刻画股票市场状态，可以从宏观经济、微观企业、政策导向、投资者情绪、资金流动、技术分析等多个角度入手。其中，技术分析应用较为广泛，这种方法通过研究历史市场数据（主要是价格数据）来预测未来价格走势，假设所有已知和未知的信息都已反映在价格中，价格变动存在规律，且历史规律将在未来重复出现。
择时模型大多包含技术维度，但简单使用技术指标往往效果欠佳。究其原因，第一，量价信息与市场同步，很难做左侧判断；第二，市场往往存在多种运行模式的嵌套，对历史规律的刻画可能存在过拟合或欠拟合；第三，历史规律在未来可能被打破。即便如此，技术面信息最为直观、即时、准确，仍是构建市场观测体系的良好切入点。
本文旨在充分挖掘技术面信息刻画市场状态，构建对市场技术状态的综合分析体系。首先，将“市场状态”这一模糊的概念，细分到价格、量能、波动、趋势、拥挤等几个具体的维度，然后在各个维度内初选观测指标，考察其择时效果。如果历史上市场在这些维度上存在着较为清晰稳定的运行规律，则相关指标可以作为一个有价值的市场观测窗口，纳入市场状态分析体系；如果规律不稳定不清晰，则暂不纳入。
经过一系列单指标检验之后，本文选取出10个具体指标，并基于单指标分别发出多空信号。进一步，我们将10个指标的多空信号进行等权投票，形成综合分析体系，最终打分结果体现为之间的取值，越贴近+1，说明对市场看多观点越强烈；越贴近-1，说明市场较弱或风险极高，看空观点越强烈。多指标分布相对单一指标更为稳健，观测角度也更为全面，在市场发生异动时能较为灵敏地做出反应。
观测市场状态的五个维度：价格、量能、趋势、波动、拥挤
构建市场分析体系的第一步在于明确市场观测的角度。本文从股票和衍生品市场量价数据出发，初步选取价格、量能、趋势、拥挤、波动等5个维度刻画市场状态，并在每个维度内初选基于细分指标：
指标选取和单指标择时有效性检验
市场观测指标的筛选方法
对前述指标的初选指标进行检验，筛选有效的市场观测指标，指标检验的流程如下：
步骤1：构建因子序列
对于每个指标，遍历N取值为1日、5日、20日、60日、120日等计算周期，得到具体的因子序列，如60日内换手率的波动、20日内ADX等；
步骤2：宽基指数择时
以万得全A为择时标的，应用该指标构建择时策略，对因子的择时能力进行检验。具体方法为：遍历不同的因子平滑窗口、策略回看窗口、策略类型（含4个正向策略和4个反向策略），发出目标多空择时信号，计算择时净值和统计量；然后绘制覆盖随信号类型变化箱图，观察正反向逻辑下择时覆盖是否显著分箱，如果分箱显著，且箱体分布靠上，说明该因子历史上存在一定择时价值，对参数不敏感；若正反向策略区分度不明显，或大部分箱体均不及买入持有指数自身，说明该因子对择时没有增益或参数依赖度较强。
步骤3：评估策略逻辑
考察指标经济学逻辑，分析是否具备跟踪观测价值。以下我们通过两个例子来说明：
20日内创新高天数占比因子：正向策略优于反向策略，区分度明显。该因子直观刻画市场趋势延续特征——指数向上突破动能增强时适宜买入，动能减弱时适宜卖出。尽管整体指标收益分布不高，但逻辑清晰直观，具备跟踪价值。
5%个股成交额占比因子：正向策略优于反向策略，区分度更为明显，但策略体现“越拥挤越买入，越分散越卖出”的择时逻辑，这符合部分行情阶段的特征（如热门股票的逼空上行），但市场过热后可能反转；牛市扩张阶段热点轮动，成交额分散未必预示风险，据此做空可能踏空行情。因此，我们判断该指标择时逻辑不够稳健，样本内表现可能对极端行情过拟合，暂不纳入跟踪体系。
市场观测指标的选取结果
根据上述三个步骤的筛选，我们最终选取10个指标，结果如下：
对上述10个指标分别构建择时策略，适用策略和体现的择时逻辑汇总如下表。大部分子策略刻画市场趋势延续特征，少部分刻画市场趋势反转特征，这也与我们前期对技术指标的测试结果一致——趋势中产生的收益高于震荡市产生的磨损。其中，“20日创新高天数占比”和“60日换手率波动”在多头端的胜率和赔率均显著高于空头，故将其优化为单边做多策略，仅做多不做空，对于股票这种具备一定生息能力的资产，资产价格存在长期上行趋势，做空应更谨慎。
单指标对万得全A择时效果
本文主要考虑技术指标对A股整体的方向性择时，故以表征全市场运行的万得全A指数为主要择时标的，采用上述10个指标分别对万得全A指数进行择时，回测框架同《再论A股择时：多维度融合-20250529》，具体设计如下：
