期货投资技术分析方法
传统的金融理论认为,资产价格完全是由基本面信息决定的,投资者完全根据基本面、完全理性地进行投资决策。然而随着金融市场的迅速发展,程序化交易与高频交易等新的交易模式纷纷出现,无疑表明基本面之外的因素也会对金融市场的资产价格形成机制产生重要影响。研究非基本面因素对金融市场资产价格的影响,期货投资技术分析方法 无论对于市场监管还是理性投资都是非常重要的。 出于这样的认识,本文在所有非基本面因素中,着重选择市场情绪和技术分析两个因素进行分析,以探究这些非基本面因素影响资产价格的原理、对投资者行为模式的影响以及对金融市场价格形成机制和资源配置效率的影响。然后在充分研究这些问题的基础上提出交易策略,以检验这些认识的合理性。在分析过程中,本文通过基于agent的建模方法,设定投资者个体的行为方式并使其相互影响互动进而得出市场的总体影响,从而使分析具备更完善的微观基础。 第二章首先对本文研究涉及的相关领域进行了文献评述。该章第一节首先对有效市场假说、行为金融学、分形市场假说和协同市场假说等关于金融市场的理论进行了综述,简单介绍了目前相关研究的进展。然后在第二节中对本文中使用的基于agent的建模方法的理论与成果进行了回顾。第三节中则对以上两部分进行综合分析,指出目前相关理论和研究方法的特点和不足。 第三至第五章讨论市场情绪的影响。第三章通过构建一个经过改进的羊群效应模型,证明市场价格是由基本面与市场情绪共同决定的；然后通过调整模型参数设置,研究了几种政策可能给市场带来的影响。进而将基本分析流派与以格雷厄姆为代表的学术分析流派进行了对比,期货投资技术分析方法 指出两者的不同是中期流量分析与长期存量分析的不同,而在市场情绪影响市场价格的情况下,中期流量分析是无效的。 第四章假设投资者已经充分认识到市场情绪对于市场价格的影响,从而依据“所有投资者对基本面主观判断的平均值”,而不是基本面本身进行投资决策。模型运行结果证明,此时投资者的理性行为反而导致了资产价格泡沫,而连续的基本面同向变化会恶化资产价格泡沫的严重程度。也就是说,不仅应该重视信息披露的程度,还应该注意信息披露的方式,避免连续公布好(坏)消息对投资者的判断能力产生误导。 第五章从第三和第四章的模型出发讨论了“反应过度”与“反应不足”的关系。认为反应过度是绝对的、必然的,而反应不足是相对的、偶然的。通常基于反应过度构建的策略是动量策略,前人对此进行了研究,并没有得出一致的结论。本文认为,动量策略的分析周期往往长达几个月甚至几年,必须考虑基本面的变化。因此,本文将基本面分析与动量策略结合起来构建交易策略并进行实证分析。结果显示,如果根据基本面投资,那么应当选择动量效应较小的股票；而如果根据动量效应投资,则应该投资于基本面较差的公司。这与模型运行结果和我们的日常经验都是相符的,也证明了第三和第四章的结论。 第六至第八章讨论技术分析的影响。大量的调查研究显示,技术分析在股票、期货、外汇等一系列金融市场上都得到了广泛的应用。第六章中的模型将基于agent的建模方法与新古典资产定价模型相结合,并运用遗传算法模拟交易者对其交易策略的优胜劣汰,证明了在市场上存在技术分析的情况下,使用技术分析对交易者而言是一种上策均衡,但技术分析的广泛应用也增加了产生资产价格泡沫的风险。然后通过剖析技术分析的原理,指出技术分析在于追随趋势方面具有优势。从这个意义上来说,动量策略与技术分析是一致的。但是两者在所分析的时间跨度上的不同,导致动量策略无法脱离基本面,而技术分析则在一定程度上可以独立发挥作用。 第七章从新闻效应的不对称性入手,研究基本面与技术面之间的互动及其相互关系。实证结果显示,不同技术面状态下市场对基本面的反应存在明显差异,期货投资技术分析方法 期货投资技术分析方法 这是因为在市场上涨期,投资者被希望和乐观所鼓舞,而在下跌期,又被恐惧所控制。这些非理性因素都扭曲了市场对新闻的正确解读能力。由于基本面分析方法只能分析特定资产在较长期的价格变化的大体情况,而技术分析可以对多种资产进行多时间跨度、相对精确(虽然未必准确)的分析,所以技术分析在一定程度上填补了基本面分析的空白而对短期价格形成机制有重要影响。 