综合质量 5 /5
新颖性 5 /5
可复现性 4 /5
分类
技术面(量价) 日频 A股 统计线性
本报告将主观的威科夫技术分析转化为量化的概率云表达，通过MACD划分波段，利用似然度函数量化事件形态，构建了个股中期择时策略，实现25.04%的费后年化收益。
关键结论
基于统计规律赋分的WSS策略在2010-2024年6月期间，于A股个股中期择时上获得25.04%的费后年化收益率，年均调仓6-9次。
核心要点
- 利用MACD柱状图客观划分价格波段，并据此机械定义趋势与盘整状态，解决了威科夫分析中辅助线主观画线的问题。
- 引入“似然度”和“概率云”概念，使用sigmoid转换函数量化20多种威科夫事件形态，使得每根K线处于多种可能性的叠加态。
- 通过概率坍缩提取关键事件形态时序向量，并采用主观赋权(WSO)和统计规律赋权(WSS)两种方式构建择时信号。
- WSS策略在2010-2024年样本外回测中取得25.04%的费后年化收益，属于低频(年均6-9次)中期择时工具。
核心内容
报告提出了一种将经典威科夫技术分析量化的方法。核心在于将主观的图表分析转化为概率表达。首先，利用MACD柱划分价格波段，进而机械性地定义市场状态（趋势 vs. 盘整）及辅助线（趋势线 vs. 水平线）。其次，针对威科夫定义的20多种事件形态（如PS、SC、SPRING、LPS等），设计了基于价量特征的“似然度”计算公式，将每根K线的形态识别结果表示为概率分布（叠加态）。最后，通过概率坍缩获取关键形态时序向量，采用主观打分(WSO)或基于历史统计规律的映射打分(WSS)生成综合择时得分，用于个股中期择时。
经济逻辑
基于主力资金（Composite Man）在吸筹和派发过程中必然在量价上留下痕迹的假设。通过量化价量特征（如放量滞跌、缩量测试支撑等），识别出主力资金的意图变化。当吸筹结束的信号概率增加时，意味着未来供需失衡价格上涨的概率增大，从而产生择时超额收益。这是一种基于供需博弈的行为金融逻辑。
超额收益逻辑
超额收益来源于对主力资金吸筹/派发结束点的精准捕捉。威科夫理论认为，趋势的形成需要前期的准备（因果原则）。通过量化识别如SPRING（弹簧效应，跌破支撑后快速收回且缩量）或LPS（最后支撑点，回调缩量）等关键形态，能够在趋势启动初期或回调确认点入场，获取随后的趋势性收益。这本质上是对市场供需关系失衡点的量化捕捉。
构造细节 [strategy]
数据输入
: (日频)
组合方式
形态时序向量通过数值映射方法转为得分，采用指数加权方式计算综合得分；或基于统计规律寻找显著形态序列映射得分。
绩效
16.78%
费后年化收益率(WSO)
25.04%
费后年化收益率(WSS)
6-9次
个股年均择时次数
回测期: 2010年-2024年6月
2010年-2024年6月，WSO费后年化收益率为16.78%，WSS费后年化收益率达25.04%。个股年均择时次数在6-9次之间，整体属于低频的中期择时工具。
收益归因
缺口: 报告仅对择时策略进行回测和收益统计，未进行收益归因分析
稳健性
子样本稳定性: 2010-2024年6月作为样本外数据集表现稳定，WSS相比WSO在收益和回撤上均有提高，说明基于统计规律的映射比纯主观映射更具鲁棒性。
风格偏差: 策略主要基于量价行为，不依赖基本面，可能对流动性较好、主力行为明显的个股更为有效，对无主力资金关照的小微盘股可能效果衰减。
整体逻辑自洽，将主观艺术客观化为概率统计，低频择时特性减少了交易成本冲击。但形态的定义仍依赖部分经验阈值，可能存在过拟合风险。
数据依赖
所需数据: A股日频OHLCV数据
可复现性: medium
数据需求简单，仅需日频量价。但复现难度中等，因为报告中虽然给出了核心的sigmoid公式和部分阈值，但部分形态定义较为模糊，且WSS的统计映射规则细节未完全披露，需要研究者自行补全和调参。
相关研究
威科夫经典技术分析 — 基础理论来源，本报告将其量化
维斯波 (Weis Wave) — 威科夫理论的衍生，用于划分波段，本报告认为其过于细碎，转而使用MACD划分波段
MACD指标 — 用于客观划分价格波段，替代主观的波线图
新颖性评估 [新方法]
创新性地引入量子力学中“概率云”和“叠加态”的概念来解决技术分析形态识别的主观模糊性。通过设计似然度公式，将非黑即白的形态判定转化为连续的概率值，并结合统计规律进行打分，是一次将经典主观技术分析量化落地的优秀尝试。
不足与缺陷
- 形态定义中仍包含大量经验阈值（如0.02, 0.04, /3, /5等），这些阈值的稳健性和跨市场适应性存疑。
- WSS策略中关于“显著的形态时序关系”的筛选标准、统计窗口以及具体的分数映射规则未详细披露，难以完全复现。
- 对于多根K线组合构成的复杂形态，报告明确指出暂不考虑，这可能导致对真实主力行为的识别不够充分。
- 辅助线的确认和擦除逻辑在实盘连续运行中可能存在未来函数或信号闪烁风险（如波段端点需后续确认）。
可复用元素
- 使用MACD柱状图来划分波段的方法，相比固定窗口或纯粹的高低点，更能反映价格动量的变化。
- 利用Sigmoid函数将多维量价特征压缩为[0,1]区间的概率似然度，是一种处理模糊逻辑的好工具。
- 通过“概率坍缩”提取关键K线并形成形态时序向量的思路，为复杂技术分析形态的数字化提供了路径。
启发
- 可以将这种概率云的思想应用到其他主观技术分析（如波浪理论、缠论）的量化中。
- 使用强化学习替代WSS中的统计规律映射，让模型自动学习最优的形态时序组合权重，可能提升效果。
- 将事件形态的发生作为另类事件驱动因子，结合基本面因子进行多因子选股模型增强。
改进方向
使用隐马尔可夫模型(HMM)或LSTM替代规则化的形态识别与概率赋分。
基于: 报告中的概率云和形态时序关系向量本质上是隐状态的观测序列。 预期收益: 模型能够自动学习价量序列与主力隐含状态之间的转移概率，避免人工设定形态阈值，可能提高泛化能力和收益稳定性。
复现计划
1. 提取A股日频OHLCV数据。2. 编程实现MACD波段划分算法，并验证趋势/盘整状态判定。3. 实现辅助线（趋势线、水平线）的动态绘制与确认度计算。4. 严格按照报告给出的sigmoid公式及参数，实现各事件形态的似然度计算。5. 实现概率坍缩逻辑，生成时序向量。6. 实现WSO主观加权得分。7. 对于WSS，自行设计一套统计规则：回看过去N天的形态序列，统计未来M天收益均值，若显著大于阈值则赋正分，否则0分或负分，合成信号回测。8. 注意处理波段端点确认的延迟问题，确保不引入未来函数。
实体
威科夫技术分析 [concept]概率云表达 [method]MACD波段划分 [method]似然度 [concept]吸筹 [concept]派发 [concept]
LOCAL SIMILARITY