## 淺談技術分析的可預測性

### 學術討論
1. 支持「技術分析有一定預測力」
簡單技術交易規則在長樣本中曾呈現顯著性：經典研究用道瓊長期資料（1897–1986）測試移動平均、突破等規則，發現報酬行為與隨機漫步不一致、規則有顯著的訊號效果。

把「型態/圖形」量化後，有些型態在歷史資料中出現統計優勢：Lo、Mamaysky、Wang（2000）用演算法做技術型態辨識並用統計推論檢驗，主旨就是把傳統主觀畫線改成可重現的量化檢定，並報告某些型態具統計顯著性。

2. 反對/保留「技術分析能穩定預測並套利」
有效市場假說（EMH）：若市場能快速反映可得資訊，單靠公開的歷史價格型態要穩定打敗市場很難（至少在扣成本後）。Fama（1970）是奠基性的綜述。

資料探勘/資料嗅探偏誤（data-snooping bias）：你測很多指標、很多參數、很多進出場規則，總會挑到「剛好在樣本內漂亮」的那一組。Sullivan、Timmermann、White（1999）用 White’s Reality Check 來校正「多重比較」後，指出許多技術規則的顯著性會大幅縮水，樣本外也常變弱。

「樣本內有效、樣本外失效」是技術交易研究常見現象：你可以把它理解成一種「被發現→被套利→效果消失」的動態（這也是為什麼很多研究特別強調 out-of-sample、甚至真實交易成本）。

3. 較能兼容兩派的框架：效率是「會變動的」
Andrew Lo 的「適應性市場假說（AMH）」主張市場效率不是永遠固定：在某些市場狀態/制度/參與者結構下可能較有效率，在另一些情境下可能出現可預測性（包含動能、趨勢、均值回歸等），但會隨時間演化。這個框架常被用來解釋「技術分析有時有效、有時失效」。

### 綜論（學術上較接近共識的表述）
1. 技術分析可能具有「局部、條件式」的統計預測力（特別是在某些市場如 FX/期貨、或特定時期/狀態）。

2. 但要把它變成可長期穩定套利，必須跨過三道門檻：
- 嚴格的樣本外驗證（walk-forward / out-of-sample）
- 多重比較/資料探勘偏誤校正（Reality Check、SPA test 等）
- 充分的交易成本與可交易性假設（滑價、流動性、槓桿限制）

> 補充1. 無效市場假說的代表人物和應用
> 索羅斯 (George Soros)：是無效市場理論的代表人物，利用對市場非理性的洞察，成功操作基金。
> 巴菲特 (Warren Buffett)：雖然常被誤認為是效率市場支持者，但他實際是無效市場的支持者，只是認為一般人難以從中獲利，建議買指數型基金。
> 行為金融學：研究投資者心理與市場行為，印證了市場的非理性，是無效市場假說的理論基礎。
> 非理性繁榮：非理性繁榮是由前聯邦準備理事會主席葛林斯潘在1996年網際網路泡沫時期於美國企業研究院演說時提出的論述，論述指出資產價格脫離決定其價值的基本面因素而主要由市場參與主體的主觀判斷決定的資產價格持續上漲現象。非理性繁榮意味著市場的運行超出了理性預期的規律，由人類的非理性心態推動市場運行。

> 補充2. 效率市場假說的核心觀點
> EMH由尤金·法馬（Eugene Fama）在1970年代提出，認為在一個效率市場中，所有可得資訊都會即時且充分地反映在資產價格上，因此投資者不可能持續獲得超額報酬。它分為三種形式：
> 弱式效率：價格反映所有歷史資訊（技術分析無效）。
> 半強式效率：價格反映所有公開資訊（基本分析也無效）。
> 強式效率：價格反映所有公開及未公開資訊（內幕消息也無用）。

> 個人觀點
效率市場假說的矛盾之處：
沒有明確定義「過去」是多久以前（EMH 是用 資訊集合 (information set) 來定義的）
=> 所有在 t 時點「已經發生、已經被市場觀測到」的價格相關資料（10 年前的月線、昨日收盤價、剛成交的一筆 tick、正在形成的K棒中已成交的部分），都算是「過去」

### 研究領域
1. 市場微結構（Market Microstructure）假設「市場對資訊的反應並非即時完全納入價格」，而是有個過程。

2. 行為金融學（Behavioral Finance）假設「是投資者並非完全理性」，而是受到心理偏見、情緒和社會影響，導致決策存在系統性偏差。

3. 實證資產訂價／金融計量（Empirical Asset Pricing / Financial Econometrics）
重點：技術交易規則是否有統計顯著的超額報酬、如何避免資料探勘偏誤（data-snooping）、樣本外是否仍有效。
經典例子：用移動平均、突破等規則測試長期指數資料 。

4. Computational Finance / ML in Finance（計算金融／金融機器學習）
重點：把「圖形/型態」變成可重現的演算法（pattern recognition），並做嚴謹的統計推論與實證。代表作就是把傳統型態辨識用系統化方法落地。

### 「技術分析」與「市場微結構」的關係
> 技術分析可被視為「微結構效應的 reduced-form 表現」，技術分析本身不屬於市場微結構的研究範疇，但在短期交易中，它常被用來近似、壓縮並操作微結構行為的結果。