波段形态识别模型（WPRM）核心思想与处理流程 [page::0][page::4][page::5][page::6]

• 股票价格被裁剪成Z字形波浪。采用动态非固定阈值裁剪以剔除噪声，保留主要趋势。

- 相似性测度结合高低点位排序和振幅差计算，匹配历史价格形态以预测后续走势。

• 判别流程包括选择窗口大小、排列高低点、计算距离度量、筛选相似走势。

股票形态样本库与选股策略构建 [page::6][page::9][page::10][page::11][page::12][page::13]

• 以不同股价阶段对应动态阈值裁剪价格，生成标准化的形态样本库（窗口大小取8点）。

- 通过判定当天高低点确认形态触发匹配信号，根据历史上涨或下跌概率筛选买卖股票。

• 采用动态跟踪止损机制平仓，控制风险，实现波段交易策略。

- 历史概率阈值S选股影响显著，阈值范围0.1-0.7内组合表现较好，股票持仓数量适中且风险分散有效。

• 交易成本按千分之三计入模型回测。

参数敏感性测试及组合表现 [page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23][page::24][page::25]

| 参数 | 取值区间/设定 | 主要影响 | 组合表现 |
|------------------|---------------|--------------------------------------------|------------------------------------------------------------|
| 裁剪阈值δ | k=1.5~3 | 越大样本少，越小样本多，影响噪声剔除和样本量 | k=2效果较好，胜率52.7%，盈亏比1.5左右，样本量适中 |
| 窗口大小 | 4,6,8 | 随窗口大小复杂排列数量变化，影响匹配精度 | 8点窗口表现稳定，胜率约52.7% |
| 振幅差约束γ | 0.01~0.05 | 控制匹配形态的相似度与样本数平衡 | γ=0.02~0.04胜率稳定，γ=0.01因样本少胜率下降 |
| 动态止损阈值d | 1%~3% | 持仓时间和止盈止损灵敏度 | d=1%~2%表现稳健，止损阈值过大平仓时间延长但部分年份表现波动 |
| 历史概率阈值S | 0~1 | 直接决定组合股票数和风险分散 | 0.1~0.7区间组合稳定，阈值越高股票数量越少，阈值1时样本稀少回撤较大 |

• 模拟资金分为三路径投资，日均持有约3天。

- 2011-2013年多空组合年化收益率约23.89%，最大回撤4.14%，胜率稳定在52%左右，盈亏比约1.5。

• 投资组合收益显著优于同期沪深300指数表现。 [page::15][page::16][page::17][page::19][page::21][page::23][page::25]

交易示意与策略风险提示 [page::0][page::12][page::27]

• 交易中以形态确认点为开仓，触发动态止损阈值作为平仓依据。

- 策略依赖技术分析波浪理论及形态相似性，风险包括模型失效及市场结构变化导致效果衰减。

金融研究报告详尽分析报告

1. 元数据与报告概览

报告标题： 大样本股价形态库中建构A股绝对收益王者组合——另类交易策略之十七
作者/分析师： 安宁宁（S0260512020003）
发布机构： 广发证券发展研究中心
发布日期： 报告涉及研究至2014年，具体发布日期约在2014年中旬
研究主题： 基于波段形态匹配识别模型（Waveform Pattern Recognition Model，WPRM）开发的一种创新型股票波段技术分析选股和交易策略，并基于中证800成分股进行实证测试，旨在构建高胜率、高盈亏比的多空绝对收益组合。

核心论点简述：
该报告提出并优化了基于Z字形波浪理论的波段形态识别模型（WPRM），以有效解决传统固定时间窗口方法的不足。WPRM通过动态波段裁剪、形态标准化、创新的相似性测度以及历史概率筛选，形成多空交易信号，并结合动态跟踪止损机制，构建绝对收益的股票多空组合。实证结果显示，模型在2011-2013年间年化收益接近24%，最大回撤低于5%，胜率稳定在52%左右，显示了良好的风险调整表现。核心目标是构建一个A股市场中的“绝对收益王者”选股组合，突破市场波动与噪声困扰，实现稳健盈利。

