※ 引述《jeter17 (揚雞)》之銘言：
: 股票長線投資必須看基本面這是無庸置疑
: 但是基本分析對一般人還是有困難複雜跟麻煩、短中線失能等缺陷
: 像許多股票是當前財務數據越爛卻是越飆，基本面完全抓不到這些股
: 板上有沒有神人完全看技術面不看基本面操作買賣股票長期下來還是獲利的？
技術分析已經存在超過一百年，一直都有人靠技術分析賺錢...
技術分析就是基於成交明細，也就是價格數據 (有的包含成交量) 所做的分析。
上面這句話很重要，因為這貫穿了以下的所有內容。
技術分析分兩大類: 圖表分析 (chart) 和 技術指標 (indicators)
1. 圖表分析，就是畫 K 線做分析，在 20 世紀以前都是主流分析方式
2. 技術指標，就是用量化數據做分析，在 1980 個人電腦開始普及之後才蓬勃發展
圖表分析又可以分門派
1. 裸 K 派: 不畫線、只看價格變化的傾向與跳動
2. 型態學: 現在講圖表分析大多為這類型
3. 秩序玄學: 艾略特波浪理論、江恩、中國纏論 (這部份沒研究)
# 圖表分析之一 – 裸 K 派
裸 K 派的作法，基本上就是基於價格的變動，判斷趨勢。
一種是日本江戶時代酒田戰法 (18 世紀)
日本是最早將數字視覺化，繪製價格變化成圖形，方便瀏覽歷史變化。
酒田戰法應該是最早的圖表分析始祖，並且著重在看 K 線的形態判斷是否會反轉。
一種是 Livermore (1877-1940) 這類對數字跳動的速度、振幅敏感程度。
不一定需要繪製成圖。Livermore 可以單純閱讀數字的變化就做出判斷。
Livermore 可能是最早只看價格跳動就能賺大錢的人。但手法沒公布。
一種是 Darvas (1920-1977) 的箱型理論，就是判斷價格是持續突破，還是在某特定範圍震盪。
不一定需要繪製成圖，只需要看收盤價是否有突破最近的高低點。
基本上 Darvas box 可以看做是壓力支撐的簡單版。
Darvas 後來在 1960 年有出書，但當時出版量似乎不高。
當然還有其他種類 (歡迎補充)。
裸 K 派通常不太需要太多的歷史數據，而是專注於最近的價格變化。
對於比較久遠的數據大多快速看過，只需要知道大致上的趨勢、價格位階。
裸 K 比較注重當下買賣力道是否發生變化，而改變趨勢。
一般不會把裸 K 派的作法放進技術分析。
原因是第一本講技術分析的書是 1950 年，Edwards & Magee 就一直沒列入裸 K 派。
因為當時裸 K 派沒有明確說明作法 (如 Livermore)，只說需要價格變動的盤感。
而 Darvas 是 1960 年才出書，也沒有引起很大的關注 (或者說是壓力支撐的分支)。
而日本 K 線戰法，是 1991 年 Steve Nison 出版才逐漸廣為被美國人知道。
Magee 的技術分析，已經修訂了非常多版本，但一直沒有把這些方法放入書中。
但就定義上來說，裸 K 派就是技術分析，因為都是基於歷史成交數據所做的分析。
基本上，我把沒有在圖表上畫線，並且沒有放入這本技術分析的，都稱為裸 K 派。
# 圖表分析之二 – 型態學
型態學，其實也是基於裸 K 派，但更注重長期的歷史數據。
主要看重的是大型的結構，判斷宏觀趨勢，並找出可能的轉折點、趨勢是否發生變化。
典型的圖表分析都寫在 Magee 技術分析一書中。
大致包含型態、趨勢線、壓力支撐。
基本上書就先從道氏理論開始說起，說 Dow 是技術分析鼻祖。
但實際上日本早就領先世界幾百年，但美國人一直沒修正他們的說法。
圖表分析跟裸 K 一樣，都需要培養圖表眼，就是看圖表就能猜出接下來可能的發展。
簡單的說就是盤感。這是需要非常長時間、大量閱讀各種走勢，才能獲得獲得的技能。
其實技術分析背後的原理就是價格走勢反應了市場情緒、趨勢、波動。
而價格大幅上漲之前或下跌之前，很容易出現某種特定的價格變化特徵，也就是型態。
