传统技术分析预测方法

人类对股票、期货、外汇行情预测分析进行了几百年的研究。按研究手段，预测分析包括基本面分析与技术面分析。我们还可以将技术分析方法分为传统技术分析方法和现代技术分析方法。以系统理论的预测方法在股票预测中的应用为界，之前的为传统技术分析方法，之后的为现代技术分析方法。传统技术分析方法又可分为指标分析和形态分析。指标分析是以技术指标为对象进行的分析，这些指标是根据原始数据计算而来的，诸如KDJ、OBV等，技术指标反映的是市场某一方面的特性，而这一特性往往是不易为人们所察觉到的。形态早期又叫图形分析，是以原始数据（价格、成交量和时间等）构成的图形为对象来判断市场状况的未来变化。

传统预测方法分为图表类的预测方法和数学类的预测方法。传统技术分析理论与方法众多，据不完全统计，证券业流传的传统技术分析指标与方法有三千多种，且每年都有新的指标与方法问世。此处摘要介绍部分内容。

K线。又称为日本线，在欧美称之为蜡烛线。K线理论起源于两百多年前的日本米市，最初的K线理论被日本人总结成Sakata法。经过长期的运用和变更，内容上有所变化。基本构成K线是一根反映某一时间单元的最高价、最低价、开盘价和收盘价这四个关键价位，一系列的K线排列在一起，就成了每个时间单元价格波动的情况。单根K线的含义、K线组合形态的意义、应用K线组合分析市场应该注意的问题等是K线理论的基本内容。K线理论是图表分析方法的基础，切线理论、形态理论、波浪理论等都是以K线理论为基础展开研究的。

切线理论。“顺势而为”是被投资者广泛认同的一项投资准则。价格的波动方向就是趋势，它是市场的运动方向。一般说来，市场变动不是朝一个方向直来直去，而是曲折前进。趋势的方向有三种：上升、下降和水平。如何识别趋势是投资的关键之一。切线理论是帮助识别趋势的有力工具。当然，切线理论给出了一些方法，正确应用要靠使用的人。切线理论的内容众多，主要有趋势的分类、支撑线与压力线、趋势线与轨道线、黄金分割线与百分线、扇形原理、速度线与甘氏线等。

形态理论。K线理论注重短线操作，其预测结果只适用于短期，为了弥补此不足，将K线组合包含的K线的根数扩大，众多的K线就组成了上下波动的曲线。形态理论认为，这条由众多K线组成的曲线能基本反映价格趋势。反转形态和持续形态是两大类基本的形态，每类形态又分多种具体的形态，如多重顶底形、头肩形、V形、矩形等。形态理论在判断市场大趋势方面简单、有效。价格趋势的方向发生变化不是突然到来的，都有一个发展的过程。价格曲线的上下波动实际上是多方（买入）与空方（卖出）进行争斗的结果，不同时期多空双方力量对比的大小就决定曲线是向上还是向下，这里的向上和向下所延续的时间要比K线理论中所说的向上和向下长得多，也稳定得多。形态理论正是通过研究价格所走过的轨迹来研究价格曲线的各种形态，分析和挖掘曲线所告诉我们的一些多空双方力量对比的结果，发现价格的运动方向，进而指导我们的行动。形态的本质是将市场的价格变化趋势可视化，也就是将所谓的感觉形象化，通过分析可视、有形的图形来代替靠想象和感觉进行的判断。形态理论常用的图形有K线图和棒线图，这两种图在分析时区别不大，K线图表现细腻而棒线图更简明。