经过第六和第七两章的分析可以得出结论,技术分析不仅在一定程度上可以独立发挥作用,而且对短期价格形成机制有比基本面更为重要的影响。如果这个结论正确,那么应该可以完全根据技术分析制定交易策略。第八章对国外常用的Donchian通道突破系统进行了改进与优化,针对我国的商品期货市场在15分钟的分析周期上进行了样本外测试和多品种跨市场测试。结果证明了该该策略的有效性。此外,笔者对该系统进行了长达两年的实盘检验1,证明该系统可以投入实际应用。这些都证明了第六和第七章结论的正确性 最后在第九章中,总结全文,给出主要结论,即基本因素决定资产的长期价值；价格围绕价值波动,不完全的市场会扭曲这种关系并导致系统性风险,持续的基本面变动也会使两者产生系统性偏离；市场情绪与技术分析会影响价格的短期波动,两者具有内在的一致性。随后在此研究结果基础上对监管当局、企业和交易者分别提出启示与建议。本文认为,金融监管当局应当认识到暴涨暴跌是金融市场的自然属性,应当尊重实体经济与虚拟经济的不同运行规律,在两者之间构筑防火墙,才能保证实体经济与虚拟经济的良性互动和共同发展；企业应当充分认识资产价格形成中的非理性因素,加强风险意识以趋利避害；而交易者应从自己的客观情况出发,选择适合自己的分析方法。
期货投资技术分析方法
■ 益智
刚刚招待好约翰 · 布林格先生在杭州的中大期货国际投资大师系列演讲会。作为注册金融分析师 (CFA) 和注册市场技术师 (CMT) ，布林格先生多年在美国电视财经新闻网和 CNBC 进行市场分析评论，是当今美国最重要的技术分析大师之一。他热衷于研究，开发出一系列广为采用的投资工具和分析技术。他发明的布林线 (Bollinger Bands) 笑傲江湖 30 年，已被当今流行的所有证券软件采纳。
2010 年4 月16 日 我国正式推出股指期货，使传统只能做多赚钱，T+1 交易的一亿多股票投资者见识了做空赚钱， T+0 交易的神奇，而股指从那一刻起 3 个多月来最多下跌 30% 似乎是为了证实这一新机制的现实性，更为神奇的是，期货的杠杆机制又使波动率增加了 5 倍以上。事实上，商品期货在我国已经规范发展了 10 年以上，上述交易机制原本就存在，但商品期货交易者 10 年来只有 90 万，只有股指期货的推出，才使主流投资者真正见识了期货的魅力。
所以笔者在年初提出 2010 年代是期货时代，投资理念也应该从原来的买入持有股票守株待兔坐等收益转变为注重技术分析高抛低吸积极投资的阶段，使投资交易的技术含量不断提高。股指期货的买空卖空、杠杆交易以及 T+0 正好为基于技术分析的积极交易提供了绝好的基础。
传统倾向于把证券分析割裂为基本分析和技术分析两派，基本分析法着重于对一般经济情况以及个别公司的经营管理状况、行业动态等因素进行分析，以此来研究股票的价值，衡量股价的高低。而技术分析则是透过图表或技术指标的设计，研究市场过去及现在的行为反应，以推测未来价格的变动趋势。其依据的技术指标的主要内容是由股价、成交量及其 K 线组合等数据计算而得的。笔者认为，技术分析是投资行为成熟的体现，投资分析的升级版本。
股票市场的技术分析，能够使我们最大限度地提高潜在收益。如果我们片面地采用巴菲特买入持有理念，即实际上的懒人投资法，中国股市的回报令人失望。 2000 年上证综指收盘 2073 点， 2007 年最高 期货投资技术分析方法 6124 点， 2008 年收盘 1820 点， 2010 年 8 月 13 期货投资技术分析方法 期货投资技术分析方法 日收盘 2606 点，目前今年最低 2319 期货投资技术分析方法 点。那么从 2000 年底起买入上证一篮子股票，持有 8 年后收益率 -12.2% ，持有近 10 年到 8 月 13 日收益率为 25% ，还赶不上定期银行存款利率，更赶不上通货膨胀率。但其间的波动收益极大，按年最高达 195% ，如果每月每周每日每时技术交易的话潜在机会几乎无限。股指期货的推出则使基于技术分析的交易机会扩大的极限。我们的实证研究表明，沪深 300 指数的日内波动率在 2010 年显著扩大，为技术分析高抛低吸提供了更多套利机会。
