在我刚入股票市场的时候，曾经在学校图书馆F编码区，翻过非常多的投资书籍，各种指导交易的方法可谓千奇百怪，通过这些书籍，我了解到了有基本面分析和技术面分析这样两种分析方法。

对于基本面分析的书籍，上来就是行业分析、企业估值、财务报表分析，打开看不到几十页，就感觉内容逐渐看不懂，畏难心理让我觉得这应该是经济学家和职业投资人才会使用的方法。尤其是对于企业的经营情况分析，接受到的有效信息非常少，还参杂了各种假消息，再加上网上弥漫的对A股上市公司的不信任氛围，让我更加坚信普通人解读基本面是不靠谱的。

再对比技术面分析方法，随便找一本技术派的书籍，读完前两章就会感到大受鼓舞，顿时产生：“原来如此，价格已经包含了所有的信息，只要看懂K线和各种指标的结构，满足这样那样的条件开仓进去，再满足这样那样的条件平仓，亏损的时候一定要及时止损，这样就能赚到钱”。

看技术分析的书籍，我记录了好多的笔记。站在当下的视角，就来依次梳理反思一下，技术面分析都有哪些问题，以及有哪些可取之处吧。若有错误的地方，还请指正。

技术分析的归纳总结

技术分析的鼻祖，可以追溯到《道氏理论》这本书，也就是道琼斯指数的作者：查尔斯·亨利·道。

道氏理论

道氏理论的开篇提出了三个根本前提：

1. 主力不能主宰趋势：主力能够通过操纵权重股来间接操纵指数的日内波动，但是对于指数的主要运动是无法操纵的。
2. 指数吸收一切因素：指数是市场中的乐观悲观情绪、所有金融消息、投机者趋势者价值投资者等的一切参与者、市场预期等的综合体现，因此未来将会发生的事件的影响都会被指数吸收，进而体现在指数变动上。
3. 止损和仓位管理是必要的：严谨的分析也会出错，因此必须要做好止损、风险控制、仓位管理。

孤立来看，这三条前提针对指数都是能够成立的，是一个好理论，但是在指导个股交易上，却留了大坑。遗憾的是，有很多技术理论开篇就是“价格反应一切因素”，然后在此前提下，通过各种奇形怪状的指标方法形态等作为开仓、止盈、止损的触发条件。

K线形态分析方法

市面上有一种非常奇怪的分析方法，就是基于数根K线的形态，构成例如头肩底、头肩顶、双重顶、双重底等，然后在什么形态下进行什么操作。更让我惊喜的是，在我输入这些词的时候，MacOS的输入法自动联想出了“头肩顶形态”和“头肩底形态”。

假设有一个随机数，每过一秒钟，就在上一次的数值基础上完全随机地变动+1或-1，那么下一秒其变动为+1的概率我们可以简单的认为是50%。对于这里提到的K线形态分析方法，其假定市场在某种形态下，后续可以大概率往预期的方向走，而不是概率上的50%，因此本质上这是一种基于统计的概率分析方法。基于概率的方法，后面统一总结。

蜡烛图形态分析方法

这种分析方法针对单根K线，可以是短周期，也可以是长周期。其形态有诸如刺透形态、吞没形态、射击之星……听起来略微中二，但是与上一个方法一样，在满足什么形态的情况下，进行某种开加减平操作。尽管说的玄乎其玄，但其本质也是基于统计的概率方法，是能够进行量化回测的。

技术指标分析法

这种方法通过一些数学运算，将过去的所有价格信息、成交量等作为输入条件，通过一套算法，得到一组指标值，指标值可以是离散的也可以是连续的函数，当指标满足某种条件时进行开加减平操作。每个交易软件上都有大量可选的指标，常见的诸如MA、MACD、KDJ等。这种方法也是基于统计的概率方法，可量化回测的性质最强。

波浪理论

还有一种我愣是没理解的波浪理论，认为价格就是波浪，比如江恩理论、道氏理论、缠论等。波浪理论总能够很好地天衣无缝地进行事后解释，乍听起来他好像说的很有道理，但是稍作思考就会发现，说的都是屁话，就好比：“这个价格跌了，是因为趋势背离了”。那不是废话，趋势没背离它价格能跌么。这是一种难以量化的极其主观的概率方法。

总结，技术面分析基本上可以看成是一个基于统计的概率方法，无论是头肩顶形态、射击之星还是MACD金叉死叉，都是基于“当满足这个条件后执行这种操作的获利更大”的统计结果。

