-
1 # Potato226
-
2 # 量化交易龍頭之戰
可以證明,纏中說禪分別用數學定理來進行了闡述。你可以去學習看看。理論是比較牛逼的。但是他有些理論沒進行系統的闡述,比如成交量,但是在黑馬王子老師的量柱擒漲停裡,專門介紹了成交量。你可以學學,我認為技術分析領域裡邊,這兩本書是最有用的。別的不用深入看了,瞭解即可。
-
3 # 老倔驢
可以證明純技術分析無用。大多數都是用統計的方法來推斷結論,其實這是一種先驗方法,不可靠。你可能會發現某個方法在過去成功率很高,但你自己用起來就不是那麼回事了。
-
4 # 典妖記
算是問對人了,本人從數學機率論角度,來否定市場最常見一種偽技術
今天要駁是股民常用的是“指標中雙金叉(或三金叉)買入法”。技術說的是:走勢圖中,當macd和kdj同時發生金叉,則選股成功率會增加,是買入時機。
數學的機率論中,有一個叫做獨立事件同時發生機率:例~甲打靶命中機率是0.5,乙打靶命中機率是0.4,那麼甲乙同時命中機率是0.5*0.4=0.2(即機率降低了,注意獨立事件同時發生機率是相乘)。
這是數學理論,也是正確的獨立事件機率發生計算方法。但是,在股市中,卻完全不是這樣。股票中的多個指標,可以看做不純碎相互獨立事件。那麼多指標疊加運用,他們同時發生(選股成功)機率,應該是指標成功機率之間相乘。但百分之90的指標運用者,對多指標發生機率的是相加。
例如:假設macd指標金叉處買,選股成功機率是0.4,kdj指標金叉處買,選股成功率是0.3,股民運用雙指標選股,同時發生雙金叉買,就一廂情願認為增加了選股成功率,即選股成功率是0.7(0.3+0.4)。從數學角度來說,這更似個笑話。單純用數學機率公式正確計算,應該是0.3*0.4=0.12。當然實際中,機率不會這麼低,但也絕對也不會是兩個機率相加那麼高。基本是在單指標成功機率附近。
其實類似例子很多。股民容易虧損的原因,可能是技術不紮實,也可能學習的技術——本身就是一種經不起推敲,有缺陷的技術。
-
5 # 雲端美
那些自動交易軟體,就是數學模型的具體應用;一些收費軟體,就是具有數學分析能力,和較高的準確性;技術指標本身就是數學模型轉換的,它們一直都有參考價值,否則就會消失,誰會讓錯誤的指標誤導自己?
趨勢,也是數學分支,具有延續性。當慢牛趨勢確立,打破這個趨勢確實很難;人類社會屬性,決定他們追逐趨勢。市場經濟發展路徑、商品研發被市場認可探索成功,馬上就有大批人士追進來,或者山寨、盜版,趨勢的力量根本上來自人們社會性特質。
就像阿爾法狗戰勝全部九段高手一樣,未來人工智慧炒股年化收益率,會戰勝一大批巴菲特、楊百萬。但這套人工智慧系統軟硬體會便宜嗎?
-
6 # 2022百姓財經
股票技術分析,自有股票以來就一直存在,K線圖算不算技術?算的話,那股票就永遠少不了技術分析。波段、均線、量價、趨勢、波浪、纏論,這些都是技術分析派。
你的意思是用數學分析的角度證明股票技術分析是行不通的,這個基本很難。如同電商與實體店鋪的關係一樣,最後的結果只能相互並存,而不是誰取代誰。各種理論和流派都有優缺點,任何一個你只要掌握了精髓,都可以。
數學的方法中,可用的方法1、推理,我不知道你從哪個角度來推理技術分析是無用的?你如果說最近行情火的不行,全是成交量推動的。但是技術角度來說,成交量也屬於一個技術指標。2、列舉,你可能會從歷史的行情列舉出某個時間段技術分析完全不知道市場走向了,比如6124向下的大回調。但我要告訴你,6124那裡的圓弧頂加上放量滯漲也是技術上見頂的訊號。3、反證法,我不知道你用什麼方法看股票,拋棄K線、均線、走勢圖?只看價格?這個實在理解不了。
-
7 # 海螺008
技術分析建立的基礎
技術分析的核心是趨勢概念,而這個趨勢形成的原因,是市場交易者的對資訊瞭解有限,只能看到眼前的資訊,並根據有限的市場資訊進行判斷,大多數人選擇從眾方向。
這個前提,就沒有了科學的基礎,也就是客觀性,它更像機率。而機率是可以客觀的。
但是,如果做統計,那麼可以有很多結果出來,在這些統計資料的規律上再做分析,當然依然要用這種模糊統計的方法來做,那麼就可以有很多成果了。
我想,提出這個問題的人,可能是質疑技術分析,認為技術分析無用。但是這種統計其實是很多領域都在用的,然後利用統計資料再挖掘,找到大機率的事情。
比如,海洋溫度變化,可能引起某種氣候的變化,或者某種生物的繁衍規模。這些現象可以先從統計中找到似是而非的對應關係,然後再找到背後的必然原因。
統計有用比如,有人統計,用均線MA(5,20)系統操作,金叉買死叉賣,操作足夠多次後,發現賬戶是微虧的。但如果對MA20的斜率有個要求,比如導數為正,那麼交易的長期結果就改善很多。
除了技術分析指標,在價值分析指標也有。比如,有人統計,長期看,購買低市盈率且高分紅股票,投資是跑贏指數的。但是,如果購買高市盈率不分紅的股票,(一般是成長股),可能跑贏指數更多。那麼,如果有人希望激進些,當然應該考慮高市盈率股票。
這是簡單統計統計,還有複雜的。有人統計過K線走勢類似的情況,比如某隻股票A近期K線走勢,可能能在去年甚至上個牛市中的某隻股票B相近,那麼我們假設後面A的走勢,就真的也與那隻股票B的走勢一致。這個顯然有點想當然了吧?結果用計算機統計後發現,後期劇本一致的機率大於50%不少。
量化,數學的工作現在有很多人在做股市的分析工作,有的公司招聘了很多數學人才,不停地挖掘各種資料規律,從中找可以在一定程度上預測股價的方法。這種做法就是量化投資,量化投資非常適合計算機炒股,現在在全球有點燎原之勢了。
因為各種統計規律都有適用面,所以,量化炒股絕不會只找1、2條公式,往往是幾百條,幾千條公式放在一起,讓計算機找到可能性最大,收益率最高的機會。市場在變化,所以,有的公式可能會被淘汰,但是新的規律又被找出來,因此,量化炒股的公司工作量很大,需要僱很多人長期做這種工作,不可能拿到幾個秘訣就躺著賺錢了。
-
8 # 點及財經寫在前面。
1.技術分析,是可行的。程式化交易能夠持續穩定盈利,已經證明了這一點!
