阻力定义与计算方法 [page::1][page::2]

• 阻力既涵盖向上阻力也包含向下支撑，反映抛盘和买盘的合力影响。

- 阻力关键性质包括与历史成交量正相关、与价格距离和交易时间反相关。

• 提出绝对阻力与相对阻力计算公式，后者因消除量纲更合理。

- 采用过去120个交易日来计算阻力，对沪深300指数走势具有良好解释力。

基于阻力的市场择时策略 [page::3][page::4][page::5][page::6][page::7][page::8][page::9]

• 单边做多策略：阻力低于0.55时买入，高于0.55时空仓，年化收益29.22%，最大回撤34.38%，胜率33.93%，盈亏比19.28。

• 双边多空策略：阻力低于0.55做多，高于0.55做空，年化收益37.32%，回撤降低至27.18%，胜率下降至27.93%。

• 策略参数敏感性测试表明，阻力计算周期120日、牛熊分界线0.55效果最佳。

• 改进策略设定牛熊分界带（0.5-0.9），信号噪音降低，胜率提升至62.5%，年化收益33.72%，交易次数大幅减至8次。

• 改进多空策略年化收益提升到43.13%，胜率73.33%，最大回撤降至25.37%，交易次数减少至15次。

基于相对阻力的行业配臵策略 [page::10][page::11][page::12]

• 单边多头行业配置：每周调仓，做多阻力最小5个行业，年化收益率达28.16%（考虑交易成本后20.66%），超额收益12.99%。

• 双边多空行业配置：同时做多阻力最小5个行业，做空阻力最大5个行业，年化超额收益19.66%，最大回撤仅16.68%。

研究结论与展望 [page::13]

• 证券市场价格沿最小阻力路径运动，阻力指标有效反映趋势阻力强弱。

- 阻力刻画为投资的关键线索，可应用于个股择时和行业轮动策略。

• 未来将持续深入研究阻力，更精准捕捉市场运动规律。

基于阻力的市场投资策略报告详尽分析

---

1. 元数据与报告概览

• 报告标题：《基于阻力的市场投资策略——数量化专题之五十九》

- 作者及分析师团队：刘富兵等国泰君安证券金融工程团队成员

• 发布日期：2015年

- 发布机构：国泰君安证券股份有限公司

• 研究主题：针对金融市场价格中的“阻力”概念，报告通过量化方法刻画市场阻力，构建以阻力指标为核心的指数择时和行业配置策略。

核心论点及目标：
报告提出，金融市场价格运动遵循“最小阻力路径”原则，股价运动会避开阻力较大方向而趋向阻力较小一侧。作者基于这一理念，通过对成交量和价格历史数据结合，定义并量化了“阻力”指标，进而设计了指数市场的择时策略及行业配置策略。实证结果显示，这些策略在历史数据上表现出较优的收益率和风险调整后表现，年度收益稳健且胜率较高。报告虽指出阻力指标构建仍为早期探索，但认为阻力研究为投资决策提供新思路，值得继续深入。

---

2. 逐节深度解读

2.1 股价沿阻力最小方向运动（第1节）

• 要点总结：借用自然界“最小阻力路径”法则，股价的涨跌方向实际上由阻力大小决定。股价涨跌是对抛盘和买盘力量（阻力）的权衡结果。市场中各类分析（基本面、资金面、政策面等）最终归结为对阻力路径的预判。

- 逻辑依据：价格运动就如河水流向海洋，无需计划也无法逆转，自我在市场中寻找阻力较小路径。

• 意义：为后续通过量化公式定义阻力并以此指导投资策略奠定理论基础。

2.2 阻力定义与刻画（第2节）

• 阻力内涵：

- 阻力为对趋势的阻力，既包括向上的阻力（卖压），也包括向下的支撑（买压）。
- 阻力为买卖力量的合力，由成交量和价格信息决定。

• 阻力性质：

1. 阻力与历史成交量紧密关联，参考当前价格，高于当前价格的成交量越大，则向上阻力越大；反之亦然。
2. 价格距离当前价越远，成交所带来的阻力越小。
3. 成交时间越远，阻力越小。

