是否有一個系統的名稱或任何研究，您試圖通過查找過去類似的價格歷史來預測未來價格？
請允許我解釋一下。
你從某個時期回顧到現在。假設從一周前到現在，使用每分鐘視圖。然後，您爬取過去價格數據的數據庫，並嘗試找到與該一周視窗最相似的歷史記錄段。您在匹配的歷史段之後顯示歷史數據的價格，希望目前市場將遵循與歷史數據類似的趨勢。
對我來說，這聽起來像是一個很好的策略，因為它在形態層面攻擊市場。它不依賴指標來尋找趨勢，而是尋找趨勢本身。但我不禁認為這是幼稚的，實施起來會浪費時間。
有人做過嗎？或者誰能告訴我為什麼這是一個愚蠢的想法？
您可能想查看David Aronson的《基於證據的技術分析》一書。
在其中，他應用統計技術來確定某些時間序列模式是否具有任何預測能力。這是一本有趣的讀物，應該讓您了解如何區分民間傳說和統計嚴謹性。它還為您提供了充足的文獻參考。
您可以找到有關CXO 諮詢的書的很好的概述和摘要。
您還可以在作者的網頁上找到更多資料。
一些您可能感興趣並且遵循類似構想的讀物是 Shmilovici 在“使用可變階馬爾可夫樹模型預測股票收益”中的讀物。
EMH 的弱形式在四個國際證券交易所進行了測試：德國 DAX 指數；美國道瓊斯 30 指數；奧地利 ATX 指數和丹麥 KFX 指數。通用預測算法與 50、75 和 100 個連續每日收益的滑動視窗一起使用，最長可達 12 個交易年。在大約 3% 至 30% 的交易日內，檢測到 17% 至 81% 的 ATX、KFX 和 DJ30 股票系列具有統計意義的預測。總結預測分析表明，對於 99% 的置信水平，波動較大的德國 (DAX) 和美國 (DJ30) 市場確實是有效的。該算法會檢測 ATX 和 KFX 市場中潛在的市場低效率時期，這些時期可能被用來獲得超額回報。” 奧地利 ATX 指數和丹麥 KFX 指數。通用預測算法與 50、75 和 100 個連續每日收益的滑動視窗一起使用，最長可達 12 個交易年。在大約 3% 至 30% 的交易日內，檢測到 17% 至 81% 的 ATX、KFX 和 DJ30 股票系列具有統計意義的預測。總結預測分析表明，對於 99% 的置信水平，波動較大的德國 (DAX) 和美國 (DJ30) 市場確實是有效的。該算法會檢測 ATX 和 KFX 市場中潛在的市場低效率時期，這些時期可能被用來獲得超額回報。” 奧地利 ATX 指數和丹麥 KFX 指數。通用預測算法與 50、75 和 100 個連續每日收益的滑動視窗一起使用，最長可達 12 個交易年。在大約 3% 至 30% 的交易日內，檢測到 17% 至 81% 的 ATX、KFX 和 DJ30 股票系列具有統計意義的預測。總結預測分析表明，對於 99% 的置信水平，波動較大的德國 (DAX) 和美國 (DJ30) 市場確實是有效的。該算法會檢測 ATX 和 KFX 市場中潛在的市場低效率時期，這些時期可能被用來獲得超額回報。” 在大約 3% 至 30% 的交易日內，檢測到 17% 至 81% 的 ATX、KFX 和 DJ30 股票系列具有統計意義的預測。總結預測分析表明，對於 99% 的置信水平，波動較大的德國 (DAX) 和美國 (DJ30) 市場確實是有效的。該算法會檢測 ATX 和 KFX 市場中潛在的市場低效率時期，這些時期可能被用來獲得超額回報。” 在大約 3% 至 30% 的交易日內，檢測到 17% 至 81% 的 ATX、KFX 和 DJ30 股票系列具有統計意義的預測。總結預測分析表明，對於 99% 的置信水平，波動較大的德國 (DAX) 和美國 (DJ30) 市場確實是有效的。該算法會檢測 ATX 和 KFX 市場中潛在的市場低效率時期，這些時期可能被用來獲得超額回報。”
這不是我曾經嘗試過實施的東西，但仍然與大量其他材料一起生活在我的書架上，等待適當的關注。