第 3 章 · 02 广发 125 指标概览
文档摘要
第 3 章 · 02 广发 125 指标概览 本节摘要:技术指标种类繁多,任何一本技术分析书都列几十上百个,究竟哪些有效?广发金工的《125 个经典技术指标择时分析》系统性地把国际上常见的 125 个技术指标逐一在 A 股上做择时回测,是难得的大规模实证研究。本节借助这份研究,先按指标家族画出 125 指标的全景图,再提炼研究的核心结论:大多数技术指标的择时效果在长期并不显著优于买入持有,且不同指标的择时能力高度分化。这与有效市场假说的预期一致——简单的技术信号难以稳定战胜市场。读完本节,你对技术指标有祛魅的全景认识,不再迷信「神奇公式」。 内容来源:资料 技术指标回测代码 / 广发金工《125 个经典技术指标择时分析》,知识结构化整理。
第 3 章 · 02 广发 125 指标概览
本节摘要:技术指标种类繁多,任何一本技术分析书都列几十上百个,究竟哪些有效?广发金工的《125 个经典技术指标择时分析》系统性地把国际上常见的 125 个技术指标逐一在 A 股上做择时回测,是难得的大规模实证研究。本节借助这份研究,先按指标家族画出 125 指标的全景图,再提炼研究的核心结论:大多数技术指标的择时效果在长期并不显著优于买入持有,且不同指标的择时能力高度分化。这与有效市场假说的预期一致——简单的技术信号难以稳定战胜市场。读完本节,你对技术指标有祛魅的全景认识,不再迷信「神奇公式」。
内容来源:资料 技术指标回测代码 / 广发金工《125 个经典技术指标择时分析》,知识结构化整理。
⚠️ 学习提示:本节结论偏「祛魅」——大多数技术指标单独使用效果有限。但这不代表技术指标无用,它们更多是作为特征输入到机器学习模型(第 4-6 章),而非独立择时信号。
学习目标
阅读完本节,你应当能够:
- 描述广发 125 指标研究的框架(指标选取/回测方法/评估口径)。
- 列出 125 指标覆盖的主要家族(趋势/动量/震荡/量能/统计/波动)。
- 理解研究的核心结论(大多数指标择时效果有限)。
- 说清为什么简单技术指标难以稳定战胜市场。
- 知道技术指标的正确定位(作为特征而非独立策略)。
一、广发 125 指标研究的框架
广发金工的研究做了几件少见的大规模工作:
- 指标选取:从国际经典技术分析文献(如《Technical Analysis of the Financial Markets》)与常见交易软件的内置指标中,收集 125 个常用指标。
- 统一回测:在 A 股主要指数(上证综指/沪深 300 等)上,用统一的择时规则(主要是金叉死叉、超买超卖、背离等典型用法)对每个指标做回测。
- 多角度评估:看年化收益、最大回撤、夏普比率、胜率等指标,并与买入持有基准对比。
这种「统一框架 + 大规模指标」的研究,比单指标回测更有可比性,能避免「单独捧一个指标」的样本挑选偏差。
二、125 指标的家族全景
125 个指标虽然繁多,但按设计逻辑可归到几个核心家族。下面按家族列出代表性指标:
趋势与均线类
| 指标 | 简述 |
|---|---|
| MA / SMA / EMA / WMA / DEMA / TMA | 各种均线 |
| MACD / PPO / APO | 均线差离类 |
| ADX / ADXR / DMI(+DI/-DI) | 趋势强度与方向 |
| Aroon / Aroon Oscillator | 趋势启动判断 |
| CCI(顺势指标) | 偏离均值程度 |
| TR / ATR | 真实波幅,常用于止损 |
动量与震荡类
| 指标 | 简述 |
|---|---|
| KDJ / Stochastic | 随机指标 |
| RSI / RSI variants | 相对强弱 |
| Williams %R | 威廉指标 |
| Momentum / ROC | 动量与变化率 |
| CMO / TSI | 修正动量 |
| MFI | 含成交量的 RSI 变种 |
| StochRSI | RSI 的随机化 |
量能类
| 指标 | 简述 |
|---|---|
| OBV / Energy(能量潮) | 累积成交量 |
| VR(成交量比率) | 多空量比 |
| MFI | 量价 RSI |
| Chaikin Oscillator | 资金流量 |
| NVI / PVI | 正负量指标 |
| Volume / VMA | 成交量与均量 |
通道与波动类
| 指标 | 简述 |
|---|---|
| Bollinger Bands(布林带) | 均值 ± k·std |
| Keltner Channel | ATR 通道 |
| Donchian Channel | 高低点通道(海龟) |
| ATR / 标准差 / 历史波动率 | 波动度量 |
| Bandwidth / %B | 布林带宽与位置 |
统计与价格形态类
| 指标 | 简述 |
|---|---|
| 均值回归 Z-score | 偏离均值 |
