峁砻鳎铝林芷诙允谐〉淖鄣愕姆植加幸欢ㄓ跋臁０凑账睦砺郏颐怯Φ痹诼率甭蚪÷螅诨拊率甭舫觥２还び纫渤腥希铝恋男вκ俏潞偷模て谥芷谝约爸匾男挛攀录芄谎诿黄湫Ч�
不论月亮与28天周期有无联系，这总是一个客观存在，何况它能够解释许多短期技术指标和交易系统的时间参数间题呢。说到底，28天周期是按照日历计算的。如果把它转换成实际交易日，则为20天。我们曾介绍过，很多流行的移动平均线、摆动指。数、周规则等，都是以20天、及其谐波周期10天和5天为基准的。5天、10天和20天移动平均线及其变通形式，4天、9天和18天移动平均线的应用均极广泛。CRB期货图表系统采用的就是10天和40天移动平均线，其中40天周期2倍于20天周期，是后者的上一层次的谐波周期。
在第九章，我们讲解了理查德·唐迁首创的四周规则。如果市场涨出了四周内的新高位，则构成买入信号；如果市场跌出了四周内的新低位，则是卖出信号。现在我们已经掌握了28天的交易局期，就能对四周规则之所以采取四周这一时间参数，以及它之所以效力不凡等间题，有更深的理解了。根据周期理论，如果市场突破了前四周内的高位，那么至少说明，上一层次的周期（八周周期）已经从底部转折向上了。
波峰左移和右移
多年以前，当我致力于期货市场周期的研究时，偶然碰上了波峰左移和右移的概念。直到现在，我始终觉得，这个位移的概念也许是周期分析中最重要的方面。所谓波峰左移和右移，是指实际的周期峰值向左或向右偏离了理论的峰值位置。例如，20天的交易周期是从谷到谷地测算出来的。那么从理论上说，波峰应当出现在离谷10天处，或者说是在两谷的中点上。这样一来，市场就先是10天上涨，然后是10天下跌。然而，很少发生这种理想的情形。朋友们请记住，绝大多数局期的变异出现在其波峰上，而不是波谷上。这就是一般认为波谷更为可靠的原因，也正因此，我们从谷到谷地测算周期长度。
波峰的变化取决于本周期的上一层次周期的趋势方向。如果其趋势向上，那么波峰向理想中点的右侧偏移，产生右移现象。如果上一层次的较长周期处于下降阶段，则波峰向理想中点的左侧偏移，称为左移现象。因此，右移现象是看涨性的，而左移现象是看跌性的。让我们思考一下。上面我们实质就是说，在牛市中，价格将在较长时间内处于上升阶段，而下跌所占的时间较短。而在熊市中，价格将在较长时间内处于下跌阶段，而上涨所占的时间较短。这不正是趋势的定义吗？只不过这里我们的研究对象是时间，而非价格。
要知道，我们把上升趋势定义为一系列相继递升的峰和谷。而下降趋势则是一系列相继递降的峰和谷。我们可以将这些峰和谷标识为周期的波峰和波谷。现在我们来把趋势的定义和偏移现象两个概念结合起来（见图14。16和14。17）。只要峰和谷依次上升（就是说，价格处于上升趋势），那么周期的波峰就会朝理想的周期中点右侧偏移（推迟出现）。而当峰和谷依次降低时（即价格为下降趋势），那么周期的波峰就会向理想周期中点的左侧偏移（提前出现）。唯有在市场上不存在明显趋势的时候，即当买方和卖方的力量对比相对平衡，从而价格处于横向延伸的交易区间时，周期的波峰才能恰巧出现在周期中点上。
下面我们不妨看看右移和左移现象的预测意义。最起码，我们可以通过观察周期中点处的具体情况，更深入地了解趋势的方向。只要价格峰出现在中点右侧，（即，市场的上升阶段将比随后的下降阶段更长），我们就可以预期上升趋势会持续下去。而当价格峰向周期中点左侧偏移时，通常就构成了警告讯号，意味着当前趋势可能发生变化。在日间价格图上，我们只要简单地比较一下，在最近一轮周期中上升的天数同下降的天数孰多孰寡，就能得出波峰左移或右移的结论。在周线图和月线图上，时间单位虽异，道理相同（见图14。18a到d）。
举例来讲，如果在下降趋势中，上一轮下跌期共延续了12天，那么，接下来的上冲期（熊市中的反弹）就不应当多过12天。这其实说明了两方面的要点。首先，如果下降趋势依然有效，而上冲期已经快要达到12天了，那么，我们常常可以预料这轮上冲结束的确切日期。其次，如果这轮上冲期持续到12天以上的话，那么就意味着趋势反转了。
在周线图上，我们也可以照章办理。不妨以上升趋势为例。如果最近一轮上升期从底到顶共花了7周，那么就意味着市场向下调整期或横向巩固的时间，不应当超过7周。我们可以把这种时间界限与一定的价格比例结合起来。通常，价格最大的向下回撒百分比为50％到66％。同时，最大的回撤时间是7周。那么等到调整发生后，我们既可以在图上标出最大的价格回撤位置，也可以标明最大的回撤时间范围——7周。
如果调整果真一直持续到了第7周，那么这个7周的时间界限就极派用场了。这一点恰恰与在主要的上升趋势线上买进的策略不谋而合。在这种情况下，报偿——风险比对交易者极为有利。因为交易者清楚，如果趋势持续，那么在第7周内价格必然回升，如果市场没有如愿以偿地回升，则他可以断定趋势反转，从而扭转头寸方向。所以，第7周的入市点风险较低。