严格的交易系统

技术派非常强调要严格执行交易系统，其本质是当概率赌错时，要进行及时的止损。碰巧我有幸也了解过很多交易系统，如果要说一个有代表性的交易系统，那非【海龟交易法则】莫属。

海龟交易法则

海龟交易系统有一套完备的要素，包括了入市策略、退出策略、头寸计算、仓位管理、建仓模式、严格止损、风险管理、进入退出的信号过滤器等内容，是我接触的第一个交易系统。其有长周期和短周期两种进出策略：

• 短周期策略：利用四周20个交易日价格突破作为入市信号；利用两周10个交易日价格反向突破作为退出信号。
• 长周期策略：利用11周55个交易日价格突破作为入市信号；利用4周20个交易日价格反向突破作为退出信号。

同时还设置了风险可控的仓位管理和金字塔式的加仓方法，不过很遗憾，海龟交易方法在回测中暴露出了大问题，下面以螺纹钢期货主力合约的回测结果举例。

我们先来介绍一下回测所使用的交易系统，再给出回测结果。注：回测结果的单位为合约价格变动单位，不计算手续费。

40日突破进入，2ATR止损

1. 进入退出信号：以40个交易日的价格突破作为进入点；以两倍ATR的反向突破作为退出点。
2. 风险资金：2%的总金额，通过风险资金和止损宽度来计算交易头寸的规模。
3. 止损：两倍ATR（26日）。
4. 建仓方式：设初始止损宽度为N = 2 * ATR，之后正向每变动N，就更新止损值，正向变动2N后开始加仓，从正向变动2N开始，每变动一个N，就增加一个交易规模的头寸。

从理论上，在开仓进入后，如果第一个止损点位都没有更新到，就触发了止损，会损失2%的本金；而假设更新了第一个止损点后再触发的止损，则会亏损掉手续费；加仓一次后止损也一样，亏损掉手续费。需要加仓两次后，才能够抵消开仓即止损的情况下产生的亏损，经过连续的加仓才能够实现较大的盈利。

回测结果：从2009年6月份到2012年2月份，交易集中在主力合约上，一共产生了22笔交易，交易情况如下：

• 亏损的笔数：6笔，分别为：-138, -175, -83, -121, -130, -116。
• 持平的笔数：10笔，滑点总亏损：-37。
• 盈利的笔数：6笔，分别为：+71, +3854, +291, +53, +76, +99。
• 总利润3644，胜率27.3%

看起来回测结果非常棒，有很大的利润，那再看一下2017年的数据：

• 亏损4笔，分别为：-214, -198, -196, -218。
• 持平1笔。
• 盈利1笔：+534。
• 总亏损292。

同样的方法，换一个年份的数据，就变成亏损了呢。那么我们来看看其他方法呢。

TEMA 10日线与20日线交叉入场，2ATR止损

1. 进入信号：以TEMA指标的10日线与20日线出现交叉作为进入点；以两倍ATR的反向突破作为退出点。
2. 风险资金：2%的总金额，通过风险资金和止损宽度来计算交易头寸的规模。
3. 止损：两倍ATR（26日）。
4. 建仓方式：设初始止损宽度为N = 2 * ATR，之后正向每变动N，就更新止损值，正向变动2N后开始加仓，从正向变动2N开始，每变动一个N，就增加一个交易规模的头寸。

回测结果：取2017年全年数据，交易情况如下：

• 亏损7笔，分别为：-212, -64, -198, -80, -14, -192, -113。
• 持平0笔。
• 盈利1笔：+43。
• 总亏损840。

看起来被震荡行情给反复打止损了，那我们再换个进入退出条件，把止损宽度拉大试试。

40日突破进入，3ATR止损

依然取2017年全年数据，交易情况如下：

• 亏损2笔：-321, -312。
• 盈利1笔：+269。
• 总亏损364。

怎么还是亏了，再换个方法。

20日突破进入，2ATR或20日反向突破止损

1. 进入信号：以20个交易日的价格突破作为进入点；以两倍ATR或20个交易日的反向突破作为退出点
2. 止损：两倍ATR（26日）或20个交易日的反向突破。

取2017年全年数据，交易结果如下：

• 亏损2笔：-176, -218。
• 持平2笔。
• 盈利1笔：+579。
• 总盈利185。

类似的回测结果还有很多，我在主要的期货品种上都做了回测，回测结果喜忧参半。（数据来源：上期、郑商、大商，工具：python）

大量的回测结果可以发现，亏损是由频繁触发止损导致的，止损放得宽，可以增大胜率，但是单笔止损扩大又会导致盈亏比下降；而缩小止损宽度，虽然可以扩大盈亏比，但是胜率下降，会产生大量的止损单。下面从理论上说明要做到正期望有多难。

