技术分析方法由来已久,但在得到广泛使用的同时，其原理与使用一直存在诸多争议。其焦点在于技术分析在操作中的高度主观性。在本文中,我们使用数量化的方法来度量技术分析,应用非参数核回归来建立一种系统的、自动的技术形态识别算法,并采用基于模拟的方法对30只个股及上证综指进行实证检验,以此评估技术分析的有效性。本文首先使用核回归方法拟合股票日收盘价序列,并确定价格曲线上的局部极值点。再使用连续极值点对十种技术形态进行了清晰界定,从而建立一种自动检测技术形态的算法；然后选择30只代表性股票及上证指数2000-2011年的日对数收益为样本,使用该算法，对每一只股票的十种形态进行频数统计,对所对应的虚拟投资收益数据进行统计分析;最后,对技术形态出现后的条件收益率分布与无条件收益率分布的差异性进行基于模拟的检验。通过实证分析,我们发现十种形态中,头肩形态出现频率最高,其次为扩散形态,出现最少的则为双重顶和双重底。而就有效性而言,最有效的只有三角形底和头肩顶。三角形底在20只股票上的条件收益率均值都要显著高于无条件收益率,因此基于三角形底这一持续形态的交易信号确实可以产生超额收益,该形态有效。而头肩顶这一反转形态出现频率很高,但只在9只股票上有效,其有效性不如三角形底。扩散形态、矩形形态和双重底只在部分个股中有效,当我们有针对性的投资这些个股时,可以在以上形态产生买卖信号后进行交易,从而获得较高的收益率。在30只股票及上证综指上都无效的形态有头肩底、三角形顶与双重顶。另外,我们发现有四只股票,十种技术分析形态均无效。综合而言,有两种技术形态对于较多的个股有效,技术分析并非在全部个股中都起作用,单纯利用技术分析方法可能不够全面,多种投资方法结合起来将更有利于投资者判断。本文的创新之处在于使用基于模拟的方法来进行检验。这种检验方法的基本思想即是,将虚拟的分析投资者与“人工构造的”噪声交易者的投资进行比较。我们人工构造m个随机买卖股票的交易者,计算每一位交易者获得的投资均值。再将形态分析的条件收益率均值与m个随机买卖股票的交易者的投资进行比较,若条件收益率均值大于该样本的95%分位数,那我们就认为态分析有效。这种方法思想简单明了且易于计算,将其与传统的Kolmogorov-Smirnov检验相结合,其得结论更具有说服力。但本文也有一些不足之处。定义算法时,我们都是在固定的时间窗口长度求得技术形态,因此这些形态都是短期的,而对于长期的形态则没有考虑进去；另外,交易量是技术分析中一个非常重要的因素,而我们并没有将其纳入考虑范围;最后,计算投资收益时,我们没有考虑各种显性和隐性交易成本,这些都是本文需进一步考虑的问题。