20210803-中泰证券-技术分析算法、框架与实战：破解“看图”之谜.pdf

在金融证券领域，技术分析是一项重要的分析工具，它通过对市场数据的历史趋势进行研究，试图预测未来市场的走向。然而，技术分析的方法多种多样，缺乏统一的标准算法，使得许多人在分析时难以达成一致的结论，这一点在所谓的“看图”操作上尤为明显。为了提高技术分析的客观性和准确性，研究者们开始探索更加科学的技术分析算法和框架。 技术分析的科学框架需要解决的问题是确定一种固定算法来识别市场上的技术图形。在传统的技术分析中，技术图形往往依赖于分析师的主观解读，而不同的分析师可能对同一张K线图中的形态有不同的见解。对此，研究者借鉴了Andrew W. Lo、Harry Mamaysky和王江教授在2000年的研究成果，提出了一套科学的技术分析算法。 该算法原理基于数学模型来识别经典的技术图形，如头肩底、头肩顶等。关键点的识别是其中的一个重要环节，因为在价格时间序列中，关键点通常表现为极值点。价格序列在局部区域可能会出现震荡，这使得直接寻找极值点变得困难。对此，研究者建议使用核回归方法来获得平滑的价格时间序列，并由此估算出相对准确的极值点。 得到极值点之后，通过特定技术图形的形态特征连线这些点，就能得到更加客观和准确的技术图形。这一过程不仅包括了图形的识别，还包括了对图形形态特征的刻画。 在实战效果的验证方面，本报告主要考察了头肩底形态在行业指数上的应用。通过对2010年到2021年间申万一级28个行业的日频价格数据进行分析，研究了头肩底形态出现后3、5、10个交易日内的累积收益情况。结果表明，在多个行业中，头肩底形态后平均累积收益为正，尤其是化工、建筑材料、电气设备、汽车和医药生物行业胜率较高，甚至在结合了MA(5)>MA(10)这一条件后，胜率进一步提高。 需要注意的是，尽管这一套算法和框架在历史数据中表现出了较好的效果，但是任何基于历史数据得到的模型都存在局限性。历史规律可能在未来失效，模型结论也可能在极端情形下解释力不足。因此，报告中的结论应当仅作为参考。 在证券分析领域，建立在科学方法之上的技术分析方法，如本报告所述的框架，有望帮助分析师们更好地理解市场的动态，并做出更合理的投资决策。然而，技术分析方法并不是万能的，它需要结合基本面分析、市场情绪分析等其他方法共同使用，才能在复杂多变的金融市场中发挥更大的作用。