有两个常用威廉指标，W&R威廉指标(William’s %R)和LWR威廉指标，它们与KD指标的分析思想相同。KD是相对价位指标，其数学表达式是“当前价位与分析区域中的最低价之差除以分析区域中的波动幅度”。而威廉指标的数学表达式是“分析区域中的最高价与当前价位之差除以分析区域中的波动幅度”。两个指标的不同点在数学公式的分子上。威廉指标与KD指标的数学关系如下：
威廉指标=1-KD指标
由于KD与威廉指标都是用百分比表示的，因此在波形上，威廉指标与KD指标的波形完全对称、上下颠倒。
一、WMS％R原理及计算
计算公式：
H－C
N日WMS%R＝———×100%
H－L
式中：H——N日内的最高价；
L——N日内的最低价；
C——最后的收盘价。
从算式可看到两点：
①它是以N日内市场空方的力道（H - c）与多空总力道（H - L）之比率，以此研判市势。
②它是一个随机性很强的波动指标，本质上与KDJ理论中的未成熟随机指标RSV无异。
二、WMS％R的应用
1、0≤WMS％R≤100.由于WMS％R以研究空方力道为主，这与其它相似的振荡性指标以研究多方力道为主恰好相反，因此，WMS％R 80以上为超卖区，20以下为超买区。通常，为适应观察者的视觉感受，在图表的区间坐标上，将向下的方向处理为数值增大的方向。
2.由于其随机性强的缘故，若其进入超买区时，并不表示价格会马上回落，只要仍在其间波动，则仍为强势。当高出超买线（WMS％R=20）时，才发出卖出信号。
3.同上理，当低过超卖线（WMS％R=80）时，才发出买入信号。
4.WMS％R=50是多空平衡线，升破或跌破此线，是稳健投资者的买卖信号。
5.公式中N的取值通常有6、12、26、等，分别对应短期、中短期、中期的分析。
一、W&R威廉指标(William’s %R)
N:14
(HHV(HIGH,N)-CLOSE)/(HHV(HIGH,N)-LLV(LOW,N))*100
请对照一下《道升随笔：股票炒作手法与选股策略十六》文中的KD指标中的RSV，RSV的数学公式为：
N：9
RSV：=（CLOSE-LLV（LOW，N））/（HHV（HIGH，N）-LLV（LOW，N））*100；
除了分析周期N的大小不同外，它们之间数学表达有如下关系：
W&R威廉指标=1-“KD指标中的RSV”
请做个小实验，在W&R威廉指标中添加KD中的RSV表达式：
RSV：（CLOSE-LLV（LOW，N））/（HHV（HIGH，N）-LLV（LOW，N））*100；
那么修改后的W&R威廉指标中就有两条完全上下对称的曲线。
在《道升随笔：股票炒作手法与选股策略十六》中说过“如果9日内收盘价创新高，则RSV将变成100%，如果创新低将变成0。若直接使用RSV来描述相对位置，RSV很容易钝化。RSV曲线从低位到高位(或者从高位到低位)花时较短，花在钝化区的时间反而较长，并且曲线上有许多钝化的盲区。”正是由于9日的分析周期太短，威廉指标中才采取了较大的分析周期14。利用RSV曲线容易在100%和0%钝化的事实，可从中提前发现市场超买和超卖的特征。
超买状态：在分析周期中，如果股价创新高，进入了较高的风险区，股价随时可能回落，RSV曲线高位钝化，可看成进入了超买风险区，这时应该谨慎买入。
超卖状态：在分析周期中，如果股价创新低，进入了较低的风险区，股价随时可能反弹，RSV曲线低位钝化，可看成进入了超卖风险区，这时应该谨慎卖出。
W&R威廉指标主要用来说明超买和超卖状态。与KDJ相反，W&R威廉指标曲线超过80%说明是超卖，反之跌破20%是超买。
二、LWR威廉指标
数学表达式：
N：9
M1：3
M2：3
RSV：=（HHV（HIGH，N）-CLOSE）/（HHV（HIGH，N）-LLV（LOW，N））*100；
LWR1：SMA（RSV，M1，1）；
LWR2：SMA（LWR1，M2，1）；
