技術分析進階(1)  研究Basic

更新 發佈閱讀 4 分鐘
投資理財內容聲明

本文為技術分析進階,適合有技術分析基礎者閱讀,不建議未學過基礎技術分析者閱讀


raw-image

Index

(1)  研究Basic

(2)  技術分析有效的理論

(3)  杜金龍台股技術分析回測(純技術分析)

a. MA(Moving Average)移動平均線

b. BIAS((Bias Ratio)乖離率

c.MACD(指數平滑異同平均線)

d.KD(隨機指標)

本文為連載性質, 將逐步完善

---------------------------------------以下本文開始----------------------------------

(1)Basic

有效性

要用技術分析前,我們得明確一件事:技術分析是否有用?

如果技術分析效用不大,我們學習並使用,就是迷信了,那麼要如何確認技術指標有用, 最簡單的方法就是: 回測。

使用技術分析的投資者,應該都了解一件事: 技術指標並非100% 準確。

事實上,世事皆然,依據一個現象判斷未來, 無法說100%一定會發生預期

的現象,只能說依照過去經驗,發生此類徵兆,有多少機率會發生預期事件,我們談論的是兩個事件發生的相關性。所以必然有一個歷史經驗的發生機率。回測就是要得到這個發生機率, 如果顯著大於50%, 這個下注才會有意義。

 

回測條件與應用

回測要有效,有幾個要件必須成立,絕大多數的回測資料都無法全部通過, 因此找到大多數的回測數據的有效性要打折扣,使用時要注意:

 

(A)   回測期間: 需要跨越熊市

牛市期間很容易獲得正報酬, 但若純粹看技術分析, 無法就總經或基本面來評估, 無法避開景氣衰退的熊市階段, 所得到的長期正報酬率是失真的。加上2008年後自2023年市場並無較長期及跌幅較大的熊市,因此若無涵蓋2008或2000等級的熊市, 策略未必將來能夠抵抗大規模熊市。

(B)取樣樣本要足夠

 

(C)報酬率需要超越指數

這個很容易理解, 如果報酬率無法勝過指數,那麼主動投資就是在玩一場投資遊戲,而不是真正來賺錢的。

(D)勝率是否顯著大於50%?

大部分的回測,都沒有加入買賣成本, 如果僅僅略高於50%, 很容易因為摩擦成本而虧損。

(E)不要使用成交量太小的標的回測,因為其容易人為操縱。

 

(F)回測標的的適用性:

  經常某些策略的適用性並不一致,在美股可行的策略,台股就未必, 比特幣的策略也未必能適用於原物料,適用性是必需要注意的要件。

 

(G)回測有效的策略,並不一定在未來都能發揮效用,只能說過去看似有效, 這是可能可以有效影響報酬的因子,可以在投資中考慮進去, 時間拉長就未必, 很多有效策略後來都失效了。

技術分析類型

技術分析可以大略分為兩大類: 技術指標&形態學

技術指標就是常見的RSI, MACD, KD等等,大體上以黃金交叉買進,死亡交叉買入

形態學就是頭肩頂, 雙峰頂, 圓形底, W型底, 三角收斂, 箱型震盪等K線形狀

其中可能會輔以成交量分析, 籌碼分析,也可以技術指標與型態學雙重濾網等。

 

另外,技術分析也可以跟基本分析,總經等等結合,形成複合的分析, 加強勝率。

建議回測資料搜集到後,還是自己親自跑一次回測, 不要單純的相信回測結果,通常會得到更多經驗, 發現更多遺漏的重要細節。

 

技術分析類型

技術分析可以大略分為兩大類: 技術指標&形態學

技術指標就是常見的RSI, MACD, KD等等,大體上以黃金交叉買進,死亡交叉買入

形態學就是頭肩頂, 雙峰頂, 圓形底, W型底, 三角收斂, 箱型震盪等K線形狀

其中可能會輔以成交量分析, 籌碼分析,也可以技術指標與型態學雙重濾網等。

 

