技术分析分类框架

1. 概述

技术分析涵盖了数量庞大的工具与方法体系。面对市场上琳琅满目的指标和技术手段，如果没有一套系统性的分类框架，分析师很容易在这片工具的汪洋中迷失方向。本章将整个技术分析领域划分为四大分支，并建立了分析中所使用市场数据的优先级体系，按重要性依次排列。

Mark Andrew Lim所著《技术分析手册》中提出的这套分类框架，绝非单纯的学术分类——它是一个切实可用的决策框架，直接回答了**"先看哪些工具、按什么顺序形成判断"**这一核心问题。它为分析师提供了依据个人风格与当前市场状态来选择分析方法的重要准则。

深入理解这一分类框架，能带来以下实际优势：

• 当出现相互矛盾的信号时，能够依据清晰的优先级做出决策
• 能够识别分析中的盲区并加以弥补
• 能够根据市场条件动态调整各分支的权重

2. 核心规则与原则

2.1 技术分析的四大分支

技术分析的所有工具与技术均可归入四个大类。每个分支从不同视角审视市场，彼此形成互补关系。没有任何单一分支能够呈现完整的市场图景，因此四者均衡运用才是理想状态。

经典分析

这是最传统的分析方式，通过解读价格图表上的视觉形态来研判市场。起源于查尔斯·道的理论，涵盖了百余年来积累的经验性技术。

• 图表形态：识别价格走势中反复出现的结构，如头肩顶/底、双顶/双底、三角形、旗形等
• 支撑与阻力：分析价格反复反弹或受阻的水平价位
• 趋势线与通道：直观界定价格方向，并确立趋势中的交易区间
• 缺口分析：解读价格的非连续运动，捕捉市场情绪的骤变
• 道氏理论：提供定义趋势、确认趋势以及识别趋势反转的基础性原则

实战提示：经典分析常因主观性强而受到批评，但正因为众多市场参与者都能识别并响应相同的形态，便产生了自我实现预言的效应。熟练掌握关键形态是必备功课。

统计分析

这种方法运用数学与统计公式对价格数据进行客观处理。其核心优势在于将主观判断降至最低，并提供清晰的量化标准。

• 均线：SMA、EMA等平滑技术识别趋势方向及支撑/阻力位
• 震荡指标：RSI、随机指标、CCI等衡量超买/超卖状态及动能转变
• 波动率指标：布林带、ATR、标准差等量化价格波动的幅度与强度
• 趋势跟踪指标：MACD、ADX、抛物线SAR等客观衡量趋势方向与强度

实战提示：统计指标本质上具有滞后性。由于它们是对价格数据加工处理后的产物，反映的是历史信息，而非对未来的预测。认清这一局限性至关重要——务必将其与其他分支的分析结合使用。

情绪分析

这种方法衡量市场参与者的集体心理与情绪状态。在市场到达极度乐观或极度悲观的极端位置时，对于捕捉逆势反转信号尤为有效。

• 逆向指标：当多数人的观点极度偏向一端时，预判反转的到来
• 投资者情绪调查：AAII投资者情绪调查、Investors Intelligence报告等直接衡量市场情绪的工具
• 恐惧与贪婪指数：综合VIX（波动率指数）、认购/认沽比率等多种情绪指标的合成指数
• 媒体与新闻分析：通过新闻标题的基调与频率捕捉情绪极端状态

实战提示：情绪指标是环境评估工具，而非择时工具。当出现极端读数时，切勿立即入场——需等待价格出现技术性反转的确认信号。尤其在加密货币市场，极端情绪状态往往比预期持续得更久。

行为分析

这种方法观察市场参与者实际所做的事情。情绪分析衡量的是"他们的感受"，而行为分析追踪的是"他们的行动"。

• 成交量分析：通过考察伴随价格运动的成交量变化，验证价格走势的真实性
• 未平仓合约（OI）分析：追踪期货与期权市场中未平仓合约数量的变化，评估新增资金流入情况
• 资金流向分析：综合OBV、MFI、CMF等将价格与成交量结合的指标，衡量买卖压力的实际方向
• 大户持仓追踪：通过COT（交易者持仓报告）等报告追踪机构与商业参与者的持仓变化

