本报告基于经典技术分析中压力线与支撑线的识别算法,利用分位数回归方法对A股市场持续形态进行量化识别,发现上涨持续形态突破压力线后的后续收益表现优于整体市场,尤其在中小市值股票中更为显著。报告进一步分析压力线、支撑线斜率和形态前收益率等参数与后续收益的关系,发现在形态前收益率超过20%的情况下,压力线和支撑线斜率组合处于第三象限,即平台或喇叭口形态调整后的突破,能带来较好的收益表现。基于此设计的交易策略回测年化收益9.30%,最大回撤20.07%,夏普率0.49,显著优于基准中证500指数回撤与夏普表现,展示了技术面量化策略在A股市场的潜力和局限
| 形态 | 持有天数 | 沪深300收益率 | 胜率 | 盈亏比 | 中证500收益率 | 胜率 | 盈亏比 | 全体A股收益率 | 胜率 | 盈亏比 |
|---|---|---|---|---|---|---|---|---|---|---|
| 上升三角形 | 5 | 1.0% | 53.3% | 1.40 | 0.6% | 52.5% | 1.16 | 1.1% | 54.0% | 1.30 |
| 10 | 1.1% | 54.8% | 1.23 | 1.0% | 52.6% | 1.19 | 1.8% | 55.6% | 1.32 | |
| 20 | 3.1% | 58.4% | 1.45 | 1.2% | 53.7% | 1.11 | 2.7% | 57.2% | 1.26 | |
| 对称三角形 | 5 | 0.7% | 51.2% | 1.34 | 0.6% | 52.2% | 1.17 | 1.0% | 53.1% | 1.31 |
报告开篇介绍技术面量化作为从量价时空维度出发的证券走势预测方法,强调其研究证券价量形态与未来收益率的关系,既可用于事件化选股,亦可因子化实现相对收益提升。
技术分析依赖三个假设:市场行为包含所有信息,趋势演变,历史会重演。技术规则分为指标规则、图形规则和复合规则三个类别。
此背景展示技术分析理论的基础以及其学术争议,指出技术分析更多基于经验总结,学术界支持度有限。,5]
报告系统介绍了几种主流形态识别方法:
基于《金融市场技术分析》对价格形态的分类,区分持续形态(对称三角形、上升三角形、矩形、旗形、喇叭形等)和反转形态(头肩顶/底、三重顶/底等)。持续形态特点是趋势暂停后延续,压力线通过局部高点连接,支撑线通过局部低点连接,具几何解读意义。反转形态则需更复杂的顶底点确认和成交量分析。
利用分位数回归算法结合局部极值窗口(时间窗w=5,回溯期N=120日)对所有A股日度价格数据(2009-2018)进行标准化处理(起始价100)后,自动识别压力线和支撑线,形成准自动量化的形态识别工具。图9以平安银行为示例显示了压力线、支撑线与局部极值点的拟合情况。
在形态具体分类中,压力线和支撑线斜率被主观定义为水平、微升、微降、上升、下降等区间(表1和表2),例如上升三角形定义为压力线斜率[-0.05,0.05],支撑线斜率[0.05,0.15]。
针对这些斜率定义下的形态,报告统计了突破压力线(上涨形态)和下穿支撑线(下跌形态)后的后续收益表现。整体来看,突破压力线后平均收益和胜率均优于全样本,尤其小市值股票表现更优。不同形态中,下降三角形、矩形、旗形、喇叭形在不同股票池中表现突出。
下穿支撑线的下跌形态后续收益显著低于全样本,且小市值股票反映更强,显示技术形态判定对价格下跌更为敏感。
具体数据详见表3、4,持有20天收益高达数个百分点,胜率大多超过50%,盈亏比大于1,表明该技术指标具备一定的实用参考价值。
报告超越传统形态分类,从形态前收益率、压力线与支撑线斜率、形态高度(压力与支撑线间距离)和成交量变化多参数维度挖掘情况。
形态识别的回溯期选取是主观且影响重大的一环,不同期长度会导致完全不同的形态识别结果,甚至同一时点基于不同回溯期分析得出持续形态和反转形态截然相反的结论(图20、21)。本报告暂定固定120交易日作为回溯期,方便量化分析,但灵活性不足,后续允许回溯期自适应可能提升效果。,23]
基于前述形态统计结果提出具体交易策略:
策略实现年化收益9.3%,最大回撤20.07%,夏普比率0.49;相比期间中证500指数年化10.04%、最大回撤58.4%、夏普比率0.26,策略风险控制明显优越,尤其最大回撤缩减超过60%,夏普比率显著提升。策略表现较基准略低主要是2009年信号较少,后续剔除该年表现优异,展示一定超额收益潜力(图22-23、表10)。,24]