• 阻力计算公式：

- 绝对阻力是价格高于当前价成交量加权求和减去价格低于当前价成交量加权求和。
- 相对阻力是上述加权成交量差值与总加权成交量比值，消除了量纲影响，更合理。
- 权重考虑距离权重（对价格差的对数函数）和时间权重（时间对数归一化）。

此定义结合量价数据提出创新的阻力量化指标，适合程序化交易和模型研究[page::1-2]。

2.3 基于阻力的市场择时策略（第3节）

3.3.1 阻力与市场走势相关性（第3.1节）

• 基于过去120个交易日数据计算阻力，观察沪深300指数与阻力指标波动趋势。

- 图1显示阻力围绕0.5上下波动，牛市时阻力靠近0，熊市时靠近1，表现出阻力指标对牛熊周期的敏感性和辨别能力。

• 阻力值显著区分市场状态，可用作择时信号[page::2]。

3.3.2 单边做多策略（3.2.1节）

• 以阻力阈值0.55为牛熊分界线，阻力值低于0.55时买入指数，高于则空仓。

- 图2显示策略净值稳步增长，年化收益29.22%；回撤34.38%，操作56次，胜率仅33.93%但盈亏比高达19.28（表1）。

• 年度收益图显示该策略在牛市有效跟随沪深300收益，熊市大幅减仓避免损失。

- 胜率低表明信号噪音多，但高盈亏比保证了整体收益质量[page::3]。

3.3.3 双边多空策略（3.2.2节）

• 同样以0.55为牛熊分界线，阻力低时做多，高时做空。

- 图4和表2显示年化收益提高至37.32%，最大回撤减少到27.18%，交易次数增加到111次，但整体胜率下降至27.93%，空头胜率21.82%。

• 分年收益图表现出在2008、2011年熊市仍获得正收益，策略对市场下跌有不错识别。

- 多空操作增加收益空间但收益的稳定性略有波动[page::4-5]。

3.3.4 参数敏感性测试（3.2.3节）

• 通过图6与表3调整牛熊阈值，发现0.55为最佳临界点，偏离该点择时效果下降。

- 图7与表4通过测试不同阻力计算周期，发现120个交易日对策略最佳，周期在120-250之间波动策略表现较稳定。

• 参数选择影响策略表现，需精心设定[page::5-6]。

3.3.5 策略改进（3.3节）

• 由于单一阈值使胜率低，改为“牛熊分界带”：阻力小于0.5做多，大于0.9空仓，介于二者则维持原操作，降低噪声。

- 改进后的单边策略（图8，表5）年化收益提升至33.72%，最大回撤降至25.7%，交易次数大幅降至8次，胜率提升至62.5%，盈亏比显著增至39.54。

• 改进后双边策略（图9，表6）年化收益达43.13%，最大回撤25.37%，交易次数仅15次，胜率73.33%，空头胜率高达85.71%，盈亏比22.58，显示出显著的策略稳健性与收益提升。

