市場符合隨機遊走，量化和技術理論的實際意義在哪?
既然市場無法預測，那這種純技術的分析真的可以跑贏市場嗎？
先問是不是，再問為什麼。
很多人，包括題主對金融時間序列的了解可能來自別人的知識，就是金融工程的教材，書本或者來自知識SNS App上口口相傳的碎片知識。我除了被動接受以上知識來源，還經歷了量化編程統計實踐，2年數字幣程序量化自動交易和A股市場的1年實盤交易洗禮，對於這個問題有自己的思考。Talk is cheap, 數據說話。
第一個問題，金融市場是不是隨機遊走的？
完全有效市場理論認為金融市場是混沌系統，對於混沌系統，預測走的是概率路線，大概思路跟天氣預報颱風路線差不多：
但是完全有效市場假說基於全員理性，其實這個假設不可能成立，只有全員量化估值才會出現全員理性的情況，一般人如果不動手算，並且統計行業平均數的話，連估算當前標的的價格偏差都估算不準。
我答案：不是隨機遊走，為了訓練xgboost概率預測模型，我對A股核心指標內的1700個股票，最近3年的所有1小時和日線K線數據進行了統計和標籤分類。一共是510萬條K線數據。
包含以下A股板塊：[中證酒, 國證食品, 全指消費, MSCI成份, 深證可選, 富時A50, 上證100, 消費電子, 上證180, 中證100, 數字貨幣, 醫藥電商, 證券, 4G5G, 5G概念, 1000可選, 中藥, 生物醫藥, 醫療改革, 綜企指數, 上證50, 中證白酒, 消費100, 黃金, 深證消費, 消費金融, 白酒, 深成消費, 上證380, 生態農業, 文化傳媒, 創業板指, 銀行, 中小板指, 黃金概念, 上證電信, 中小銀行, MSCI中國, 醫療器械服務, 電信等權, MSCI概念, 行業龍頭, 機場航運, 上證150, 醫療器械, 生物疫苗, 三網融合, 軍工, 啤酒, 醫藥商業, 深證300, 中證500, 滬深300] Total:1325 (通達信自定義板塊每天數據更新會變化，我第一次模型訓練的時候是1700+，現在變成1300~1400)
這是統計結果，持反對意見的最好你們用數據說話而不是簡單的說一句：「我反對！」
單論個股在超過90%的情況下，金融時間序列是前序相關的離散序列。只有3%的時間是大於3.82%隨機波動。出現連續4小時（單日）超過7%下跌的黑天鵝概率只有0.4%。加上指數和ETF基金，符合周期波動的金融產品數量就增加到了總數的95%以上。
這95%符合自然周期走勢的金融產品行情趨勢，可以使用周期性自回歸技術分析。有5%左右的金融產品（加上大宗商品期貨如豆bo比例更多一些），跟毛衣戰、國家政策緊密相關的，如紙黃金ETF，如x大國有銀行股票，不適合進行周期自回歸技術分析。表現為出現EEMD經驗模態分解失敗或者回歸樹演算法擬合失敗(擬合函數與MA平均線的相關性低於0.8)，它們在可交易標的總量中佔比小於10%。我們可以選擇不做（交易）此類無法簡單使用周期性自回歸技術分析的金融標的；也可以選擇其他更複雜的量化手段進行技術分析進行量化交易。
此處應有截圖，目前實盤策略代碼又迭代更新了一個月，舊的訓練代碼居然不能運行了，截圖都辦不到，這幾天加班裝機，社區還要排隊全員核酸檢測，調整策略和重新調通代碼，訓練xgboost新模型，還有QIFI規範和實盤介面適配的工作量排期，過幾天有空了慢慢更
繼續前面的結論，金融時序分析科的班理教材論認為，金融時序序列交易行情走勢可以符合ARIMA分析。
它們理解的行情走勢規律是這樣的——
此處應有截圖，這幾天加班裝機，社區還要排隊全員核酸檢測，調整策略和訓練xgboost新模型，還有QIFI規範和實盤券商介面適配的工作量排期，過幾天有空了慢慢更
Facebook 時間序列預測開源演算法 Prophet 整合了ARIMA模型
標準的周期性分解預測
Prophet 配合走勢進行波動範圍預測
