本文提出了一个高效、自动化的趋势识别算法,规避了许多技术分析研究为主流金融学术界所诟病的主观性和不严谨性问题。基于Charles Dow提出的“趋势”的明确定义,我们出于优化算法时间复杂度的考虑,采用minmax算法确定价格k线图上与判断趋势相关的局部极大极小值点。我们分别对中证500股指期货2015年4月至2016年12月的日内分钟收益率数据,和846只A股2000年至2016年的日收益率数据进行了实验。为了检验算法的有效性,我们通过双样本t检验来验证是否能通过被识别出来的趋势盈利,通过Χ~2拟合优度检验来验证被识别出来的趋势是否包含信息,并且用市场上常用的衡量基金表现的指标作为辅助的有效性检验。我们发现,对于股指期货的日内交易,该趋势识别算法在2015年9月2日中金所公布股指期货交易限制政策之前非常有效,费后Sharpe比率高达4.11,策略表现远远好于市场,但在政策公布后变得不再有效,侧面印证了一个活跃和自由的股指期货市场对于投资者的重要性。对于多数A股,回测结果显示该算法能够在控制回撤的基础上获得较高的收益。通过构建一个包含了全部846只A股的等权组合来分散风险,投资者能够获取0.62的费后Sharpe比率,从而击败市场。我们建议投资者,若想要将该算法用于股指期货日内交易,需要在政府完全松绑股指期货交易限制后才可实施;若想要将该算法用于交易A股,则需要组合的股票成分足够多样化。