实战提示：在加密货币市场，各交易所的成交量差异显著，刷量造假导致的数据失真现象普遍存在。建议以可靠交易所的数据作为基准，并辅以链上数据（活跃地址数、交易所资金流入/流出）来提升行为分析的准确性。

2.2 四大分支对比总结

分支	核心问题	代表工具	特点
经典分析	价格正在形成什么形态？	图表形态、趋势线、支撑/阻力	主观性强、直观可视、依赖经验
统计分析	市场的数量化状态如何？	均线、RSI、布林带	客观、滞后、系统化
情绪分析	市场参与者的感受如何？	VIX、认购/认沽比率、调查数据	逆向思维、捕捉极端、具有领先性
行为分析	市场参与者实际做了什么？	成交量、OI、资金流向	验证确认、基于事实、同步或领先

2.3 市场数据优先级体系

技术分析中使用的市场数据并非具有同等价值。各类数据之间存在清晰的优先级排序，当高级别数据与低级别数据产生冲突时，高级别数据优先。理解这一优先级体系，能大幅减少分析中的混乱。

第一级：价格数据

• OHLC（开盘价、最高价、最低价、收盘价）是技术分析中优先级最高的信息
• 价格是反映所有市场信息——基本面、情绪、供需——的最终输出结果
• "价格为王"——没有任何其他指标能凌驾于价格本身之上
• 适用于所有时间框架（从1分钟到月线），形式完全一致

第二级：成交量

• 验证价格走势真实性与强度的核心工具
• 价格上涨+成交量增加 → 健康的上升行情；价格上涨+成交量萎缩 → 可疑的上升行情
• 成交量往往领先于价格，是趋势反转的早期预警信号
• 没有成交量配合的突破，大概率是假突破

第三级：未平仓合约（OI）

• 主要用于期货与期权市场，体现参与者对持仓的承诺程度
• 价格上涨+OI增加 → 新多头入场，上升趋势强劲
• 价格上涨+OI减少 → 空头回补，趋势可能趋于衰弱
• 在加密货币永续合约市场，结合资金费率分析OI变化，能够实现更准确的评估

第四级：情绪指标

• 量化市场参与者情绪状态的辅助指标
• 仅当读数到达极端区间时才提供有意义的信号
• 处于中间区域时，仅作参考使用
• 在加密货币市场，社交媒体情绪和加密货币恐惧与贪婪指数是典型代表

第五级：市场广度

• 衡量整体市场的参与范围与内部健康程度
• 由涨跌比率、创新高/创新低数量等指标构成
• 若指数上涨但市场广度收窄 → 涨势由少数品种拉动，需保持警惕
• 在加密货币市场，山寨币季节指数和BTC主导地位变化发挥着类似作用

第六级：资金流向

• 追踪机构投资者和大型参与者的实际资金动向
• 分析跨板块、跨资产类别的资金流入/流出格局
• 是长期趋势变化的领先指标，但不适合短期择时
• 在加密货币市场，交易所BTC/ETH资金流入/流出量以及稳定币供应量变化被用作资金流向指标

2.4 市场数据优先级体系总结

级别	数据类型	作用	使用时机
1	价格（OHLC）	主要分析对象	始终优先
2	成交量	确认/验证价格行为	价格分析完成后立即进行
3	未平仓合约	评估趋势持续性	分析期货市场时
4	情绪指标	捕捉极端状态	市场过热/恐慌区间
5	市场广度	评估市场内部健康程度	进行整体市场评估时
6	资金流向	发现长期趋势转变	构建中长期策略时

