阻力位定义与关键点识别算法 [page::4][page::6]

• 横盘阻力位定义为股价前期局部高点多次触碰但未形成有效突破的价位。

- 采用布林带过滤结合动态趋势迭代的在线关键点识别算法，适应不同市场波动和交易周期。

• 算法产生的高低点序列有效过滤噪声，实现高维时间序列降维，辅助后续阻力位识别。

HSAR算法实现及案例展示 [page::10][page::11]

• HSAR算法通过等宽分箱处理局部高点，识别聚集次数超过阈值的最高价区间作为阻力位。

- 突破规则定义为股票收盘价高于阻力位3%为突破信号。

• 上证综指与方大碳素案例验证识别效果良好，突出了算法对极端高点的过滤能力。

横盘突破信号的统计分布与典型个股表现 [page::12][page::13]

| Wind代码 | 股票名称 | 突破日 | 45日涨跌幅(%) |
|------------|----------|------------|---------------|
| 600516.SH | 方大炭素 | 2017/6/26 | 123.63 |
| 000933.SZ | 神火股份 | 2017/7/7 | 59.19 |
| 000807.SZ | 云铝股份 | 2017/7/20 | 38.51 |
| 002460.SZ | 赣锋锂业 | 2017/7/5 | 35.39 |
| 600438.SH | 通威股份 | 2017/7/31 | 27.48 |

• 个股触发横盘突破累计达7635次，突破时间集中于牛市阶段，反映行情与突破频率相关。

股价突破有效性定义与价量信息的筛选优化 [page::14][page::16][page::17]

• 采用“突破-滚动止盈”收益率度量，滚动止盈定义为突破后股价10%回撤或45天封顶，体现实际操作离场准则。

- 初始胜率约30%-50%，盈亏比1.3-2.0区间，基于价量数据构建多变量回归模型优化突破有效性识别。

• 筛选后突破胜率从45.37%提升到57.98%，盈亏比由1.13提升至1.52，显著改善突破信号质量。

基于突破信号的个股择时策略设计及回测表现 [page::19][page::20][page::21]

• 策略买入条件严格筛选后的突破信号，卖出条件为10%回撤或持仓45日，日调仓，等权分配。

- 2010年至2017年回测年化收益19.63%，年化超额收益14.54%，最大回撤22.82%显著优于基准。

• 收益拆解显示市场择时与个股择时均贡献显著，其中个股择时效应更为稳定且占比更大。

金融研究报告《基于 HSAR 算法的阻力位和横盘突破时点识别》详尽分析报告

---

一、元数据与概览

• 报告标题：基于 HSAR 算法的阻力位和横盘突破时点识别

- 发布日期：2017年10月23日

• 发布机构：长江证券研究所

- 作者和联系人：
- 田秋成 （联系邮箱qinct@cjsc.com.cn）
- 邓光宏（denggh@cjsc.com.cn）
- 杨靖凤（yangjf@cjsc.com.cn）

• 主题：技术分析中阻力位的数量化识别及突破时点的判断，结合价量信息提高突破有效性，形成基于阻力位突破的个股择时策略。

- 核心论点：本文提出关键点识别算法和HSAR算法，量化定义横盘阻力位，建模突破信号并结合价量信息对突破有效性进行优化，最终提出个股择时策略并进行回测。

• 主要结论：

- 识别横盘阻力位及突破信号科学系统。
- 利用价量信息提升突破胜率由45.37%提高至57.98%，盈亏比提高由1.13至1.52。
- 个股择时策略年化收益19.63%，超额收益14.54%，回测表现良好，控制回撤。

• 信息传达目标：为投资者提供量化工具识别阻力位和突破点，实现个股择时，提升投资决策科学性和有效性。

[page::0, 3, 22]

---

二、逐节深度解读

2.1 背景与问题定义

• 阻力位被视为价格常见且关键的信号，尤其是在横盘阶段的突破，给予后续上涨信号。

- 研究动力源自2016年9月以来上证综指的横盘整理与突破事实，急需准确识别阻力位与突破信号的算法工具。

• 两大研究问题：

1. 如何量化定义和识别横盘阻力位。
2. 如何利用价量信息判定突破的有效性。

以上问题的解决对技术形态识别和择时策略构建至关重要。
[page::3]

2.2 阻力位的形态定义

• 阻力位定义为“股价前期局部高点多次触碰但未突破的价位”，强调多个局部高点的聚集效应和市场的锚定效应。

- 行为金融学中“锚定效应”支持此定义，即市场参与者以某些关键价位为参考，形成支持阻力位效应。

• 通过上证综指2016年9月起的局部高点实际数据（如3301.21、3295.19、3305.43等价位），体现明显的阻力价位。

- 特别指出横盘区域振幅约300点，但高点聚集仅约10点差，凸显阻力位的横盘特征和底层逻辑基础。

• 量化层面将问题拆为局部高低点识别（基础问题）和阻力位识别（HSAR算法应用）。

[page::4, 5]

