以下为摘要： ———————————————————————————————————— 技术分析是研究金融市场数据重复发生的型态，藉以预测未来的价格走势1。技术分析包含很多方法、型态、讯号、指针与交易策略，各有其拥护者，他们都各自宣称相关方法有效。 很多传统或运用普遍的技术分析方法，其处境有些像医学还没有从民俗疗法演变为科学之前的状况。我们经常可以听到这方面的生动描述与经过细心挑选的轶事，但很少看到客观的统计证据。 本书的主要论述是：技术分析如果要展现其宣称的功能，就必须被提升到严格的科学领域。科学方法是唯一能够从市场数据内淬取有用知识的理性方法，也是判断某 种技术分析是否具备预测能力的唯一理性方法。我称此为「证据为基础的技术分析」（evidence-based technical analysis，EBTA）。透过客观观察与统计推论（换言之，采用科学方法），EBTA可以把神奇思考与盲目相信演变为随机漫步的冷酷怀疑。 不论是技术分析或其它类似领域，要由科学角度切入，显然不容易。科学结论往往不同于直觉观察。过去，人们认为太阳围绕着地球运转，但科学数据显示这种表面 现象是错的。凭借着事物表象所归纳的知识，很容易发生错误，尤其是碰到复杂或高度随机的现象，而此两者正是金融市场行为的典型特色。科学方法虽然不能保证 从浩瀚的市场数据内，提炼出珍贵的黄金，但不科学的方法几乎一定会产生虚假的结果。 本书的第二个论述是：技术分析所提供的一些通俗智慧，并不能被视为有效知识。 为了要说明一般技术分析提供的知识为何不足以信赖，首先要区分两种型式的技术分析：主观与客观。这两种处理方法都可能产生错误信念，但原因不同。 客观的技术分析方法，具有非常明确而可重复进行的程序，讯号没有模棱两可之处。这种方法可以透过计算机运作，针对历史数据进行测试。历史测试结果可以接受严格的计量评估。 主观的技术分析方法，则没有明确的程序。由于内容相对含糊，有赖分析者本身的主观解释。因此，主观技术分析不适合由计算机运作、也不适合做历史测试，其绩效当然也很难做客观评估。基于这个缘故，我们很难拿出明确证据来驳斥主观技术分析。 由EBTA的立场来看，主观方法造成的问题很棘手。主观技术分析大多提供没有明确意义的主张，虽然沾染着认知内涵的假象。由于这类方法没有明确说明如何运 用，不同分析者根据相同一组资料所做的结论也可能大不相同。因此，这类方法提供的预测是否有用，原则上没有办法做判断。传统的图形分析11、手工绘制的趋 势线、艾略特波浪理论12、甘氏型态……等都属于这类范畴13。主观技术分析是一种宗教，涉及信仰的问题。不论有多少经过挑选的验证案例，都没有办法弥补 这类方法的缺失。 虽然缺乏认知内涵，也不可能有明确的证据，但这类主观方法还是不乏信徒。本书第2章解释人类思维存在多方面瑕疵，即使没有明确证据、甚至在明显相反证据之下，还是可以产生坚强的信念。 客观的技术分析也可能产生错误的信念，但架构是不同的。这些错误可以回溯到客观证据的不当推论。请注意，一种客观方法在历史测试过程能够提供利润，并不足 以证明该方法确实有效。历史绩效可能欺骗我们。某种预测方法的历史测试成功，是该方法具备预测能力的必要条件，但不是充分条件。所以，历史测试成功，并不 代表未来运用就能够获利。过去绩效优异，可能是因为运气，也可能是数据探勘造成的向上偏颇。历史测试绩效究竟是源自于运气，或是好的方法，必须透过严格的 统计推估来确定。这是本书第4章与第5章的讨论主题。第6章将讨论资料探勘偏颇的问题。关于数据探勘，如果处理正确的话，这是现代技术分析者取得知识的有 效方法，但相关结果必须运用特殊的统计检定。 EBTA为何不同？ 证据为基础的技术分析（EBTA）有何不同于一般技术分析呢？首先，EBTA只考虑有意义的主张—— 能够根据历史数据进行检定的方法。其次，EBTA采用精密的统计推论技巧，藉以判断某种方法是否确实具备获利效力。所以，EBTA的根本目的，是寻找确实 有用的客观方法。 EBTA排除任何形式的主观判断。主观的技术分析甚至不能称为错误，也就是说甚至连错误的资格都没有。任何错误（不真）的陈述，至少必须具备能够接受检定 的认知内涵。主观技术分析的陈述并没有这种内涵。