技術分析工具與指標：哪些可以拿來檢驗？

目錄

1. 技術指標的主要類別有哪些？
2. 指標如何變成進場與出場規則？
3. 交易有最好的指標嗎？
4. 為什麼不能靠看圖表來評斷指標？
5. 如何組合指標又避免訊號重複？
6. 指標檢驗能告訴你什麼，又不能告訴你什麼？
7. 常見問題
8. 參考文獻

技術指標的主要類別有哪些？

大多數技術指標可分為四大類：趨勢、動能、波動與成交量。沒有哪個指標在一般情況下最好。任何一種指標都可以檢驗，前提是寫出帶有參數的明確進場與出場規則、納入交易成本，並用規則從未見過的資料檢查結果。

技術指標是對過去價格或成交量所做的計算，並畫在圖表上，例如最近 20 根收盤價的平均。每一類指標回答的是關於市場的不同問題。下表列出各類常見的指標，以及各類指標在規則中通常扮演的角色。

類別	回答的問題	常見例子	在規則中的典型用途
趨勢	價格往哪個方向走，力道多強？	移動平均、ADX、唐奇安通道、Supertrend、MACD	過濾：趨勢向上時才做多
動能	價格最近變動得多快？	RSI、Stochastic、Williams %R、CCI、變動率	時機：在短暫拉回或一波強勢之後進場
波動	價格波動有多大？	ATR、布林通道、肯特納通道、標準差	風險：設定停損距離、部位大小或突破寬度
成交量	成交了多少量？	OBV、VWAP、Chaikin 資金流量、成交量分布圖	確認，或作為交易時段內的參考價

有些指標同時屬於兩個類別。MACD 由移動平均建構而成，所以衡量的是趨勢，但交易人也把它當作動能來看。其他技術分析工具，例如趨勢線、費波那契水位與圖形型態，通常是用手畫的。它們同樣可以檢驗，但必須先寫出電腦不需要靠你的主觀判斷就能遵循的明確規則。

每個指標在較短 K 棒週期上也各有典型的優點與失效之處。我們的指南當沖最佳指標：各自的作用與失效之處逐一說明。本文談的是如何檢驗其中任何一個。

指標如何變成進場與出場規則？

當你把指標寫成具有明確條件、明確動作與明確數字的規則時，它就變得可以檢驗。「RSI 看起來超賣」無法檢驗。「當 14 根 K 棒的 RSI 收盤低於 25 時，在下一根 K 棒開盤買進」則可以檢驗。參數是規則中由你選定的數字，例如 RSI 的長度或 25 這個水位。

1. 選擇指標與其長度。例如 14 根 K 棒的 RSI。
2. 寫出條件。使用水位（「收盤低於 25」）、交叉（「快線向上穿越慢線」）或比較（「收盤高於上軌」）。
3. 寫出動作與成交價。如果條件在 K 棒收盤時檢查，就在下一根 K 棒開盤成交。用同一個收盤價來判斷又用它成交的規則，交易的是你實際上無法成交的價格。
4. 寫出出場。使用反向訊號、固定的 K 棒數、以 ATR 為基礎的停損，或停利。
5. 為每個參數設定範圍。例如 RSI 長度從 5 到 30。
6. 加入成本與交易時段。手續費、滑價，以及規則可以交易的時間，應該放在第一次測試，而不是最後一次。

變體的數量成長得很快。要以人工測試 270 個變體，每個都含成本與樣本外檢查，所花的時間遠超過大多數交易人能負擔的程度。因此，系統化交易人會讓軟體來撰寫並執行規則。在 AlphaPrime（Valynox）中，策略生成會把研究想法轉成可檢驗的交易規則。你設定規則與指標、參數範圍、進場與出場條件，以及搜尋限制。

交易有最好的指標嗎？

沒有哪個指標是最好的，因為檢驗結果屬於一整套規則，在某一個市場、某一個 K 棒週期與某一組成本設定上得出，並不屬於指標本身。同一個 RSI，在某一種契約上可能得出有用的規則，在另一種契約上卻是虧損的規則。下表列出會改變結果的因素。

因素	為何會改變結果	要檢查什麼
市場	有些市場會長時間走趨勢，有些則在區間內來回震盪。買進弱勢的規則在區間內表現良好，但在強勢趨勢中可能連續虧損數個月。	在相信某條規則適用於多個市場之前，先分別檢驗每個市場。
K 棒週期	K 棒越短，交易越多，但每筆的波動越小，所以成本佔每筆交易的比例更大。	比較平均每筆損益與一買一賣（來回）的成本。
成本	每筆交易的微小優勢，在扣除手續費與滑價後就消失了。	把滑價加倍再重跑一次測試。
期間	高波動與低波動的年份，獎勵的是不同的規則。	逐年檢視結果，而不只看總和。
在規則中的角色	用作過濾的指標，與同一個指標用作進場觸發時，表現並不相同。	把每種角色當成各自的變體來檢驗。

成本檢查在較短的 K 棒週期上最為重要。我們的文章回測中的交易成本：手續費、滑價與平均每筆損益說明了如何設定。把每個指標變體都丟進 AlphaPrime 的含手續費與滑價的回測，短週期規則的成本檢查就用同一套假設。

為什麼不能靠看圖表來評斷指標？

憑肉眼判斷會失敗，因為人們記得有效的訊號，卻略過無效的。這就像只憑自己記得的晴天來評斷氣象預報員。書本或影片中的圖表範例，通常是因為訊號有效才被挑選出來的。對每一根 K 棒都做測試的規則，則會把每一個訊號都算進去，不論好壞。