既然技术有高低之分，我们就应该追求高水平的技术分析，但其中的判断依据在哪里呢？广播电视里有许多卖技术软件的，怎么来区分良莠呢？很简单，品牌与经验。我们之所以请国际著名的投资大师来讲解技术分析，就是因为他们有着与国际股指期货同龄的操作经验，而且还有经典的指标经过几十年股海风波的考验。与布林格的交往过程中，我们用他的系统测试了中国的股指、股票及商品期货，结果要比美国市场好。原因在于我国证券市场有效性相对较弱，同时股票现货市场上进行套利交易、程序化交易者相对于美国市场要少得多，在一个相对纯洁、噪音较少的市场中，他的系统又在中国比较少用，所以准确性要高得多。在被问及某只股票会涨到哪里？布林格通常会拒绝回答，因为他的交易哲学是通过他的系统寻找可以最低风险买入的证券，一旦买入，就一直持有到可以卖出的价位，同时最大限度地拒绝错单的存在，一旦发生不符合预期的情形，马上止损。老生常谈的是，基本分析帮助我们决策购买何种股票，而技术分析则让我们把握具体买卖的时机。但布林格的做法其实是以技术分析的外衣包络了基本分析的内核，实实在在的一种理性分析。而如果这样的技术分析方法被我国的机构投资者，特别是证券投资基金经理学到手，业绩不佳、人事动荡、内幕交易、 “ 老鼠仓 ” 事件等基金乱象也会得到极大的避免。（浙江财经学院金融学院）
量化投资技术分析实战——解码股票与期货交易模型
第1章 量化投资入门建议与行业概况 1
1.1 学习路线图与重要知识节点 1
1.2 稳步上升的资金曲线是否存在 6
1.3 有保留地相信回测结果 12
1.4 绩效评估常见指标和方法 16
1.5 部分可视化免编程量化分析平台 期货投资技术分析方法 21
第2章 快速驾驭编程语言知识 32
2.1 TB基本编程——基础知识 32
2.2 TB基本编程——条件循环语句 39
2.3 Python语言比你想象中更简单 43
2.4 Python Numpy库常用操作解读 55
2.5 Python Pandas库常用操作解读 58
2.6 实战开始：在股票平台进行数据查询 63
第3章 股票期货择时交易模型 70
3.期货投资技术分析方法 1 ETF二八择时法则，跑赢基础股票指数 70
3.2 Aberration系统，长期活跃于期货市场 83
3.3 低价股+逆向双均线模型，初步探索个股特征 102
3.4 CCI通道+自适应系统，驯服商品期货波动 111
3.5 AMA自适应均线系统捕捉价格启动机会 123
3.6 “海龟交易法则”辉煌战绩与实践 140
第4章 基本面和技术面交易模型 147
4.1 股票模型思路形成与常见问题 147
4.2 小市值二八过滤止损模型，A股明星以小为美 152
4.3 PEG价值选股模型，复制彼得•林奇投资路径 163
4.4 技术指标测试平台 174
4.5 动量效应和反转效应 188
4.6 换手率和资金流模型，主力和筹码盘根错节 197
4.7 个股CTA策略尝试 215
4.8 高频因子低频交易，“聪明钱”因子模型 228
4.9 股息率高分红模型，与参数优化实践 244
第5章 更有效的期货交易模型构建 260
5.1 万变不离其宗，均线类模型本质剖析 260
5.2 逆势交易在期货市场的初步实践 267
5.3 大小周期双频率模型CTA实战 281
5.4 OpenRangeBreaker短线突破交易系统 290
第6章 股票多因子模型实战 309
6.1 理解回归问题的原理 309
6.2 基本的统计学知识补充 313
6.3 股票多因子模型的实质 325
6.4 股票收益50年探索历程 333
6.5 单因子分析方法 337
6.6 多因子选股模型：多元线性回归法 345
6.7 SVR机器学习多因子建模 355
第7章 模型与实盘投资难点 367
7.1 参与CTA市场的必要性和必然性 367
7.2 止损模块的重要意义与取舍 371
7.3 我们更加侧重的绩效评估理论 373
7.4 警惕隐藏的回撤幅度和回撤时间 377
结束语 不断失败和不断迭代 期货投资技术分析方法 380
· · · · · · (收起)
期货投资分析方法有哪些
微信扫一扫打赏
支付宝扫一扫打赏