TD指标及GFTD回顾 [page::0][page::3]

• TD指标由Thomas DeMark创立，强调市场动量的累积与耗竭时点，用于捕捉趋势反转。

- GFTD系列报告中，GFTDV2在沪深300指数择时中达到75%胜率，表现优异。

经典TD幅度膨胀指标定义与策略框架 [page::4][page::5]

• 指标通过标准化累积动量计算，判断趋势反转时机。

- 采用经验参数 (2,6,5,40)，策略为逆势操作，买卖基于动量阈值突破与价格形态。

经典TD幅度膨胀指标在A股市场实证效果不佳 [page::6][page::7]

| 指标 | 结果 |
|------------------|------------|
| 交易次数 | 389 |
| 年化收益率 | -5.03% |
| 判断正确率 | 37.02% |
| 平均盈利率 | 4.99% |
| 平均亏损率 | -2.96% |
| 盈亏比 | 1.69 |

• 表现亏损，收益率表现较差，胜率较低，主要因A股市场显著动量效应不吻合反转策略逻辑。

广发TD幅度膨胀指标策略创新与参数优化 [page::7][page::8]

• 将原反转逻辑转为趋势追踪，动量超阈值即顺势建仓。

- 扩大阈值范围至100-200，优化参数以适应中国市场行情。

• 采用样本前半区间寻优参数，参数示例(5,1,3,175)。

广发TD幅度膨胀指标多空择时策略实证表现 [page::8][page::9][page::10][page::11][page::12]

• 沪深300样本外年化收益率23.37%，胜率65.63%，盈亏比2.87。

- 多个指数（上证综指、中证500、中小板指、创业板指）均表现稳定，收益和胜率均较经典指标提升明显。

• 部分指数样本内年化收益高达70%以上。

广发TD幅度膨胀指标纯多择时策略表现及适用性 [page::13][page::14][page::15][page::16][page::17]

• 纯多策略（做空时空仓）仍表现优异，样本外沪深300年化收益12.56%，胜率66.67%。

- 多个指数纯多策略均实现良好收益，且做空限制下风险指标有所降低。

• 策略在震荡市表现波动较大，后续改善方向为增强震荡行情下的稳健收益 [page::17][page::18].

报告详尽分析：广发TD幅度膨胀指标——在动量中寻找突破

---

一、元数据与报告概览

标题：TD幅度膨胀指标：在动量中寻找突破 —— TD系列研究之三
作者：张超
发布机构：广发证券发展研究中心
发布日期：不详（推断约2010年代后期）
研究议题：对TD幅度膨胀指标的定义、实证检验及优化，及其在中国A股市场主要指数（如沪深300、上证综指等）的指数择时策略的有效性研究。

核心论点：
报告围绕TD幅度膨胀指标这一技术分析工具展开，首先复盘经典的TD幅度膨胀指标的定义和其在中国市场应用的局限，再针对A股市场显著的动量效应和做空受限的特征，设计并提出了“广发TD幅度膨胀指标”的优化版本。新指标通过修正关键参数及策略逻辑，将原先的趋势反转预测转化为趋势追踪策略，有效提升了择时准确率与投资收益。
报告系统展示了各指数采用该指标后在样本内外均取得稳健且显著正收益的实证结果，上述收益与胜率明显优于经典指标，验证了指标对A股市场的适应性和实用价值。
报告没有明确给出投资评级与目标价，主要侧重于方法论和策略实证。
[page::0,1,3,4,6,8,18]

---

二、逐章深度解读

2.1 TD指标回顾（章节1.1、1.2）

• 关键论点：TD系列指标起源于技术分析专家Thomas DeMark，旨在捕捉市场“能量”的积累与消耗，是一种结合客观计算与主观参数调整的技术分析体系。该指标在美股和A股均有较高的市场预测精准度。

- GFTD模型发展：报告提及GFTDV1曾实现择时胜率约75%（极高），但存在信号少且单次亏损大等问题。通过对指标参数和信号产生机制的改进，GFTDV2在信号频率和收益率上表现更加均衡并获得行业认可。

• 图表解读：[图1—GFTDV2沪深300累计收益曲线]显示策略极大幅度跑赢沪深300指数，累计收益率达到3000%以上，显著说明了策略的有效性。

- 支撑及假设：以量化视角评估TD系列指标的参数，认为唯有科学地确定最优参数，才能准确捕捉到有用的投资信息。
[page::3,4]

2.2 经典TD幅度膨胀指标定义与策略（章节2.1）

• 指标定义及计算：

- 以连续多日内的价格最高价和最低价形成的高低差为基础，计算当天动量值$Xi$，进而构建$p$天内的标准化累积动量指标$TDREIi$。
- 该指标以衡量市场累积动量强弱来判定趋势的临界点，理论上当指标极端时，趋势反转概率较大，策略据此逆势买卖。

• 交易逻辑：依据阈值$\theta$与相关价格行为定义买入和卖出信号，严格区分“趋势反转”的细致条件。

- 关键参数：$(k, m, p, \theta) = (2,6,5,40)$为经典默认参数（DeMark经验值）。

• 图表解读：[图2—沪深300与经典TDREI指标]显示指标的高低波动与沪深300指数涨跌存在一定的相关性。

[page::4,5]

