# A股量化技术策略研究 - 调研大纲 **调研负责人**：张飞 **开始时间**：2026-03-21 **预计完成**：2026-04-18 --- ## 🎯 调研目标 1. **评估技术分析在A股量化交易中的有效性** 2. **识别**具体可行的技术策略方向和算法方案 3. **评估**各种技术策略的预期收益、风险、交易成本 4. **制定**详细的研究、实现、优化计划 --- ## 📋 调研大纲 ### 第一部分：研究背景和文献综述 #### 1.1 技术分析流派概述 - 道氏理论 - 波浪理论 - 江恩理论 - 趋势跟踪流派 - 均值回归流派 - 市场微观结构流派 #### 1.2 技术分析有效性辩论 - 有效市场假说（EMH） - 行为金融学对技术分析的支持 - A股市场特殊性：散户比例高，技术分析更有效？ - 实证研究现状：学术界vs实践界 #### 1.3 A股市场特性对技术分析的影响 - T+1制度影响 - 涨跌停板限制影响 - 散户比例高影响 - 资金推动型特征 - 政策干预影响 --- ### 第二部分：技术因子有效性研究 #### 2.1 趋势跟踪因子 ##### 移动平均线系列 - 简单移动平均线（SMA） - 指数移动平均线（EMA） - 加权移动平均线（WMA） - 双均线金叉死叉策略 - 多均线组合策略 - 均线背离信号 ##### MACD系列 - 标准MACD（12, 26, 9） - DIFF线趋势判断 - DEA线平滑 - MACD柱状图背离 - MACD金叉死叉 - 参数敏感性分析 ##### 布林带（Bollinger Bands） - 中轨趋势方向 - 上下轨突破 - 带宽收缩扩张 - 均值回归 vs 趋势跟踪 - 布林带突破策略 ##### 动量因子 - 价格动量（N日收益率） - 动量因子分层 - 动量效应持续性 - 动量反转效应 #### 2.2 均值回归因子 ##### RSI（相对强弱指数） - RSI区间划分（超买超卖） - RSI背离 - RSI区间震荡策略 - 参数（14/9/12）选择 ##### 随机指标KDJ - K线D线J线 - 超买超卖信号 - 金叉死叉信号 ##### 乖离率BIAS - 价格偏离均线程度 - 乖离率均值回归 - 不同周期乖离率组合 #### 2.3 波动率因子 ##### ATR（平均真实波幅） - 波动率测量 - 仓位调整应用 - 止损幅度设置 - 波动率过滤 ##### 历史波动率 - 波动率聚类现象 - 波动率 regimes 切换 - 低波动率vs高波动率策略差异 ##### 波动率 breaks - 波动率突变点 - 趋势启动信号 - 风险重新定价 #### 2.4 成交量因子 ##### OBV（能量潮） - 成交量跟随价格 - 量价背离 - 资金流向判断 ##### VWAP（成交量加权平均价） - 日内VWAP策略 - 偏离回归 - 算法交易应用 ##### 成交量突破 - 放量突破 - 缩量回调 - 量价配合确认 #### 2.5 多因子组合 - 因子相关性分析 - 因子正交化处理 - 因子权重优化 - 动态因子选择 --- ### 第三部分：算法交易策略研究 #### 3.1 趋势跟踪策略 ##### 双均线策略 - 逻辑原理 - 参数优化 - 进出场规则 - 风险管理 - 预期收益风险 ##### 趋势跟踪系统 - 唐奇安通道突破 - 海龟交易法则 - 多重时间框架趋势跟踪 - A股适应性改进 #### 3.2 均值回归策略 ##### RSI均值回归 - 超买超卖反转 - 趋势过滤 - 仓位管理 ##### 布林带均值回归 - 回归中轴线 - 带宽参数 - 波动率调整 #### 3.3 配对交易/统计套利 - 协整检验 - 对冲比例计算 - 开平仓阈值 - 行业中性 #### 3.4 高频做市策略 - 流动性提供 - 双向报价 - 库存风险管理 - A股流动性条件下可行性 #### 3.5 突破策略 - 区间突破 - 放量突破 - 假突破过滤 - 止损设置 --- ### 第四部分：A股市场微观结构研究 #### 4.1 交易成本分析 - 佣金和印花税 - 冲击成本模型 - 滑点模型 - 最小交易量约束 #### 4.2 流动性分析 - 订单簿特性 - 买卖价差 - 