原则表述
过去 3–12 个月的相对强弱，对未来 3–12 个月的相对收益有正向预测力——至今未被证伪的少数纯价格信号之一。
原始出处 · 金句
"Strategies which buy stocks that have performed well in the past and sell stocks that have performed poorly in the past generate significant positive returns over 3- to 12-month holding periods."
— Narasimhan Jegadeesh & Sheridan Titman, The Journal of Finance, Vol. 48, No. 1 (1993)
买入过去表现好的股票、卖出过去表现差的股票，在 3 至 12 个月的持有期内产生显著正收益。
深入解读
三点常被误读。其一，动量是横截面排序，不是「涨了就买」——它比的是同一时点上所有股票的相对强弱。其二，时间尺度就是它的全部内容：1 个月是反转，3–12 个月是动量，3–5 年又回到反转（De Bondt & Thaler, 1985）。其三，成因无定论：行为派归于反应不足，风险派认为它是尚未识别的风险补偿——而「尚未识别的风险」的另一个名字就是崩盘。
经典案例
Daniel 与 Moskowitz 在《Momentum Crashes》（Journal of Financial Economics, 2016）中记录了这种风险的形态：1932 年 7–8 月，动量组合两个月亏损约 91%；2009 年 3–5 月市场自底部反弹，被做空的「输家」暴涨，动量再亏约 73%。
两次崩盘特征一致：熊市末端 + 高波动 + 方向反转。亏损集中在市场最需要你留在场内的那几周——这不是坏运气：在长期下跌后做空输家，等于做空一根压到极限的弹簧。
反例与限制 · 决策检查表
收益的负偏度使夏普比率系统性高估了它——长期赚小钱、偶尔亏到无法翻身。年换手常在 100% 以上，价差、冲击成本与短期资本利得税（Day 46）吃掉大半。更根本的是，它是组合层面的统计规律，与集中持股不兼容。
- 我说的「趋势」对应哪个窗口？换成 1 个月，结论是否翻转？
- 这个信号用在多少个头寸上？少于 20 个 → 是单点赌注。
- 扣掉换手成本与税，预期超额还剩多少？算不出就不用。
- 若三个月内剧烈反转，这笔仓位的回撤我扛得住吗？
一句话精华 · 本周反思
动量在统计上真实，在体验上难以承受——它精确地在你最不能失血的时刻让你失血。
回看过去 12 个月的买入，标出哪些的真实理由是「它已经涨了」——你可能早就在做动量，只是没有它的纪律。
原则表述
成交量与价格变动的幅度正相关，与方向无关。它度量分歧与信息到达速率，不是「多空力量对比」。
原始出处 · 金句
"Noise makes financial markets possible, but also makes them imperfect. … People sometimes trade on noise as if it were information."
— Fischer Black, "Noise," The Journal of Finance, Vol. 41, No. 3 (1986)
噪声使金融市场得以存在，也使它不完美。……人们有时把噪声当作信息来交易。
深入解读
Black 点破了成交量的本质：若所有人对信息的解读一致，成交量将趋近于零——有成交，正因为有分歧。Karpoff（1987）的综述确认了方向：成交量与价格变动的绝对值稳定正相关。所以「放量上涨说明主力吸筹」是自我安慰：同一笔成交里买方建仓、卖方派发，量不告诉你哪边更聪明。
价涨 · 量增新信息被广泛消化，也可能是高位换手——原持有人把筹码交给新买家。
价涨 · 量缩边际买盘在枯竭。上涨还在，参与者在退出。
价跌 · 量增多为机械性抛售：赎回、追保、指数调整。四格中唯一常创造买点的一格。
价跌 · 量缩无人关心。价值投资者的猎场，也是价值陷阱的住址。
四格都在回答「谁在交易、为什么」，没有一格给出「该买还是该卖」——那需要估值。
经典案例
1987 年 10 月 19 日，道琼斯指数单日下跌 508 点（−22.6%），纽交所成交 6.04 亿股，约为此前纪录（10 月 16 日约 3.44 亿股）的 1.8 倍。Brady 委员会事后的结论不是「恐慌情绪」，而是机制：组合保险（portfolio insurance）按预设规则在下跌中卖出，卖出压低价格，更低的价格再触发卖出。
