平均情绪震荡指标

策略解读

“平均情绪震荡指标”这个名字拆开来看，包含三个关键词：平均、情绪、震荡指标。

所谓“情绪”，在交易中不是一个虚无缥缈的概念。市场上涨，是因为买方情绪占优；市场下跌，是因为卖方情绪占优。每一根K线，从开盘到收盘，从最高价到最低价，其实都留下了多空双方交战的痕迹。问题是，这些痕迹往往很杂乱，单看一根K线容易误判。比如一根长长的上影线，可能代表上方抛压沉重，也可能只是买方的一次主动试盘；一根光头光脚的大阳线，通常说明多头火力全开，但也不能排除是主力诱多。

“平均情绪震荡指标”的思路，是用统计平均的方式，把整个回看周期内所有K线的多空力量做一次“汇总投票”。不是看某根K线说了什么，而是看一大群K线整体站在哪一边。这就像民调：单个人可能撒谎，但大样本的平均倾向往往能反映出真实氛围。作者说它“相对准确”，这个措辞很克制，因为K线只是市场行为的结果，而不是参与者内心的直接测量。再好的OHLC派生指标，也只能通过价格行为“反推”情绪。

从指标定位来看，它属于动量/趋势类工具。动量关注的是价格变化的内在强弱，趋势关注的是价格持续移动的方向。把多空百分比做成震荡指标之后，我们既可以用它来观察动能是否衰竭，也可以用它判断当前趋势是否健康。当数值长期运行在50以上，说明多方整体占优；长期运行在50以下，则说明空方掌握话语权。

作者还透露了一个重要结构：这个指标由两种算法组合而成。两者“本质相同，但应用方式不同”。这句话的潜台词是，单一算法可能在某些市场状态下反应迟钝或过度灵敏，于是把两种同源但路径不同的计算方式结合起来，互相校准。第一种算法已经说得很清楚：逐根K线计算多空占比，然后取周期平均。第二种算法虽然细节没有公布，但可以理解为把同样的“相对位置”思想，作用在另一条处理路径上。比如先对价格做平滑，再计算整体平均占比，或者在计算过程中赋予不同K线不同的权重。这样一来，最终指标既有“逐根投票”的敏感，又有“整体汇总”的稳定。

名词解释

• OHLC：即 Open（开盘价）、High（最高价）、Low（最低价）、Close（收盘价）的缩写。它是K线的基本构成要素，也是绝大多数技术指标的数据来源。
• 动量：指价格变化的速度或力度。动量大，说明一波行情走得快且坚决；动量小，说明行情在犹豫或衰竭。
• 震荡指标：一种围绕固定区间上下波动的技术指标，常见的区间是0到100或-1到1。它用来衡量价格是否过度延伸，或者内部动能是否正在转变。
• 情绪指标：试图量化市场参与者整体情绪的指标。情绪指标既可以通过问卷调查、期权持仓、看涨/看跌比率得到，也可以通过OHLC价格推算得到。
• 趋势过滤器：一种用来判断当前是否允许交易的辅助条件。例如大周期上指标大于50，则只考虑做多，小于50只考虑做空。它的作用不是给出精确买卖点，而是过滤掉逆势信号。
• 超买/超卖：当指标数值过高（通常接近区间上沿），说明买方力量短期过度透支，价格可能回落，称为超买；反之，指标数值过低说明卖方力量过度透支，价格可能反弹，称为超卖。
• 背离：价格走势与指标走势方向不一致的现象。比如价格创新高，但指标高点却不断降低，说明上涨的动量并不认同价格，往往预示着反转。
• 回看周期：指标计算中所使用的K线数量。周期越长，指标越平滑，但反应越慢；周期越短，指标越敏感，但噪音越多。

策略思路讲解

一、核心思想：把每一根K线变成一张“情绪选票”

要理解这个指标，只需要记住一个核心概念：K线的收盘价落在最高价与最低价之间的位置，本身就是多头力量的直观度量。

假如一根K线的最高价是100，最低价是90，收盘价是98。那说明收盘时价格维持在接近最高价的位置，买方在收盘阶段仍然占据明显优势。如果收盘价是91，则说明卖方成功把价格压制在低位，空头占优。

如果把这一相对位置换算成0到100的百分比，就可以得到“多头占比”：

• 收盘价等于最高价时，多头占比接近或等于100；
• 收盘价等于最低价时，多头占比接近或等于0；
• 收盘价正好处于中间位置时，多头占比为50。

空头占比就是100减去多头占比。这根K线就给出了一张“选票”：数字越大，多头情绪越浓；数字越小，空头情绪越浓。

二、双算法结构：既看个体，也看整体

作者说这个指标是两种算法组合。第一种算法我们已经知道：对每一根K线分别计算多头占比，然后把回看周期内所有K线的多头占比加起来求平均。这相当于“一次一人一票”，每一根K线都有同等的发言权。