波浪理论。波浪理论是传统技术分析方法中的重要组成部分，它是所有技术分析方法中最神奇的理论。用波浪理论得出的一些结论和预测，在开始的时候可能被认为很荒唐，但过后却不可思议地被事实所证实。由于波浪理论的神奇性，使得它的流行范围很广。波浪理论是由艾略特提出的，他受到价格上涨下跌不重复现象的启发，力图找出其上升和下跌的周期性。波浪理论中的周期、时间长短可以不同，一个大周期中存在小的周期，而小的周期又可分为更小的周期。每个周期都以8浪的结构模式运行。这8浪结构过程完成后，周期结束，进入下一个周期，新的周期依然遵循上述模式。无论所研究的趋势是何种规模，8浪结构是不会变的。

循环周期理论。事物的发展有一个从小到大和从盛到衰的过程，这种循环往复的发展规律在证券市场中也是存在的。循环周期理论认为，无论是何种程度和何种规模的价格波动，都不会朝一个方向永远走下去，价格的波动过程必定产生局部的高点和低点。这些高点和低点的出现，在时间上有一定的规律。我们可以选择低点出现的时间进入市场，在高点出现的时间退出市场。美国人在周期理论方面做了许多工作，发现了许多适合其证券市场的周期。从时间上看，证券市场的中长期周期相当长。时间因素是进行技术分析所考虑的要点之一。循环周期理论所考虑的重点是价格波动的时间因素，在具体使用的时候，有多种确定周期的方法，周期的时间跨度有长有短。计算周期的方法有等时间跨度、特殊数字跨度、农历节气和节假日等。

相反理论。相反理论认为，大多数投资者看法一致的时候，有可能是错误的。相反理论基于这样一个理由：证券市场本身并不创造新的价值，手中的证券没有出现增值，甚至可以说是减值（交易成本）。所有投资者持有的证券总值是固定的，不可能出现多数人获利的现象。如果行动和大多数人一致，那么是不可能获得大的收益的。要想获得大的收益，必须与大多数人的行动不一致。在市场火暴时候退出，在市场冷清时进入，是相反理论在操作上的具体体现。该理论存在很久了，也不复杂，人人似乎都能明白，但是没有得到足够的重视，真正应用该理论的人是不多见的，人们往往克服不了天生的从众心理，而忘记使用相反理论。相反理论告诉我们逆众操作也是可以获得收益的，尤其是当我们看到一个“连傻瓜都能看到”的结果时，应该想到还有相反理论存在。其实，在相反理论中我们可以体会到：事物发展到极限就会出现意想不到的结果。

随机漫步理论。物理学中有一种布朗运动，指的是分子的漫无目的的无规律运动。随机漫步理论是布朗运动的延伸。该理论认为，证券的价格是随机的。对一个在宽阔的广场上漫步的人来说，我们不知道他的下一步将走向哪个方向，一点相关的信息都没有。随机漫步理论对价格波动的认识也是这样的，价格下一步的起伏是没有规律的。证券市场中，价格的走向受到多方面因素的影响，一件不起眼的事情，也可能对市场产生影响。从实际的较长时间的价格走势图上可以看出，价格的上下起伏的机会是差不多均等的。从这个意义上说，对一个特定的时间段，可以认为价格的波动方向是随机的。随机漫步理论有一定的道理。

技术指标。技术指标是按一定的数学方法对行情数据进行处理，所得到的结果就是技术指标的数值。例如移动平均线（MA）是若干时间单元的价格的算术平均，10天的移动平均MA（10）就是10天收盘价的算术平均值。MA是对收盘价进行平滑之后的产物，平滑的目的是消除偶然因素的影响。MA具有追踪趋势、滞后性和稳定性、助长助跌性和支撑压力性等特点。不同的数学处理方法会得到不同的技术指标。每个指标都以一个特定的方式对市场进行观察，通过一定的公式产生技术指标数值。技术指标反映市场某一方面深层的内涵，仅仅通过原始数据是很难看出这些内涵的。技术指标将一些对市场的定性认识进行定量分析，可以使得具体操作的精确度提高。应用技术指标主要从6个方面进行考虑：（1）指标的背离，即指标的走向与价格的走向不一致；（2）指标的交叉，即指标曲线图中的两条线发生了交叉，金叉和死叉就属于这类情况；（3）指标的高低，即指标数值达到了一个极其少见的高值或低值；（4）指标的形态，即指标呈现某些反转形态；（5）指标的转折，即指标的曲线发生了调头，这种调头有时是一个趋势的结束和另一个趋势的开始；（6）指标的盲点，即指标没有信号的时候。每个指标都有失效的时候。常见的技术指标有移动平均线（MA）、平滑异同移动平均线（MACD）、相对强弱指标（RSI）、OBV指标、乖离率指标（BI-AD）、心理线（PSY）以及KDJ指标等。

