戴维·阿伦森（David Aronson），纽约市立大学巴鲁克学院席克林商学院的助理教授，主讲技术分析、MBA以及金融工程的研究生课程，并且担任Hood River Research Inc.公司（该公司专门设计信号过滤网与预测模型）的副总裁。过去，他曾担任Spear，Leeds&Kellogg的专业交易员与技术分析师，以及Raden Research Group Inc.的总经理（这是一家顾问公司，设计数据挖掘软件PRISM以及各种交易系统与过滤网）。在此之前，他曾经创办Advo Com Corporation公司，运用化投资组合技巧，管理客户的资金并提供顾问服务。他于1967年获得拉法耶特学院（Lafayette College）哲学学士学位，曾经服役于萨尔瓦多的和平部队。

　　技术分析是一门古老的投资分析工具，但是这一工具有一个致命的缺点，就是过于依赖交易员或投资者的主观判断，甚至很多人认为技术分析是门艺术而不是科学。对于涉及资金投入与风险的投资行业来说，技术分析缺乏应有的严谨性。
　　《华章经典·金融投资·实证技术分析：用科学量化方法锁定交易信号》的作者用统计学工具揭示了技术分析理论的缺陷。作者自己开发了一套实证检验技术分析理论有效性的系统方法。对于技术分析的实践操作者来说，是一个非常有用的分析框架。

　　★阿伦森教授用简洁的语言论证了在解释技术分析方法论的过程中存在的理论缺陷，即有效市场假说的假设与结论的缺陷，并且用适当的技术对技术分析的方法进行了改进与检验，事实证明这是正确的。读者将会从此书中受益匪浅。
　　——杰克·施瓦格（Jack Schwager）《金融奇才》（Market Wizards）与“施瓦格期货丛书”的作者
　　
　　★阿伦森教授对数据挖掘的阐述是每一位分析师的必读之物，他对统计推断的全面论述是非常成功的。本书所选取的常识性案例不仅为检验与检验的确认过程节省了时间、金钱，而且还大大减少了在检验过程中遇到的困难。
　　——佩里·考夫曼（Perry Kaufman）《交易系统与方法》（New Trading Systems and Methods）作者
　　
　　★本书打破了很多存在于技术分析领域的神话。读者在购买有关技术分析体系的书籍之前，应当先仔细阅读本书。
　　——桑德尔·施特劳斯（Sandor Straus）MerfinLLC公司高管
　　
　　★在这部充满争议而又引人注目的著作中，你可以不认同戴维·阿伦森的每一个观点。然而，对于每一个试图用科学的严谨态度进行投资技术分析的交易者来说，应当从辩证的角度来阅读本书。
　　——纳尔逊·弗莱堡（Nelson Freeburg）FormulaResearch编辑
　　
　　★技术分析领域出现了一种新的趋势，即利用科学的程序，并依靠统计检验来衡量某一结论质量的新的、严谨的技术分析类型。正如定量分析长期使用的技术分析工具那样，市场分析也开始使用这一工具了。《实证技术分析》是一座里程碑，它将引导我们向着利用更好、更可靠的技术分析类型的目标前进。
　　——约翰·布林格（John Bollinger）CFA，CMT，Bollingerbands.com
　　
　　★戴维·阿伦森对当下流行的技术分析方法的批评可谓恰到好处，这能够让我们感到他的每一次批评都为我们厘清一次思维和视觉上的谬误。
　　——弗雷德·杰姆（Fred Gehm）《量化交易与资金管理》（Quantitative Trading and Money Management）的作者

