量化專題報告：威科夫技術分析的概率云表達，從主觀到量化.pdf

量化專題報告：威科夫技術分析的概率云表達，從主觀到量化。威科夫技術分析發源于1931年，核心思想是基于主力資金的吸籌與派發行為判斷市場方向。威科夫是技術分析的經典理論之一，本質上為股票供求相對強 度與意愿分析，底層邏輯具有跨時代的普適性。本報告從威科夫理論中提煉核心 思想，并進行量化技術分析系統搭建與回測。威科夫方法相比其他技術分析流派 的最大特點在于：逐根K線的連續分析。其好處在于：發揮條件概率的作用，使 得形態的有效性隨著形態位的增加獲得大幅的提高；同時逐根K線都有信號從而 大大增加了統計的樣本量，更易獲得顯著的統計結果。

威科夫技術分析主要分為吸籌模型與派發模型，其都具有五個階段。這些階 段分別描述了如何確認吸籌/派發的開始，如何識別主力吸籌完畢測試浮籌的動 作，如何確認吸籌/派發的結束從而進入趨勢。這里的主力并非特定賬戶，而是 指具有一致行動意愿的大體量資金。其有兩個特征：1、目標是計劃性的交易獲 利；2、一定會在市場量價表現上留下痕跡。這是威科夫技術分析的核心假設。 在識別這些階段時，主要需要趨勢線、水平線等輔助線以及20多種特定形態作 為判斷工具。

為了克服威科夫分析的主觀與唯心，我們創新的采用技術指標的概率云表達進行體系的量化。通過MACD柱輔助定義波段以及趨勢盤整，我們確定了走勢 背景，并且量化的在趨勢市中定義了趨勢線，在盤整市中定義了水平線。同時我 們采用“似然度”量化各事件形態，使得每根K線的形態識別為一種“疊加態”， 解決了形態識別的主觀性和模糊性問題。每根K線的最可能事件形態通過“概率 坍縮”確定，非關鍵K線被剔除，最終形成事件形態時序關系向量，其描述了當 下K線之前發生的主力行為順序。

威科夫事件形態時序關系向量可映射為技術打分，在 A 股的個股中期擇時上具有較好的效果。數值映射方法將每個事件形態映射為主觀分數，通過指數加 權方式計算綜合得分WSO，2010-2024年6月作為純樣本外數據集的費后年化 收益率為16.78%。規律統計方法統計不同事件形態序列下的市場未來走勢特征， 找到顯著的形態時序關系，再進行分數的映射得到 WSS，相比 WSO 收益和回 撤都有所提高，2010年-2024 年6月可以獲得25.04%的費后年化收益率。不 論是WSO還是WSS，個股年均擇時次數在6-9次之間，整體屬于低頻的中期 擇時工具。