斐波那契扩展有哪些局限性？
直接回答
斐波那契扩展是一种基于先前价格波动比率来预测潜在价格水平的方法。其局限性主要来源于输入敏感性（你选择的起点和终点）、人为或工具依赖的解释，以及无法确定预测水平是否与未来价格存在可重复的关系。
在实践中，可以通过将稳定的机制（比率计算）与可变条件（市场行为、测量选择和执行现实）分开，来准确描述斐波那契扩展。当这些可变条件与该方法的假设不一致时，其有效性就会降低。
机制与定义
斐波那契扩展通常的工作方式如下：你识别出一个初始波动（例如从点 A 到点 B），计算这两点之间的距离，然后应用斐波那契衍生的比率来预测点 B 之后的价格水平。其核心机制思想是：扩展水平是将某一比率应用于已测量的波动幅度后得出的算术结果。
理解其局限性需关注两点：
- 比率计算是确定性的：如果锚点和比率固定，那么绘制出的扩展水平也是固定的。
- 锚点并非唯一确定：“正确”的 A 和 B 点通常取决于定义（哪些波动被计入、使用哪根K线范围、如何处理部分波动、如何应对价格噪音）。由于预测是基于这些锚点构建的，因此在选择上的微小差异可能导致明显不同的结果。
另一个相关概念是假设依赖性。斐波那契扩展隐含地假设：在已测量波动中观察到的关系，在下一波段中仍然有意义。但这一假设并不一定成立。
证据与示例（含明确假设）
考虑一个仅使用测量逻辑的示例（不涉及实时价格）。假设：
- 你在前一波段的低点标记为点 A，下一波段高点标记为点 B。
- 你测量 AB 之间的距离。
- 你应用扩展比率来预测 B 点之后的水平。
现在测试其敏感性：如果你略微重新定义点 B（例如，使用附近的一个盘中极值，而非视觉上选定的高点），那么测得的 AB 距离就会改变。由于扩展水平是基于该距离推导的，因此 B 点之后的每一个预测水平也会随之移动。这说明了一种常见的失效模式：尽管该方法的输出看似精确，但当基础锚点具有主观性时，这种精确性可能是虚假的。
另一个例子是情境不匹配。即使扩展水平是根据你选择的锚点正确绘制的，当市场结构发生变化时（例如，下一波段由与前一波段不同的驱动因素主导），这些水平可能提供的信息更少。斐波那契扩展本身无法检测到这种变化；它只是将之前测量的波动转化为预测水平。
局限性与风险（失效模式）
1) 输入选择影响结果
由于斐波那契扩展依赖于所选的 A 和 B 点，对同一图表的不同解读可能导致不同的扩展结果。这是一个实质性的局限：该方法在不同用户或工具之间可能无法复现。
2) 预测不是时间规则
斐波那契扩展是一种基于水平的测量工具，而非触发信号。它不说明价格何时应达到某一水平、速度多快，或在何种条件下才具有意义。因此，人们容易误将预测水平视为确定性的预期。
3) 历史关系不能保证未来结果
即使过去的价格波动中出现了类似斐波那契的结构，也不能证明相同的比率在未来仍会成立。由于流动性、波动性和市场参与者行为的变化，市场行为可能不同。斐波那契扩展无法控制这些条件；它仅根据选定的过去波动输出水平。
4) 可变成本与执行现实
由于点差、佣金、滑点和执行限制，实际交易结果可能与图表上的理想测量存在差异。如果将预测水平作为唯一目标，交易摩擦的净效应可能会降低其实际可用性。
验证及后续操作（不假设确定性）
要独立验证斐波那契扩展的有效性，可以专注于可测量性而非预测：
- 检查可复现性：比较根据明确定义的波段选择规则（例如，对点 A 和点 B 的一致判定标准）生成的扩展结果。