但是實際上我的實踐表明，實際一條金融數據走勢中蘊含有大約6~17階次的函數變數信息疊加而成。
例如滬深300指數的1小時K線數據，這裡有個細節，因為量價數據沒有Normalized，為了標準化數據，我計算了CCI(14)，這樣行情K線數據轉換為+220~-220區間內的標準化數據，再進行分解處理。這樣做的目的標準化不同歷史時期點位的數據，讓2015年1月3050點的時候的擬合分型和2019年1月2450點位的擬合分型在程序量化分析中是認為是同樣的走勢形態（列舉的例子只是打個比方，並非真實分析結果，防杠補丁）。這也是我目前使用的交易系統的基礎理念——「歷史總是驚人的相似；你以為你在開荒新路，其實所有的上升路徑已經被前人無數次的走過了。——阿財：這話是我說的」
此處應有截圖，這幾天加班裝機，社區還要排隊全員核酸檢測，調整策略和訓練xgboost新模型，還有QIFI規範和實盤介面適配的工作量排期，過幾天有空了慢慢更
它可以被分解成複數形式的子周期函數分量。我們可以看到，在最小級別的函數（了解EEMD演算法就會知道，最小級別的IMF 1其實是行情數據中最後無法分解的殘差）它的波動表現為無規律的隨機噪音波動；除此之外，在5min~15mim（估計）以上級別，開始表現為符合一元二次函數的規律性周期性波動。
但是EEMD分解存在最末端點波動的問題（最後一個函數點輸出的Y軸位置會隨著新行情bar的到來而上下擺動）。為了穩定計算結果，同時也為了簡化計算量，我使用rolling（滾動時間窗口）一次九項式分解擬合替代EEMD分解使用作為金融行情波動周期的分析輔助工具，比傳統的ARIMA一階差分要擬合準確地多。
金融時間序列數據，它還可以使用隱馬夫科夫方法分析（總所周知西蒙斯公開提出並且在量化基金中使用此方法盈利）；也可以使用纏論進行分析。它們都具有前序數據相關性假設，在量化行業中，經過超過10年的實踐證明也是行之有效技術分析方法。
此處應有截圖，這幾天加班裝機，社區還要排隊全員核酸檢測，調整策略和訓練xgboost新模型，還有QIFI規範和實盤介面適配，過幾天有空了慢慢更
上述方法都是依賴前面若干周期的數據，和當前數據的關係，判斷出當前的漲跌趨勢和概率。
——
下面其他答主提及價格「一會兒服從這個分布、一會兒又服從另一個分布」，這個特定我也發現了，所以我的策略代碼中增加了自創的「失效性檢查」，利用的是趨勢走勢符合的一個特徵——我叫做「梯雲縱」；說人話就是：當走勢滿足趨勢的時候，它的極值點在程序演算法上滿足：最小遞增序列和最小遞減序列。
未完待續
上面討論的 Python 程序代碼稍後會放出到我的GitHub上面
假如資產價格服從一個隨機遊走過程，技術分析沒有任何意義。
但量化大有意義，因為資產定價將成為有解析解的簡單問題、Q-Quant成為金融行業唯一有用的道路。那時候量化更像是保險精算，行業里的quant只剩structurer和risk。
但很明顯，從長時間看，資產價格不是隨機遊走過程，也不服從任何一個已知的過程。這才賞給了掉包俠、學術界幾口飯吃，也有不少韭菜被割。從我個人體驗，目前資產價格的隨機性，來源於他一會兒服從這個分布、一會兒又服從另一個分布，你不能預測他未來是什麼分布，就像你不知道你的策略什麼時候「有效」/「失效」。這種隨機性才是吸引那麼多人沉迷賭場的原因，一會兒覺得自己天下無敵，一會兒又一敗塗地，自己卻不知道為什麼。
這個問題我個人認為可以從幾個方面回答。
先說市場可不可以被預測。
首先，單個股票或許真的符合隨機遊走。只能說是「或許」，只是因為真實世界的收益率分布過於複雜，接近於隨機。
其次，價格是否符合隨機遊走也並不是能否跑贏市場的關鍵，回答這個問題也並不具有實際意義。因為更重要的是，想要跑贏市場，什麼時候入場，什麼時候出場才是具有決定性的考量，而不是能不能預測對下一個時點的價格。比如：