请比较下列的KD随机指标数学表达式：
N：9
M1：3
M2：3
RSV：=（CLOSE-LLV（LOW，N））/（HHV（HIGH，N）-LLV（LOW，N））*100；
K：SMA（RSV，M1，1）；
D：SMA（K，M2，1）；
比较结果：LWR威廉指标与KD指标的中数学模型是一样的，只是两公式中的RSV的分子不同。在分析软件中把这两个指标都显示出来，曲线完全对称，上下颠倒。
三、小结
1、 W&R威廉指标(William’s %R)主要用于提前观察超买和超卖现象，它的超买和超卖区域刚好与KDJ的超买和超卖区域相反。如果使用中感觉曲线反应太快，可增大分析周期。
2、 LWR威廉指标与KD指标的曲线完全对称，上下颠倒。可使用比较熟习的KDJ曲线或者KD曲线就行了。
在没有搞清指标的本质之前，要小心使用指标。有些指标之间的分析思想是一致的，只是微小的差别，可看成是同类指标。我们在分析问题时如果都采用同类指标来分析和判断市场，可能会太偏颇。只有采取不同类型的指标才能保证从不同的视角来看待问题。
威廉指标又称为威廉超买超卖指数，其作用在于从研究价位波幅出发，通过一段时间内的高低价位与收盘价之间的关系，反映市场的强弱和买卖气势。精髓在于通过研究价位变化中的波峰波谷，然后决定买卖时机。
威廉指标的计算公式为:R%＝100-100(C-Ln)/(Hn-Ln)
其中:C(当日收盘价)、Ln(n日内最低价)、Hn(n日内最高价)
1、威廉指标是一个动态的动能指标，具有动能指标的摆动性能，它由一个极端摆动“超买点”到另外一个极端“超卖点”。从单摆的原理看，当单摆接近极端前，都有一个停顿，然后沿着原有趋势惯性向前，才会改变原有趋势。
2、从威廉指标的计算公式看，基期n值的数值选择非常关键。n值确立后，代表了研究周期的选定，n值越小，威廉指标波动频率越快，把握价格变化的灵敏度就越高，但据此操作投资者易陷入频繁操作的误圈，偶然因素的影响也会加大投资者对现有市场的判断出错；n值越大，威廉指标波动频率越慢，价格变化的灵敏度降低，偶然因素对价格趋势的影响降低。笔者对威廉指标作了5年的长期跟踪并结合时间之窗对价格趋势的影响，浅显认为威廉指标可按短、中、长选取参数，短期n值选10为宜，中期选20，长期选89。这样威廉指标在5分钟、15分钟、30分钟、60分钟、日线、周线、月线图上均表现为3条威廉指标线，分别代表了短、中、长的摆动趋势。
3、从威廉指标的计算公式看，在选定的基期n值范围内，当日收盘价与n日内最低价相等时，威廉指标达到100即“超卖点”极端，注意这时还不到买卖时机，它只代表买卖时机即将来临，这时还要考虑摆动惯性，在大幅下跌中，市场的收盘价可以连续创出收盘价新低，只有威廉指标的数值变化时才是最佳的“超卖点”极端买入时机，因此，当威廉指标达到或接近100即“超卖点”极端时，还要看下一个点的变化。在选定的基期n值范围内，当日收盘价与n日内最高价相等时，威廉指标达到0即“超买点”极端，注意这时还不到买卖时机，它只代表买卖时机即将来临，这时还要考虑摆动惯性，还要看下一个点的变化。日线看下一日，周线看下一周，依次类推。上述要点既包含了“涨时无顶、跌时无底”的股市常理，也包含了“逢低买入、逢高卖出”的思维方式。
4、威廉指标的数值位于0到100间，通常50为分隔的中界线，80-100为超卖线，20-0为超买线。从短、中、长3条威廉指标线看，当3条指标线重合并达到或接近100即“超卖点”极端或威廉指标达到或接近0即“超买点”极端时，其下一个威廉指标的数值变化时是投资者最应该关注的买卖时机。
一说到量化投资，一下子蹦出来一堆厉害的语汇，例如：FPGA，微波加热，高频率，纳秒等级延迟时间这些。这种全是高频交易中的语汇，高频交易的确是基金管理公司做起来较为适合，平常人搞起来门槛较为高。