2.3 经典指标在中国A股实证检验（章节2.2）

• 实证方法：取经典参数不变，运用多空策略于2005-2016年沪深300指数，测算交易信号、收益率及胜率等指标。

- 核心发现：
- 总体表现不佳，累计收益率为-46.2%，年化-5.03%。
- 胜率仅37.02%，意味着错误信号偏多，导致多次亏损。
- 盈亏比虽为1.69，但平均盈利不足以弥补亏损损失。

• 原因分析：主要由于A股市场的显著动量效应（趋势持续性强）与经典TD指标强调趋势反转假设矛盾，因此趋势明显时策略亏得严重。

- 图表解读：[图3—沪深300多空择时曲线]大部分时间策略收益为负，与指数走势背离。
[page::6,7]

2.4 广发TD幅度膨胀指标开发（章节3.1）

• 改进动机：修正经典策略逆势操作适应性差的问题，将策略内核由追求反转转为顺势追踪，契合市场动量效应。

- 改进点：
- 内在逻辑转变为趋势追踪，即幅度膨胀指标超过高阈值即买入，多头趋势确认；跌破低阈值即卖出。
- 阈值放大，从40扩大至100-200。这避免频繁虚假信号，提高信号质量。
- 历史窗口参数调整适应A股特点，并利用前半部分样本做训练，寻找最优参数。

• 策略细节：采用多空策略，依据指标穿越阈值调整持仓方向；且信号明显时单日即可确认趋势。

[page::7,8]

2.5 实证检验：多空择时策略结果（章节3.2）

• 多个指数样本内外测试：沪深300、上证综指、中证500、中小板指和创业板指均被涵盖。

- 主要绩效点（以沪深300为例）：
- 样本外年化收益率约23.37%，胜率约65.63%，盈亏比2.87，远超经典指标。
- 平均单次收益约4.69%，亏损仅-3.05%。
- 交易周期拉长至约47天，减少频繁交易。

• 其他指数表现：普遍样本内外均实现年化双位数正回报，胜率普遍在50%以上，显示策略的广泛适用性和稳健性。

- 图表说明：各图（图4-8）大体显示收益曲线上升趋势明显，策略成功捕获主要牛熊市段，且对应指标形态明显支持文本论述。
[page::8-12]

2.6 实证检验：纯多择时策略结果（章节3.3）

• 策略设定：看空时空仓，做多时全仓，符合A股做空受限的实际。

- 绩效表现：
- 在沪深300等主要指数均实现稳健正收益，年化收益率多在10%-30%区间，胜率多在45%-70%。
- 盈亏比显著提高，最大值超13倍（沪深300样本内纯多策略），显示获利能力强，且风险控制较好。

• 图表说明：纯多策略收益曲线平滑且涨幅稳定，有效规避下跌风险。

- 风险提示：策略在震荡市的表现相对不足，存在波动回撤风险。
[page::13-17]

2.7 结论（章节4）

• 总结：修正并基于TD幅度膨胀指标构造的广发TD幅度膨胀指标，实现动量捕捉与趋势跟踪，契合A股市场特征。

- 成效：获得明显优于经典指标的收益和胜率，在多空和纯多策略均展现出实践意义与投资潜力。

• 局限：震荡行情下策略收益不稳定，未来需进一步优化提高震荡市的稳健性。

- 投资建议：报告非投资建议，仅供学术与策略研究参考。
[page::18]

---

三、图表深度解读

图1（page 3）：GFTDV2沪深300指数多空择时策略累计收益率曲线

• 内容：红色线为累积收益率，蓝色线为沪深300指数。时间区间为2005年至2016年。

- 趋势：策略收益率呈现显著上升趋势，尤其在2007-2008年股市大震荡期间实现超额收益，大幅跑赢指数。

• 意义：显示GFTDV2调优后具备较强的实战择时能力，验证了量化参数优化的有效性。

[page::3]

图2（page 5）：沪深300指数与经典TD幅度膨胀指标（TDREI）

• 内容：蓝线为沪深300指数价格，红色为TDREI数值，时间跨度同上。横轴为时间，纵轴左侧为TDREI值范围约在-1500至1500，右侧为指数点位。

- 解读：TDREI数值上下波动频繁，正负极值对应市场波动。指标有捕捉趋势变化的意图，但波动剧烈，信号不集中。

• 与文本呼应：指标设定用于反转捕捉，但市场具体走势中并未有效转换为正收益。

[page::5]

图3（page 6）：经典TD幅度膨胀指标沪深300指数多空择时收益率曲线

• 内容：红色为策略累计复利收益率，蓝色为沪深300指数。

- 解读：策略收益持续亏损，尤其在市场明显上涨期未能捕获盈利，曲线远低于指数。

• 支持文本论断：经典策略在中国市场表现较差。

[page::6]