技術分析有用的論點，就是價格是人的供需現象的結果。而人性一直沒變。
前面說的人性論，只是假設、說詞、或是對市場的理解，而非真理；
另外還有效率市場派，認為價格只是反應所有已知資訊；
另外還有神祕秩序力量的派系，以及其他小眾的理論基礎。
這些就是技術分析經常會被混淆的地方，雖然大家都叫技術分析，
但不是「把所有宗派都學會，才懂得什麼是技術分析」。
記得本篇的第一句話嗎？
「技術分析就是基於成交明細，也就是價格數據 (有的包含成交量) 所做的分析。」
換句話說，只要看 K 線、看價格變化，都是技術分析。
而一百多年來就一直有人只靠技術分析賺錢。
而最大的問題，就是有人只學了某門派沒效果，就說整個技術分析沒用。
殊不知「技術分析」只是一個統稱範疇，而非一個完整的體系。
就像你學太極拳打不贏別人，卻說所有格鬥技巧都是騙人的，還不如直接王八拳拼反應。
但格鬥就有分柔道、空手道、泰拳、摔角、中國功夫、桑搏...，每個底下又一堆門派。
會認為技術分析沒用的根本問題有兩個，
一個是沒學透，認為上幾堂課就有功夫能出去跟人打架，不知道出師要很久。
一個是隨意混搭，錯誤地把不同門派的方法混合一起使用，不知道難以並用。
技術分析需要有很強的價格變化背後原因的理解，
需要了解在什麼價格走勢之下，某個出現的形態後續走勢會容易成功或是失敗。
能夠說得出來的現象，都被歸類於型態，
但技術分析更多無法容易說清楚的技術，也就所謂的經驗、圖表眼、盤感。
型態、技術指標等，比較傾向於科學 (science)，因為是基於統計、可描述的結果。
但盤感、圖表眼、交易經驗，則是一種藝術 (art)，也就是存在著個人表現的差異。
Art 都是需要經驗累積，跟個人能力相關，且每個人的能力上限也不同。
不管是武術、繪畫、舞蹈、溝通交流、體育、電競...還有交易，都是含有藝術的成份。
這也就是一堆無法精通技術分析的人，最大的問題。
尤其是「技術指標」學派，想用純科學 (數據分析)，來解決交易判斷。
但對技術分析沒有深刻理解的人，只會在技術指標的大海中，迷失方向。
技術分析只能給予大方向的指引，但勝負往往都在細節的判斷上。
同樣一套技術分析，完整理解的人就能夠更好的掌握進出場的判斷。
而且影響交易成果的因素，還包括了個人心理與紀律、資金控管、風險管理等。
很多交易失敗的人，往往只怪罪到交易策略 (技術分析) 上，
而非系統性的檢視到底是哪裡出問題。
# 圖表分析之三 – 秩序玄學
這部份沒研究，但基本上會被傳統圖表分析師、裸 K 交易者給唾棄。
算是特別的門派，而且每個分支都互為獨立。或許應該歸類為 miscellaneous。
沒聽過哪個人靠這些理論獲得巨大財富的 (可能都默默在賺)。
我認為這門派都是基於圖表分析所衍生出來的理論，
只不過在特定交易品種上可能存在的特別規律現象，但不容易廣泛跨商品使用。
例如黃金、外匯，可能就存著一種特別規律走勢，而能發展出一套有用的交易方法。
如果你學了這些門派的方法而找到了特定適合使用的商品，那還是值得使用。
但我覺得與其學這些不易使用的方法，然後才去找交易品種，
還不如直接先研究交易品種，在去找適合的交易方法。
但是這個門派的存在，說明了技術分析的一個問題：
不同交易品種存在著特別有用的方法，同時也存在某些方法不好使用。
無論你學了什麼技術分析，還是需要回歸交易品種的篩選與理解。
一種人是先擬定交易策略，然後再去找適合品種。
一種人是先研究交易品種，再去做圖表分析，看哪種方法適合交易，再決定交易計畫。
前者比較適合程式交易，能夠寫一套邏輯，再去匹配可能適合的交易品種。
後者比較適合只專注交易特定品種的交易者，比較能感知牛熊市的變化、交易是否好做。
而這就關係到下一個技術分析的大門派：技術指標
# 技術分析興起的新門派 – 技術指標
技術指標算是近 40 年來最受歡迎的技術分析領域，
