
专业量化交易人士如何看待传统技术分析
首先需要说明的是,在不同的量化投资领域,技术分析的地位绝对是不同的。
在高频交易领域,技术分析的用处应该不大。Irene Aldridge的《High-Frequency Trading》中提到过两篇论文,指出技术分析可以帮助推测限价指令簿(Limit Order Book)。
对于量化选股,技术分析的用处也不会太大。
对于CTA(管理期货基金)来说,特别是Trend-following CTA来说,传统技术分析绝对是基石。
技术分析的优点很多:简单易行,资金容量大。更重要的是,在大尺度上技术指标永远不会失效,追涨杀跌是人类的本性。但是,技术分析的缺点也是明显:回撤大,修复期长,大尺度上同质化很严重。所以,对于CTA而言,你越是能够在技术分析以外找到稳定盈利的策略,技术指标对于你的重要性就越低,在组合中的权重就越低。如果完全无法在技术分析以外找到策略,饥三年,饱三年,技术指标能够保你不死。
还有一点就是技术指标量化后的参数调整,调整好了,基本上都能找到在回测上稳赚不赔的策略,但是一旦市场状态转化发生(Regime Switch),出了回测,一实盘模拟基本就废了。高频还可以通过data mining出个最优参数,中低频还是不要想了。
最后值得说的是,换个角度想,量化工具就是新时代的技术工具。现在种类繁多操作简单的技术工具,也不是一开始就有的,都是有人用的好逐渐推广的。
简单技术分析最后高度趋同带不来超额收益,量化工具也有这趋势。
目前的一些主流量化思路起码十年前都已经有对应的技术工具,只是缺乏公开版本。
见过一些老交易员写的小程序,包括一大堆VBA。
这些程序和VBA提供信号,交易员手动调仓。而有些品种上已经可以半自动化交易。
这些策略里面流动性跟踪,相关性配对套利,多因子选股等等已经全部有了。当然里面使用的数学模型和具体实现都非常粗糙,拍脑门参数何其多。。。。不过在十年前也是钵满盆满了。
可以说,现在做主流量化的一些模型,只是在吃人家吃剩下的,也不一定能保证吃得好,吃得妙,就不要嘲笑20多年前用技术指标的人了。
况且,因为技术指标失效就舍弃这种工具,还不如在当时的数据下研究下当时奏效的一些技术,说不定有助于我们找到一些别人没有发现的信息,那么绝对也值得去琢磨一二。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04