回归分析法。时间序列时域分析是20世纪70年代活跃并发展起来的一种动态数据参数化分析方法，它的主要手段是对各类数据用相应的模型去近似描述。时间序列建模预报的方法已经在众多领域有成熟的应用。回归模型包括线性、非线性回归模型和多元回归模型。线性模型主要描述均值和方差不随时间变化的平稳序列，是其他回归模型的基础。股票价格序列多呈非线性规律，用非线性模型往往更能体现其特点。

现代技术分析预测方法

灰色系统理论预测方法。灰色理论认为，任何随机过程都是在一定幅值范围、一定时区内变化的灰色量。灰过程处理的主要手段是将原始数据进行有规则的处理来寻求数据间的内在联系，这种方法称为数的生成。最常用的是累加生成法，它可以弱化原始数据的随机性，使其呈现出较为明显的特征规律。对原始数据灰化处理再建模是灰色模型的基础和核心思想。对生成变换后的数列建立微分方程型的动态模型即灰色模型（Gray Model），简称GM模型。灰色系统理论应用于股市预测的探索也已取得一定成就，其中有使用GM模型进行股票价格预测的，有进行指数预测的，有进行市场价格定位研究的，有进行投资策略研究的，也有对传统GM模型进行改进研究的。李国平、陈森发提出了一种基于一维搜索的改进的灰色模型，应用在股票价格预测中；还提出了数据量和数据处理方法依据黄金分割方法改进的灰色预测模型，应用于价格预测。

神经网络预测方法。人工神经网络是一个并行的分布式的信息处理网络结构，具有非线性的映射功能和联想记忆功能，特别适合解决高度时变及非线性的问题，在20世纪80年代后得到广泛的应用。特别是由于MATLAB中具有的神经网络工具箱，使神经网络的应用更为广泛。近年来，国外一些学者已经使用神经网络来进行股票价格预测研究。用神经网络进行时间序列预测是通过数据本身的内在联系建立模型，它在一定程度上克服了传统方法的固有局限性，具有良好的适应性和自学习能力，能够容纳时间序列中的噪声，具有较强的抗干扰能力。将灰色系统思想与神经网络有机地结合起来，构成灰色神经网络（Gray Neural Network, GNN），可以充分利用灰色系统预测少数据建模和神经网络（NN）精度高的特性，发挥两者的优势，从而进一步提高预测精度、降低预测误差。李国平、陈森发提出了灰色神经网络股票预测方法。

基于小波分析的股票预测方法。小波变换（WT）是20世纪80年代中后期在信号处理领域中出现的一朵奇葩，其独特的多尺度分析和局部时频特征提取能力不仅引发了自1822年傅里叶（Fourier）在《热传导解析理论》中建立傅里叶变换以来该领域最大的一场革命，同时对生物医学工程、计算机视觉等众多领域都产生了深刻的影响。金融领域也不例外，甚至在1991年小波变换理论发展之初，著名的《Scientific American》就远见卓识地报道了WT在金融领域可能具有的极大应用潜力。果不出所料，从1995年Ramsey开始，众多学者利用WT对金融市场中价格行为分析和价格预测等的研究的热情不断高涨。到目前为止WT在金融市场中应用的成果仍层出不穷。随着金融市场中对分形性质的越来越广泛的研究，由于WT对分形信号具有强有力的分析能力，因此将在金融市场中显示出更为强大的生命力和广阔的应用前景。