接下来我们对这些指标逐个进行介绍。
20日价格乖离率
因子本身表征当日收盘价相对于过去20日均线的偏离。策略构建上采用正向趋势策略，乖离率升高买入（1），下降卖出（-1）。相当于追踪价格的二阶变化。
20日布林带
直接对指数收盘价应用布林带策略，当日收盘价突破过去20日均值+2倍标准差以上则发出买入信号（+1），向下突破过去20日均值-2倍标准差则发出卖出信号（-1），其余时间维持前一日观点。布林带是经典的通道类策略，虽然单独使用往往存在胜率较低的问题，但在综合体系中可以较为灵敏的识别价格异动，把握大趋势，具备跟踪价值。
20日换手率乖离率
因子表征当日换手率相对于过去20日换手率均线的偏离；采用正向趋势策略，乖离升高买入，下降卖出。相当于追踪换手率的二阶变化。
60日换手率乖离率
当日换手率相对于过去60日换手率均线的偏离，采用正向趋势策略，乖离率升高买入，下降卖出。同样追踪量能的二阶变化。
20日ADX
首先介绍因子：ADX全称为Average Directional Movement Index，由技术分析师威尔斯·威尔德（Welles Wilder）提出。ADX指标包含3条线：+DI（Positive Directional Indicator）、-DI（Negative Directional Indicator）和ADX。前两者分别衡量过去一段时间（本文取值为20日）上行趋势强度和下行趋势强度，二者共同决定趋向指数DX，而ADX为DX的移动平均（本文取值20日）。
DX = |（+DI - -DI）| / （+DI + -DI）
ADX本身只刻画的趋势的强度，而不体现方向，在进行市场观测时，可以进一步构建正向ADX和负向ADX，以明确当前趋势究竟是上行趋势还是下行趋势。策略构建上，我们统一采用跟踪20日ADX的趋势策略，趋势强度升高则买入，减缓则卖出。
20日创新高天数占比
因子本身表征过去 20 天内、创过去 20 日新高的天数占比。采用正向趋势策略，新高天数占比升高买入，下降卖出。相当于追踪向上突破的动能。该指标在多头端效果较好，仅做多，不做空。
期权隐含波动率
追踪期权隐波的趋势，上行则买入，下行则卖出。虽然该因子使用的是正向趋势策略，但隐波本身是在刻画市场的不稳定性，隐波上升意味着情绪恐慌，此时买入旨在捕捉超跌后的反弹，本质上这是一个利用了期权市场非理性定价的反转信号。
60日换手率波动
在上一部分的因子选取中，我们发现换手率和成交量的波动在择时能力上均显著好于价格本身的波动，故在波动这一维度，我们没有使用指数价格本身的波动，而是使用量能波动和期权反推的隐含波动。
60日换手率波动因子表征过去60天内换手率的标准差，刻画量能的波动情况，回测中多头端效果更好，仅做多不做空。分析其择时逻辑：量能一般领先于价格，在价格发生异动（特别是大涨）之前，量可能提前做出反应，观测换手率的波动可以把握量能的异动，从而捕捉行情机会。
指数成分股涨停家数占比5日均值
过去5日内，指数成分股中涨停家数占比的均值，涨停意味着股票强势，交易溢出，市场流动性不能满足这些股票的买入需求，一定程度上形成拥挤。从另一个角度，涨停股占比提升，也意味着市场上行动能的增强。经测试，涨停端比跌停端更具择时能力，故舍弃跌停股占比相关信息，仅关注上涨端，对该指标采取正向趋势跟踪策略。
期权持仓量PCR的5日均值
50ETF期权持仓量认沽认购比（PCR）的5日均值，历史上，该因子与市场走势呈负相关，即市场上行过程中，认购期权合约被消化，认沽持仓合约积累，导致该股比指标上行。经过回测，该指标宜采用反向策略，即该股比指标越高越看空。
市场打分体系和综合择时策略构建
技术打分体系对近两年的行情复盘
上述10 个指标，首先，从因子自身的走势刻画了市场当前的运行状态（价格高还是低，量能大还是小，波动水平，趋势强度等）；其次，通过择时策略把握市场运行规律，将“因子”转换为“信号”，即对未来的多空观点；最终，我们基于这10 个指标构建起一个综合的技术打分体系，这个体系基于对当前状态的理解发表对未来的打分，具体合成方法为：将10个指标的多空信号取均值，结果落在【-1，+1】之间，得分越贴近+1，说明当前状态下越看多；越贴近-1，说明当前状态下越看空。
