几十年前技术分析总结的形态大部分的效力已经大幅降低，但是我们的交易界从来没有对这个问题有足够的认识，以至于今天绝大多数技术分析的教科书还在传授很多完全不符合市场实际和交易实践的理论。技术分析的三大前提是技术分析发挥作用的前提，但是这三大前提目前基本上已经不具备了，如果我们还躺在技术分析祖宗的功劳簿上不思进取，则很难取得像杰西·利莫佛一样的伟大成就。技术分析是金融交易分析技术的雏形，而格雷厄姆的证券分析也是金融交易分析技术的雏形，唯有我们在这些技术的基础上不断发展才能在交易界长久立足。证券分析的基本手段一直在发展，各种定价模型的出现就是明证，但是投机分析技术却一直停滞不前，现在是重新发展技术分析的时候了，目前有一条渐渐明朗的路摆在我们的面前，这就是将技术分析统计化和心理化。
技术分析涉及很多指标和形态，以及与之相关的完整交易策略，甚至EA(自动交易程序)，而这些东西的可靠性和其他统计特征现在基本上没有可供参考的资料，这些东西到底能带来什么样的胜算率和风险报酬率组合，恐怕没有人知道。所以，我们只有把技术分析从经验主义发展为科学主义，才能在交易界中占有一席之地。那么，技术分析的统计化应该如何着手呢?涉及哪些具体方面?下面，我们就分成三个方面来介绍。
第一，指标有效性的概率特征需要统计。技术指标主要分为两大类：震荡指标和趋势指标，两类指标即使混合在-起也不可能达到真正意义上的互补，也就是说震荡指标和趋势指标仍旧会发出自己的信号，而无法过滤对方的虚假信号，这就是技术指标的难处。我们这里不是要讲怎么解决这一难题，而是回到主题——各种技术指标有效性的统计。比如震荡指标RSI的有效性是多少，要知道RSI的有效性，就要定义RSI的具体功能；再如给出阶段性调整点的有效率，一定要先从数学上定义指标功能有效的概念，然后再根据这一定义回顾足够的历史数据进行统计。
第二，形态有效性的概率特征需要统计。K线形态已经能够很好地为交易软件程序语句所定义，但是西方技术形态，比如双底和三角形等则需要更高水平的编程语言和技能。不过，现在的编码技术已经能够为诸如艾略特波浪一类超复杂形态编写识别程序，所以如果能够很好地定义形态，则可以利用对它们的有效性进行统计。
第三，交易策略和交易系统的有效性需要从统计上得到求证。投机交易策略很多是基于价格的，自然这些交易策略和系统可以看成是纯技术类的，正因为这样，我们更需要知道它们的统计特征。
其实，技术分析的统计化是我们本书定义的行为分析的后向延伸——仓位管理，而下面要谈的技术分析的心理化则是行为分析的前向延伸——心理分析。
技术分析基本停留在价格分析的层面，但是如果我们不为价格分析提供心理基础，则我们看到的只是影子，而不是物体本身，只有我们掌握了原因才能更好地掌握现象，只有我们把握了本质才不会为纷繁复杂的现象所迷惑。每种技术形态和指标背后的心理含义是我们要去探究的方面。要对技术分析进行心理化，我们必须从下面两个方面着手：
第一，指标反映的心理因素需要确认，马丁·普林格发现震荡指标与市场多空情绪调查指标的走势基本一致，则表明震荡指标可能反映了大众的多空情绪，戴若·顾比将长短两组均线看作是较长期交易者和较短期交易者的代表。每一个指标的数学意义可能需要了解，但是其代表的心理意义则是必须了解的，比如支撑阻力线的心理含义，只有掌握了技术指标背后的心理意义，我们才能更加恰当地运用这些技术指标。
第二，形态反映的心理因素需要确认，图表形态是绝大多数交易者都偏爱的技术分析工具，但是这些形态背后的心理含义我们一般都不会去理会，最多在看部分技术分析书籍的时候会去大致了解下，但是这远远不够。毕竟，形态之所以起作用那是因为背后的心理动因，而形态之所以会失效也是因为背后的心理动因。把握了形态背后的心理意义，我们就可以抛开现象而去把握本质，而本质才是靠得住的东西，现象不是简单重复，但是本质却是在简单重复。