原因是個人電腦的普及，具有統計上的優勢，並且是高度科學、有方法論。
而圖表分析的方法就那幾種，很吃個人的能力。
我把技術分析分為圖表分析 (chart) 和 技術指標 (indicators) 兩大類，
其實技術指標應該被分為量化分析 (quantitative analysis) 會比較好。
但這門派最早基本上都是在做價量的技術指標，
後面才衍生出其他依賴電腦算力的其他量化交易。
最主要是早期的電腦根本沒辦法應付龐大的資料量和算力。
但現在量化交易做純技術指標的比較少，大多是散戶在做。
尤其是能繪圖的指標，最受散戶歡迎。
畢竟有可視化的東西，就會被散戶覺得容易理解、而可以應用。
但量化高手不是單純做技術指標，而是跨品種、跨數據找相關性來搭建交易策略或組合。
早期量化的目的，是為了提供更客觀的閱讀圖表方式，
用公式計算出一個數值來判斷，更容易快速看出圖表的存在的現象。
技術指標大致分三類
1. 趨勢指標: 包括均線、MACD 線等。大多為落後指標，但能表現出價格趨勢。
2. 震盪指標: 包括 RSI、威廉指標等。大多為領先指標，反應走勢是否過激而可能反轉。
3. 情緒指標: Put/Call ratio、新高新低數等。大多為領先指標，反應市場多空情緒。
如果你連指標的分類用途，以及領先落後的問題都不知道，那大概就不用玩了。
因為你的搭建的交易策略一定會有問題。
大多數散戶、不懂交易的程式開發者，大多只是改改參數，跑跑回測，看看結果。
這就是這些人會失敗的原因: 不懂真正的技術分析、無法解讀技術分析失效的原因。
也就是忽略了前面提到的 art 的部份。錯認為數據科學才是上乘武功。
量化交易可以很有用、也可能以賺大錢、更可以自動化交易。
但必須建立在對交易、技術分析的正確認知上。
只看統計結果，卻不看也不理解原始數據的特性，往往很容易得到錯誤的結論。
不能理解什麼樣的參數是合理範圍，策略失效是什麼原因，
最後陷入過擬合 (overfitting)，或是不斷尋找新聖杯的問題。
機構型的量化交易，又是另外一個世界了。
無論是基於數學模型的交易 (例如統計套利)，
或是基於實時海量數據的的數據科學、數據探勘，
或是基於機器學習的黑盒交易，
都是在做一般人不懂的交易方法。
這些機構有的成功，有的不成功。
靠基金經理人的主觀判斷做交易，其成功很難被複製 (因為是 art)。
像巴菲特這種 artist，就沒人容易複製他的交易判斷。
靠量化數據的交易，可以讓眾多菁英去迭代優化，並傳承交易方法給接班人。
但最重要的是量化交易聽起來高大上、看起來像是火箭科學，就容易吸引投資人。
量化分析的水很深，絕對不是看看指標做判斷就能成功。
背後的原因還是對於交易品種的理解，對於技術分析的理解。
基本上數據科學家比軟體工程師會更快掌握交易的精髓。
因為技術分析，本質上就是「對於交易數據的理解」的一種研究。
數據科學家和圖表分析師，基本上都是在做一樣的工作，只是方法不同。
但絕對不是想策略、寫程式、跑回測這麼簡單。
重點是在理解數據，才去構思交易策略。而不是構思策略，才去找參數。
到最後還是必須回歸技術分析工作的本質: 如何看待交易數據規律所發生的變化
然後才能做出正確的判斷，決定重擬新策略、調整參數、暫停交易、或繼續執行原策略。
技術分析有沒有用？ 真的就是看個人。
以及最主要的問題: 你說的技術分析到底是指哪一種方法？
後續補充
K 線只是數據可視化的一種方式 (基於時間範圍)，大多圖表分析是基於 K 線。
至於為何叫 K 線？我猜是 Candle 日文為 キャンドル (Kyandoru)，取第一個字和音。
但另外還有 Heikin-Ashi、Renko 等其他繪製數據的方式，能得到不同的解讀。
而量化交易則是數據分析的過程，比較強調數學、寫程式能力。
但其實所有技術分析都是在研究一樣的數據，只是方法和過程不同。