一文读懂技术分析，技术分析的三大假设、四大基本要素
第一假设的核心思想是影响价格变动的所有内外因素都将反映在价格中 ，没有必要对影响价格因素的具体内容给予过多的关心。根据有效市场假说认为，在法律健全、功能良好、透明度高、竞争充分的市场，一切有价值的信息已经及时、准确、充分地反映在股价走势当中。当然，与有效市场假说同为有关金融资产定价和市场波动逻辑的代表性理论——随机漫步理论则认为，价格形成是市场对随机到来的事件信息作出的反应，现今的价格已基本反映了供求关系具有随机漫步的特点，其变动路径没有任何规律可循。因此，价格波动是不可预测的。
第二假设的核心思想是价格的变动按一定规律进行，价格有保持原来方向运动的惯性。 技术分析法认为供求关系是一种理性和非理性力量的综合，价格运动反映了一定时期内供求关系的变化。供求关系一旦确定，价格的变动趋势就会一直持续下上。只要供求关系不发生彻底改变，价格走势就不会发生反转。
第三假设是从人的心理因素方面考虑的， 即当市场出现和过去相同或相似的情况时，投资者会根据过去的成功经验或失败教训来作出目前的投资选择，市场行为和证券价格走势会出现历史重演。
您有以下信息尚未完善
课程亮点
你将获得
课程内容
适合人群
交易择时技术分析
人类社会市场机制的关键在于竞争性分配，就是说必须考虑你的竞争者，定价无绝对，因为分配机制是价高者得。所以，择时实际上就是猜竞争者的未来之心。对于二级市场投资而言，择时就更关键了，可以说是最关键的因素。如果在二级市场交易投资不择时，干脆转行去做 PE/VC 好了。其实一级市场同样需要择时，只不过没二级市场那么激烈罢了。
进入一个市场，首要的事情，第一是明白游戏规则，第二是了解市场上玩家的特点。如果这个市场有个无比强大的 boss （大庄），那么，择时就是要猜它可能的动向。债市实际上就是这么一个存在大 boss 的市场，这个大 boss 自然就是央行。
这样的市场里，择时就需要左侧交易，也就是说在市场拐点还没出现时就要布局，你要领先大 boss 一步，否则，你的交易即使做对了方向也抢不到筹码，市场行情的进行几乎是一步到位的，因为所有人都盯着大 boss ，右侧后，大家的预期没有差异性，所以不会有人跟你做对手。好处是债市里的金融机构投资人，常常亲如兄弟，因为他赚的钱都是庄家给的，不用去赚交易对手的钱。
在这样的市场里，做基本面和宏观研究才有实际的意义，因为大 boss 央行是看基本面的而作决策的。
右侧策略在什么样的市场中最重要的？
右侧策略的关键是读懂市场 。尽管价格和成交量都清清楚楚的摆在所有人面前，没有分别，但不同人读出来的可能是完全不同的。这是复杂市场最有趣的地方，也是右侧交易还能够赚大钱的条件。因为，如果都像上面说的左侧系统大家预期完全一致，那么右侧就没有流动性了，预期的差异提高了右侧的流动性。我们常常在经历历史重大拐点后，才发现，哦！原来那时候就是顶部或者底部了，当我们就在拐点处附近时，常常“不识庐山真面目”，打个比方，如果你能读懂市场是在哭，还是在笑，是累了，还是能量满格，你熟悉市场的一颦一笑，你知道它张嘴就是要吃饭还是要说话，那么你就能对市场未来的表现有个大概估计。所以尽早读懂市场跟我们说了什么就已经足够了，直接的预测并不关键。然而市场的心思很难猜。
在这个方向上还有一个方法论，就是博弈论，它抓住了不同主体互相影响的系统实质，但却遇到了无法逾越的困难，也就是三体以上博弈难有解析解。博弈论在两体问题上有很好的解释力，推荐大家去看看演化博弈方面的书，这主要是生物学者做出来的，他们设计了进化模型。进化模型是后面要讲到的 agent-base model 的基本框架。
真正有前景能理解复杂市场的方法论在哪里呢？
就我目前所能理解的局限而言，这个方向在方法论上就是复杂系统理论，目前的最前沿者是做物理学、气象学、生物学、数据科学方面的科学家，领军的研究机构是美国 Santa Fe 研究所。今天我就不具体讲复杂系统理论的发展了，这部分很庞杂，有兴趣的朋友可以读读耗散系统理论，普利高津的书《探索复杂性》国内已有翻译。不过理论物理学者写的书，几乎是最难懂的，他们几乎用的是银河系以外的语言。生物学者写的科普书大家一看就懂了，推荐几本《隐秩序》、《混沌与秩序》。