深度分布 - 流动性影响对策略收益的折现 #### 4.3 Tick数据高频特征 - 自相关性 - 波动率聚类 - 跳跃特性 - 微观结构噪声 #### 4.4 T+1制度影响 - 日内交易限制 - 隔夜风险 - 策略频率限制 --- ### 第五部分：实证研究方案 #### 5.1 数据准备 - 数据来源 - 数据清洗 - 幸存者偏差处理 - 前视偏差检查 #### 5.2 回测框架 - 样本内样本外划分 - 滚动窗口检验 - 参数优化避免过拟合 - 多重检验修正 #### 5.3 绩效评估指标 - 收益率指标：累计收益、年化收益、夏普比率 - 风险指标：最大回撤、波动率、downside deviation - 交易指标：胜率、盈亏比、交易频率 - 稳健性：样本外表现、参数敏感性 #### 5.4 风险控制 - 单票仓位限制 - 总仓位限制 - 止损规则 - 极端行情应对 --- ### 第六部分：结论和建议 #### 6.1 研究结论 - 哪些技术因子在A股有效 - 哪些策略值得深入研究 - 预期绩效范围 - 主要风险点 #### 6.2 实施建议 - 推荐研究顺序 - 资源需求 - 时间计划 - 风险控制建议 #### 6.3 下一步工作 - 数据获取 - 代码实现 - 回测验证 - 实盘模拟 --- ## 🗓️ 时间计划 | 阶段 | 时间 | 交付物 | 状态 | |------|------|--------|------| | 大纲框架 | 3月21日 | 本文档 | ✅ 完成 | | 数据和技术准备 | 3月22-24日 | 数据准备报告 | 🔄 进行中 | | 技术因子研究 | 3月25-4月1日 | 技术因子研究报告 | ⏳ 待开始 | | 算法策略设计 | 4月2-8日 | 算法策略设计 | ⏳ 待开始 | | 实证验证 | 4月9-15日 | 实证结果报告 | ⏳ 待开始 | | 总报告撰写 | 4月16-18日 | 完整调研报告 | ⏳ 待开始 | --- ## 📁 目录结构 ``` technical-strategy/ ├── 01-reports/ # 报告文档 │ ├── RESEARCH_OUTLINE.md # 本文档 - 调研大纲 │ ├── 01-data-preparation.md # 数据准备报告 │ ├── 02-factor-research.md # 技术因子研究报告 │ ├── 03-strategy-design.md # 算法策略设计 │ ├── 04-empirical-test.md # 实证验证报告 │ └── FINAL_REPORT.md # 最终调研报告 ├── 02-algorithms/ # 算法实现 │ ├── high_frequency_signal.py # 高频信号生成 ✅ │ ├── benchmark_test.py # 性能基准测试 ✅ │ ├── factor_calculator.py # 因子计算器 │ ├── strategy_ma.py # 均线策略 │ ├── strategy_macd.py # MACD策略 │ ├── strategy_mean_reversion.py # 均值回归策略 │ └── backtest_engine.py # 回测引擎 ├── 03-data/ # 研究数据 │ ├── factor_performance.csv # 因子绩效数据 │ ├── strategy_performance.csv # 策略绩效数据 │ └── raw/ # 原始数据 ├── 04-experiments/ # 实验记录 │ ├── experiment-01/ # 实验1记录 │ └── experiment-02/ # 实验2记录 ├── 05-references/ # 参考资料 │ ├── papers/ # 研究论文 │ └── code/ # 参考代码 └── README.md # 总说明 ``` --- ## 🎯 成功标准 1. ✅ 识别至少3个有效的技术因子 2. ✅ 给出至少2个可实现的完整策略 3. ✅ 提供详实的实证数据支持结论 4. ✅ 夏普比率 > 1.5 为合格 5. ✅ 最大回撤 < 20% 为合格 --- **开始执行** ⚔️