| Skew / Kurtosis | 分布形态 |
| High-Low / Close-Close | 不同波动率定义 |
| 形态识别(头肩/双顶等) | 价格形态 |
| Pivot Points | 枢轴点 |
💡 关键观察:125 个指标看似繁多,但高度同质化——同一逻辑(均线、动量、归一化)在不同参数和组合下衍生出几十个变种。真正独立的「信息源」远少于 125 个。
三、核心结论:多数指标效果有限
广发研究的大规模回测得到几个关键结论:
结论一:大多数指标择时效果不显著优于买入持有
把 125 个指标逐一择时,大多数指标的年化收益与夏普比率没有显著优于简单的买入持有策略——尤其在长期与扣交易成本后。
这与有效市场假说的预期一致:简单的、公开的技术信号已经被市场充分学习,难以稳定套利。
结论二:不同指标的能力高度分化
虽然平均效果一般,但少数指标在特定场景(如特定指数、特定周期)表现突出。没有「万能指标」,任何指标都有失效期。
结论三:择时的核心价值是「控制回撤」而非「增厚收益」
部分指标虽然长期年化没增厚,但最大回撤显著降低——择时能在熊市减仓,改善组合的风险收益比。这是技术指标更现实的实战价值。
结论四:多指标组合优于单指标
单指标噪声大、假信号多。把多个低相关指标组合(如趋势 + 震荡 + 量能)能显著提升信号质量——这与第 02 节的分类思想一致,也是后续机器学习选股的雏形。
四、为什么简单技术指标难以稳定战胜市场
广发的结论可以从几个角度理解:
- 公开性:技术指标是公开公式,所有人都能算、都用,套利空间被快速消解。
- 参数过拟合:回测里表现好的参数组合,往往是历史过拟合,样本外失效。
- 交易成本:择时策略换手高,扣手续费与滑点后,边际收益大幅缩水。
- 行情依赖:每个指标都有适合的行情状态,而行情状态切换难以预判。
- 市场效率提升:随着量化机构增加,简单信号的 alpha 被快速套利消失。
⚠️ 学习提示:这并不意味着技术指标完全无用,而是说作为独立择时策略难以稳定盈利。它们更适合作为特征(输入到机器学习模型),让模型自动学习复杂的多指标组合规律——这是第 4-6 章的思路。
五、125 指标研究的实战启示
广发研究给量化研究者的实战启示:
- 不要迷信单指标:任何「神奇指标」的回测都可能是过拟合或样本挑选,需大规模、多周期、多市场的稳健性检验。
- 用组合替代单信号:把多个低相关指标组合,信号质量显著提升。第 03 节会详讲多指标组合的方法。
- 关注回撤而非收益:技术指标的真正价值可能在风控(减仓规避熊市),而非增厚收益。
- 指标作为特征而非策略:把技术指标作为机器学习模型的输入特征,让模型学习非线性组合,远比手工择时有效。
- 统一框架的重要性:做指标研究时,务必用统一的回测框架(同样指数、同样周期、同样成本假设),否则横向对比没有意义。第 04 节的 main.py 就是这样的统一框架示例。
六、技术指标的现代定位
技术指标在量化研究中的定位已发生变化:
| 时期 | 技术指标的定位 |
|---|---|
| 早期(技术分析时代) | 独立择时策略的核心,人工判读 |
| 中期(多因子时代) | 技术因子(如 MACD 因子值),作为多因子模型的一类 |
| 现代(AI 选股时代) | 作为特征输入机器学习/深度学习模型,让模型学习组合规律 |
仓库里华泰多因子 11《技术因子》、AI 系列研报、广发 125 指标研究,正反映了这三个阶段的演进——从独立策略,到因子,到特征。
💡 核心心法:技术指标不是「过时的工具」,而是「量化的基础素材」。它们本身可能难以独立盈利,但作为特征输入到机器学习模型后,可以释放出远超人工组合的预测力。本教程后续章节会反复回到这个主题。
七、从概览到实战
本节建立了 125 指标的全景认识。后续两节:
- 第 03 节:讲技术指标用于择时的具体方法(金叉死叉、背离、超买超卖、多指标组合),把「指标」变成「信号」。
- 第 04 节:逐行精读 main.py + technical.py,用 KDJ 金叉死叉信号在 A 股上跑一次完整的胜率检验,把「信号」变成「可验证的回测」。
这是从「认识指标」到「检验信号」再到「量化实战」的递进过程。
本节要点回顾
- 研究框架:广发用统一择时规则在 A 股指数上回测 125 个指标,横向可比性强。
- 家族全景:125 指标分趋势/动量震荡/量能/通道波动/统计形态五大类,高度同质化。
- 核心结论:大多数指标择时效果不显著优于买入持有,符合有效市场假说。
- 价值定位:技术指标的实战价值更多在控制回撤(熊市减仓),而非增厚收益。
- 组合优于单指标:多指标组合显著降低假信号,是技术指标实战的核心思路。
- 现代定位:技术指标作为特征输入机器学习模型,而非独立择时策略;从独立策略→因子→特征的演进。
- 祛魅心态:不迷信「神奇指标」,任何指标都需大规模稳健性检验。
下一节,我们看怎么把指标变成信号——金叉死叉、顶底背离、超买超卖、多指标组合,技术指标择时的四大经典方法。