　　《华章经典·金融投资·实证技术分析：用科学量化方法锁定交易信号》：
　　在上高中的时候，我自认为是学习科学的天才，但是实际上我知道自己对于科学来说就是个门外汉。后来，在大学学习科学的哲学这门课时，我知道科学不只是一组一组的事实。首先，也是最重要的一点，科学是从虚幻的知识中分辨出真实的事实的方法。基于这一点，我花费了40多年的时间来寻找科学的哲学和技术分析之间的关系。
　　在1996年年底至2002年春天的这段时间里，我作为SLK公司的证券自营者所积累的经验使我对技术分析产生了怀疑。自营交易者从事的工作是最为轻松和愉快的工作。他们可以自由运作公司的资本。我的交易策略是基于我35年前所学的有关技术分析的知识。我在1996年10月到2000年2月的前3年半时间里的投资是盈利的。由于我的交易方法是主观的，所以很难说明我所获得的盈利到底是运用技术分析的结果，还是我一贯的牛市偏好正好与市场上涨趋势相一致。我个人认为是后者的原因，因为从我对每个月的月收益率的分析来看，我的收益并没有跑赢市场基准，而是仅仅与市场的基准持平。换句话说，我没有创造显著的正阿尔法值。5在2000年3月股市趋势掉头向下运行后的2年时间里，我把之前所赚的利润全部还给了市场。在全部的5年半的时间里，我的投资结果总的来说，是毫无亮点，甚至是惨淡的。
　　……

导论
致谢

第一部分 方法论、心理学、哲学以及统计学的基础
第1章 客观的法则及其评估
重要的分水岭：客观的技术分析VS.主观的技术分析
技术分析法则
传统的法则与反转法则
在法则评估中基准的使用
其他细节：前视偏差和交易成本
第2章 主观的技术分析的效率错觉
主观的技术分析作为知识的不合理性
个人的传闻轶事：从最初真正的技术分析信仰者到后来的怀疑者
大脑：自然形态的发现者
荒诞的信仰的传播
认知心理学：启发、偏好和错觉
人类处理信息的局限性
极端的确认：过度自信偏差
二手信息偏差：好故事的力量
确认性偏差：现存的信念是如何过滤经验的，以及矛盾的实证是如何存活下来的
虚幻的相关性
图形分析中的错误信仰
直觉判断与启发的作用
代表性启发式与错误趋势和图形中的形态：真实与虚幻
解决虚幻的知识的方法：科学的方法
第3章 科学的方法与技术分析
最重要的知识：获得新知的方法
希腊科学的遗产：喜忧参半的结果
科学革命的起源
对客观现实的信心与客观观察
科学的知识的本质
逻辑在科学中的作用
科学的哲学
最终结果：假设演绎法
对观察结果进行严谨和详细的分析
对科学的方法的主要内容的总结
如果技术分析采用科学的方法
主观的技术分析客观化：样本
技术分析的子集
第4章 统计分析
统计学推理概览
严谨的统计学分析的必要性
抽样与统计推断的样本
实验概率与随机变量
统计理论
描述性的统计学
概率
随机变量的分布概率
概率和概率分布的部分面积之间的关系
抽样分布：统计学推理当中最重要的概念
获得抽样分布：经典的方法
用计算机模拟计算的方法获得抽样分布
关于下一章
第5章 假设检验和置信区间
统计学推理的两种类型
假设检验VS.非正式推理
假设检验的基本原理
假设检验：构成法
用计算机模拟的方法产生抽样分布估算
第6章 数据挖掘偏差：客观技术分析的黄铜矿
落入陷阱：数据挖掘偏差的故事
在客观的技术分析中出现的错误知识的问题
数据挖掘
客观的技术分析研究
数据挖掘和统计推断
数据挖掘偏差：两种因素的影响
数据挖掘偏差的试验研究
解决方法：处理数据挖掘偏差
第7章 非随机价格波动理论
理论的重要性
科学的理论
流行的技术分析有什么问题
反对者的观点：有效市场和随机游走
挑战有效市场假说
行为金融学：随机价格波动理论
发生在有效市场条件下的非随机价格运动
结语

第二部分 案例研究：标准普尔500指数的信号法则
第8章 对应用于标准普尔500指数的法则进行数据挖掘的案例研究
数据挖掘偏差和法则评估
避免数据探测法偏差
分析数据序列
技术分析的主题
绩效统计量：平均收益率
不评估复杂法则
以统计学术语定义的案例研究
法则：将数据序列转换成市场头寸
时间序列指标
法则的输入序列：原始时间序列和指标
应用于案例研究的40种输入序列列表
法则
第9章 案例研究结果与技术分析的未来
研究结果
对案例研究的批评
案例研究扩展的可能性
把复杂法则考虑在内
技术分析的未来

附录 对消除趋势与以头寸偏差为基础的基准相等的观点进行论证
注释