2.3 关键点识别算法

• 关键点定义为股价序列的重要转折点，高低点被视为形态扫描和判别的基石。

- 作用：
1. 去噪处理过滤价格细节扰动。
2. 降维处理简化数据从高频价格到关键节点序列。
3. 实现价格动态分段，使形态识别更精确。

• 算法介绍：

- 结合布林带的均线和标准差计算，动态设定价格上下轨界限。
- 利用突破布林带上下轨为趋势判定起点，迭代更新局部高低点。
- 加入时间间隔清洗，避免超短期的高低点扰动。

• 算法参数：

- N=20（日数），K=1（标准差倍数），P=4（清洗门槛），具体用途分别为布林带时间窗口、波动容忍度和高低点过滤。

• 检验案例：

- 短期（2016年3月至2017年9月）与长期（2007年至2017年）均验证算法有效，识别高低点符合直观理解，且可适应不同波动环境。

• 算法优点在于“在线动态更新”和“波动自适应”。

[page::6, 7, 8, 9]

2.4 阻力位识别：HSAR算法

• HSAR算法核心是“分箱-识别-突破”：

1. 分箱：将识别出的高点归入等宽价格区间，统计各区间高点数。
2. 阻力位识别：选取高点聚集次数≥Q的最大价格区间（Q=2默认），该区间上界即为阻力位，同时该区间价格须处于所有分箱的前1/3，保证阻力价位较高。
3. 突破判定：股价收盘价超过阻力位3%视为突破信号。

• 参数解析见表3：价格分箱数M=10，最少聚集次数Q=2。

- 案例：
- 上证综指用图6、7充分展示了阻力位的定位和突破点，配合涨停及局部高频次直方图辅助验证。
- 方大炭素典型案例，突破对应长期阻力价位，算法排除极端高点干扰，识别突破时点准确（2017年6月26日），后续股价验证突破有效。
[page::10, 11, 12]

2.5 个股突破数目及典型案例分析

• 在360日滚动窗口中，结合关键点和HSAR算法监测个股横盘突破信号，并进行频率控制（突破后5天忽略重复信号，剔除涨停等不可买入情况）。

- 总结发现：
- 2008年至2017年9月底期间横盘突破共触发7635次，且发生时间与大盘震荡横盘时期（如2014至2015年牛市）高度相关，股价突破显著增多。
- 恰当的市场大环境推动个股突破信号频度。

• 典型案例列举方大炭素、神火股份、云铝等，突破后45日涨幅均显著（最高123.63%），突出突破信号的投资价值。

[page::12, 13]

2.6 价量信息与突破有效性量化度量

• 定义突破有效性既非单纯固定天数后收益，而是“突破-滚动止盈”的动态过程。

- 具体定义：
- 滚动止盈日：突破后达到10%滚动回撤的时间点，最大观测期限45天。
- 止盈收益率：突破日到止盈日的收益率，结合实际交易策略的止盈逻辑。

• 此度量更贴近实操，能及时判定突破有效或无效。

- 止盈收益率分布特点：
- 典型右偏分布，低胜率（约30%~50%），高盈亏比（1.3~2.0）。

• 分年胜率及盈亏比显示极大波动，2015年为高峰胜率达73.07%，盈亏比3.18，2016年及2017年起胜率与盈亏比有所回落。

[page::14, 15]

2.7 价量变量集构建及突破有效性筛选

• 构建覆盖市场涨跌、股价动量、均线关系、波动率、成交量五个维度的多元价量特征体系（表6），保证变量跨时间截面可比。

- 运用多变量多元线性回归结合逐步回归筛选重要变量，回归因变量为“止盈收益率”。

• 显著自变量包括：短期市场涨跌、股价5日涨跌幅、股价价位相对5日/30日均线、短期波动率、成交额相关指标等（表7）。

- 截止2014年9月以前数据训练，2014年9月至2017年9月为纯样本外测试，模型假设价量关系稳定。

• 筛选阈值为回归拟合收益率>2%，筛出约1/6突破样本。

- 筛选后样本显著提升突破胜率（2017年提升至57.98%）和盈亏比（提升至1.52），量化验证价量信息对突破有效性甄别的重要价值。
[page::16, 17, 18]