2.理論是死的,人是活的。每個訊號如果都按照金叉死叉這樣淺顯的邏輯來開倉,不虧才怪。
著名的“海龜交易法”至今仍然盈利!海龜交易法則裡面,開倉訊號是非常簡單。價格突破前N根k線最高價的最大值開多,跌破前M根k線最低價的最低值平倉。M<N,就這樣簡單的開平倉訊號!
在期貨市場幾十個品種中績效如下:品種上市至今。
這是非常簡單的、隨意寫的系統,但都有這樣的效果。別老想著去證明技術分析無用,踏踏實實的自己去研究,別人說的不一定正確包括我。
透過技術分析理論,能夠寫出賺錢的策略,並不難。是一個化繁為簡的過程!
理論是死的,人是活的!比如技術分析中的“背離”形態。不可否認,背離確實是一個需要讓人注意的技術形態。
當產生背離的時候,說明原趨勢的勢頭逐漸衰竭,但不一定會趨勢反轉,但是發生背離的區間是一個比較重要的區間,上突或下突都有可能!
但,有人就一直認為背離就一定會反轉,結果開倉後反殺。等吃虧了後,才發現自己在逆大趨勢下的一個小小的反彈而已,反彈力度不夠,只有虧損的份。
再者,有可能你選的品種就是一個弱品種或者股票,就算有再多的背離,再好看的圖形,沒趨勢行情,只有被耗死在哪裡!
說這麼多,主要表達一個觀點,技術分析是有用的,且不能死板用!技術分析可以看做是一個點,交易是一個面。
-
9 # 二郎看股
個人認為不行
因為任何技術指標分析,都是資料的呈現,都需要人進行主觀上的判斷。
迄今為止,還沒有任何一種百分之百有效的指標,所有的指標出現,都是需要我們加以主觀的判斷,技術分析的意義在於,透過分析技術形態,從而分析市場裡多空力量,判斷市場的走勢。
面對同一個走勢,不同的人可能做出截然不同的選擇,他們可能都沒錯,但能決定對錯的是市場
市場永遠不會錯,不能把個人的意願強加市場。
市場中的各種理論層出不窮,確實有很多的理論看起來繁複,實用起來,成功率也不高,但並不能就此否定技術分析。
如果僅僅用資料來炒股的話,基金經理的意義也就不大了,現在很多的AI,自動交易軟體就是這種,僅靠資料說話。
但是炒股你的每個對手都是人,會有心理上的變化,心理上的博弈。
-
10 # 小妞留步121
這其實不用數學證明的,我不知道你想問的是股票技術分析還是想問技術分析是否可以預測走勢,我猜你想問的是後者,因為只是股票分析其實就是馬後炮怎麼分析怎麼有道理,那股票分析能否預測走勢?我覺得連一半對一半都達不到!股票還是期貨市場都是混沌變化的,你盼著有個公式就解決一個混沌多變的問題,那科學家都不敢這麼想,當年牛頓虧的有多慘你可以查查百度,退一步說即使有這個公式,但這市場就是對手盤,你在那個點買了就意味著有人在那點賣了!你依靠公式指標長期在那個點盈利,就意味著有人長期在那裡虧錢!那次數多了人家下次自然會躲開,你得指標也就失靈了,這還是知道的人數少的情況下,人數多了就更不不好使。散戶總想經過努力找個最後那個聖盃,一下解決自己的問題,走上人生巔峰,最好出手準確率100%才好,但其實出手準不代表你就能賺錢,我看到好多出手準確率不到40%的一樣賺錢,控制自己的慾望比指標更重要
回覆列表
理論上可以的。可以關注麻省理工的羅聞全寫過的一些關於技術分析的學術論文。
當然,這裡面有一個關鍵問題。用統計學歸納法可以發現哪些技術分析有用哪些沒有用。然而用邏輯演繹法可能存在基礎假設是否成立的問題。很多金融學理論假設市場有效,或者假設人都是理性的,這種情況是可以證明技術分析無用。然而從行為金融學方面來看,很多人是不理性的,又更容易證明技術分析有用。羅聞全還有一個適應性市場假說,這個可以用來證明不同的時間段技術分析有效性可能不同。比如牛市新散戶加入更多,也許比熊市更有效。
以上只是我的猜測,我也沒有這個實力去證明或者證偽。但是我直覺上認為是可以做的。至於為什麼幾乎沒人做這個事?因為大部分學術界的人都認為技術分析沒有用,不值得花時間。只有MIT的羅聞全認真研究過一點。如果您有興趣,可以深入研究,一定會有收穫的。