第二种算法，本质相同但应用方式不同。我们可以做一个合理推断：它可能是先对整个周期内的OHLC数据进行某种“汇总”或“平滑”，再计算整体的多头占比。例如先算出周期内的平均收盘价、平均最高价、平均最低价，然后看平均收盘价处于平均最高价与平均最低价之间的什么位置。这种算法更看重整体重心的移动，而不是单根K线的波动。

把两种算法结合在一起，最终指标就可以同时具备两种视角：第一种视角灵敏、贴近价格，但容易被单根异常K线干扰；第二种视角稳健、平滑，但对转折点的反应相对滞后。两者互补，正好符合“震荡指标”的一般设计逻辑。

三、实战用法

1. 趋势过滤器

这是作者明确建议的用法之一。当指标值长期大于50，且指标的低点不断抬高时，说明平均情绪偏多，这时候应该优先考虑多头方向，尽量不做空或轻仓做空。当指标值长期小于50，且指标的高点不断降低时，说明平均情绪偏空，这时候应该以空头思路为主。

这个用法特别适合趋势跟踪者。它不追求买在最低点，而是帮助交易者避开“逆势重仓”的大坑。例如在强势上涨行情中，价格偶尔回调会让RSI、KDJ等指标跌入超卖区，但“平均情绪震荡指标”仍可能维持在50上方，说明整体情绪没有转空，此时回调反而是顺势买入的机会。

2. 超买超卖与转折信号

震荡指标天然适合寻找极端情绪。当指标值超过80，说明多头情绪极度亢奋，容易出现获利回吐；当指标值低于20，说明空头情绪极度悲观，容易出现技术性反弹。

实战中，可以结合“区间穿越”来设计信号：指标从20以下向上穿越30，视为空头情绪修复，可试探做多；指标从80以上向下穿越70，视为多头情绪退潮，可试探做空。也可以加入一条信号线，当情绪指标向上穿越信号线时做多，向下穿越信号线时做空。

3. 背离观察

背离是动量类指标最经典的用法。价格创出新高，但平均情绪指标却没能创出新高，说明价格虽然上涨，但内在多头动力已经减弱，这是潜在的顶部风险。反过来，价格创出新低，但指标没有创出新低，说明空头动力衰竭，可能酝酿反弹。

需要注意的是，背离信号不能作为唯一依据，最好结合支撑阻力位、K线形态和成交量一起判断。尤其在强单边行情中，背离可能出现多次都未能反转，贸然逆势操作风险很大。

4. 多周期共振

“平均情绪震荡指标”本身可以应用于任何周期。比较稳健的做法是：在大周期上，用指标方向判断市场基调；在小周期上，等待指标出现顺势的拐点信号。例如大周期指标大于50，小周期指标从低位上穿，说明小周期回调可能结束，此时入场做多的胜率会更高。

优点

第一，把复杂的多空博弈压缩成一条直观曲线。0到100的数值让情绪变得可量化、可比较、可复盘，不需要主观猜测市场是“偏多”还是“偏空”。

第二，具有一定平滑性。由于指标是对一个周期内所有K线的多空占比进行平均，单根K线的极端波动只会造成有限影响。相比只看单根K线或简单价格位置，它对噪音的容忍度更高。

第三，适用范围广。它既可以用作趋势过滤器，也可以用作进出场信号，还可以用于背离分析。无论是股票、期货、外汇还是加密货币，只要存在OHLC数据，理论上都可以应用。

第四，双算法设计能够互相校准。两种算法本质上反映同一件事，但处理路径不同。这种“冗余设计”可以减少单一算法在特殊市场状态下的误判，提高指标可信度。

第五，具有普遍的技术分析逻辑基础。“多头占比取均值”本质上与RSI、KDJ等经典指标的思路一脉相承，更容易被投资者理解和接受，也方便与其它指标组合使用。

缺点

第一，情绪只是“价格情绪的代理”。它使用OHLC价格来推断市场情绪，但真正的市场情绪还包括成交量、持仓量、订单流、新闻事件、宏观预期等。纯价格指标无法触及这些层面，因此其“情绪”定义是片面的。

第二，存在滞后性。平均化处理在滤除噪音的同时，也必然延迟信号反应。当市场快速反转时，指标可能仍然停留在原有区域，等指标给出信号时，行情已经走了一大段。

第三，在震荡市中容易产生连续假信号。当市场没有明确趋势、多空反复易手时，指标会频繁穿越50或30/70阈值，导致交易者频繁止损。

第四，参数周期对结果影响很大。回看周期太短，指标噪音大；回看周期太长，指标反应迟钝。而最优周期会随品种、周期和市场环境变化，单一固定参数很难始终有效。

第五，缺少经典统计学意义上的“确定性”。指标值的绝对高低虽然能反映多空比例，但并不等于未来涨跌概率。高位可以更高，低位可以更低，在极端单边行情中，超买和超卖可能长期维持。

