研究框架和方法概述 [page::3]

• 报告基于模式识别思想，结合价量配合模式与支撑线、压力线组合模式展开选股策略研究。

- 设计自底向上关键点提取算法，实现股价走势分段线性表示，进而自动绘制支撑线和压力线组合。

时间序列关键点提取及支撑线压力线绘制 [page::5][page::6][page::7][page::8]

• 采用自底向上算法提取时间序列关键点以分段线性拟合股价走势，拟合误差与关键点数达到平衡点设为11个。

- 支撑线通过连接多个相对低点绘制，压力线通过连接多个相对高点绘制，并抽取斜率、换手率、有效时间等特征。

交易策略及样本分析 [page::8][page::9][page::10][page::11]

• 交易策略主要为靠近支撑线买入看涨，靠近压力线卖出看跌，设置到达有效时间强制平仓。

- 样本涵盖中证800 2005-2010年633442股价数据，分成39528看涨样本和46931看跌样本。

• 按支撑线斜率、压力线斜率及上涨与下跌换手率进行分类，形成多种组合，提取样本比例和准确率。

看涨看跌样本准确率及手续费影响 [page::11][page::12]

| 交易手续费 | 看涨准确率(%) | 看跌准确率(%) |
|-------------|---------------|--------------|
| 0 | 58.61 | 46.71 |
| 0.30% | 57.50 | 45.66 |

• 支撑线压力线组合判断上涨准确率显著高于判断下跌，手续费抬高导致准确率下降。

特征细分下的判断准确率分析 [page::13]

• 上升通道中，换手率越大与后期上涨判断准确率正相关，呈现强者恒强效应。

- 下降通道中，换手率越大与后期上涨判断准确率负相关，呈现超跌反弹特征。

研究总结及后续方向 [page::14]

• 本文首次系统提出基于关键点提取的支撑线压力线组合模式识别及量化剖析，构建交易策略与样本回测体系。

- 发现支撑线压力线特征与后期收益率呈显著关联，揭示技术分析量化的有效路径。

• 后续将优化关键点算法、尝试多策略组合和倒推收益特征，力争实现完全计算机驱动的技术分析交易系统。

金融工程专题研究报告——模式识别选股模型的优化分析报告详细解读

---

一、元数据与概览

• 报告标题： 模式识别选股模型的优化——支撑线和压力线的组合识别

- 发布机构： 国信证券经济研究所

• 作者与联系方式： 证券分析师董艺婷，电话：021-60933155，邮箱：dongyt@guosen.com.cn

- 发布日期： 2011年12月26日

• 主题与议题： 本报告属于金融工程、数量化投资专题，重点研究基于技术分析中的支撑线和压力线组合模式进行选股模型优化，深化了前期《基于模式聚类的短线选股模型》的研究成果。

- 核心观点与目标： 本报告旨在通过量化时间序列关键点的提取以及支撑线和压力线的自动绘制，实现对股价走势技术特征的深入分析，探讨这些特征（线段斜率、换手率、有效时间等）与后期收益率的相关性，进而提升选股模型的稳定性和有效性。作者提出利用改进的自底向上关键点抽取算法，结合支撑线和压力线的组合模式，为构建基于技术分析的数字化选股策略奠定基础，期待未来实现完全计算机自动化的技术分析投资策略体系。[page::0,3,4]

---

二、逐节深度解读

2.1 前言与研究框架

报告继承自前一篇《基于模式聚类的短线选股模型》，从时间序列分析出发，将股价短线走势进行模式聚类。基于技术分析中的价量配合，本篇报告进一步推动技术指标的自动量化，核心工作包括：

• 引入自底向上的时间序列关键点提取算法，改善以往基于涨跌幅阈值的简单方法，实现对股价主要形态的精确捕捉。

- 聚焦支撑线和压力线作为关键技术分析线，解析其组合特征以及与股价未来走势的关系。

• 构建包含线段斜率、换手率配合、有效时间等特征提取及其量化判别方法。[page::3]

图1所示研究框架清晰表达了先通过关键点提取形成支撑线和压力线组合，再基于组合特征进行后期收益率预测的研究思路。

2.2 问题的提出与理论基础

技术分析理论中，支撑线定义为股价下跌停止并形成反弹的相对低点连线，压力线为股价上涨遇阻形成回落的相对高点连线。它们体现了投资者心理预期和市场供需关系，分割出股价运行的区间。报告强调：

• 这些线条的确定关键在于关键点的准确识别。

- 支撑线和压力线的时效性（距离当前时间的远近）以及成交量和换手率的配合影响其有效性。

• 支撑线和压力线之间存在相互转换关系，一旦抵抗被突破，角色互换。

- 本报告试图数字化地定义和提取这些线，实现自动化识别和分析。

此外，报告承认投资者因经验不同，对支撑线和压力线的判断存在差异，阐述了关键的三大影响因素：

1. 股价在对应区域停留时间；

2. 伴随的成交量和换手率大小；

1. 时间距离的远近。

总之，本节为后续量化算法奠定了理论和实务基础。[page::4]

2.3 支撑线、压力线的绘制与时间序列关键点提取

股价走势被视为时间序列，因存在噪声和短频波动，直接利用原始数据难以有效操作。报告提出：

• 采用自底向上的分段线性表示方法（Piecewise Linear Representation, PLR），即通过逐步合并相邻的线段，寻找关键点的最优组合，达到拟合误差与信息压缩的平衡。

- 通过图3至图6展示关键点个数从8到11的拟合结果，随着关键点数增加，线性拟合结果逐渐接近原始曲线。

• 图7拟合误差累积分布明确指出，11个关键点时拟合误差下降趋缓，故定为折中点。

结合上述，关键点成为了绘制支撑线和压力线的基石：

• 通过判断关键点相对位置（当前点价格低于前后两点为相对低点，高于为相对高点）

- 连接相对低点得支撑线，连接相对高点得压力线

• 如图8所示，示例中画出了多条不同支撑线和压力线，其中选择最接近当前时间的组合作为分析对象。[page::5,6,7,8]

所抽取的组合特征包括：

• 线段斜率： 反映趋势方向。斜率均为正，表明上升趋势；均为负表示下降趋势；斜率符号不同代表收敛或发散趋势。

- 换手率与量能配合： 量能扩大伴随上涨表示趋势健康，统计上涨与下跌时换手率总和以衡量支撑压力线的有效性。

• 有效时间： 股价处于支撑线与压力线之间的持续时长，越长的有效时间对应越强的支撑或压力机制。[page::8]

2.4 交易策略设计及历史数据分析

利用中证800成份股自2005年3月25日至2010年10月14日共63.3万余样本数据，报告设计了简单交易策略：

• 买入： 股价接近支撑线时做多

- 卖出： 股价接近压力线时平仓

• 平仓补充条件： 若持仓时间达到支撑线压力线组合的有效时间，则强制平仓。

图9至图12用典型实例详细演示了买卖逻辑。比如：

• 图9为上涨趋势中到达压力线卖出示例。

- 图10为上涨趋势中未达到压力线但达到最大持有时间卖出。

• 图11和12则分别演示相反的看跌卖出与买入平仓操作。

该设计实现了机械化交易的操作路径，对后续模型测试极为重要。[page::9,10]

2.5 样本分类与后期收益率关系分析

基于支撑线和压力线的斜率符号（>0或<0）以及上涨换手率和下跌换手率大小关系，将全体看涨（39528个）和看跌（46931个）样本划分为12类（见图13），并进行统计。解析如下：

• 支撑线与压力线均为正斜率对应上升通道，反之对应下降通道。

- 收敛形态与发散形态通过比较二者斜率大小确认。

• 换手率大小反映量能配合，对判断上涨概率有影响。

从表1与表2可见，分类占比分布不均，比如看涨样本中，上涨换手率大于下跌换手率且压力线斜率大于支撑线斜率的占比最高33.29%（上升通道发散形态），看跌样本中支撑线斜率小于0、压力线大于0且上涨换手率大于下跌换手率占比最大20.45%[page::10,11]

2.6 准确率及手续费影响分析

分析看涨与看跌样本判别准确率，具体定义为：

• 看涨样本盈利比例=(卖出价-买入价)/买入价。

- 看跌样本盈利比例=(卖出价-买入价)/卖出价。

• 仅当盈利超过交易手续费时视为真正盈利。

图14展示了不同手续费水平影响下的总体准确率：

• 手续费为0时，看涨样本准确率约58.61%，看跌样本约46.71%。

- 双边手续费0.3%时，看涨准确率仍维持高达57.50%，看跌准确率45.66%。

体现了该支撑线、压力线组合在判断股价上涨方面效果明显优于判断下跌，部分原因市场样本期间以上升趋势为主。[page::11,12]

2.7 支撑线压力线特征组合与准确率细分分析

表3和表4对不同支撑线压力线斜率组合以及换手率大小关系在不同手续费水平下的准确率进行了详细梳理。该表深入探索了不同技术特征条件下，模型的稳定性与有效性。

进一步，图15至图18通过图形展示了更加细致的区分：

• 图15和图16均为上升通道（支撑线压力线斜率均>0）中发散形态和收敛形态的准确率变化。

- 结论显示，上升通道中上涨换手率较大时，判断上涨的准确率更高，呈正相关。

• 图17和图18为下降通道（支撑线压力线斜率均<0）中发散与收敛形态准确率情况，发现换手率大小与后期判断上涨准确率呈负相关。

这一现象颇具意义，说明在上升趋势中，活跃交易（换手率高）正面推动后续上涨概率，而在下降趋势中，换手率较低反映可能进入超跌反弹阶段，后续上涨概率更高，即一种动量与反转效应共存的现象。[page::13,14]

---

三、图表深度解读

• 图1 研究框架： 直观展示从价量配合模式选股到支撑线压力线组合特征提取，最终结合后期收益率分析的完整逻辑链。

- 图3-6 时间序列关键点提取： 展示不同关键点数量对股价走势拟合的效果，关键点数11为平衡点，使其既保留足够形态信息，又达到降噪压缩目的。

• 图7 拟合误差累积分布曲线： 通过曲线展示拟合误差随关键点数增加的变化，曲线趋稳后确定11为最佳关键点数。

- 图8 支撑线、压力线绘制示意： 以关键点为基准绘制多条支撑线和压力线，采用绿色和黑色区分，突出时间近期有效组合作为分析重点。

• 图9-12 交易策略示例图： 通过典型走势说明看涨和看跌交易操作的买入和卖出逻辑，配合支撑线压力线位置和平仓时间条件。

- 图13 样本划分决策树： 梳理了支撑线、压力线斜率以及换手率大小的多维度样本划分逻辑。

• 表1-2 样本分布表： 详细量化了不同斜率及换手组合在看涨和看跌样本中的比重，反映市场实际分布结构。

- 图14 总体准确率曲线： 说明手续费对模型准确率的影响趋势，看涨准确率始终高于看跌。

• 表3-4 详细准确率表： 展示在多维特征划分和手续费条件下准确率的详细数值，体现了特征组合对策略有效性的调节。

- 图15-18 不同通道形态下准确率演变： 通过对发散与收敛形态的解析，揭示换手率对准确率正负相关的行业规律和策略含义。

---

四、估值分析

本报告主要聚焦于技术分析和选股模型的构建，未涉及传统的估值方法（如DCF或市盈率分析），因此无估值模型解析。

---

五、风险因素评估

报告中风险提示部分主要说明：

• 数据来源为公开资料，不保证准确性与完整性。

- 报告内容仅供参考，非买卖建议，投资需谨慎。

• 可能存在利益冲突，机构或关联方可能持有相关证券或涉及投资银行业务。

- 版权受保护，未经许可不得复制。

虽然报告未专门细化支撑线压力线模型的风险，但可推断潜在风险包括：

• 技术分析本身的局限性——依赖历史走势，不能完全预测未来。

- 模型拟合度受限，关键点提取和线性拟合带来的误差误判风险。

• 换手率与量能解读可能因市场环境变化而失效。

- 交易策略简化，缺少止损机制，容易在高波动时期表现不足。

报告整体采取稳健声明，提示投资者审慎使用结果。[page::15]

---

六、批判性视角与细微差别

• 报告对支撑线和压力线的定义较为经典，但并未充分讨论市场非理性波动和极端事件对模型适用性的影响。

- 关键点提取依赖固定窗口，作者自己承认该方法有扩展空间，当前模型对不同时间尺度的敏感度风险尚未充分量化。

• 交易策略相对单一，尽管作者提及后续考虑其他策略，但当前结论受限于“靠近支撑买入，靠近压力卖出”的模式。

- 换手率的正负相关作用虽有统计支持，但因策略设计可能与实际市场反应存在偏离，替代策略的测试缺席，限制了结论的泛化。

• 表格3和4中的准确率随手续费增长显著下降，但对手续费影响机制及盈利波动幅度未充分展开。

- 风险提示部分更多为行业标准表述，缺乏模型专属风险识别和应对思考。

总体而言，报告较为谨慎，逻辑严谨，但实际交易应用需进一步强化策略多样性和风险控制体系。[page::14,15]

---

七、结论性综合

本报告系统深入地从时间序列分段线性表示开展，通过自底向上的算法抽取关键点，科学地绘制并识别支撑线和压力线组合。基于近60万样本的实证分析揭示：

• 支撑线与压力线的斜率、有效时间及换手率等特征均能反映股价走势潜在趋势。

- 通过设计机械化交易策略，支撑线压力线组合作为趋势判断具有一定的预测能力，全市场范围内看涨判断准确率稳定在57%以上，看跌判断准确率相对较低，但超出随机猜测。

• 换手率在不同通道（上升与下降）表现出不同的影响机制，上升通道换手率与上涨准确率正相关，体现动量效应；而下降通道中则呈负相关，体现可能的反转信号。

- 报告创新地实现了技术分析指标的数字化和自动识别，奠定了量化技术分析策略的基础。

从图表分布上看：

• 图8、13直观展示了模型方法和样本划分结构。

- 图14及15-18定量揭示手续费对策略执行准确率的影响和特征组合的预测价值。

• 表1-4补充各特征类别的市场代表性和盈利能力表现。

报告强调这是一个初步尝试，未来研究方向包括关键点算法的时序扩展、交易策略的多样化尝试、后期收益率的更精细特征组合判别，乃至利用反向挖掘方法寻找共性特征，推进自动化的技术分析决策模型的构建。

总体来说，作者通过客观数据支持，厘清了支撑线和压力线技术分析指标的量化路径及其实际作用，为量化投资领域贡献了具有实操意义和理论深度的研究成果。[page::0-14]

---

总结

本报告细致剖析了基于模式识别的支撑线和压力线组合的选股模型优化路径，涵盖了理论定义、关键点提取算法实现、支撑线压力线组合绘制、特征提取、交易策略设计、实证数据分析及准确率评价。关键图表全面支持论证，尤其通过不同手续费和市场状态下的准确率分析揭露了模型的实用价值和潜在限制。报告保持了严谨的学术态度同时具备应用参考意义，为后续量化技术分析和自动化选股策略的开发提供了重要基础。

报告