2.8 个股择时策略设计与回测表现

• 策略构建：

- 买入：每日基于筛选后的突破信号，次日收盘价买入。
- 卖出：达到10%滚动回撤或持仓45日强制卖出。
- 限制：排除上市未满60日、新股涨停、ST股等。
- 仓位管理：组合等权，单个股票最大10%，不足10只则空仓，超过则调整为等权。
- 交易成本0.15%双边计入。

• 回测：

- 时间2010-2017年9月。
- 年化收益19.63%，年化超额收益14.54%。
- 最大回撤22.82%（2015年），同期中证500指数最大回撤50.56%。
- 2017年收益率17.12%，超额收益12.65%，最大回撤6.31%。

• 策略体现突破筛选、风险控制和择时结合的优势，样本外表现有效且稳健。

- 策略收益拆分为指数择时效应（仓位控制带来的市场风险暴露调整）和个股择时效应（选股能力）。

• 回测显示，个股择时效应是收益主要来源，指数择时贡献相对较小且不稳定。

[page::19, 20, 21]

---

三、图表深度解读

图1（第4页）：上证综指行情高点与阻力位

• 展示上证综指2016年9月至2017年9月的关键高低点，明显呈现3300点附近的阻力位多次触碰集聚态势。

- 视觉表明高点价位在不到10点区间（3295~3305点）内聚合，局部低点集中於3015~3045区间。

• 该图直观且典型展现横盘阻力位定义的市场表现。

表1（第4页）：上证综指阻力与支撑价位

• 归纳了触碰阻力和支撑价位的具体日期及价格，支撑的低点及阻力高点均多次反复验证定义。

- 作为数据支撑该阻力位论述基础。
[page::4]

图2（第6页）：关键点识别在价格形态识别中的意义

• 示意关键点识别步骤，包括去噪、维度约减和价格分段。

- 反映该算法对形态识别核心的重要性和技术路径。

图3&4（第8-9页）：上证综指高低点识别（短期与长期）

• 两图分别展现不同时段的关键点识别结果。

- 线条严格覆盖价格波动主转折，证明算法在不同周期的一致性和稳健性。

图5（第10页）：HSAR算法流程图

• 流程图清楚展现了分箱、高点聚集识别及突破时点判定三阶段，逻辑直观易懂。

- 强调算法实现思路和步骤。

图6-9（第11页）：阻力位及高点直方图案例

• 以上证综指和方大炭素案例演示阻力位识别结果及高点价格频率分布直方图。

- 上证综指阻力位为3305点，方大炭素突破点明显，直方图显示高点明显聚集在阻力位附近，验证方法科学性。

• 特别指出方法避免统计异常高点干扰。

图10（第12页）：逐月横盘突破股票数目

• 柱状图揭示个股突破信号频率与上证指数走势（折线）密切相关。

- 牛市期间突破增多，熊市期间减少。

• 强化策略触发环境的重要性和市场环境关联性。

图11（第14页）：止盈收益率分布

• 直方图展现“突破-滚动回撤收益率”分布偏右，兼有大幅正收益的可能。

- 说明突破策略虽低胜率 (约30%-50%)，但盈亏比和盈利住所带来的回报较高，揭示突破不确定性。

图12（第15页）：全样本年度胜率与盈亏比

• 柱状和折线图分别表示盈亏比和胜率, 2015年获得最高胜率和盈亏比峰值。

- 不同年份表现波动较大，反映策略胜率依赖市场周期。

图13（第17页）：改进前后突破样本胜率与盈亏比

• 柱线对比展示筛选策略提升胜率和盈亏比效果显著。

- 特别是2017年胜率提升超过12个百分点，盈亏比提高约0.4，样本外验证有效。

图14（第19页）：个股择时策略回测净值走势

• 展示策略净值增长（蓝线）、股票仓位及基准指数走势。

- 策略整体走出明显大幅度牛市，在2015年牛市峰值最大，且回撤远小于中证500。

• 仓位显示策略有效调节持仓，反映择时特征。

图15（第20页）：个股择时策略净值与指数择时策略净值比较

• 红色为策略净值，深蓝为等仓位指数择时策略净值，黄色为中证500指数。

- 策略净值明显优于指数择时，说明个股择时效应显著，为策略超额收益的关键贡献。


---

四、估值分析

本报告不涉及公司基本面估值分析，重点在技术量化模型构建和投资策略开发，主要浮现以下估值类概念：

• 阻力位价格的“价值”以历史价格高点聚集程度为核心度量。

- 突破信号的“价值”通过后续止盈收益率表达策略回报潜力。

• 价量信息映射突破有效性的回归模型为突破机会赋予预期收益估值，改善策略收益的风险调整表现。

- 策略通过等权仓位配置及止盈标准调节风险暴露，即风险价值动态管理。

综上，定量“估值”体现在策略的盈亏比优化和收益回撤管理上。
[page::10, 14–21]