不管你在什麼時候入場，如果你不能在1929，1968，1994年之前出場，恐怕在這三個時點後的20年左右都不能盈利。當然如果你從200年前就開始投資，把股票留給孫子一輩，就當我沒說。從另一個角度來說，這也就是 Eugene Fama 和 Robert Shiller 對與回報率來源有分歧，但他們都支持價值投資的原因。
另外，之所以大家都說（股票）價格符合隨機遊走，多半是基於我們只能根據當下或更早的信息作出決策，而不能看到未來的信息，而未來的信息又有極大的不確定性，故而造成了價格不可預測。但是如果研究對象是整個市場，那它並不是隨機遊走，並且是可以被預測的。不過這個不是說你要預測他具體是多少，不是說這個月3500點，下個月能不能3550點。而是，市場的波動可以在多大程度上被某些變數解釋。Shiller 很早就證實了，回報在年度級別數據上是可以被預測的，而且股息率和回報率的相關性關係很高。可參見：
我肯定瘋了：Asset Pricing, A Dirty View②?zhuanlan.zhihu.com
不過值得注意的是，研究僅限於年度數據的級別，就是至少要是yearly data，當然拓展到3，5，7年年度數據也依然成立。月度數據就沒有多準確了。所以，大家期望在更高的頻率上解決可預測性的問題。最近的研究又集中在了投資者情緒上，在月度數據的頻率下，投資者情緒可以解釋很大一部分價格波動。可參考：
我肯定瘋了：回報的可預測性（Return Predictability）?zhuanlan.zhihu.com
再說說技術分析。
其實技術分析在理論上可行，也不可行。
不可行點在於缺乏理論根據，比如投資者會根據財務或者宏觀數據進行投資，這是一個十分合理的決策依據。技術分析或許和動量還有些許聯繫，但是也沒有很直接的證據表明技術指標可以完全由動量解釋。因此，學術界比較「老套」的教授，還是不認可技術分析，甚至動量。但是不妨礙他們發頂刊。
可行點又在於，學術界是認可投資者情緒發揮了不可忽視的作用的。很多不能解釋的現象確實可以被投資者情緒解釋。有不少文章認為，技術指標直接或間接的造成了投資者 「異常」 的情緒。雖然沒有明說，但是你可以明顯的感覺到，學術界認為有很多不成熟的交易者再投資時是利用技術指標的，這些 「沒有理論根據」 的指標，造成了難以被解釋的價格波動。更重要的是，這些看上去不成熟的交易風格，會讓專業的投資者失去套利的機會。因為即便是專業的投資者，在十分波動的市場中，同樣沒辦法分辨到底是什麼導致了價格波動。聰明的投資者更會順應這股不理智的交易趨勢一段時間，並且在均值回歸之前套現離場。所以繞來繞去，「離場時刻」 才是能不能打敗市場的重要依據。
不過技術分析，多少有點「先有雞還是有蛋」的意思。是價格波動導致了一個 「難以觀測」 的能量導致人們發明了技術指標，還是人們發明了技術指標造成了這股 「難以觀測」 的能量。
最後說說量化的作用。
我認為更多的還是，量化手段去處理大量的數據，並且排除實際交易時情緒的影響，理性的做交易決策，其中就涉及到能不能果斷的止盈離場。如果以賺錢為目標，量化的表現並不一定如預期那樣好。尤其是在一個十分情緒化的市場中。比如2020的市場中，量化策略收益率普遍不如主觀策略。
所以，總結下來，不管是量化還是技術指標，都只是賺錢的手段。他們並不具有什麼絕對的優勢。但根本原因並不是因為市場很難預測。
另外，借用某個知乎大V的一句話，忘了是誰說的，但是看了一遍就忘不了。
說市場可以預測的，都是裝逼。
說市場不可預測的，都是傻逼。
以上。
之前水群的時候，遇到一個碩士研究生，他也提到了隨機遊走問題。當時沒在意，沒想到在知乎上遇到了相似的話題，所以現在認真對待下，算是緬懷之前水群的記憶吧！