量在这里传递的唯一信息是：卖方是机械的，不是判断性的。2020 年 3 月同理——追保与现金需求驱动无差别抛售，连黄金与国债都被卖。区分机械性抛售与基本面重估，是量价唯一真正值钱的用途。
反例与限制 · 决策检查表
市场结构正在稀释成交量的含义：暗池与券商内部化的成交不进入交易所公开数据（美股近年常在四成上下），ETF 申赎、算法拆单、指数再平衡也制造出大量与观点无关的成交（Day 56 会拆开这套管道）。
- 这笔天量有没有机械性解释（指数调整、期权到期、大额赎回）？
- 我看的是绝对成交量还是换手率分位？只有后者可跨时间比较。
- 卖方是被迫还是自愿？我能说出谁在卖、为什么必须卖吗？
- 若这笔量不含信息，我的结论会变吗？不会 → 本就不需要它。
一句话精华 · 本周反思
成交量回答「谁在交易、为什么」，从不回答「接下来涨还是跌」。
回想一次持仓的暴跌日：卖方是机械的（赎回、追保、指数调整）还是判断性的？你当时按哪一种反应？
原则表述
对一条技术规则，问题不是「有没有用」，而是：在哪段样本上、扣掉多少成本、被多少人同时用之后，还剩多少？
原始出处 · 金句
"The superior performance of the best trading rule is not repeated in the out-of-sample experiment covering the period 1987–1996."
— Ryan Sullivan, Allan Timmermann & Halbert White, The Journal of Finance, Vol. 54, No. 5 (1999)
表现最好的那条交易规则，其超额收益在覆盖 1987–1996 年的样本外检验中没有重复出现。
深入解读
这条论文链本身就是一课。1992 年，Brock、Lakonishok 与 LeBaron 用道指 1897–1986 年数据检验移动平均与区间突破规则，报告了显著的预测力。1999 年 Sullivan 等人指出致命前提：这些规则是从几十年实践中幸存下来的少数，真正的分母是被试过又遗忘的成千上万条。他们把候选扩展到 7,846 条并用 bootstrap 校正数据窥探（data snooping），样本内显著性大幅缩水，样本外完全消失。任何规则的显著性，都要除以为找到它而试过的规则数。
经典案例
趋势跟踪的两个十年。2008 年 SG Trend 指数上涨约 20%，同期标普 500 全收益约 −37%——它在系统性崩盘中的对冲价值真实且可复制。但 2011 至 2019 年，同一指数长期原地踏步，管理费与低波动环境几乎侵蚀了全部收益。同一条规则，不同状态，结论完全相反——这正是「有效」二字在技术分析里近乎无意义的原因。
反例与限制 · 决策检查表
反过来，把技术分析整体斥为占星术也是懒惰的：动量、波动率聚集（volatility clustering）都是被独立复制过的实证事实，Lo、Mamaysky 与 Wang（2000）也发现若干形态确实含增量信息——只是「含信息」不等于「扣成本后可获利」。真正的分界线是可证伪性：「50 日均线上穿 200 日均线」可被检验，「艾略特波浪第五浪延长」不能——浪的数法可事后调整，任何结果都能被解释。
- 这条规则有没有事前可写下的、无歧义的进出定义？
- 报出的收益是否扣了佣金、价差、冲击成本与税？
- 有没有发表之后年份的样本外表现？没有 → 按未验证处理。
- 为找到它，我一共试过多少条规则、多少组参数？
一句话精华 · 本周反思
一条技术规则的真实价值 = 样本外收益 − 交易成本 − 所有和你用同一条规则的人。
写下你在用的择时或止损规则的精确定义，再回答：我是先有规则再看数据，还是先看数据才有规则？
原则表述
把价格信号严格限制在风险与执行层面——仓位、杠杆、流动性；永远不让它进入价值判断——这门生意值多少钱。
原始出处 · 金句
"One principle that applies to nearly all these so-called 'technical approaches' is that one should buy because a stock or the market has gone up and one should sell because it has declined. This is the exact opposite of sound business sense everywhere else, and it is most unlikely that it can lead to lasting success on Wall Street."