K线图的抽象分析

对tick数据进行处理，假设参数X表示忽略回调值≤X的波动，对原始数据做平滑操作，统计结果表明，经过平滑处理的数据基本符合正态分布的右半边，如下图所示。

假设在经过平滑处理的数据上，设定一个策略：只要从最高点或最低点回调的幅度>X，就进场开仓，且设定一个止盈值Y≤X和止损值Z=X，根据统计结果，即使不考虑手续费，也几乎很难做到盈利，其原因是波动分布太贴近于正态分布了。

如果设定止盈过大，例如Y=X，则分布图中，需要>X的数量比<X的数量多，才能做到盈利。如若将止盈降低，即Y<<X，则虽然>Y的数量可以比<Y的数量多，即胜率增大，但是同时盈亏比也降低了，即Y/(Y+X)降低。

若设定浮动止盈，即当(Y-extra)>X时才止盈或止损，则能够保证当X取值在某个区间内的正收益。

胜率与盈亏平衡分析

除了海龟系统外，我还回测了三十多种从各种论文上扒拉下来的交易系统，其结果是都存在很大的不确定性。如果读者也在评估技术派交易系统，可以考虑从胜率与盈亏平衡的角度分析。

假设有如下六个变量，分别为：

• $$ P $$：止盈点位（元）
• $$ Q $$：止损点位（元）
• $$ F $$：开平手续费（元），当$$ F $$为浮动值时，$$ F = M * N * f $$
• $$ f $$：开平手续费率万分比（%%）
• $$ M $$：当前价格（元）
• $$ N $$：交易单位

则可以计算出胜率与盈亏：

• 盈利为：$$ P * N - F $$
• 亏损为：$$ Q * N + F $$
• $$ F $$为定值时，盈亏平衡值为：
  $$ (Q * N + F) / ((P * N - F) + (Q * N + F)) = (Q * N + F) / ((P + Q) * N) $$
• $$ F $$为浮动值时，盈亏平衡值为：
  $$ (Q * N + F) / ((P + Q) * N) = (Q + M * f) / (P + Q) $$

盈亏平衡值表示当胜率在这之上时，才能够实现盈利，否则会产生亏损。

万物皆可机器学习

写了这么多东西，似乎都是陈年老皮的过时方法，那么结合我计算机的背景，写一点来自跨界算法领域的降维打击吧，只要把思路大开，既然技术分析全是在那折腾计算数据的话，就应该引入稍微高级点的数学。

根据我们前面的分析，除去难以量化的主观性很强的波浪理论外，其他技术分析方法，都可以很容易地进行编程回测和设计程序化交易，这些技术分析方法的本质都是基于历史数据统计的概率方法。

说到统计和概率，那不就是分类嘛，机器学习可就有话说了！都说市场千变万化，没有什么方法能一成不变，都需要结合市场进行策略更新重组，但是机器学习本身就已经包含了最新数据高权重的自学习能力，可以说对传统的方法构成了降维打击。以后有机会专门写一篇机器学习算法在资本市场交易中的应用。

我们把思路进一步打开，都已经是计算机量化交易了，把交易频率提高，不就得到了高频量化交易嘛。在超高频下，每次只赚1个点差，同时1个点差止损，即使是价格完全随机变动的情况下，也能保证盈亏平衡，那么再结合机器学习算法，把胜率进一步提高，同时跟期货商协商一个更低的手续费，那么在小资金量的情况下，就可以做到曲线非常平滑的稳定盈利了。

量化是个好方向，为此我专门开通了永安期货的CTP席位，以后有机会再写写。前面通篇是对技术分析的介绍，下面我们要开始批判了。

技术面分析的优点继承

在资本市场，能赚到钱的方法就是好方法，有人能够通过技术分析赚钱，说明概率统计是有用的，但是同一种方法不会永远有效，概率分析说是赌博也不为过，有一个很大的原因，便是没有能力没有耐心去学习基本面解读，“基本面分析不适合中国”只不过是借口罢了。

批判与继承是对立统一的，我们取其精华去其糟粕，学一下技术派的优点吧。技术派建立起来的交易系统，是有很多优点值得我们学习的，基本上，除了进入和退出策略，以及建仓模式外，其他的都可以参考。

1. 仓位管理：仓位管理可以尽可能扩大盈利，以及在基本面分析错误时尽可能降低损失。
2. 风险管理：尽量降低本金的损失。
3. 头寸计算：尽量避免在左侧交易时满仓一步到位。
4. 严格止损：基本面不对时要当机立断进行止损。