技术分析也是一种朴素的模式识别方法，但里面鱼龙混杂。最简单常用的均线系统，完全是照顾人脑不习惯处理非线性信号设计的。这个简单实用的技术分析方法，基本上是过于主观的，因为市场是一个非线性系统，不会有特别靠谱的线性信号出来的。线性信号都是人的简化和人们彼此间的默契。不过，我看到了朴素的技术分析里，黄金分割和波浪理论是最具备对的潜力的方法，这两个方法都是非线性的。这两个方法都是模式识别的过程，比较悲剧的是，他们不宜标准化，仁者见仁，智者见智，需要很多直觉上说不清的东西。有经验的交易员值钱就值钱在 ” 说不清 “ 上了，就像，当教育普及以后，知识分子的地位就下降了，以前各位都是巫师级别的，仅次于国王，现在知识分子地位在哪？
我目前接触到的数据技术中，最有潜力的是语音识别技术对市场信号的处理。主要原因是语音信号也是充满了噪音的时序序列，在时域和频域上的分析及模式识别算法都值得借鉴。打个比方，市场在开盘时向我们讲话，告诉我们它的喜怒哀乐，但是我们听不到，只能通过价格和成交量的波形来体会市场，怎么读取分析这种信号？我们先要找到一些标准的语音信号（普通话），知道这个信号的语义到底是什么，然后，你才能通过大量不标准样本与标准样本的比对学习，识别东北话、四川话、上海话、广东话。比如，大家都说 ” 知不知道明天要涨停 “ 这句话，有人发音是“几不几明天。。。。。要。。。。。。。涨。。。。。停。。。。。”，有人发音是 ” 知不造明天要涨停”，从波形来看，你几乎看不出他们的相似之处，你也回归不出来他们的线性相关性，但这两段信号代表的就是同一个意思。用语音识别的算法可以通过样本学习，读懂市场告诉我们的意思。比如 2015 年 1-2 月， A 股明显调整，我能通过这个算法得知市场还处于牛市的前期。目前该算法的模拟结果是，上证综指处于泡沫中前期，创业板指数处于泡沫鼎盛期（中期靠后）。
左侧策略的分析基本面更加重要，一旦市场进入泡沫状态，基本面就是次要的因素。这种基本面和技术面的纠结常常使得价值投资者落后于泡沫期的市场。目前 A 股处于泡沫期，处于一种典型的复杂系统吸引子状态。说到泡沫期的分析，不能不提在预测界大红大紫的 LPPL 模型。这是索奈特教授从地震岩层断裂的模型中提取出来的。这个模型也很简单，就是我们常常发现股价是幂律增长和周期性调整的，这个模型是通过把股价幂律趋势和周期性调整用不同的项表示，最后用算法来 fit ，可以预测泡沫的拐点。这个模型最大的成功案例是预测 97 金融危机。 2007 年 A 股顶和 2009 年 A 股顶都准确的预测出来了，但失败案例也不少。真实的市场没这么简单，外部的干扰因素也很多，所以这个模型有局限性。比如在 1996-1999 年的牛市中，亚洲金融危机的干扰，就让 A 股进行了 1 年的横盘盘整，没有完成标准的泡沫，这是混杂型的。这才是市场的有趣之处。
有人会问了，技术面和基本面最终无法协调么？历史是基本的还是技术的？这是个很有趣的问题，涉及到复杂系统理论了，什么创造了复杂性，是适应性创造了复杂性，这个适应性就是指对外部约束条件的适应，所以，外部（基本面）最终很重要，因为一个复杂耗散系统必须有外部能量支持，如果外部能量消失了，市场是不会产生趋势的。
如果大家想了解人工智能、模式识别，有很好的科普书《哥德尔、埃舍尔、巴赫 GEB 》；如果想了解群体间协作和进化模型的可以看看生物社会学方面的书，最经典的就是《昆虫社会》。
组合指标个股量化择时交易的实证研究
夏普比率=
移动平均线（ＭＡ）是一种常用的趋势型指标，由Ｊｏｓｅｐｈ Ｅ．Ｇｒａｎｖｉｌｌｅ于２０世纪中期提出来。它是当今运用最普遍的技术指标之一，帮助交易者确认现有趋势、判断将出现的趋势、发现过度延伸而即将发转的趋势。后来又逐渐衍生出其他类型的均线，如平滑异同移动平均线（ＭＡＣＤ）、三重指数平滑平均线（ＴＲＩＸ）等。 这些均线理论常用两根线的交叉作为交易信号，并以此作为买卖时点的判断。
确定最优后，运用国泰安量化交易平台ＱＩＡ进行策略交易仿真回验。设定合约保证金为１，合约乘数为１，市场参与度为０．５，买方手续费为０．０５‰，卖方手续费为０．０５‰，交易账户为股票账户并设定初始资金为１ ０００ ０００元，以一年期国债利率为无风险利率，并以沪深３００为业绩比较基准，以数据库所给时间２０１１年１月１日-２０１４年６月３０日为策略回验时间区间进行回验。最终结果（见图１、表２）。
如表４所示，最优组合（ｂｕｙ， ｓｅｌｌ）＝（１，１），即当买入信号个数至少有一个时就进行买入交易，卖出信号个数至少有一个时就进行卖出交易，以此进行组合指标择时效果最好，在参数优化回验测试期间夏普比率达２．４９０ ３。