— Benjamin Graham, The Intelligent Investor, 第 1 章
几乎所有所谓「技术方法」都遵循同一条原则：因为股价或市场上涨而买入，因为下跌而卖出。这与其他任何领域的商业常识恰好相反，极不可能带来持久的成功。
深入解读
Graham 是对的，但只在一个前提下成立：你的估值可靠。当估值建立在被粉饰的报表或过时的行业假设上时，下跌就不是折扣，而是别人比你更早知道了真相。难题于是变成：如何区分「下跌是机会」与「下跌是信息」？答案不在图表里，而在事前——写下「论点若错，会以什么形式先暴露」。价格是最不可靠、却最早到达的那一种形式。
经典案例
两个方向的教训要一起看。Legg Mason Value Trust 连续 15 年（1991–2005）跑赢标普 500；2007–2008 年 Bill Miller 在金融与住房相关持仓上持续摊低成本，2008 年该基金下跌约 55%，同期标普 500 全收益约 −37%。他并非不懂价值，而是把「更便宜」当成了「新的买入依据」。
反方向：伯克希尔股价自 1998 年年中至 2000 年 3 月下跌约 49%；Amazon 从 1999 年末高点到 2001 年跌逾 90%。任何以价格为准的止损都会在这两处让你出局，而这两处恰恰最不该出局。
反例与限制 · 决策检查表
调和二者的是一条界线：止损保护的是杠杆与流动性，不是判断。若你没有杠杆、期限足够长、论点可证伪，下跌本身不构成卖出理由；只要有杠杆或赎回压力，价格就必须进入决策——不是因为它更聪明，而是你可能撑不到对的那天。
- 这笔卖出的理由，能否完全不提价格就讲清楚？不能 → 价格在替我思考。
- 我有杠杆或一年内的资金需求吗？有 → 价格必须有一票否决权。
- 我摊低成本的依据是新的事实，还是仅仅因为它更便宜了？
- 若它停牌一年、我看不到价格，持有决定会改变吗？
一句话精华 · 本周反思
价格决定你能不能活着等到对的那天，但永远不能决定你是不是对的。
挑一只浮亏的持仓，只用基本面语言写三句话说明为何继续持有。若有一句提到「已经跌了这么多」，价格就混进了你的论点。
深入思考
如果动量确实存在，价值投资者为什么不直接用它？
因为它与你的其余约束不兼容。动量需要几十上百个头寸、100% 以上的年换手，以及在崩盘中不减仓的执行力；而集中、长期、低税负恰是长期投资者最大的结构性优势。借一个策略的信号却不承担它的成本结构，通常得到两者最差的组合：分散度不够，享受不到统计规律；换手却高到足以交税。可移植的只有一条——不要逆着 3–12 个月的相对弱势「越跌越加」，除非你说得出新事实。
AI 时代，图表形态识别是否已被彻底吃掉？
可被明确定义的部分正在快速消失：机器能穷举远超人类的规则空间，可复制的形态，租金衰减得比 Sullivan 那代人看到的更快。但两件事不会消失。其一，价格序列非平稳——参与者会因模型的存在而改变行为，训练分布与未来分布不同，这不是数据量能解决的。其二，拥挤本身成了新的风险：所有模型学到同一个信号时，退出的流动性会同时消失。模型越强，剩余的 alpha 越集中于模型无法观测之物：私有信息、耐心，以及承担别人不愿承担的风险。
技术分析里有多少是自我实现的？
比想象中多，也因此不稳定。200 日均线之所以「有效」，部分原因是足够多的人在看它——它成了一个协调点（Schelling point），与 Soros 的反身性（Day 33）同源。但协调点会被抢跑：抢跑者足够多时，信号在触发前就被消化，规律先漂移再消失。自我实现的规律，寿命取决于抢跑它的成本。
如果价格里没有信息，市场靠什么被定价？
这正是 Grossman 与 Stiglitz（1980）的悖论：若价格已完整反映所有信息，就没人有动力付出成本收集信息；而无人收集，价格又不可能反映信息。市场必然停在一个均衡上：始终存在一部分可获取的超额收益，恰好等于收集与分析信息的成本。对个人的含义很实际——超额收益不来自看图，而来自别人不愿付出的那部分工作：读完那份年报、想清楚那个行业、在别人被迫卖出时还拿得住。