图4（page 8）：广发TD幅度膨胀指标沪深300多空择时策略

• 内容：红线为样本内累计收益，绿线为样本外，蓝线为指数。

- 解读：收益在样本内外均稳步上涨，2015年牛熊转换处明显捕获收益，策略表现显著改善。

• 意义：成功体现了参数及策略逻辑优化的成效。

[page::8]

图5-8（pages 9-12）：其他指数多空择时策略绩效图

• 解读：均呈现较好上涨趋势，尤其样本外表现有成长，支持策略的广泛适用性。

[pages::9-12]

图9-13（pages 13-17）：纯多择时策略绩效示例

• 内容：同样显示样本内外收益稳健，趋势明显时捕获收益，强调在无空头能力限制下策略的强适应力。

- 对比：纯多策略整体波动较小，风险指标较低，更适合合规限制下的市场环境。
[pages::13-17]

---

四、估值分析

本报告主要聚焦指标构建与策略实证，未包含公司或行业的具体估值测算部分，因此无相关估值方法论或目标价分析。

---

五、风险因素评估

• 使用限制：报告明示不提供投资建议，策略信号应结合实际市场环境审慎应用。

- 市场特征风险：策略在震荡或非趋势明显时期表现弱，存在回撤风险。

• 参数敏感性：策略效果强依赖参数优化，参数选择不当可能导致亏损。

- 做空机制限制：A股做空机制不完善，纯多策略适用，但多空策略实际操作受限。

• 结论风险：历史回测不代表未来表现，实际交易中可能受交易成本、流动性等因素影响。

报告未详细讨论缓解方案，仅提示风险存在。
[page::0,13,18]

---

六、批判性视角与细微差别

• 参数优化的泛化风险：基于历史样本优化参数，可能存在过拟合风险，样本外表现虽有提升，但长远适用性仍需验证。

- 策略理论基础变化：从反转捕捉转为趋势追踪，虽提高了适应性，但失去了初衷中“趨势顶部/底部”精准识别的特性，可能掩盖部分潜在拐点机会。

• 震荡行情表现不足：报告坦承震荡市表现不理想，未来改进方案未明，显示策略的局限性，尤其在高波动市场调整中可能面临重大亏损。

- 风险揭示不足：报告对策略的运行风险、数据风险、交易成本等实务操作环节探讨较少，理解时需谨慎。

• 样本数据范围：以2005-2016年历史为主，市场环境变化较大，后续市场波动和政策因子可能带来策略表现差异。

整体报告立场较为科学客观，具备创新思维与验证精神，但仍需关注上述潜在风险点。
[page::6,13,18]

---

七、结论性综合

本文系统回顾并分析了TD幅度膨胀指标的原理、经典版本及其在中国股市的适用性问题。传统基于趋势反转的经典TD幅度膨胀指标，在A股市场因忽视显著动量效应而表现不佳，年化收益率甚至为负，且胜率较低。

针对上述缺陷，作者提出广发TD幅度膨胀指标，主要通过三大改进完成：一是将策略核心逻辑由反转预测转换为趋势追踪，符合A股持续动量特性；二是将阈值大幅上调以过滤噪声并提升信号质量；三是优化历史窗口参数以增强指标贴合市场实际。策略采用多空及纯多两种模式，严格依据指数状态调整仓位。

实证部分涵盖多大盘及中小盘指数，采用样本内训练和样本外检验分步验证。结果显示，广发TD幅度膨胀指标策略显著提升了择时准确率（多数指数样本外胜率超过50%，沪深300多空择时胜率达65%），收益表现突出，沪深300样本外年化收益率超23%，相关盈亏比和单次收益指标均明显优于传统策略和基准指数。纯多策略在做空受限市场环境下依旧保持稳健回报，降低了风险。

图表清晰显示策略能够较好捕获牛熊互换关键点位，尤其于2015年行情中取得良好平衡，收益曲线远高于基准指数，有力支持了策略实用性和创新性论断。

报告亦坦陈当前策略在震荡期表现有限，未来优化主要关注增强震荡市稳健性，避免回撤加剧。

总体来看，广发TD幅度膨胀指标通过科学参数优化与策略逻辑修正，成功适配中国A股动量显著的市场特征，实现了较强的择时效果与盈利能力。该研究为技术指标在新市场条件下的再造与应用提供了宝贵参考。

---

主要参考页码

基础定义及核心内容：[0][3][4][5]
经典指标实证及问题识别：[6][7]
广发指标开发及逻辑转型：[7][8]
多空策略实证结果与分析：[8][9][10][11][12]
纯多策略实证结果及分析：[13][14][15][16][17]
结论与风险提示：[18]

---

附图示例

图2：沪深300指数与经典TD幅度膨胀指标（TDREI）


图4：广发TD幅度膨胀指标（5,1,3,175）沪深300指数多空择时

• 图9：广发TD幅度膨胀指标（5,1,3,175）沪深300指数纯多择时

---

本报告以详实的数据和严谨的实证为基础，专业解读了TD幅度膨胀指标在中国市场的演进与优化路径，为量化择时策略提供了重要的理论及实证支持。

报告