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
在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04