技术分析有效性的实证研究

发布时间：2015-03-02 09:33

陈婕东南大学

摘要：早期研究大多支持随机游走假说，并认为技术分析不能给投资者带来额外收益。近些年，有一些研究提出股票收益可以利用过去的统计数据进行预测的结论。在此基础上，本文基于技术交易策略中最广泛使用的移动平均线方法，选取雅虎网站上两只具有代表性的股票和一只股票指数进行技术分析有效性的检验，以期丰富现有理论。

关键词：技术分析；移动平均；有效性

一、技术分析有效性概述

技术分析是以预测市场价格变化的未来趋势为目的，以图表为主要手段对市场行为进行的研究，其有效性是金融理论界广泛争论的问题之一。衡量一个技术分析指标好坏的常用标准是依据历史数据计算应用指标的超额收益率，然而对投资者来说，选择买卖股票很大程度上取决于自己对于未来价格走势的判断，如果预测未来走势看好，一般情况下投资者是不会选择抛售股票的，反之亦然。所以在选用技术分析指标进行投资决策时，，不仅要关注应用该指标的收益率，同时要注意使用该指标进行预测的准确率。值得注意的是，这里所说的技术分析有效的基本前提是投资者是理性的。然而大量的研究发现，人的情绪、性格及心理感觉等主观因素在金融投资中起着不可忽视的作用，投资者并不总是以理性的态度做出决策，其行为不仅受到自身固有的认知偏差影响，同时还受到外界环境的干扰，这使得基于技术分析的交易策略并不总是成功的。本文基于技术交易策略中最广泛使用的移动平均线方法，来检验技术分析的有效性，以期丰富现有理论。

二、移动平均线方法的有效性实证研究

（一）研究思路

本文选取具有代表性的All Ordinaries index和两家代表性的公司（BHP Billiton和Westpac Banking Corporation方法来对股票价格走势进行预测，并通过计算相应的预测准确率来讨论该技术分析方法的有效性。

（二）移动平均线方法简介

λt ( S ) =(Ct - S +1 + Ct - S +2 + Ct - S +3 + … + Ct)/S

t =S

φt ( L ) =(Ct - L +1 + Ct - L +2 + Ct - L +3 + … + Ct)/L

t = L

我们设计了以下方法来计算预测准确率:

T M - 1 ( S ) <φT M - 1 ( L ) 并且λ T M ( S ) > φT M ( L ) CTM + 1 > CTM ，TH - 1 ( S ) >φ TH- 1 ( L ) 并且λTH ( S ) <φ TH ( L ) P =(V M + V H)/(M + H)。对于步长的选择，我们考虑这样几种移动平均线组合: ( 3,103) , ( 5, 105) , ( 10, 110) , ( 15, 115) , ( 20, 120)。

（三）实证结果与分析：

表1. the All Ordinaries index计算出的交叉移动平均线预测股价准确率

All Ordiaries index

　

(3,103)

(5,105)

(10,110)

(15,115)

(20,120)

总穿越次数M+H

110

79

55

53

47

有效数V M + V H

93

63

36

34

28

预测成功概率P

0.845454545

0.797468

0.654545

0.641509

0.595745

均值

0.706944494

表2. BHP Billiton公司股票收盘价计算出的交叉移动平均线预测股价准确率

　

(3,103)

(5,105)

(10,110)

(15,115)

(20,120)

总穿越次数M+H

114

79

65

57

44

有效数V M + V H

90

54

40

31

27

预测成功概率P

0.789473684

0.683544

0.615385

0.54386

0.613636

均值

0.649179723

表3. Westpac Banking Corporation股票收盘价计算出的交叉移动平均线预测股价准确率

　

(3,103)

(5,105)

(10,110)

(15,115)

(20,120)

总穿越次数M+H

119

92

61

55

54

有效数V M + V H

89

58

34

35

29

预测成功概率P

0.74789916

0.630435

0.557377

0.636364

0.537037

均值

0.621822333

三、技术分析有效性研究结论

通过以上实证研究发现，基于移动平均线方法判定的技术分析都能够在一定程度上为投资者提供决策帮助，因而我们得出技术分析有效的结论。

参考文献：

[1] Alexander, DS. (1964). Price movements in speculative markets: trends or random walks .Industrial Management Review ,15(2),7- 26.

[2]Bessembinder, H. & Chan, H. (1998). Market efficiency and the returns to technical analysis. Financial Management, 272,5-17.

[3] Brock, W. & Lakonishok, J. & LeBaron, B. (1992). Simple Technical Trading Rules and the Stochastic Properties of Stock Returns . Journal of Finance, 47,1731-1764.

[4] Fama, Eugene F. & Blume, Marshall E. (1966). Filter rules and stock-market trading .Journal of Business , 39,226-241.

本文编号：15894