---

2. 报告逐节深度解读

一、波段形态匹配识别模型（WPRM）简介

关键论点：

• WPRM基于经典技术分析中的价格波浪理论，认为价格的运动类似于Z字型波浪，提取价格的高低波段点以建构形态。

- 模型避免了传统固定时间窗口的不足，采用非固定时间窗口灵活裁剪价格数据。

• 创新点在于引入了高低点排列顺序的相似性判别方法，结合振幅差约束，提升不同时间长度、不同价格区间价格走势的可比性。

- 相似性测度公式综合了振幅差和时间上的距离，强调空间上的价格变化，特别是选择参数α=1，β=0以忽略时间差异，凸显价格波动特征。

• 该模型以技术分析多空力量的相对强弱为逻辑基础，严格定义了相似性判别阈值γ，通过调节γ权衡匹配样本数量与形态相似度。

逻辑基础与假设：

• 技术分析中多空力量体现为相对高低点的排列。

- 价格形态的空间走势比时间跨度更重要，忽略时间差异减少噪声干扰。

• 动态阈值裁剪有效过滤噪音，保留主趋势。

---

二、WPRM的价格数据处理与形态构建

价格波形裁剪逻辑：

• 通过设定裁剪阈值δ，判断波动是否为有效趋势，进行Z字形波浪裁剪，确保波段的合理划分。

- 动态裁剪阈值δ基于过去100日的价格波动均值而非固定阈值，克服了统一阈值导致高低价段噪声裁剪不均衡的问题。

• 形态标准化处理：以窗口长度为单位截取价格点序列，价格归一化到首点为1，形成可跨股比较的标准化价格波段形态。

- 以中证800为样本，建立形态库，便于后续历史形态匹配。

关键数据点：

• 动态阈值δ公式为：

\[
\delta = \frac{k}{100} \sum{i=t-99}^{t} |Pi - P_{i-1}|
\]