我沒怎麼了解過這個理論，我自己也玩量化，但是思路跟那些科班出身的人不一樣。我屬於野生玩家，路子走得也就比較野。前面的回答提到了很多高大上的東西我都沒學過。那我來到這裡又拿什麼來回答呢？經驗。
隨機遊走理論，這個聽上去就有點奇葩！既然是隨機，那隨便買賣，盈利就平倉，一年賺個幾塊錢，有的平台還給你返利，豈不是美滋滋？別說，我之前還真這麼干過，問題是賺錢的單子賺得少，虧錢的單子虧得多，盈虧比太低，重複下去也是穩定虧錢的命。那麼提高盈虧比不就行了？
問題又來了，就算把盈虧比提高到1:1，你的勝率必須高於50%，才能實現盈利，如何保持勝率高於50%呢？隨機遊走意思就是上漲下跌概率一樣，都是50%。知乎上有人分析過隨機遊走，完全是高中生就能理解的。最後得出結論，翻倍跟虧完的概率相等？算上交易成本，虧玩的可能性還大一些。呵呵！真要是上漲下跌的概率相等，瓜娃子才會去交易。這不明顯是拋硬幣嗎？還不如拋硬幣。交易者正是因為自己覺得上漲下跌概率不相等才會去交易。
最後，我想說的是，一切都是概率問題。那麼最重要的那就是資金管理以及調整盈虧比。因為這才是你能把握的東西，概率不是你能操控的。市場是不可知的，無論什麼理論，那都是自欺欺人。賺錢了就說理論很牛逼，虧錢了就說市場變了，理論失效了。呵呵！一個理論如果具有時效性，這東西跟迷信有多大的區別？
做交易跟做人一樣，都需要構建自己的三觀，沒得這東西人就不可能形成判斷，有了這東西就可以很好地指導行為。有些理論看起來漂亮，但未必實用。佛教有一套對待人生的理論，基督教也有，甚至是小學生都有一套自己的三觀。我記得自己曾經很小的時候，意識到溝通的重要性，就興高采烈地認為一切問題都可以通過溝通解決，現在看來真要是這麼簡單，那這世界就不可能存在那麼多紛爭了。就在前年，一個985的朋友還跟我大談一些複雜的看起來玄之又玄的話題，我要是十幾歲出頭，或許還會產生不明覺厲的感覺，但是現在，不可能。為啥？都是花架子，不具有實用性。又比如說知乎上很多人在討論纏論，這東西在我看來就是花架子，虧得一塌糊塗的人才會去相信這些東西。這不是民科，還是啥？
前不久在一個算命群裡面，還有很多人相信什麼占星術，紙牌，八字，星宿……每個人都有自己的一套理論去解釋世界。對應到市場，那麼每個人都有自己的一套交易理論。對於世界的看法，就算是理論物理，量子力學和相對論還是矛盾的。所以不要迷信任何所謂的理論，你也只是因為不理解這些理論才回去相信他。這叫不明覺厲！
回到交易，這個市場就是來割韭菜的。絕大多數人虧錢，少數人賺錢。是什麼決定了你賺錢還是虧錢？跟你相信的理論關係不大，跟你自身的特質關係密切。交易說到底是很吃天賦的，而天賦那不是理論能解釋的。量化也只是工具而已，說到底最重要的還是人，你身上的特質決定了你能不能在這個市場上賺錢。有的人全手動操作，發了財，不需要靠程序，有的人手動真的很爛，所以才尋求程序輔助交易。
人跟程序之間什麼關係？人和工具的關係，選擇適合自己的工具也就是策略，但也不能迷信工具。隨機遊走跟纏論差不多，都是你認為它能解釋市場，但實際呢？不要期望太高，市場是不可解釋的。
1，這涉及到核心思想既價值觀的問題。在法瑪提出這個理論之後，差不多在1965年提出，幾十年來受到了很多的懷疑，並且也提出了許許多多的論據來對其進行反駁。世界上這麼些天才大腦都爭得面紅耳赤。那麼，對於一個普通人來說。怎麼辦？首先，如果你是應該是怎樣的價值觀既理想主義，那麼你應該去多讀書，思考，世界上又多了一個追求真理的人，不一定能追求到，但也是你存在的意義之一。量化這些是否有效對你來說沒有任何意義，只是你的驗證對象而已。後半句不成立。其次，如果你追求的是實際是，既現實主義的價值觀，或者再簡單，就是想賺錢，那麼法瑪說的有不有效對你又有什麼意義呢？你追求的是獲利，只要你去尋找你認為的能夠超越市場的操作策略就可以了。總得來說就是莫要因為一個在當前既不能證實也不能證偽的觀點，影響到你的目標實現。
推薦閱讀：
