A股技术指标体系综合分析

本文综合了 factor-validation 项目中 8 个核心页面的内容，提取了技术指标开发、回测验证、情绪分析三个维度上的关键知识。

一、技术指标分类与开发要点

根据 demark-indicators的计算规则和原理 和 技术指标开发指南---deepseek 的分析，A股技术指标可分为三类：

1. 价格序列指标

以 K 线的 OHLC（开盘/最高/最低/收盘）为基础数据。k线的种类 详细描述了 K 线的核心要素： - 实体（Body）: 开盘价与收盘价的差值，反映多空力量对比 - 上下影线: 最高/最低价与实体的距离，反映价格波动幅度 - 衍生形态: 十字星、锤子线、吞没形态等

DeMark TD Sequential 是典型的价格序列指标（demark-indicators的计算规则和原理）： - TD Setup: 连续 9 根 K 线收盘价与 4 根前收盘价对比 - TD Countdown: Setup 完成后开始计数，13 根满足条件后产生信号 - 核心优势：客观的入场/出场规则，减少主观判断

2. 复权数据指标

复权因子简介 提出了复权数据的关键问题： - 涨跌幅复权法（BaoStock）：假设除权日前一天卖出、除权日买回 - 后复权因子 = 前一天收盘价 / 当天前收 - 前复权因子 = 当天前收 / 前一天收盘价 - 关键洞察: 不使用复权数据会导致指标信号在除权日产生虚假信号

3. 情绪分析指标

情绪分析算法 提供了一种基于文本的情绪量化方法： - 词典法：正面/负面词汇统计（涨停/利好 vs 跌停/利空） - 适用于新闻/公告的 NLP 情绪打分 - 可作为量价指标的非结构化补充

二、回测验证方法论

回测性能分析 暴露了一个关键工程问题：回测瓶颈在选股过滤。

性能瓶颈分布

总耗时 584 秒
├─ _process_buys (买入信号): 571s (97.7%)
│  └─ apply_prune (选股过滤): 510s (87.3%)
│      └─ groupby.apply → _check_trend: 278s (47.6%)
│          └─ rolling.mean (SMA计算): 157s (26.9%)

优化方向（综合 量化交易程序指标计算：关键考虑事项与管理建议）： 1. SMA 计算向量化（避免逐行 rolling.mean） 2. 选股过滤预计算（避免每次 groupby.apply） 3. 指标计算与信号判断分离

回测有效性验证

根据 策略 的策略来源和 回测性能分析 的实践，建议： - 验证 IC/ICIR 而非单纯夏普比率 - 关注换手率和交易成本的影响 - 跨周期衰减检验（策略在样本外的衰减幅度）

三、策略来源与研究方向

策略 列出了策略研究的权威来源： - SSRN（社会科学研究网）学术论文 - arXiv 量化金融板块 - Nuclear Phynance / Elite Trader 社区讨论

四、知识缺口与后续方向

当前 factor-validation 项目覆盖了指标计算和回测工程，但缺少： 1. IC 实测数据: 各指标在 A 股的实际 IC 值未记录 2. 跨指标对比: DeMark vs MA vs RSI 在同一标的上的信号质量对比 3. 成本敏感性: 不同换手率下的净收益曲线 4. 市场状态适应: 牛市/熊市/震荡市中各指标的表现差异

关联页面