因为使用的大部分是量价数据，整体这个技术打分体系还是以趋势追踪为主，即市场本身比较强势的时候倾向于继续做多，弱势时倾向于继续做空，但也有少部分指标在刻画反转特征，与趋势特征结合使用。多信号结合后，该打分体系并不简单是对于当前市场状态的刻画，也蕴含了对未来走势的多空强弱观点。技术打分体系相对于基本面、情绪面等其他维度的一个优势在于，主要采用量价数据，数据获取简捷高效，细分维度丰富，紧跟市场，可以较为灵敏的把握市场的边际变化，帮助投资者直观认知市场。
如下图所示：2024 年以来，年初市场下行，但技术得分逐渐增加，意味着市场可能超卖，后续蕴含反转动能；2 月市场触底反弹，得分先是顺趋势累积，然后在2 月下旬逆趋势下行，提示阶段性见顶；3-5 月市场震荡，得分在-0.4~0.4 之间徘徊；5-7 月市场下行，技术得分在7 月震荡阶段一度冲高，认为出现做多机会，但行情并未配合，随后7-9 月行情继续走弱，得分随之降低，但在8 月底9 月初再次冲高，提示做多窗口；“924”以后，市场打分一度达到极值，但在11 月初快速下行，体现上涨动能阶段性趋缓。2025 年1-5 月，市场震荡，得分在-0.4 到0.6 之间徘徊，信号变化以追短期趋势为主；6-8 月市场建立上行趋势，得分冲高，在8 月下旬再次达到极值，彼时也恰是市场上行趋势最流畅的阶段，估值等防御指标也尚未发出过热信号；8 月底9 月初，市场调整，技术得分快速下行，从乐观转为谨慎（与此同时，多维择时模型的估值、情绪等指标也发出阶段性防御信号）；10 月中旬后，得分转入负值区间，市场从趋势上行转为震荡，价格仍维持高位，但从得分变化中可以清晰观察到市场状态的切换。\
构建综合择时策略并扩展至 A 股主流宽基
将上述技术分结果转换为多空择时信号，规则如下：
上述打分方案共 0、1、-1 三个取值，代表多空平三种观点，且三种观点的取值概率基本均衡（由于两个指标仅做多，做多概率会略高于做空），设置中性取值区间，兼顾了信号的连续性和灵敏性，也更贴合投资者对市场的认知（上涨、下跌、震荡）。
将综合择时信号应用于 A 股主要宽基指数，回测结果显示，综合择时信号对大部分宽基指数存在显著择时效果，覆盖在 0.7 以上；对万得全 A、沪深 300、中证 500、中证 800、中证 2000、创业板指的择时覆盖高达 1 以上；但对于超大盘指数如上证 50 则效果不佳。总体来看，这套体系对于除上证 50 之外的大部分宽基指数泛化能力较好，但择时收益仍比较依赖于对大的趋势行情的捕捉，这也是技术分析的一个常见问题。由于因子计算主要基于择时标的自身量价信息，故同一时间点不同宽基的得分存在细微区别，除了可以在时序上刻画市场强弱变化之外，还可以在截面上对不同宽基进行横向对比。
回顾上述择时体系，我们发现模型对大的趋势行情捕捉较好（如2014-2015年、2024年9月、2025年6-8月），而在震荡行情中获取收益的能力相对较差。究其原因，第一，子指标中的量、价两个维度直接追踪趋势，以布林带为典型代表，这类策略往往更注重赔率而非胜率，呈现出“震荡行情小亏，趋势行情多赚”的特征；第二，阈值设置相对严格，只有当打分结果倾向性较为明显时才发出信号，震荡行情不轻易开仓，规避风险的同时也错失了一部分收益。
因此，我们考虑信号版本二：剔除量、价维度的4个因子，仅保留趋势、波动、拥挤6因子；放宽信号阈值至0。业绩表现如下：信号2相对于信号1，在胜率上有所提升，而赔率有所降低。由于增加了开仓机会，收益、波动和回撤均有放大，整体夏普和Calmar有所提升。
从净值走势和分年度收益来看，信号2相对于信号1，在2012年、2017年、2021年、2023年等负收益年份均有改善，收益的稳定性有所提高。对比来看，信号1是典型的技术指标体系，更注重把握大趋势；信号2则牺牲一部分趋势收益，以减少震荡市的磨损。
小结
本文主要工作在于：充分挖掘技术面信息刻画市场状态，第一，将“市场状态”这一模糊的概念，细分到价格、量能、波动、趋势、拥挤等几个具体的维度，并在各个维度内共筛选出10个具体的观测指标；第二，构建起技术打分体系，帮助投资者直观、全面的理解和观测市场；第三，构建综合择时策略，在A股大部分宽基上均有较好的适应性，但该择时策略整体侧重技术维度，依赖于对大的趋势行情的捕捉，具体使用上，推荐与基本面、估值、情绪、资金等维度结合。