---

五、风险因素评估

报告内部未专设风险章节，但从内容可总结潜在风险：

1. 模型风险：关键点识别和HSAR算法虽验证良好，但可能受到极端行情、市场结构变化及参数选取影响，导致识别偏误。

2. 市场环境依赖：突破信号频度和策略表现明显受市场大势影响，熊市或剧烈波动期突破效果不佳。

1. 样本外稳定性：价量关系模型假设长期稳定，若市场微观结构、交易行为发生根本变化，筛选模型表现可能下降。

4. 交易成本及流动性风险：稳定的交易成本假设和可买入条件可能在实际操作中受限。

1. 策略执行风险：实际买卖价差、资金限制、持仓集中度限额可能影响策略效果。

6. 胜率和回撤风险：突破策略固有低胜率风险，需配合严格风险控制及仓位管理方法。

报告并未详细给出风险缓释措施，实际应用时需结合风险管理框架。
[page::3, 12, 15, 19]

---

六、批判性视角与细微差别

• 报告对阻力位定义建立在技术分析传统和行为金融学支撑上，未完全涉及学术争议中“技术分析无效论”。

- 关键点识别算法参数设定较为经验化，虽有适用案例，但参数敏感性测试及模型稳定性分析不足。

• HSAR算法基于等宽分箱存在潜在局限，极端价格分布可能影响阻力识别准确度。

- 回测结果有较高年度波动，尤其2016年策略表现欠佳，显著说明策略对不同市场周期的适应性有限。

• 报告使用的止盈回撤和价量筛选模型固然有效，但回归模型线性假设较强，非线性和组合效应未充分考察。

- 样本内外划分较为严格，但2010-2014年数据用作模型训练仍可能对后续回测带先验信息。

• 报告无明显行业利益冲突声明，但鉴于报告发布背景，投资建议属性需结合实际独立判断。

总体上，报告体系功能齐全，分析条理清晰，但存在算法参数稳定性与市场适应度等方面局限，需后续进一步深化与风险管理结合。
[page::3, 7, 15, 17, 19]

---

七、结论性综合

本报告针对技术分析中阻力位和横盘突破这一重要价格信号，提出系统性的量化识别与突破时点判定框架，并结合价量信息提升突破有效性，构建完整的个股择时交易策略。

• 阻力位定义与模型构建：基于行为金融中的锚定效应和市场实证，定义横盘阻力位为局部高点反复聚集区，通过关键点识别算法（布林带过滤和趋势迭代）和HSAR算法（分箱识别反复聚集价格区间）实现阻力位提取。

- 突破信号筛选和有效性评估：利用突破指数3%判定突破事件，结合滚动止盈的动态收益率度量突破有效性，弥补固定期限收益计算的不足。

• 价量信息模型应用：构建综合市场涨跌、股价动量、均线关系、波动率及成交量等多维特征体系，利用多元回归模型筛选突破有效性，显著提升策略单笔信号的胜率和盈亏比，提升突破信号的实际利用价值。

- 交易策略及回测效果：基于筛选信号构建等权组合择时策略，回测期间（2010–2017年）年化收益19.63%，超额收益14.54%，最大回撤控制在22.82%（相较大盘显著优越），且样本外2017年表现优异，展现较强持续稳定性。

• 收益分解揭示：个股择时效应是策略超额收益的主要来源，指数择时贡献相对较小但不可忽视，表明选股模型作用显著。

图表清晰展现了高低点识别、阻力价位建立、突破信号与收益分布及策略净值走势，数据和案例多方验证方法有效性和实操价值。

综合来看，该报告在系统性量化阻力位识别与利用上具创新且实用意义，突出了基于价量特征提升突破成败识别能力，为投资策略提供坚实量化支撑，兼备理论依据与实证验证，值得投资策略研究和实盘交易参考。

但需注意算法参数对表现影响，市场周期对突破信号活跃度及有效性影响较大，以及策略风险控制需加强，实际应用时需配合严格风控和动态调整。

总之，该报告在阻力位识别和横盘突破技术策略领域提供了详实、科学的方法论，可有效辅助投资者择时和提升交易胜率。
[page::0–23]

---

参考

• 全文根据长江证券研究所报告《基于 HSAR 算法的阻力位和横盘突破时点识别》（2017年10月）逐页解读整理。

---

如需查看部分关键图表（如图1、图3-4、图5、图6-9、图10-11、图13-15），请告知，我可依据相对路径另行提取展示。

报告