股票的慣性有關,但今天還是會嘗試著做一些整理。
買賣力道的撮合產生成交價格,成交後累計產生成交量;研究成交量、價格、趨勢變化的關係,稱之為價量關係。並且成交量是推動股價的關鍵;一般來說有量才有價,但總是會有例外。而價量關係比較適用大型股,因為流通籌碼量大、成交量大,以及股本大,不易被主力做手控制。
主要的排列組合為「價漲量增」、「價跌量縮」、「價跌量增」與「價漲量縮」。多頭市場會傾向於正常的價量關係:「價漲量增」、「價跌量縮」,但在空頭與盤整市場就不一定。綜合所述,做個小整理:
把價量關係的定義與排列簡單描述後,就會發現其真的太多例外情況;導致很難有客觀的法則可供依循。但對於成交量大到多少還是可以嘗試性做一些範圍定義與數值判斷。首先對於個股進行區分,分為大型股與中小型股。但要如何區分大型股跟中小型股?以下是參考的判斷方式:
然後將大型股與中小型股分別對應到大量、天量、爆量:
這邊以台股最明確的大型股標的「台積電(2330)」做為案例,以判斷在每個交易日的成交量所對應到的範圍。首先讀取看盤軟體的資料,並分別抽出成交量與10日均量的數值:
# 載入從「好神通PLUS」輸出的Excel檔
df = pd.read_excel('Day6.xlsx')
# 抽取「成交量」與「十日均量」
volume = np.array(df['成交量'])
ma10 = np.array(df['MA10'])
撰寫程式進行範圍判斷:
for idx in range(0,len(volume)) :
current_volume = volume[idx]
current_ma10 = ma10[idx]
# 大型股 大量:比10日均量多出30%
check_volume_1 = current_ma10 + ((current_ma10 * 30) // 100)
# 大型股 爆量:比10日均量多出50%
check_volume_2 = current_ma10 + ((current_ma10 * 50) // 100)
# 大型股 天量:比10日均量多出100%
check_volume_3 = current_ma10 * 2
# print('{}:十日均量 = {},大量 = {},爆量 = {},天量 = {}'.format(df.iloc[idx]['時間'].strftime('%Y-%m-%d'),current_ma10,check_volume_1,check_volume_2,check_volume_3))
if current_volume >= check_volume_3 :
print('{}:天量 (成交量 = {} ,十日均量 = {})'.format(df.iloc[idx]['時間'].strftime('%Y-%m-%d'),current_volume,current_ma10))
elif current_volume >= check_volume_2 :
print('{}:爆量 (成交量 = {} ,十日均量 = {})'.format(df.iloc[idx]['時間'].strftime('%Y-%m-%d'),current_volume,current_ma10))
elif current_volume >= check_volume_1 :
print('{}:大量 (成交量 = {} ,十日均量 = {})'.format(df.iloc[idx]['時間'].strftime('%Y-%m-%d'),current_volume,current_ma10))
完整的程式碼於「第六天:價量關係.ipynb」中。
以條列方式說明價量關係的實務應用: