技術分析的本質：條件分布
從量化交易員的角度看，技術分析真正處理的問題，是辨認價格中是否存在可重複的條件分布。當某種價格行為出現後，未來報酬的機率分布有沒有發生改變？改變幅度是否足以支付交易成本？這個差異，決定了技術分析究竟是一套交易方法，還是一種視覺化敘事。
突破前高背後的機制
例如「股價突破前高」本身沒有太大意義。突破發生時，成交量是否同步增加？突破前的波動率是收縮還是已經過度擴張？買方是持續主動吃單，還是賣方撤掉掛單後造成價格跳升？突破後的回踩是否守住原本的成交密集區？同一個圖形，在不同市場環境裡，背後可能完全是兩種相反的機制。
價格的壓縮與痕跡
價格是一個壓縮後的結果。 它把買賣雙方的估值差異、交易急迫性、流動性供給與風險偏好，濃縮成一條時間序列。單看收盤價，確實無法還原所有資訊，但價格的排列方式仍然會留下痕跡。趨勢代表新資訊可能分階段被吸收，或者資金流入具有延續性；短期反轉則可能反映流動性衝擊過度、槓桿平倉或交易者暫時性失衡。
這些都只是推論，必須經過測試才有交易價值。
將圖表語言拆成可計算的變數
圖表語言可以拆成可計算的變數。均線之間的距離可以轉成標準化偏離，突破可以定義為價格超過過去某段區間的幅度，成交量則可相對於自身歷史分布進行調整。若研究短期反轉，不能只看跌幅，還需要觀察跌幅發生的速度、當時的買賣價差、波動率狀態與後續流動性恢復程度。哪一種市場行為，可能真正代表價格暫時偏離了合理交易區間？
好的做法是讓每個變數對應一個清楚的交易假說。
- 動能因子：假設價格具有延續性；
- 均值回歸因子：假設短期失衡會修復；
- 成交量因子：試圖分辨價格移動是否獲得參與度支持；
- 波動率因子：則協助判斷同一個訊號應該承擔多少倉位。
如果一個因子只能用模糊的一句話解釋，通常代表它還沒有被真正理解。技術指標的名稱不重要，重要的是它測量了什麼行為，以及這種行為為何可能持續。
訊號品質與報酬路徑
接下來要處理的是訊號品質。訊號不能只用「賺錢或不賺錢」判斷。 若訊號負責替資產排序，可以觀察它與未來報酬之間的 IC；若訊號負責產生交易，則要分析不同持有期、不同波動環境與不同流動性條件下的報酬分布。平均報酬很容易掩蓋問題，因為策略可能只靠少數幾筆極端盈利支撐。勝率、盈虧比、連續虧損次數，以及最大回撤，必須放在同一個框架裡理解。
一個勝率很高的均值回歸策略，可能在極端行情中一次失去數月利潤；一個勝率偏低的趨勢策略，則可能依靠少數大行情維持正期望值。交易員真正承受的是報酬路徑，不是回測報告上的單一績效數字。 夏普比率可以衡量單位波動下的回報效率，但它無法完整描述流動性突然消失時，策略會如何穿越價格。
市場狀態的影響
市場狀態也會改變技術訊號的含義。 趨勢明確時，均值回歸往往變成逆勢接刀；價格橫向盤整時，動能訊號容易在區間邊緣反覆失敗。假突破不一定代表指標錯誤，它可能只說明市場沒有足夠的新訂單承接原有方向。若策略把所有市場階段視為同一個樣本，回測結果很容易產生虛假的穩定感。
原文出處：voltima_quant (@voltima_quant) 於 Threads · 查看原文