起源年份考证

需要说明的是，这里考证的是“该类方法”的行业公认时间线，而不是“平均情绪震荡指标”这个具体指标的发布时间。由于公开资料中缺乏权威出处，该指标本身的确切发布年份无法考证。

时间线如下：

• 20世纪30至40年代：技术分析领域开始出现内部市场指标，例如腾落指数、买卖广度指标等，人们尝试用市场内部结构判断整体情绪。但当时的计算主要依靠人工，尚未形成成熟的“OHLC多空占比平均”方法。
• 1978年：J. Welles Wilder Jr. 提出相对强弱指数（RSI）。RSI将一定周期内的平均上涨幅度与平均下跌幅度进行比较，并映射到0到100区间。这种方法为后来的动量震荡指标提供了重要范本，也与“平均多空百分比”思想一脉相承。
• 1980至1990年代：计算机行情分析逐渐普及，基于OHLC的指标大量涌现。Alexander Elder在1993年前后提出多头力量（Bull Power）和空头力量（Bear Power），通过价格与长期均线的距离来衡量多空动能，进一步强化了“用价格派生情绪”的技术分析体系。
• 2000年代至2010年代：互联网交易社区繁荣，许多个人开发者开始把经典想法变成可回测的指标。类似于“平均情绪震荡指标”的理念在公开交易社区中陆续出现，它们通常借鉴RSI的平均思想，也借鉴Elder等人的力量对比模型，再以多空占比的形式呈现。
• 2010年代末至2020年代初：随着算法交易和量化研究的普及，情感分析、社交媒体情绪、期权偏斜等多维情绪指标兴起。与此同时，基于OHLC的简化情绪指标仍然活跃在技术分析圈，成为趋势交易者的常用辅助工具。

总体而言，“平均情绪震荡指标”所属的“多空百分比平均”这个类别，最核心的思想萌芽可以追溯到1978年RSI的提出。而公开社区中出现的类似指标，大多属于2010年之后的当代版本。

改进建议

第一，引入成交量加权。单纯用OHLC计算多空占比，忽略了成交量差异。例如一根小成交量阳线和一根巨量阳线，对市场情绪的贡献不应相同。将每一根K线的多头占比按成交量加权后再平均，可以让近期真实参与的资金拥有更大发言权，提升指标的有效性。

第二，设计自适应周期。固定回看周期在不同波动率环境下表现不稳定。可以考虑根据市场波动率自动调整周期：波动大时缩短周期，提高反应速度；波动小时延长周期，提高平滑度。也可以让周期随价格趋势的延展而动态变化。

第三，增加一条信号线或上下通道。单一曲线在震荡区间的穿越信号容易失效。可以加入信号线，例如对指标本身再做一次短周期平均，当两根线交叉时产生信号；也可以加入标准差通道，只有指标突破通道才视为有效极端情绪。

第四，结合均线趋势结构。用中长期均线的斜率判断大方向，然后只在大方向允许的范围内操作。例如均线向上时不考虑做空，只等待情绪指标从低位回升后做多。这样能有效过滤“顺势初期”的假信号。

第五，加入波动率标准化。可以把多空占比的计算从“最高价与最低价之间”拓展到“参考一个波动率调整后的区间”，并在计算时考虑ATR（平均真实波幅）的影响。这样，在高低点被瞬间拉大的极端行情中，指标不至于因为价格剧烈波动而产生误导性数值。

第六，进行多周期综合评分。不要只看单一周期，而是将长、中、短周期的指标分别取值，并赋予不同权重。例如当前周期值占40%，更高级别周期占40%，更低级别周期占20%，得到一个综合情绪分。这种处理方式能减少单一周期错误信号带来的干扰。

第七，用统计阈值代替固定阈值。不同品种的指标分布差异很大，固定80/20阈值可能并不合适。可以观察过去一段时间指标的实际分布，用历史分位数动态确定超买超卖区间，使指标对每个品种都具有“自适应”能力。

总结

“平均情绪震荡指标”是一个思路清晰、结构扎实的动量/趋势类指标。它把每一根K线的OHLC变成了一张多空情绪选票，再通过平均化处理，把市场在一段时期内的集体情绪压缩成一条0到100的曲线。这种处理方式既延续了RSI以来的经典震荡指标思想，也体现了现代交易者对“市场情绪量化”的朴素追求。

它的优点在于直观、平滑、适用面广，既能作为趋势过滤器，也能用于进出场信号和背离判断。但它也有明显的局限：情绪只能由价格行为间接推断，指标天然滞后，在震荡市中容易产生反复打脸信号。因此，它更适合作为交易系统中的一部分，而不是单独的“圣杯”。把它与成交量、趋势结构、波动率、多周期分析结合，才能真正发挥其“平均情绪”的价值。

交易的本质是概率判断。平均情绪震荡指标提供了一种相对可靠的“市场体温计”，但体温计不会告诉我们明天是否会下雨，也不会告诉我们该穿多少衣服。真正有用的，是我们如何看待体温变化，以及如何把这份观察纳入更完整的交易决策之中。