乍看之下，这些陈述虽然似乎蕴含着知识，可是更进一步分析之后，将发现它们只有空泛的主张。 很多新世代产品的推销，往往充满这种空泛主张。他们宣称，你只要戴上这种特殊金属手炼，就会调节体内的磁场，全身活力奔腾。你打高尔夫球的成绩也会显著进 步，甚至可以改善爱情生活。可是，这些主张都没有明确的内容，其宣称的功能都不能接受检定。换言之，我们没有办法利用客观证据来证明这些主张正确或不正 确。主观的技术分析也是如此，它们不接受客观证据的考验。所以，它们落入信仰的范畴。 反之，有意义的主张可以接受检定，因为其承诺是可衡量的。这些主张必须说明高尔夫球的成绩会进步多少，活力会增进多少。我们可以透过实际数据来证明或反驳前述主张。 由EBTA的立场来看，主观方法的倡导者面临一些选择：或是重新建构为客观方法（如同某位艾略特波浪理论家建议的14），接受客观数据的检定；或者承认相 关方法只能做为信仰的对象。甘氏线也许确实能够提供有用的信息；可是，就其目前的形式来说，我们拒绝承认这属于知识范畴。 在客观技术分析的领域里，EBTA并不会轻易接受历史检定结果。相反地，任何历史检定都必须接受严格的统计评估，判断其绩效是否源自于运气、是否存在偏 颇？如同我们在第6章将讨论的，很多情况下，优异的历史测试绩效只是数据探勘傻子的黄金。这可以解释为何很多技术方法的历史测试绩效杰出，却不适用于实际 操作的原因。EBTA运用严谨的统计方法，尽可能资料探勘偏颇。 由传统技术分析演变到证据为基础的技术分析，其中也涉及专业道德意涵。对于分析师来说，不论其提供的服务形式如何，其所做的建议在道德上与法律上都应该要 有合理的基础，不该做没有根据的主张15。可是，分析的合理基础又是什么呢？就是客观的证据。主观的技术分析方法不符合条件。在EBTA架构下提供的客观 技术分析，则合乎这种标准。 我所批判的是哪类的技术分析？ 我从1960年开始研究技术分析，当时年龄是15岁。高中与大学时代，我利用圈叉图追踪不少股票的走势。1973年，我开始从事股票经纪业务，从这个时候 开始也由专业立场采用技术分析，随后又进入一家软件开发的小公司雷登研究集团（Raden Research Group Inc.，专门从事金融市场计算机人工智能学习与数据探勘的研究），最后则进入史匹尔-利兹-开洛格（Spear, Leeds & Kellogg）担任专业股票交易员31。1988年，我取得市场技术协会颁发的市场技术分析师（Chartered Market Technician）资格。我个人收集的技术分析相关书籍超过300本。在这个领域内，我曾经发表10几篇专业论文，也经常到处演讲。目前，我在纽约市 立大学巴鲁克学院（Baruch Colledge）奇克林商学研究所（Zicklin School of Business）讲授技术分析课程。我坦然承认自己过去所发表的论述与研究，大体上都不符合EBTA的标准，尤其是在统计显著性与资料探勘偏颇方面。 服务于史匹尔-利兹-开洛格的5年期间内，实际操作绩效让我对于技术分析长期累积的信心开始产生怀疑。我所深信的东西，竟然会失灵到这种程度！到底是我个 人的缘故，或是技术分析本身有问题？我在学术领域所受到的哲学训练，促使我进一步思索。一直到我阅读下列两本书之后，终于相信自己的疑惑是有根据的：汤玛 斯．基洛维奇（Thomas Gilovich）的《我们如何了解事物并非如此》（How We Know What Isn’t So），以及麦可．薛莫（Michael Shermer）的《人们为何会相信荒诞不稽的玩意儿？》（Why People Believe Weird Things）。我的结论：包括我在内的技术分析者，知道一大堆莫名其妙的东西，相信一些荒诞不稽的玩意儿。 技术分析：艺术？科学？迷信？ 技术分析圈子里始终存在一种争议：技术分析属于科学或艺术？事实上，这个问题问得不好。比较适当的说法应该是：技术分析是建立在迷信或科学之上？在这个架构上，争议就不存在了。 有些人认为，技术分析涉及太多细节与解释，所以其知识不适合表达为可供科学检定的格式。对于这种说法，我的回答是：不能检定的技术分析，看起来好像是知识，实际上不然。