前面说过，4周的交易周期可以再分为两个更短的周期，称为阿尔法和贝塔周期。其长度都是2周。阿尔法周期的波峰出现在4周交易周期的前半周，或者说是其左侧。贝塔周期出现在它的后半周，即其右侧。因此，在4周交易周期的左移现象中，其波峰通常与阿尔法波峰重合，而在其右移现象中，其波峰通常与贝塔波峰吻合。我们也交代过，阿尔法和贝塔周期是沃尔特。布雷塞特首创的，是周期理论的霍尔方法的一个组成部分。
多年的经验证明，右移现象和左移现象是极有价值的辅助工具。实质上，它们适用于任何趋势或任意长度的周期。不过话说回来，同其它技术工具一样，我们往往也需要进行大量的练习，积累相当的经验，才能得心应手，把它们融会贯通。如果朋友们只打算从这一章中找一条妙计，那就请你在波峰偏移现象这儿下功夫吧。
如何分离各种周期——趋势解析
为了研究在某市场起作用的各种周期，我们首先必须把它们分离出来。具体的做法各种各样。最简便的是凭眼晴观察。例如，在我们研读日线图时，有可能辨识出其中明显的顶和底。把这些顶和底之间的时间间隔平均一下，就能得出一定的平均周期长度。
也可以借助辅助工具来进行这项工作。其中之一，称为“埃利希周期尺”，是斯坦·埃利希发明的。这种尺同手风琴有几分相像，我们可以把它直接放在图上手工操作，其工作原理实际上是把两点之间的距离分作多等分。它伸缩自如，可以适应各种周期长度。只要我们先找出任意两个明显低点之间的距离，就能很快地搜索是不是还有其它与之长度一致的周期性低点存在。
还有些计算机软件可以配合人眼来查找周期（见图14。19a到d）。COMPU TRAC就有一套周期尺的程序，能帮助我们分离各种周期。用户先要把价格图表显示在屏幕上，然后从图上选择一个显著低点作起点。完成这一步后，屏幕上就会出现一系列竖直直线，其间隔为10天（这是缺省值）。我们只要通过很少的几个按键，就可以对之进行调整，如拉长周期、缩短周期、把标志周期的直线向左平移或向右平移等，以找到最适合本图的周期。
数学基础较好的朋友，还可以选择一些较复杂的统计学手段，如博克斯——詹金斯技术、富里叶波谱分析等。COMPU TRAC也提供了一套富里叶分析软件。最近，其中还加入了杰克·赫特森和安东尼·W·沃伦博士制作的快速富里叶变换（FFT）的程序。前一位是《股票和期货技术分析》杂志的编辑。在这本杂志上，发表过相当多关于周期分析的文章，其中包括富里叶变换和赫特森和沃伦的“最大方法”（在辨明主流周期后，我们可以采用富里叶分析，便捷地找出优化的移动平均线和摆动指数的时间参数）。
另外，我们还有一种介于人工观察和七述复杂统计技术之间的方法——趋势解析法。当我们鉴别较短的周期时，趋势的影响是个问题。趋势是由长期周期引起的，它的影响占据统治地位，因而从图上我们很难（如果不是不可能的话）找出短期周期。
我们早就利用移动平均线作为平滑工具了。其平滑效果滤除了短期周期，从而突出了较长周期。趋势解析的过程正与之相反，我们通过消除比移动平均时间更长的周期的效果，使短期周期更明显了。究其实质，就是排除趋势的影响。
该技术相对简易（见图14。20a到b）。我们可以手工操作，更可以借助计算机。首先，我们选定一个移动平均线的时间参数，其长度取决于用户想要分离的周期长度。为了便于说明，我们以40天移动平均线为例。第一步是将移动平均线取中。这就是说，把当天的移动平均值画到21天之前——或者说是周期长度的中点，而不是照过去那样描在当天的位置上。然后，我们把平均线画在图表下部，作为“零线”，把价格重新画在这条零线的上下。结果，短于40天的周期就被突出出来，很便于观察。我们还可以把上述程序继续下去，搜寻更短的周期，直到发现了所有的主流周期为止。在COMPU TRAC软件中也有趋势解析程序。
季节性周期
所有的商品期货市场都在一定程度上受到长度为1年的季节性周期的影响石所谓季节性周期或形态，是指市场在每年中的一定时候朝一定方向运动的倾向。谷物市场的季节性周期最明显。每年收获的时候，新谷物大量涌入市场，常常造成季节性的低价格。举例来说，在大豆市场上，70％的季节性波峰出现在4月到7月间，而75％的季节性低谷发生在8月到11月。一旦市场完成了季节性的顶部或底部形态后，通常在随后的几个月中，价格将持续下降或上升。因此，了解一点季节性倾向，对于我们应用其它各种交易方法来说，都是极有意义的。
就原因来看，在农产品市场上发生季节性变化是显而易见的。但是，实际上所有的市场都存在季节性形态。在所有的市场上，如果1月份的高点被向上穿越了，则是看涨信号。这是一个普遍性的季节性形态。在金属市场上，我们还可以看到其它一些季节性形态。在1月到2月间，铜市具有强烈的季节性上升趋势，往往到3月或4月才会见顶。从1月起，金市也具有季节性的上升力。它的下一个底部往往在8月出现。银市往往在1月见低，3月份走高。
我们可以通过过去数年的季节性变化的频度资料，来构造出季节性变化的图表（见图14。21a和b）。根据在过去数年的同一月或同一星期内出现季节性变化的次数，我们可以算得本月或本星期出现季节性变化的可能性（用百分数表示）。如