报告确认传统形态技术分析在A股市场有效性,尤其在中小市值股票中表现更佳,上涨持续形态突破压力线及下跌持续形态下穿支撑线均对后续收益有显著影响。基于压力线突破设计的量化策略降低最大回撤,提高波动调整收益率,具一定实操意义。
未来改进方向包括增加形态样本多样性,改进回溯期选择灵活性,解决策略在大跌市场不盈利的问题等,实现更全面的技术面量化建模。,25]
展示沪深300指数价格点(黑点)与核回归平滑曲线(蓝线),局部高点(红圈)与低点(红星)明显标注。图形说明利用核回归能够平滑价格波动,挖掘关键高低转折,为形态算法提供核心节点。
通过矩阵网格模板对股价不同时间区间和价格分位分布进行编码及匹配,匹配高于阈值即认定为特定形态(如牛市旗形),体现图形规则下的量化算法思想,利于快速筛选形态。
图3示意三种常用距离计算,分别为欧氏距离(a)、垂直距离(b)、铅垂距离(c),用于决定关键点识别的合理性,图4基于沪深300指数实际应用案例显示该方法作用,缺陷是需先验指定关键点数量
沪深300指数局部高点和低点数据用分位数回归拟合的压力线(上边界)和支撑线(下边界)清晰呈现趋势通道,反映价格波动区间,有利于自动识别传统技术形态,增强适用性和一致性。
图7示例对称三角形、上升三角形、下降三角形、矩形、旗形、喇叭形,均为典型持续形态,易用压力线支撑线捕捉。图8示例头肩顶/底、三重顶/底等反转形态,图中同时标注成交量信息并复杂顶点结构,识别相对复杂。
以平安银行股价为例,展示分位数回归识别出的压力线和支撑线连线与局部高低点匹配,一次价格突破压力线形态,符合预期技术含义。体现方法在具体个股中的应用效果。
支撑线斜率与后续收益关系为负相关,斜率绝对值较大会降低收益与胜率,尤其形态前收益>20%后负相关更明显,暗示强支撑斜率下降时形态突破风险较高。
形态前收益率与后续收益呈现复杂非线性,特别亏损超过40%时有反转现象,收益超过25%后趋于稳定,反映市场动量和反转不同阶段表现。
列明主观定义的压力线与支撑线斜率区间及对应统计分位数,合理界定形态识别的斜率阈值,为后续归类提供基础。
详细披露各常见形态在不同股票池中持有5、10、20天的收益率、胜率和盈亏比,确认突破压力线后上涨概率和收益都优于全市场,下穿支撑线后一致走弱,强化技术分析形态的有效性。
表格通过二维分组统计20日收益,突出第三象限及第二象限(大跌反弹)的优势收益区间,强化了多参数组合应用的重要性,并在形态前涨幅>20%后数据更健康。
介绍形态高度的统计区间及加权收益,整体显示影响较小,但应作为辅助剔除极端异常形态的参数。
实证展示同一时点不同回溯期限下的股价形态截然不同,有的出现持续形态,有的则是反转形态,展示了技术分析中“主观性”与“多样性”的困境。
报告无估值分析及目标价内容,故无此部分解读。
风险提示指出模型基于历史数据总结,存在未来失效风险;形态算法和回测结果均有局限性,未来市场环境的变化可能降低策略适用性。
此外,回溯期固定、未能涵盖所有市场状态、策略难以在大跌行情获取正收益均属潜在风险。
总结部分亦指出形态回溯期选择的主观性及模型灵活性不足,策略对不同市场周期的适应性有待增强。,26]
整体而言,报告基于严谨数据统计,提供了技术面形态量化的系统思路,成果客观,但仍体现技术分析的经验依赖和参数敏感问题。,22,25]
本报告构建了基于分位数回归方法识别压力线和支撑线的技术面量化框架,深入解析多种经典持续形态在A股市场中的适用性及其突破信号的后续收益表现。
详细的数据统计和可视化图表充分支持以下重要结论:
整体来看,报告创新地将经典技术分析形态转化为理论上系统可操作的量化工具,充分利用统计学与机器学习思想,对A股市场技术分析的实用价值和局限性进行了科学的量化检验。其成果为进一步技术面量化研究与组合策略构建提供了坚实基础。,4,12-25]
报告集成了详尽的图表和表格分析,全面展示了压力线和支撑线这一经典技术分析工具在中国市场的量化实现路径与策略有效性,具有较高的学术和实务参考价值,但也基于传统技术分析假设,未来需结合更多市场微观结构和机器学习模型进一步提升预测能力和策略适应度。
,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26]
以上为报告内容的详尽分析解读,涵盖理论基础、算法介绍、形态分类及斜率定义、实证统计、策略设计、回测表现及风险提示,结合图表数据逐项解释,系统地呈现了技术面量化方法在A股市场的应用及其效果。
技术面量化系列专题之一:压力线和支撑线的识别算法及突破策略.pdf