3. 图表验证方法

3.1 跨四大分支的综合验证

为提升分析准确性，需在每个分支内分别进行独立验证，再综合各分支结果形成最终判断。

经典分析验证

1. 确认形态的完整性：检查形态是否满足最低持续时间与最低触碰次数要求
2. 成交量确认：验证突破点处成交量是否有效放大至均量以上
3. 形态完成后计算价格目标位：使用量度运动技术设定目标价格，并评估达到目标的概率
4. 观察是否出现回抽/回测：突破后密切关注价格是否回测原支撑/阻力位

统计分析验证

1. 检查指标的超买/超卖区间：仅将极端区间的信号视为高置信度信号
2. 多时间框架分析：确认信号在更高和更低时间框架上是否一致
3. 背离筛查：当价格与指标出现背离时，评估趋势反转的概率
4. 通过回测进行胜率与风险收益比验证：确认策略在特定市场和时间框架上的历史表现

情绪分析验证

1. 当读数达到极端时，检查历史逆势反转概率：对比过去类似水平下市场的反应
2. 分析市场对消息的不对称价格反应：捕捉利空消息下价格不跌、或利好消息下价格不涨的情形
3. 确认多个情绪指标的一致性：验证多个情绪指标是否同步指向极端，而非仅有单一指标

行为分析验证

1. 量价关系一致性：确认顺趋势方向的走势伴随成交量放大，逆趋势方向的走势伴随成交量萎缩
2. 追踪机构与大户持仓变化：分析COT报告、交易所鲸鱼钱包动向等
3. 认购/认沽比率、资金费率等行为衍生指标：利用源自实际交易行为的指标确认市场偏向

3.2 市场数据优先级验证

基于优先级的验证流程

1. 价格优先原则：始终先分析OHLC数据，再用低级别数据加以确认
2. 冲突时高级别数据优先：当高低级别数据出现分歧时，采纳高级别数据的信号
3. 时间框架一致性：跨所有时间框架验证OHLC数据的一致性，过滤失真数据
4. 低级别数据的辅助角色：低级别数据承担的是"确认"或"质疑"高级别数据所呈现情景的支持性角色

4. 常见错误与陷阱

4.1 分类框架层面的错误

过度依赖单一分支

• 堆砌统计指标、忽视价格结构形态（支撑/阻力、趋势线）的情况极为普遍
• 只专注于经典形态、忽略成交量与OI分析，会导致反复陷入假突破陷阱
• 仅依赖情绪指标，容易落入"入场过早"的陷阱
• 解决方案：养成习惯，在每次交易决策前，从四大分支中各检查至少一项工具

跨分支冲突的处理错误

• 当不同分支发出相互矛盾的信号时，要警惕确认偏误——即只选取支持自身既有观点信号的倾向
• 对所有分支赋予同等权重，必然导致混乱——应根据市场状态调整权重
• 趋势行情中，提升经典分析与行为分析的权重；震荡行情中，提升统计分析与情绪分析的权重

4.2 数据优先级层面的错误

忽视优先级排序

• 一个常见错误是：无视当前价格趋势，仅凭极端情绪读数就逆势建仓
• 高估没有成交量配合的价格走势，导致频繁在假突破中入场
• 仅凭市场广度或资金流向等低级别数据试图进行短线择时，风险极高
• 核心原则：当低级别指标与高级别指标相互冲突时，遵循高级别指标

数据质量问题

• 未能验证OHLC数据在各时间框架的一致性，可能导致识别出虚假形态
• 忽视缺口对数据连续性的干扰，会造成指标读数失真
• 使用未经展期调整的期货数据，会在长期图表上产生严重失真
• 在加密货币市场，须时刻关注数据可靠性问题，包括跨交易所价差与刷量造成的成交量虚增

4.3 分类框架本身的局限性

• 部分工具横跨两个或多个类别（例如OBV兼具统计分析与行为分析的属性）。与其纠结于归类，不如聚焦于工具的本质功能
• 分类框架是分析的起点，而非最终答案。实践中需要灵活运用

