价格形态分析,价格形态分析方法技术分析受到批评的一个主要原因，价格形态分析同时也是对其进行研究的一个主要障碍，就是部分技术交易规则的主观性。在业界实践中，以价格形态规则为例，其产生的技术交易信号是通过技术分析师利用肉眼识别价格图表而观察到的，是针对几何图形的视觉判断.而在现代数量金融学中，主要的实证方法是利用计算机进行定量分析，是针对代数数据的统计推断.两者用来描述和研究问题的墓本工具截然不同.因此产生莫大的鸿沟也就不足为奇了。
幸运的是，伴随着计算机运算能力的进步，利用计算机处理几何图形已经成为可能.Chang和Osler(1999 )首次将图形识别算法运用到技术分析的研究中，模拟了技术分析师人工辨认价格形态的过程，系统检验了头肩形态规则。本书将使用L。等人(2000)所提供的方法，检验前文中所介绍的十种价格形态规则。
在价格图表中，一些图形是构成重要价格形态的基础，需要被辨认出;而另一些图形只是无意义的随机波动，需要被过滤掉。这些工作过去只能通过肉眼完成，有经验的技术分析师可以快速得到准确的结果，给出真实的价格形态。
事实上，有一类被称为平滑估计量(Smoothing Estimators)的统计量也可以扮演同样的角色。平滑估计量可以过滤掉无意义的噪声，价格形态分析找出数据序列中重要的非线性关系。利用这种方法，计算机可以起到与资深技术分析师相同的作用，从而允许研究人员对价格形态规则进行实证检脸。
本书中所使用的平滑估计量被称为非参数核回归估计量(Nonparametric Kernel Regression Estimator).其墓本原理就是通过统计学方法，对价格走势的曲线图进行平滑.以便确认真实的区域极大与极小值，构建识别算法，进而使得计算机可以自动辨认出价格序列中所隐含的特殊形态。
为了检验价格形态规则在中国A股市场中所产生的超额收益，使用价格形态识别算法的具体步骤如下:
第一步，提取指数或个股价格的时间序列，价格形态分析在整个样本区间上依次反复截取宽度为30个交易日的滑动窗口。
第二步，在每个窗口区间内.进行非参数核回归估计，对原价格序列进行平滑，过滤掉噪音值，找出所有真实的区域极大值和极小值。
第三步，根据真实的区域极大值和极小值的特征，与规则中所定义的各种价格形态进行比较，找出匹配的价格形态。
第四步，在最后一个极值点后，间隔3个交易日作为缓冲期，价格形态分析以等待价格形态的完成，确保其在现实中也可以被技术分析师辨认出.在3个交易日后确认买人和卖出信号，开始计算超额回报率，此时保证了所检验的超额回报率是在样本外完成的，与价格形态的识别无关。
第五步，对超额收益进行统计检验.价格形态分析通过第四步到第五步的过程，在每个滚动窗口中用于价格形态识别的样本内数据(in-sample data)均没有被用于超额收益的样本外测试(out-of-sampletest),避免了前视偏差。
---转自汪天都《技术分析、有效市场与行为金融》
