
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
R 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 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29