随着计算机技术与互联网在中国的快速发展,国内金融市场的不断开放,越来越多的人开始将资产投入到金融产品上。另一方面,计算机与互联网的快速发展带来了信息时代的大爆炸,人们每天都面临着海量数据,这直接导致了信息的低能效吸收,并产生碎片化时间。为此,国内许多机构都开始针对证券市场进行量化分析,旨在通过信息挖掘产生更大投资价值。但目前情况是:国内多数为券商、投行等机构在从事相关研究工作;学术领域从事股市技术分析尚处于初级阶段,对技术指标所带来的概率统计、指标选股等,也都存在许多空白。在此背景下,本文基于国内外学术、商业上研究成果,对一些著名证券市场技术指标,包括指数平滑移动平均线(MACD,Moving Average Convergence/Divergence)、相对强弱指标(RSI,Relative Strength Index)、布林线(BOLL)、威廉指标(W%R,Williams Larry%R)、随机指标(KDJ)等进行了量化研究,考察了这些指标在传统意义上的买卖点有效性特征,并根据这些指标向用户推荐符合指标的股票代码,以供用户作为参考,直接从近3000支股票中选出目标股票。为了量化实验的延伸性,本文通过设计、构建量化选股系统服务平台,实现了对最新以及历史上不同时间段的选股操作,同时构建了一套量化指标分析平台,以分析不同时间段,不同股票池,不同技术指标的效率情况。系统平台服务器建构过程中,使用了Python进行数据抓取,并采用NodeJS进行服务器的搭建,充分利用NodeJS事件驱动,非阻塞I/O等轻量特性。此外,在实验过程中,由于数据规模等问题,系统还采用了多进程、算法优化等方法,提高系统效率。最后,系统成功地通过了正确性、完备性等数据对比测试,检验了系统的可靠性;考察了单技术指标与多技术指标组合时的有效性。同时,文章也针对已经存在的两个国内主要信息平台进行了对比,分析了文中系统与二者之间的创新点与不足之处。其中,摆脱对操作系统的依赖、实现跨平台操作为本系统的一大创新,在量化技术指标有效性分析上,也对其他两个平台进行了补充与完善,更侧重于学术研究价值。