使用技術分析的人在什麼時候成為 Quant？

對不起，如果這個問題聽起來很粗糙。我不打算貶低我還沒有理解的東西，比如量化金融。

所以為了簡單起見：

1. 量化金融是一門科學，就像數學或物理一樣？
2. 還是它更類似於技術分析，但包含更多的數學知識？

我知道技術分析不是一門科學，而是嘗試將數學應用於過去的財務數據，以便找到一種方法來預測相同財務數據的未來走勢。

顯然，事情可能會混淆並造成混亂。

像簡單的移動平均線這樣的公式是真正的數學，它們仍然屬於科學領域。當人們試圖應用移動平均線來預測未來時，他們就會越過科學的邊界進入經驗主義領域（不幸的是，在最壞的情況下甚至可能導致江湖騙術）。

當我在維基百科上閱讀“算法交易量化”時，我更加困惑

通常是 Quant 收入最高的形式，ATQ 利用信號處理中的方法

Well A T3（所謂的蒂爾森移動平均線）來自信號處理（低通濾波器/微分器數字濾波器），用於技術分析。

所以如果有人使用簡單的移動平均線是技術分析師，但是當他使用 T3 移動平均線時是量化，因為後者計算起來更複雜？

量化金融當然比技術分析要多得多，前面的問題在概述不同領域方面做得不錯，維基百科上的“量化分析師”也是如此。

即使對於維基百科所說的“算法交易量化”或Mark Joshi所說的“統計套利量化”，技術分析也只是一個非常廣泛的工具箱中的一個工具。一些量化交易策略將絕對零使用通常被稱為技術指標的東西，而另一些則非常依賴它們。我會說有兩點可以區分使用技術人員和技術人員的Quant：

1. 一種嚴謹的方法，包括回溯測試、統計（t 統計量、信賴區間）、績效測量（資訊比率和資訊係數）、優化以及對推動回報的更廣泛理解的一大堆。
2. 平衡使用技術指標以及其他類型的指標和/或非技術分析方法（例如，優化頭寸規模的均值變異數）。

David Aronson的基於證據的技術分析是量化技術分析的一個例子。大多數其他技術分析書籍都是垃圾。

引用自：https://quant.stackexchange.com/questions/2086