基本面数据库的建立

要如何准确的抓住黄金中长线的行情且能从中获利?我相信这是许多小伙伴关心的话题,接下来我将以如何建立中长线的基本面数据库模型:

黄金商品基本面的分析需囊括整个宏观经济面,何谓【宏观经济面】?就是包含了目前国际四大主经济体美国、中国、欧洲、日本的政经新闻消息,因黄金价格较受美元指数波动影响,所以美国政经消息尤显重要;再来便是这几大经济体每周或每日的经济数据报告,这部份在金十交易的网站中都能留意到,建议留意三颗星以上的数据即可;而机构的持仓报告也可做为宏观趋势考虑的参考,包含CME芝商会公布的金属类商品持仓报告、CFTC美国期交会的商品类非商业持仓报告、世界各大交易所的贵金属成交报告、黄金ETF的黄金持仓报告,这都将做为我们判断黄金行情趋势的考虑;近期的话则须留意美国国家债卷的收益率,以及FEDWATCH中对于降息的预期,也都关系到金价的走势。

在每个基本面分析数据出来后,我们会发现非常混乱,有些数据直接影响到行情,有些数据则平平淡淡,并未给行情带来任何波动,那将如何整理成一套有效的信息来协助我们对未来的行情做出预判,那就是要建立一个完整的基本面数据库,以下将针对这部份来做分享。

以黄金交易来说,数据库的建立我将他分成三大类,第一类是所谓的新闻面消息;第二类则是经济数据消息;第三类则是投行机构消息,而依据这些基本面对行情走势的影响,我分别将其设置权重为第一类40%;第二类40%;第三类20%,再来我们便针对这三大类下去做细项说明;

第一类 新闻面消息

新闻面消息包含了每日全世界的政经新闻、相关会议新闻、官员谈话新闻等,这些都是比较突发性会立即影响到行情走势,而在这些新闻发布后,我们先将这些新闻区分为两大区块,第一区块是利多新闻;第二区块是利空新闻,这两个权重值分别设置为第一区块:+100%;第二区块-100%。然后在针对利空以及利多的再细分为两个细项,分别是第一行情大幅波动;第二行情稍为波动,这两个细项的权重分别为第一项70%;第二项30%。

这样每条新闻出来后就会有一个总分,我以美联储降息的新闻来举例,假设美联储主席透露将在9月份降息50个基点,这条新闻出来后势必引发黄金行情大涨,那这条新闻就是【利多新闻】,会获得一个数值1;然后这波行情为目前黄金走势带来大幅度的波动,那将再迭加一个70%的权重,数值将会提升到1.7,而新闻面占三大类的40%的权重,最终将获得一个0.68的数值而Key入数据库中。

第二类 经济数据消息

经济数据消息包含了每天亚洲市场、欧洲市场、美洲市场的一些重大数据公布,一般以我做黄金为主,所以我比较关注的还是美国市场的消息,因为那会直接影响到美元指数,像目前金十数据网站都有提供每天的重要经济数据,大家可以留意3颗星以上的经济数据即可。而在这些经济数据公布后,我一样会把他跟新闻面消息一样,区分为两大区块及两大细项,一样从得出来的数值将其Key入到数据库中。

第三类 投行机构持仓报告

投行机构持仓报告包含CME美国芝商会的金属类商品成交报告、CFTC的商品类非商业持仓报告、CME芝商会的FEDWATCH、全球最大黄金ETF-SPDR的持仓报告、世界各贵金属交易中心的成交报告、黄金协会提供的各国央行黄金持仓报告等,我以CME美国芝商会的金属类商品成交报告为例来给大家做说明,首先将其分为两类,第一类为净多头权重值为100%;第二类为净空头权重值为-100%。再来针对其未平仓口数分成三个区块,第一个区块为未平仓合约在30万以下,权重值设定为15%;第二个区块为未平仓合约在30-60万间,权重值设定为30%;第三个区块为未平仓合约超过60万,权重值设定为55%。我来给大家举个范例,假设今天黄金的成交报告,净空头未平仓口数在45万口,那首先我们会得到一个净空头的数值-1,在迭加上45万口的权重值30%,得到的数值就是 -1.3,而第三类占总权重的20%,那最后Key到数据库的数据便是 -0.26。

image

那得到这些数据后,怎么去分析预判未来行情的走势?在长期分析基本面得到数据后,数据库中能得到【正】与【负】两种数值,当正面数值与负面数值的比值超过1.5,代表目前大趋势走向为多头行情;当正面数值与负面数值的比值于1.2-0.8之间,代表大趋势行情将进入盘整波段,而当正面数值与负面数值的比值低于0.5,代表目前大趋势走向为空头行情。但数据库的建立需要相当长的时间,建议刚开始建立自身的数据库时,可先从三个月前的数据开始建立,后续在一步一步完善。

任何行情的反转,都是消息面讯息的迭加,包含越来越多的利空讯息,或是越来越糟的经济数据等,相信大家都听过一个比喻,在一辆高速行驶的轿车上,如果要他掉头他势必得降低他的速度,然后才回转掉头,行情亦是如此,要反转势必会被拉进盘整,而盘整区块的大小则取决于剎车的力道,也就是消息面讯息丢出来的重要性及连续性,以上针对数据库建立的分享,希望能给大家带来帮助

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,524评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,869评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,813评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,210评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,085评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,117评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,533评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,219评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,487评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,582评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,362评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,218评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,589评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,899评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,176评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,503评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,707评论 2 335

推荐阅读更多精彩内容

  • 才开始入驻简书,感觉无从下笔,只能说明脑袋空空,还需要多阅读,但也看过一个网友说的,没有天赋,不必强求,可能真的要...
    习淼妈阅读 127评论 0 1
  • 每天大脑最活跃的时候就是在下班回家的公交车上。 终于找到了一个地方,可以自说自话,不是QQ空间,没有同学,也不是朋...
    移动的五花肉阅读 223评论 0 0