• k参数分别取1.5、2、2.5、3，反映不同灵敏度的噪声过滤程度。

图示支持：

• 图3-4展现Z字波浪形态如何裁剪与切分。

- 图5-8展示了统一阈值时不同股价带来的噪声保留与丢失问题。

• 图9-10显示动态阈值有效保持了低高股价处理中波段的主要趋势与噪声滤除。

---

三、WPRM的相似性匹配机制及交易策略

匹配及预测逻辑：

• 确定股票波动形态确认日后，使用窗口内的标准化点位进行形态匹配。

- 核心匹配条件：高低点排列顺序一致且振幅差小于阈值γ。

• 相似形态匹配样本的第9点相对于第7点位的涨跌决定预测方向（上涨或下跌）。

- 汇总所有匹配样本的上涨/下跌比例，形成历史概率，被用于当日买入或卖空决策。

止损策略：

• 实行动态跟踪止损，若开仓后价格回撤大于设定阈值d，执行平仓，防止亏损扩大。

- 日线数据可能导致迟滞止损与空间压缩，实盘可利用更高频数据降低此问题。

图示支撑：

• 图11示形态确认延时示意。

- 图12-13揭示预测涨跌的波形匹配实例。

• 图14-15展示交易获利与策略流程框架。

---

四、选股模型实证分析与参数敏感性

报告对五大核心参数进行了系统敏感性测试，得出以下结论：

1) 裁剪阈值δ（k=1.5至3）

• δ值大时噪声减少但样本量缩小（约17万至40万条），δ值小时样本丰富但噪音多，影响预测准确。

- 优选k=2时表现较均衡，胜率约52.7%，盈亏比1.50，平均持有股票数约25支， 最大回撤较低。

• 见表3-6，参数调整直接影响样本大小及收益稳定性。

2) 点位窗口大小（4、6、8）

• 窗口增加带来排列组合剧增（从8到1152），但样本匹配难度增加。

- 窗口8表现最优，胜率稳定且组合表现均衡。

• 窗口4、6均表现良好，但胜率和盈亏比略低。

3) 振幅差约束阈值γ（0.01至0.05）

• 过小γ导致样本过于稀少，胜率降低；过大γ则降低形态相似度，影响准确性。

- γ=0.02至0.04间表现稳定，γ=0.02时盈亏比和胜率均较优。

• 见表10-14。

4) 动态跟踪止损阈值d（1%、2%、3%）

• 止损阈值越小，持仓时间短，获利稳定；阈值大则持仓更长但波动较大。

- 建议d=1%至2%为佳，兼顾风险控制。

5) 历史概率阈值S（0至1）

• 阈值过高导致持股数过少，组合风险增加，胜率下降。

- 阈值在0.1-0.7间表现最优，组合胜率、盈亏比稳定，持股分散。

• 见表18。

---

五、资产收益模拟及实证表现

• 由于非固定时间平仓日，报告采用3路径分段收益模拟模型，分摊资金进行收益估计。

- 2011-2013年模拟多空组合累计收益分别为29.53%、20.89%、21.45%，三年年化约23.89%。

• 最大回撤仅4.14%，明显优于市场指数基准。

- 模拟收益曲线显著跑赢沪深300指数（见图21），说明策略对市场波动具备良好适应性与超额收益能力。

• 见表19-20。

---

六、总结与核心结论

• 本报告基于技术分析理论及波浪技术，创新提出了WPRM波段形态匹配识别模型，动态裁剪，非固定窗口，用户专门开发了针对A股的标准化形态库。

- 多维度参数调优展示，模型具有较好的稳定性与鲁棒性。

• 以历史概率阈值及动态止损，构建了日均新进多空组合，获得超过23%的年化收益及较低最大回撤，验证了WPRM的实战效果。

- 总体来说，报告展现WPRM模型不仅理论坚实、方法新颖，而且经实证验证，具备在A股市场形成稳定绝对收益的潜力。

---

3. 图表深度解读

图1：相似性判别流程图（页5）

• 描述：该流程图说明了WPRM相似性判别的步骤，从“选择窗口大小”开始，逐步“排列高低点位”，计算振幅距离，然后筛选出相似性图形。

- 解读：这一过程反映了模型对价格波浪结构的识别及排序的严密逻辑，目标是筛选出高转换效率且同质形态的价格波形。

• 作用：支持WPRM实现高级别图形匹配，突破传统固定时间窗口的限制。

图2：相似性测度优点（页5）

• 描述：图示说明新相似判别法兼顾了“不受趋势时间长度限制”、“符合技术分析理论”、“图形相似度高”、“不受高低点时间限制”的多重优点。

- 解读：强调WPRM方法的优势，理由充分地体现了为何采用该测度更适合波段技术分析。

图3-4：价格波形的分割示意（页6）

• 描述：展示了价格波形按照δ参数划分Z字形波段的分割点，突出多个确认高低点时间差。

- 解读：图形清晰解释了如何通过价格与阈值关系动态决定波浪拐点。

图5-8：裁剪前后股价形态（页7-8）

• 描述：对比统一阈值裁剪前后不同价位区间价格走势形态。

- 观察：低股价时统一阈值裁剪造成关键信息缺失，高股价时噪声得不到有效过滤。

• 启示：使用动态裁剪阈值的重要性。

图9-10：动态阈值裁剪形态示例（页9）

• 描述：采用动态阈值后，股价形态得到更合理的保留，主趋势与波动同步显现。

- 结论：动态阈值有效提升形态识别的准确性。

图11：形态匹配时间确认示意（页10）

• 描述：展示确认高低点时的延迟情况，体现形态确认的滞后机制与窗口阈值的影响。

