京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何从量化的角度观看股票传统的技术指标
这次我们对比的传统技术指标有MACD、KDJ、布林带(Bollinger Bands)等以及其构成的其他指标和交易方法。
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
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15