可是，必须确立一点量化投资不相当于高频交易。买卖假如依据频率来区划的话，可分成：高频率：ticke纳秒等级的1s等级中低频：1s~2h等级超低频：1d~2w等长线投资高频交易对延迟时间，特性和可靠性规定十分高，必须很多的硬件配置的成本费和人力成本。
可是中低频买卖对硬件配置规定便会低许多。本人与基金管理公司差别关键反映在优化算法上，普通程序也是有工作能力捕捉到这一频率的买卖数据信号。老头子废话不多说，就一个字，立即干！假如要想剖析A股，或是BTC，就必须自身构建一套自然环境。
一般构建一个量化平台必须这种流程：设立账户〉开发工具构建〉数据信息提前准备〉量化交易策略开发设计〉回归测试〉模拟交易〉实盘买卖一、设立账户（这里忽略）
一、开发工具构建现阶段流行的两种服务平台是，python和R语言。这两个语言表达有给予回测架构，时间序列分析剖析，数据分析的库，（C+和java还可以，但是门槛相对性较为高）。
Python：现阶段应该是最广泛的本人量化分析技术性优选 语言表达，由于有关的开源框架非常丰富多彩。R：高级优化算法较为便捷，小区较为活跃性。我选择的是Python，常见的回测架构用的是ZipLine和BackTrader。
二、数据信息提前准备中国的股票数据，有一些服务提供商给予，例如通联数据、tushare；海外证券数据信息能够从得这种数据信息后就可以导到数据库查询去。有关数据库查询的挑选，一般应用Mysql，假如信息量较为大（>100G）能够应用mogodb，一般本人不容易这么大信息量。
三、量化交易策略开发设计说到买卖优化算法，通常会想到深度学习、马尔可夫实体模型、数据分析、深度神经网络、神经元网络等这种厉害的AI语汇，可是，一般游戏玩家基本上用不上。
针对一般投资者能够采用简易高效率的优化算法：
1、将自身实际操作和念头程序化交易，例如：三连阳，买低价股票或是你听闻过什么神奇的实际操作技巧全是用编码完成，随后应用历史记录开展回测。
2.传统式的指标值买卖：移动平均线，MACD，布林线指标等，蜡烛图基础理论，RSI，江恩理论。这种纯技术指标分析指标值必须在特殊的情景才可以有功效，大家都听闻过海龟交易法，很有可能都觉得挺有些道理的。但具体情况怎样，用A股或是外汇数据测试一下，便会发觉长期性回报率并不是特别好。
3.多因子选股票：每一个投资者都是有自身的选股票基础理论，例如有些人会看市净率，股票换手率，市净率，领域状况，交易量。这种挑选要素非常简单，但要是以好几千个股里去挑选，通常必须很多活力。程序流程就能特别好处理这种难题。如果你是高级玩家还可以试着一下高级优化算法。
例如深度学习，数据分析等。互联网大数据在金融投资行业运用或是处在逐渐环节。从现阶段信息内容看来，互联网大数据基金收益率的算是非常好，例如百度搜索和广发证券协作的百发指数型基金，腾讯官方和嘉实协作的互联网大数据股票基金。
四、回归测试假如回测实际效果非常好，回报率，最大回撤率，Sharp值，等指标值，都是在可接纳的范畴内容，你毫无疑问便会激动，急着要上真正买卖，乃至逐渐方案创立私募投资基金，可是，别着急，最好是模拟交易一下。
五、模拟交易但在实盘买卖前，还必须做一两个月模拟交易。许多回测实际效果非常好的对策不一定在模拟交易情况下就主要表现得好。历史记录是固定不动，回测的情况下能够根据持续调节主要参数，让各类指标值趋向极致，有时会造成优化算法过度拟合，由于销售市场一直千姿百态，太过于呆板的优化算法是没法融入销售市场转变。
模拟交易最后实际效果一般在于你的程序流程是不是灵便，是不是优良的风险性和资金分配优化算法。
总结：对于说本人做量化投资是不是可靠，上边的步骤早已表明了实际可策划方案，可靠性显而易见。对于能否赚到钱，就看本人的修为了更好地。
你说的是R语言吧，可以用R语言进行量化分析。R语言是面向数据的，金融玩的就是数据，R语言有完善第三方包体系，提供很多的量化工具包支持。