- 其代价是对趋势识别稍有滞后，信号延迟产生一定收益损失[page::7-9]。

3.3.6 改进策略参数敏感性

• 表7-11对牛熊阻力带上下限进行交叉敏感性测试。

- 策略在阻力下限0.45-0.5，上限0.85-0.95区间内表现稳定，年化收益、回撤、胜率都处于较优区间。

• 超出该区间策略表现下降明显。

- 交易次数随上下限变动亦呈合理波动[page::9-10]。

2.4 基于阻力的行业配置策略（第4节）

• 作者将自然界河流和河床结构类比行业间资金流动，认为资本流向阻力最小、支撑最强的行业。

- 通过计算行业相对阻力，构建行业配置策略，分为单边做多和双边多空两类。

4.1 单边行业配置策略（4.1.1节）

• 选取相对阻力最小的5个行业等权做多，周频调仓，回测期2010年1月至2015年5月。

- 图11显示策略净值远超沪深300和行业等权基准，图12显示年超额收益稳定正增长。

• 表12中，考虑交易成本后，策略仍实现年化20.66%收益，累计收益249.6%，年化超额收益近13%。

- 策略表现稳健、收益显著，说明阻力指标在行业层面具有良好的预测力。

4.2 双边行业配置策略（4.1.2节）

• 选取阻力最小5行业做多，阻力最大5行业做空，等权重，周频调仓，同期回测。

- 图13显示虽然净值低于单边策略，但波动较小，图14各年份均实现正收益。

• 表13显示考虑成本后，年化收益仍达19.66%，最大回撤16.68%，周胜率57.51%，盈亏比较为稳定。

- 策略实现行业间多空对冲，风险降低同时保持正收益，为投资组合提供稳健Alpha来源[page::10-12]。

2.5 总结与展望（第5节）

• 价格运动遵循最小阻力路径，阻力刻画为投资提供了自然且有效的视角。

- 本文阻力定义及量化为初步尝试，尚有不足，未来将考虑价格和成交量以外的更多因素深化阻力研究。

• 阻力指标应用于指数择时和行业轮动，均取得超越市场基准的稳健收益，验证了阻力策略的潜力和价值[page::13]。

---

3. 重要图表深度解读

图1：沪深300指数与相对阻力走势（第2页）

• 描述：左轴为沪深300指数价格，右轴为相对阻力指标，两者时间跨度为2006-2015年，红色曲线为阻力，蓝色线为指数。

- 趋势解读：阻力指标流动于0-1区间，牛市（指数上涨）时阻力趋近0，熊市时阻力接近1，显著负相关。

• 联系文本：支持作者提出的阻力围绕0.5波动且具明显牛熊市场区分能力。

- 数据局限：指标的平滑性质与窗口长度关联，周期调整会影响阻力灵敏度。

图2 与表1：单边做多策略收益与绩效（第3页）

• 描述：策略净值相较沪深300明显领先，累计收益1163.3%，年化29.22%。

- 胜率仅33.93%，盈亏比19.28，显示策略虽交易成功率低，但胜利盈利幅度大，风险控制较好。

• 年收益柱状图显示策略能够躲避熊市，跟随牛市。

- 意义：低胜率高盈亏比的策略可能适合规避大回撤，重仓持有趋势。

图4 与表2：双边多空策略收益与绩效（第4页）

• 双边策略增强了收益（累计2182.4%，年化37.32%），同时回撤降低。

- 交易次数翻倍，胜率下降但盈亏比仍高达14.46。

• 套利空间扩大，具备更好的风险调整收益。

图6 与表3：牛熊分界线敏感度

• 牛熊阈值变动影响策略表现，0.55为最优阈值，偏离会降低收益和提高回撤。

图7 与表4：不同阻力计算周期

• 120个交易日算力周期效果最佳，体现指标调校需权衡历史数据长度与市场灵敏度。

图8与表5：改进单边做多策略

• 设立0.5-0.9阻力区间后，交易次数大幅下降，胜率翻倍，回撤进一步下降，实际操作更稳健。

图9与表6：改进双边多空策略

• 该策略年化收益超过40%，胜率高达73%，回撤显著缩小，策略效果卓著。

表7到表11：

• 以多维参数敏感性分析支撑阻力上下限设定，验证策略稳定性。

图11-14及相关表格：

• 单边行业配置策略和双边行业多空策略均显著跑赢沪深300，且考虑交易成本后仍具优异表现，展示阻力指标可应用于行业轮动和资产配置，实现稳定超额收益。

---

4. 估值分析

报告主要聚焦于市场择时和行业配置策略的设计与回测，并未涉及传统估值方法（如DCF、市盈率等）的应用，故无估值内容。本质上，阻力指标属于技术分析与量化策略范畴，旨在捕捉价格反转与趋势，不直接涉及企业估值。