如果你在同一份資料上選擇參數，即使檢驗了每個訊號也仍然不夠。樣本內（IS）資料是用來建立並調整規則的那一段歷史。樣本外（OOS）資料則是你在建立規則與調整參數時規則沒有見過的歷史。一條規則若能在樣本外資料上保留合理比例的樣本內結果，就比做不到的規則更可信。推進分析會在整段歷史上反覆進行這種切分。

資料窺探是指在同一份資料上測試許多變體，然後把最好的那一個當作唯一的一次測試。White（2000）提出一種檢定，用來問：在把搜尋規模納入考量之後，眾多模型中最好的那個是否仍然勝過基準。Sullivan、Timmermann 與 White（1999）把這個想法應用在一大批技術交易規則上。他們原始樣本中表現最好的規則，在他們後來測試的期間並沒有維持其績效。夏普比率是平均報酬除以報酬上下波動的幅度。Harvey 與 Liu（2015）說明了如何根據背後的測試次數，調降回測的夏普比率。

檢查	好的跡象	壞的跡象
樣本外結果	保留樣本內結果中合理的比例	樣本內看起來很強，樣本外卻持平或為負
鄰近參數	長度 12、14 與 16 給出相近的結果	只有某一個精確的值有效
交易筆數	交易夠多，不會由一兩筆大單決定總結果	只有寥寥幾筆交易，或獲利來自單一筆交易
成本	滑價加倍後仍為正	成本小幅增加就轉為負

如何組合指標又避免訊號重複？

組合來自不同類別的指標，因為同一類別的指標大多是在重複彼此。重複的訊號是指第二個條件在第一個條件成立時幾乎總是成立，所以它增加了一個參數，卻沒有帶來新的資訊。RSI 與 Stochastic 都是對同一組價格所做的動能計算。同時要求兩者，就像問兩位讀同一份報紙的朋友。

1. 讓每個指標只負責一項工作。常見的結構是用趨勢指標判斷方向、用動能指標抓時機、用波動指標決定停損或部位大小。
2. 衡量重疊程度。計算條件 A 成立的 K 棒數。接著計算其中有多少根同時也滿足條件 B。如果 B 幾乎總是與 A 同時成立，B 就是多餘的。
3. 在有與沒有額外條件的情況下各測一次。只有在樣本外結果改善時才保留它，而不只是樣本內結果改善。
4. 留意交易筆數。每個過濾都會減少交易。交易太少時，結果可以用運氣來解釋。
5. 計算參數個數。如同上面的例子，每多一個指標，變體數量就會倍增，也讓搜尋有更多空間去擬合雜訊。

指標檢驗能告訴你什麼，又不能告訴你什麼？

指標檢驗告訴你的是：一條明確的規則在扣除成本後，於過去資料以及它沒見過的資料上表現如何。它不會告訴你這條規則明年會如何表現。把通過檢驗視為繼續研究這條規則的理由，而不是它有效的證明。

• 它能顯示一條規則在扣除手續費與滑價後是否有優勢、該優勢在樣本外資料上是否維持，以及鄰近的參數值是否表現相同。
• 它能顯示新增的指標是改變了結果，還是只多加了一個參數。
• 它無法顯示市場會持續像過去那樣運作。市場會改變，一條有效多年的規則也可能失效。
• 它無法為指標本身評分。一條失敗的 RSI 規則說明的是這條規則在這個市場上失敗，並不表示 RSI 在任何地方都沒用。
• 它無法抵消大規模搜尋的影響。如果你測試了數百個變體並保留最好的那個，即使通過樣本外檢查，其結果有一部分仍是運氣。

AlphaPrime 的策略檢驗以相同的標準對每個候選策略執行這些檢查。它提供基礎、標準與完整檢驗、推進分析，以及由你設定的門檻。

如果你使用 AlphaPrime，這代表：把你的指標想法寫成帶有參數範圍的規則，讓 AlphaPrime 以手續費、滑價與下一根 K 棒成交來評估每個變體，並只保留在從未見過的資料上仍站得住腳的規則。

常見問題

最受歡迎的技術分析指標有哪些？

移動平均、RSI、MACD、Stochastic、布林通道、ATR 與 VWAP 是使用最廣泛的指標之一。它們涵蓋趨勢、動能、波動與成交量這幾類。受歡迎程度顯示的是交易人使用某個指標的頻率，並不代表以它建立的規則在扣除成本後能賺錢。

哪個技術指標最準確？

沒有哪個指標在一般情況下是準確的，因為指標只描述過去的價格。人們所說的準確，通常是指某條規則的勝率。若不看獲利與虧損的大小以及成本，勝率沒有太大意義。比較規則時，要看樣本外資料上扣除成本後的結果。

免費的技術分析工具夠用嗎？

大多數看盤平台都內建標準指標，而且計算方式眾所周知，所以指標本身很少是問題所在。比較困難的部分是檢驗。你需要明確的規則、貼近現實的成本，以及在規則沒見過的資料上做檢查。

一個交易策略應該使用幾個指標？

只用想法所需的最少數量，並讓每個指標負責不同的工作。常見的結構是一個指標看方向、一個抓時機、一個管風險。每多一個指標都會增加參數並減少交易，所以只有在它改善樣本外結果時才保留。

技術指標能預測價格嗎？

指標並不預測。它們把過去的價格與成交量，彙整成規則可以使用的形式。檢驗可以顯示一條規則在過去資料中具有統計上的優勢，但無法保證這個優勢會持續。

參考文獻

• Harvey, C. R., & Liu, Y. (2015). Backtesting. The Journal of Portfolio Management, 42(1), 13–28.
• Sullivan, R., Timmermann, A., & White, H. (1999). Data-Snooping, Technical Trading Rule Performance, and the Bootstrap. The Journal of Finance, 54(5), 1647–1691.
• White, H. (2000). A Reality Check for Data Snooping. Econometrica, 68(5), 1097–1126.