另外,技術分析也可以跟基本分析,總經等等結合,形成複合的分析, 加強勝率。

建議回測資料搜集到後,還是自己親自跑一次回測, 不要單純的相信回測結果,通常會得到更多經驗, 發現更多遺漏的重要細節。

raw-image

-----------------------未完待續---------------------

(2)  技術分析有效的理論


留言
avatar-img
Fisher投資踩坑筆記
293會員
143內容數
自用投資研究
2024/03/12
本文為技術分析進階,適合有技術分析基礎者閱讀,不建議未學過基礎技術分析者閱讀
Thumbnail
2024/03/12
本文為技術分析進階,適合有技術分析基礎者閱讀,不建議未學過基礎技術分析者閱讀
Thumbnail
2024/02/20
本文為技術分析進階,適合有技術分析基礎者閱讀,不建議未學過基礎技術分析者閱讀
Thumbnail
2024/02/20
本文為技術分析進階,適合有技術分析基礎者閱讀,不建議未學過基礎技術分析者閱讀
Thumbnail
2024/02/02
本文為技術分析進階,適合有技術分析基礎者閱讀,不建議未學過基礎技術分析者閱讀 C. MACD(指數平滑異同平均線) 台股歷年回測數據
Thumbnail
2024/02/02
本文為技術分析進階,適合有技術分析基礎者閱讀,不建議未學過基礎技術分析者閱讀 C. MACD(指數平滑異同平均線) 台股歷年回測數據
Thumbnail
看更多
你可能也想看
Thumbnail
賽勒布倫尼科夫以流亡處境回望蘇聯電影導演帕拉贊諾夫的舞台作品,以十段寓言式殘篇,重新拼貼記憶、暴力與美學,並將審查、政治犯、戰爭陰影與「形式即政治」的劇場傳統推到台前。本文聚焦於《傳奇:帕拉贊諾夫的十段殘篇》的舞台美術、音樂與多重扮演策略,嘗試解析極權底下不可言說之事,將如何成為可被觀看的公共發聲。
Thumbnail
賽勒布倫尼科夫以流亡處境回望蘇聯電影導演帕拉贊諾夫的舞台作品,以十段寓言式殘篇,重新拼貼記憶、暴力與美學,並將審查、政治犯、戰爭陰影與「形式即政治」的劇場傳統推到台前。本文聚焦於《傳奇:帕拉贊諾夫的十段殘篇》的舞台美術、音樂與多重扮演策略,嘗試解析極權底下不可言說之事,將如何成為可被觀看的公共發聲。
Thumbnail
柏林劇團在 2026 北藝嚴選,再次帶來由布萊希特改編的經典劇目《三便士歌劇》(The Threepenny Opera),導演巴里・柯斯基以舞台結構與舞台調度,重新向「疏離」進行提問。本文將從觀眾慾望作為戲劇內核,藉由沉浸與疏離的辯證,解析此作如何再次照見觀眾自身的位置。
Thumbnail
柏林劇團在 2026 北藝嚴選,再次帶來由布萊希特改編的經典劇目《三便士歌劇》(The Threepenny Opera),導演巴里・柯斯基以舞台結構與舞台調度,重新向「疏離」進行提問。本文將從觀眾慾望作為戲劇內核,藉由沉浸與疏離的辯證,解析此作如何再次照見觀眾自身的位置。
Thumbnail
本文深入解析臺灣劇團「晃晃跨幅町」對易卜生經典劇作《海妲.蓋柏樂》的詮釋,從劇本歷史、聲響與舞臺設計,到演員的主體創作方法,探討此版本如何讓經典劇作在當代劇場語境下煥發新生,滿足現代觀眾的觀看慾望。
Thumbnail
本文深入解析臺灣劇團「晃晃跨幅町」對易卜生經典劇作《海妲.蓋柏樂》的詮釋,從劇本歷史、聲響與舞臺設計,到演員的主體創作方法,探討此版本如何讓經典劇作在當代劇場語境下煥發新生,滿足現代觀眾的觀看慾望。
Thumbnail
《轉轉生》為奈及利亞編舞家庫德斯.奧尼奎庫與 Q 舞團創作的當代舞蹈作品,融合舞蹈、音樂、時尚和視覺藝術,透過身體、服裝與群舞結構,回應殖民歷史、城市經驗與祖靈記憶的交錯。本文將從服裝設計、身體語彙與「輪迴」的「誕生—死亡—重生」結構出發,分析《轉轉生》如何以當代目光,形塑去殖民視角的奈及利亞歷史。
Thumbnail
《轉轉生》為奈及利亞編舞家庫德斯.奧尼奎庫與 Q 舞團創作的當代舞蹈作品,融合舞蹈、音樂、時尚和視覺藝術,透過身體、服裝與群舞結構,回應殖民歷史、城市經驗與祖靈記憶的交錯。本文將從服裝設計、身體語彙與「輪迴」的「誕生—死亡—重生」結構出發,分析《轉轉生》如何以當代目光,形塑去殖民視角的奈及利亞歷史。
Thumbnail
Python資料視覺化在數據分析中扮演關鍵角色,透過視覺化捕捉數據模式、趨勢和異常,透過Matplotlib等工具創建專業圖表變相對簡單和高效。
Thumbnail
Python資料視覺化在數據分析中扮演關鍵角色,透過視覺化捕捉數據模式、趨勢和異常,透過Matplotlib等工具創建專業圖表變相對簡單和高效。
Thumbnail
🎗️本次主題成果展示:人力資訊分析 上集回顧 🔗EXCEL儀表板 | 人力資訊分析儀表板 #1 | 上手等級:入門🔗 🔗EXCEL儀表板 | 人力資訊分析儀表板 #2 | 上手等級:入門🔗 🔗EXCEL儀表板 | 人力資訊分析儀表板 #3 | 上手等級:入門🔗 🔗E
Thumbnail
🎗️本次主題成果展示:人力資訊分析 上集回顧 🔗EXCEL儀表板 | 人力資訊分析儀表板 #1 | 上手等級:入門🔗 🔗EXCEL儀表板 | 人力資訊分析儀表板 #2 | 上手等級:入門🔗 🔗EXCEL儀表板 | 人力資訊分析儀表板 #3 | 上手等級:入門🔗 🔗E
Thumbnail
高中數學主題練習—根式化簡
Thumbnail
高中數學主題練習—根式化簡
Thumbnail
高中數學主題練習—根式化簡
Thumbnail
高中數學主題練習—根式化簡
Thumbnail
高中數學主題練習—標準化計算
Thumbnail
高中數學主題練習—標準化計算
Thumbnail
最近有新的訂閱者加入, 想趁這個機會再分享一次學習心法與建議給第一次練習的讀者、同學們。 如果你本身已經很熟練演算法,那隨機挑題目練習ok,可以測試觀念是否正確,並且驗證寫code的效率與正確程度。 如果是剛畢業或還在學,以前沒有打過程式競賽。 想開始有系統地增強演算法&資料結構的能力
Thumbnail
最近有新的訂閱者加入, 想趁這個機會再分享一次學習心法與建議給第一次練習的讀者、同學們。 如果你本身已經很熟練演算法,那隨機挑題目練習ok,可以測試觀念是否正確,並且驗證寫code的效率與正確程度。 如果是剛畢業或還在學,以前沒有打過程式競賽。 想開始有系統地增強演算法&資料結構的能力
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News