这是属于占星术、卜卦……等迷信的领域。 我对于本书有四项期待。第一，我希望本书能够刺激技术分析者之间的对话，最终让这方面的学问能够建构在更坚固的智识基础上；第二，鼓励有志者继续朝这个方 向拓展；第三，鼓励技术分析使用者要求这方面的产品与服务提供更多的「牛肉」；第四，鼓励技术分析者（不论专业与否）了解他们在机器-人性互动关系之间扮 演的重要角色，这可以加速EBTA知识的发展。 无疑地，某些技术分析同业可能不会赞同本书的观念。这是很好的现象。牡蛎经过沙子的刺激，才会孕育珍珠。我恳请这个领域的工作者，把精力发挥在真正的知识上，不要去防御那些不可防御的东西。
http://www.amazon.com/Evidence-Based-Technical-Analysis-Scientific-Statistical/dp/B000YHI9OI/ 1980年第1版，2006年第2版。
没有买这本书，但是关于这本书的第一个review给我的印象很深刻（摘抄在下面），当从这句话应该就能悟出不少东西。 In this thought-provoking work, David Aronson tests more than 6,400 technical analysis rules and finds that none of them offer statistically significant returns when applied to trading the S&P 500. This result, presented at the end of his work, is not disappointing to dedicated students of technical analysis who draw from the book not a new trading technique but instead take away a new, and more effective, approach to system development and trading.
看过这本书，不明白的是，他用正常的数据来产生signal，然后用detrend的数据来评价一个signal的收益。据说是为了去掉trend bias。 如果是detrend的数据，应该是没有什么signal可以产生显著的profit吧。
另外一个问题，他的讨论都是去掉了所谓的bias，如市场的趋势等等。其实很多指标的作用就是找到市场的trend。 举个例子来说，我们（交易者）去山上（市场）打猎（交易），猎狗大叫（signal），显示它发现前面有鹿（trend），我们就会去追。 打猎后，我们来评价猎狗的作用，是否对我们有帮助。为了去除bias，我们先假定山上没有鹿，于是我们得到这样的结果：猎狗根本没有用，因为它发出的信号帮助我们找到鹿，但鹿是不存在的。因此猎狗是完全无用的。
如果试了6,400种技术方法,结论还是不具备统计意义,那么,市场确实是一个efficient market, 其本来面目也应该是这样子的. 我相信这不仅仅是S&P500,其他的也差不多吧 不知道我有没有说错 ?
That doesn't mean much. All it says is, the way David Aronson applied the indicators did not generate significant returns.
Second that. Only one counterexample is required to negate the assumpltion implied by Aronson. BTW as quite a few have proved , S&P 500 is very tradable.
你替我节省了大约100元外加10来个小时，非常感谢。有你这句话，我还看什么书啊，不必要了。 在一个去掉了bias的市场上讨论趋势、波动毫无意义，因为势已经去掉了，没有势也就是没有技术分析，这好简单啊。山上没鹿了，还要讨论猎狗有没有用，岂不是脱了裤子放屁？