- 作用：辅助理解交易信号生成的时间逻辑。

图12-13：价格波形匹配预测示意（页11）

• 分别体现了下跌和上涨趋势的形态匹配逻辑，根据历史形态判断未来趋势方向的概率。

图14：交易获利示例（页12）

• 说明了基于形态确认点与止损点设计的具体交易实现过程。

图15：整体选股交易流程图（页13）

• 形象展示了从价格波段裁剪、形态样本库构建、形态匹配、概率筛选到动态止损的完整交易流程。

图16：裁剪阈值影响示意（页15）

• 图示裁剪阈值大小对样本量和趋势保留的权衡关系。

图21：资产模拟收益同沪深300对比（页25）

• 曲线对照显示该模型构建的投资组合收益稳步上升，而沪深300同期下跌，验证策略的超额收益能力和风险控制效果。

---

4. 估值分析

本报告重点是交易策略与选股模型的构建实证，并无传统意义上的股票估值分析或目标价设定，故无DCF、P/E等估值方法讨论。

---

5. 风险因素评估

• 模型有效性风险：随着市场结构变化、交易行为变化及更多参与者使用类似策略，模型有效性可能下降。

- 参数依赖风险：模型有多个参数，虽经过敏感性测试，但切换参数可能带来不同表现，需要谨慎调控。

• 数据频率与执行风险：基于日线数据回测，实际市场中高频交易与执行价差可能影响策略表现。

- 样本偏差风险：历史概率依赖大样本，但样本偏少或市场极端状况可能降低模型预测准确度。

• 止损机制失效风险：动态止损若执行不及时，可能引发更大亏损。

报告虽未详细说明具体风险缓释策略，但通过敏感性测试与动态止损确有一定风险控制措施。

---

6. 批判性视角与细微差别

• 报告依赖历史数据的稳定性及市场结构假设，若市场行情突变，此类模式效率会下降。

- 虽强调非固定时间窗口优势，实际执行可能遇到数据滞后，特别是止损点的确认存在延迟。

• 参数调优基于2011-2013年数据，未来市场的多样性与结构变化需谨慎外推。

- 动态止损阈值设定虽然明确，但未深入探讨在高波动市场中的表现及优化方式。

• 相似性度量重点忽略时间维度，可能忽略时间序列的重要性或节奏信息，未来可考虑此补充。

- 模型停留于技术分析视角，未纳入基本面、市场情绪等多维度因素，对行情极端波动防护能力有待验证。

---

7. 结论性综合

本报告系统介绍了波段形态匹配识别模型（WPRM），作为基于技术分析波浪理论的创新技术形态识别与匹配工具，提出通过动态阈值裁剪、非固定窗口、高低点排列约束以及历史概率统计，有效提炼股价主趋势并进行多空双向预测。

报告通过大量实证分析，验证了各参数（裁剪阈值δ、窗口长度、振幅差约束γ、跟踪止损阈值d、历史概率阈值S）对策略胜率、盈亏比、持仓时长及组合稳定性的影响，最终推荐以δ=2倍百日波动均值，窗口8点，γ=0.02，d=1%，S=0.4为较优参数组合。

实证结果表明，基于该模型构建的多空组合在2011-2013年的年化收益达23.89%，且最大回撤低至4.14%，显示其强劲的绝对收益能力和风险控制效果。

报告还通过详尽的图形与表格，全面展示了模型构建、形态裁剪及匹配流程、参数敏感性、交易获利实例及资产模拟收益走势。

总体来看，该报告不仅理论逻辑扎实、方法实现细致、且实证验证充分，为A股市场开发出一套高效的绝对收益多空投资策略，具有较高的参考与推广价值。

---

详细图表索引

• 图1-2（页5）： 相似性流程与优点图解，体现模型核心匹配机制。

- 图3-4（页6）： Z字波浪型价格分割示意。

• 图5-8（页7-8）： 统一阈值裁剪后不同价格区间剪裁效果对比，表现动态阈值必要性。

- 图9-10（页9）： 动态阈值裁剪后价格形态更准确保留趋势特征。

• 图11（页10）： 高低点位确认的时间延迟。

- 图12-13（页11）： 下跌及上涨趋势的波形匹配预测示意。

• 图14-15（页12-13）： 交易获利实例及整体交易流程。

- 图16（页15）： 裁剪阈值效应总结。

• 图17-18（页18）： 振幅差约束对形态相似性的影响示意。

- 图19-20（页19、23）： 振幅约束与概率阈值影响总结。

• 图21（页25）： 策略收益与沪深300指数对比曲线，展示策略显著超额收益。

---

总结

该报告成功构建了一套基于大样本技术型价格波形识别与匹配的绝对收益选股模型，通过详实数据与参数测试，验证了模型在A股市场的强稳收益表现，强调了非固定时间窗口与动态阈值裁剪的重要创新点，是技术分析领域中关于波段形态识别及应用的代表性研究。报告警示策略风险，提醒持续关注市场结构变化。整体技术路线清晰，实证严谨，具备较强的实战指导意义。

---

参考文献与数据来源

广发证券发展研究中心，相关另类交易策略系列（第十四至十七期），中证800成分股数据，2011-2013年期间行情数据。

---

溯源标记

本分析引用并结合报告正文内容，按页标明如下：

[page::0,1,2,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27]

报告