评估突破趋势需要哪些数据？
突破趋势的含义（在讨论数据前先定义）
突破趋势指的是价格在穿越一个有意义的边界（“突破”）后可能持续移动，并且突破后的走势可被视为一个方向性趋势的候选。但这并非保证。要评估这一概念，你需要支持以下三个方面的数据：(1) 什么构成突破事件，(2) 什么构成同方向的后续走势，以及 (3) 如何衡量和比较结果。
评估突破趋势所需的数据输入
为了独立评估该概念，需收集四类输入数据。
1) 用于突破事件的价格和市场数据
你通常需要：
- 开盘价、最高价、最低价、收盘价（OHLC）：针对该金融工具，在选定时间框架上采样的数据。
- 成交量或成交笔数：如果你想加入一个次要的“参与度”衡量指标（可选，但会影响你能验证的内容）。
- 公司行为调整（如适用）：确保历史价格在时间上具有可比性。
需声明的假设：突破是使用相同的K线逻辑来评估的（例如，“收盘价突破” vs “盘中触及”）。更改此规则会改变事件数量。
2) 突破水平的定义和重新计算规则
你需要数据和规则来定义“有意义的边界”，例如：
- 从回溯窗口计算的区间高点/低点。
- 从前历史K线计算的前一个波段高点/低点。
- 使用明确参数方法计算的趋势线或通道边界。
为何规则重要：边界必须仅使用突破发生时可用的信息来计算。如果你使用未来数据重新计算水平，评估结果将无效。
3) 趋势/后续走势的衡量数据
在突破事件发生后，决定“趋势”在可衡量意义上的定义。可衡量定义的示例包括：
- 方向持续性：后续收盘价是否持续保持在突破参考水平之上/之下。
- 距离/时间：价格在突破方向上移动了多远、持续了多久。
- 风险调整代理指标（可选）：如果你包含回撤或基于波动率的衡量指标，必须明确定义。
需声明的假设：“后续观察窗口”的长度（K线数量或时间长度）必须预先定义。
4) 成本、约束和执行假设（即使没有实时数据）
即使你不假设实时数据流，仍需建模至少以下内容：
- 交易成本代理：在整个数据集中一致使用的点差/费用假设。
- 滑点模型：用于价格影响的简单规则（如果包含）。
- 数据粒度与执行时机：假设订单在收盘价、下一个开盘价或盘中执行。
这一点至关重要，因为历史突破表现可能对理论入场价与实际成交价之间的差异非常敏感。
证据或示例：你将用数据验证的内容
一个最小化且可验证的工作流程如下：
- 固定参数：时间框架、突破规则（例如，收盘价突破水平）、水平回溯窗口和后续观察窗口。
- 检测事件：扫描历史K线并记录每次突破事件的时间戳。
- 衡量结果：为每个事件计算后续走势指标。
- 比较替代方案：使用修改后的定义（例如，“收盘突破” vs “触及即算”）运行相同的衡量，以判断该想法是否稳健。
克拉尔标准（可立即检查的标准）：如果评估结果严重依赖于任意参数调整（许多不同设置“效果”相同），则证据较弱。你应该寻找在合理且预先定义的参数范围内的一致性。
局限性和风险（重大失效模式）
至少应测试一种重大局限性。
假突破和市场状态变化
一种常见的失效模式是假突破：价格穿越边界但迅速返回区间内。这可能使历史上的“突破后趋势”效应变得脆弱，尤其是在波动率变化的市场状态下。
未来数据泄露和边界泄漏
如果突破水平的计算使用了未来数据（即使因指标处理方式而无意中引入），评估结果可能比实际交易中更强。
时效性限制和数据质量
即使使用完全历史数据，结果仍取决于：
- 数据集是否完整（无缺失K线/笔数）。
- 价格是否为该工具正确调整。
- 事件定义是否与可用数据的分辨率匹配。
成本和执行不确定性
历史关系不包含真实执行行为，除非你明确纳入成本和成交假设。当行情短暂时，入场时机的微小变化可能导致结论反转。