5. 实战应用技巧

5.1 分类框架策略

均衡分析检查清单

在做出交易决策前，按以下顺序逐项检查：

顺序	分支	检查项目（示例）
1	经典分析	关键支撑/阻力位在哪里？是否有图表形态正在发展？趋势线状态如何？
2	统计分析	RSI/随机指标位于何处？均线排列如何？MACD信号怎样？
3	情绪分析	恐惧与贪婪指数处于什么水平？社交媒体情绪如何？是否存在极端偏向？
4	行为分析	成交量趋势如何？OI有何变化？鲸鱼钱包是否有异动？

每个分支选取2-3个关键指标，持续跟踪监测。使用过多指标容易陷入分析瘫痪。

依据个人风格调整权重

• 系统化/量化风格：以统计分析为核心，以行为分析加以确认
• 直觉/经验驱动风格：以经典分析为核心，以情绪分析作为补充
• 逆势交易风格：以情绪分析为核心，利用经典分析把握入场时机
• 无论何种风格，价格数据优先原则始终不变

5.2 数据优先级策略

逐步分析流程（六阶段）

1. 第一阶段——价格行为分析：利用OHLC数据识别趋势方向、关键支撑/阻力位及图表形态。在此阶段确立基本交易情景（做多/做空/观望）。
2. 第二阶段——成交量确认：验证成交量是否配合价格走势。缺乏成交量支撑的走势，置信度相应降低。
3. 第三阶段——OI分析：检查期货市场的OI变化，区分新增资金流入与存量仓位平仓。
4. 第四阶段——情绪检验：判断市场是否处于极度恐慌或极度贪婪状态。若未达到极端水平，仅作参考。
5. 第五阶段——市场广度检验：评估当前走势是否得到市场整体的广泛参与，还是仅由少数品种带动。
6. 第六阶段——资金流向复核：从中长期视角出发，最终确认资金流动方向是否与交易情景相符。

冲突处理原则

• 高级别数据优先：若价格处于上升趋势，但情绪指标发出过热信号，优先遵循价格趋势。但应通过缩减仓位或收紧止损来控制风险。
• 背离是预警信号：高低级别数据之间的背离，并非立即采取行动的信号——而是提升警惕级别的预警。
• 加权评估方法：不采用简单多数原则，而是依据数据级别进行加权评估。当第1-2级数据意见一致时，第3-6级数据的反向信号仅作为补充性预警。

5.3 综合运用策略

多时间框架分析

不同时间框架对分类框架的侧重点有所不同：

时间框架	主要分析分支	目的
长期（周线/月线）	经典分析 + 行为分析	识别主趋势方向与关键结构
中期（日线）	统计分析 + 行为分析	确定入场区间与趋势强度
短期（4H/1H）	统计分析 + 情绪分析	捕捉精确的入场与离场时机

基本原则是自上而下的分析方法：先在高时间框架上确立方向，再在低时间框架上寻找入场时机。

共振分析

多个分支的信号同时指向同一方向的位置，称为共振区——在这些点位进行交易，预期胜率最高。

• 四分支共振：所有分支信号一致 → 最高置信度的交易机会（极少出现）
• 三分支共振：强烈交易信号 → 以正常仓位入场
• 两分支共振：中等置信度 → 以减仓方式入场，需要额外确认
• 仅单一分支信号：单独信号不足以作为交易依据 → 观望，或仅允许极小仓位试探

动态权重调整

由于每个分支的有效性随市场条件而变化，需要动态调整权重：

• 高波动/趋势行情：加大统计分析（趋势跟踪指标）与行为分析（成交量）的权重
• 市场转折点/极端区间：加大经典分析（形态完成确认）与情绪分析（极端情绪）的权重
• 低波动/震荡行情：加大统计分析（震荡指标）与经典分析（支撑/阻力区间）的权重
• 趋势成熟阶段：重点关注行为分析（成交量萎缩、OI变化），捕捉趋势衰竭信号

最终总结：技术分析分类框架与市场数据优先级体系，解决的不是"使用哪些工具"的问题，而是"以何种顺序、赋予何种权重来形成判断"的问题。将这一框架内化于心，即便在信号相互冲突的混乱局面中，也能保持一致的决策标准。