基于模糊的预测方法。股票价格变化的复杂性和随机性使其难以用精确的数学模型来表达，而模糊逻辑特别适宜描述那些用精确数学模型难以捕获或具有变参数、非线性特点的复杂过程，模糊预测过程可视为一个模糊逻辑推理系统，预测的依据作为系统的输入，预测量作为系统的输出，在一定的输入或预报因子下，系统可根据模糊规则做出预报。模糊预测系统设计包括对输入、输出空间进行分割，定义模糊集合及隶属函数，根据实践经验或学习样本确定模糊规则，确定反模糊化方法。对于给定的输入，模糊预测系统可根据模糊规则进行推理，对所得的结果进行清晰化处理，转换为实际论域中的预测量。王素芬、彭林元提出了基于模糊数学方法的政策因素综合评价研究、神经网络模型在股票价格分析中的应用和小波包在股票价格预测中的应用。吴柏林、林玉钧以模糊统计方法来进行模糊时间数列的趋势分析与预测。模糊综合评判是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其数学模型可分为一级模型和多级模型。当某事物的因素较多时，常采用二级、三级等多级综合评判方法来解决。原思聪将模糊综合评判方法用在个股选择中。冯玉强、胡静运用模糊数学综合评判方法来分析股票公司纵向发展，用以支持个股选择问题。李曦将二级模糊综合评判法应用到基于年报选择股票的分析研究中。李国平、陈森发将模糊综合评判用于股票最佳投资区域的分析研判、股票价格局部顶部与底部的模糊综合评判，以及股票价格异常波动的模糊综合评判中。

基于混沌的预测方法。“混沌”是近代非常引人注目的热点研究，它掀起了继相对论和量子力学以来基础科学的第三次大革命。科学中的“混沌”不同于古典哲学和日常语言中的理解，简单地说，混沌是一种确定的系统中出现的无规则的运动。混沌理论研究的是非线性动力学混沌，目的是要揭示貌似随机的现象背后可能隐藏的规律，以求发现一大类复杂问题普遍遵循的共同规律。众多学者的研究表明，证券市场是复杂的经济系统，具有混沌的特征。杨一文、刘贵忠等提出了一种将延迟—嵌入定理与人工神经网络相结合预测混沌数据的基本方法，并将其应用于股票指数和价格的预测，结果表明这种方法对解决这类问题具有广阔的前景。郭刚、史忠科提出了基于混沌理论进行股票市场的多步预测。李彦、赵玉林从混沌的基本理论入手，分析了其在股票投资方面所起的作用。孙海云、曹庆杰讨论了混沌时间序列的建模及预测方法，给出了各重要参数的选取算法。刘文财、刘豹等运用混沌动力系统理论为中国股票市场的上证综合指数、深证成分指数进行了初步的分析，表明上证综合指数、深证成分指数两个序列是由高维的混沌系统所产生。通过对上证综合指数、深证成分指数两序列建模预测，结果表明，新预测模型比均值模型的预测效果好。程瑜蓉、郭双冰根据股票市场是非线性动力系统的假设，利用混沌理论对混沌时间序列的分析方法，提出了股票价格预测方法。对实际的股票时间序列预测结果表明，该方法能有效地进行短期预测，并与前馈神经网络模型相比，可得到较好的预测结果，因而在股票时间序列预测中有广泛的实用价值。王海燕以一个不知道具体数学模型的抽象复杂系统为研究对象，从该复杂系统中能获得的唯一信息就是通过观测或实验手段获得的单变量或多变量时间序列，提出了寻求反映复杂系统本质特征的不变量，分析复杂系统的特征及内在变化规律，并研究复杂系统内子系统的相互关系，为最终解释、指导甚至控制实际问题中具体的复杂系统奠定了理论上的基础。