---

5. 风险因素评估

• 信号噪声风险：阻力指标初期构建，存在噪声，导致策略胜率不高，可能产生较多虚假交易信号。

- 参数依赖风险：策略性能依赖阻力计算窗口期及牛熊阈值等参数的合理设定，参数选择不当将削弱绩效。

• 延迟风险：改进策略虽然提升了稳定性，但引入牛熊分界带造成趋势信号的操作延迟，可能错失部分收益。

- 市场适用性风险：该阻力模型基于中国市场历史数据，结构性变化或其他市场环境下效果不确定。

• 交易成本与流动性风险：虽然报告考虑了交易成本，但过高的频繁交易仍可能侵蚀收益。

- 模型简化风险：阻力指标仅基于价格和成交量，未融合宏观面、基本面等信息，可能造成策略偏离市场真实状况。

报告虽未单独章节详述风险管理策略，但通过参数敏感性分析和策略改进减少噪声，间接体现风险控制[page::3-10]。

---

6. 批判性视角与细微差别

• 理论与应用连接初步：阻力作为价格运动的驱动力是创新视角，但市场价格影响因素复杂，阻力定义虽逻辑合理但实证尚需验证。

- 胜率较低影响使用体验：单边策略胜率仅30%左右，交易频繁且依赖财务杠杆控制风险，实际应用中可能面临较多操作开销。

• 策略延迟权衡收益与风险：引入牛熊分界带降低噪声和回撤，但同时可能导致收益机会损失，要权衡是否适合不同风险偏好投资者。

- 样本外效应未验证：报告未提供样本外验证，缺乏对未来市场适用性的信心保障。

• 数据处理与合成权重方式未详述：计算权重使用对数函数，具体为何采用该形式、其理论依据和对结果的影响未详细展开。

- 对高频和极端行情的表现未知：报告只是基于周频或日频数据，是否适用于高频交易或极端市场波动未加说明。

• 风险因素未系统列举：除参数敏感度外，质化风险判断不足，未给出对冲或减轻策略风险的建议。

- 策略交易次数因策略改进大幅减少，可能影响实际应用灵活度。

---

7. 结论性综合

本报告围绕“阻力”这一物理与金融交叉的概念，创新性地提出了市场阻力及相对阻力的量化定义，强调价格沿最小阻力路径运动。基于该指标，构建了多种市场择时方案和行业配置策略。经历史数据回测，相关策略均表现出显著超额收益及较好风险控制能力：

• 单边做多策略年化收益近30%，改进后提升至约34%，最大回撤进一步缩小。

- 双边多空策略更具优势，年化收益超过40%，胜率稳定在70%以上，回撤较低，显示策略稳健性和盈利能力兼备。

• 行业层面，基于相对阻力的配置策略表现优异，单边多头策略年化收益约20%，双边多空策略年化收益约19.66%，均明显跑赢沪深300，且考虑交易成本后仍保持健康正收益。

- 参数敏感性测试验证策略效果稳健，指导实际操作中参数选择。

• 阻力指标具有较强的牛熊市场辨别能力，对投资者开展市场寻找趋势点和资金流动路径提供新视角。

综上，阻力量化研究及其策略孵化为投资提供了创新思路和工具，尽管理论尚处于早期探索，存在参数调校复杂性和市场适应风险，但市场实证结果鼓励其持续发展与完善。

报告未提供传统估值分析，但策略研究较为深入，建议投资者把阻力策略作为量化投资的重要补充工具，结合其他基本面与量价信号以丰富投资决策模型。

---

参考图表展示示例

图1 市场走势与阻力



图2 单边做多策略累计收益图



图4 双边多空策略累计收益图



图8 改进的单边做多策略累计收益图



图9 改进的双边多空策略累计收益图



图11 单边行业配臵策略累计收益图



图13 双边行业配臵策略累计收益图



---

综合以上，报告清晰表明基于定量阻力的择时与配置策略在中国市场数据历史表现出显著优势，提出了一个自然科学与金融市场交叉的全新量化研究视角，为未来智能投资研究提供了广阔空间。[page::0-14]

报告