■ 李春水 程 浩 博士生(、華西證券有限責(zé)任公司 成都 6004 、西南財經(jīng)大學(xué)會計學(xué)院 成都 6307)
“技術(shù)分析”這一術(shù)語是各種交易技術(shù)的統(tǒng)稱。技術(shù)分析者相信,買賣交易的相互對比能夠被市場交易的圖像所描述。在基本面分析流行以前,技術(shù)分析被廣泛地應(yīng)用于資本市場投資。時至今日,技術(shù)分析仍然是與基本面分析具有同等重要地位的分析方法。那么,如此廣泛被應(yīng)用的方法是否可以為投資者帶來效益呢?這正是本文所要討論的目標(biāo)。
已有的文獻(xiàn)已從技術(shù)分析的某類方法對其有效性進(jìn)行了研究。例如,針對均線規(guī)則的有效性問題,Brock et al.(1992)的實(shí)證研究發(fā)現(xiàn),投資者使用這一規(guī)則能夠獲利,而且,該異常收益不能被流行的收益率時間序列模型很好地解釋。不僅是均線規(guī)則,Lo et al.(2000)和陳卓思、宋逢明(2005)分別對頭肩形態(tài)在美國和中國市場中的有效性進(jìn)行檢驗(yàn)時發(fā)現(xiàn),投資者根據(jù)該形態(tài)進(jìn)行股票投資,都能夠獲得異常收益。
也有文獻(xiàn)對技術(shù)分析的有效性提出了質(zhì)疑。例如,Allen and Karjalainen(1999)的實(shí)證結(jié)果發(fā)現(xiàn),投資者運(yùn)用技術(shù)分析并不能獲取異常的收益率,僅有在部分市場形態(tài)下,投資者才能通過技術(shù)分析在股票市場中獲利。孫碧波(2005)在對上證指數(shù)進(jìn)行了實(shí)證研究后也發(fā)現(xiàn),技術(shù)分析的有效性并非是持續(xù)和穩(wěn)定的。
本文使用滬深300指數(shù)2006年1月-2012年4月的數(shù)據(jù),對W&R威廉指標(biāo)的有效性問題進(jìn)行了研究。本文發(fā)現(xiàn):投資者能夠通過該指標(biāo)獲取收益,且買入日的平均回報率顯著高于賣出日的平均回報率;投資者在構(gòu)建策略時增加緩沖空間能夠獲得更大收益,因?yàn)榫彌_空間提高了買入收益率,并且提高了賣空收益率的絕對值?;贏RMA模型以及GARCH模型的Bootstrap檢驗(yàn)結(jié)果進(jìn)一步表明,W&R威廉指標(biāo)策略產(chǎn)生的收益率絕對值大于上述模型所得到的“正?!笔找媛实慕^對值,這兩個常用模型無法解釋W(xué)&R威廉指標(biāo)策略所獲得的收益率。
本文的樣本為滬深300指數(shù),時間范圍從2006年1月到2012年4月。這些數(shù)據(jù)全部來自于銳思數(shù)據(jù)庫。考慮到2006年至2008年為我國股市歷史大牛市的周期,本文以2009年1月為界,將樣本劃分為兩個子區(qū)間,2006年1月至2008年12月,以及2009年1月至2012年4月。
樣本的描述性統(tǒng)計顯示:首先,樣本在兩個子區(qū)間中的差異十分明顯,在前一階段中,均值為0.12%,明顯大于后一階段0.06%的均值,且前一階段的標(biāo)準(zhǔn)差也大于后一階段。其次,無論在整個區(qū)間還是在子區(qū)間都表現(xiàn)出顯著自相關(guān)。然而,自相關(guān)程度和符合卻表現(xiàn)出明顯差異,最典型的是第一階自相關(guān)系數(shù),后一階段顯著為負(fù)值。絕對值也增加至0.20%;Buy-Sell策略的日平均回報率增加至0.41%。這表明,考慮緩沖空間后,W&R威廉指標(biāo)策略所獲得的收益顯著提高了。
表1 W&R威廉指標(biāo)策略的實(shí)證結(jié)果
表2 考慮緩沖空間的實(shí)證結(jié)果
表3 ARMA模型的Bootstrap檢驗(yàn)結(jié)果
W&R威廉指標(biāo)是由Larry Williams于1973年首創(chuàng)的,使用WMS來表示市場處于超買還是超賣的狀態(tài)。WMS的計算公式是:
WMS=100*(Hn-Ct)/(Hn-Ln) (1)
其中,Ct為當(dāng)天的收盤價;Hn和Ln是最近n日內(nèi)(包括當(dāng)天)出現(xiàn)的最高價和最低價。本文按照慣例將n取14天。WMS表示的含義是當(dāng)天的收盤價在過去的一段日子的全部價格范圍內(nèi)所處的相對位置。當(dāng)WMS低于20時,股票處于超買狀態(tài);當(dāng)WMS高于80時,股票處于超賣狀態(tài)。為了避免WMS頻繁變動產(chǎn)生偽信號,本文引入緩沖空間,當(dāng)WMS變動超過臨界值(20和80)的1%時才做出買賣交易。
表1和表2給出了實(shí)證結(jié)果。其中:Buy為買入日回報率均值,Sell為賣出日回報率均值;Sd為標(biāo)準(zhǔn)差;Buy-Sell為根據(jù)同時買賣的總回報率均值。從表1中可以看到:在2006年1月至2012年4月中,投資者根據(jù)W&R威廉指標(biāo)買入股票,平均日回報率為0.14%;賣出日平均回報率為0.19%,根據(jù)W&R威廉指標(biāo)賣空股票所獲的收益率低于買入股票,這與買入和賣出交易日的風(fēng)險是相對應(yīng)的,買入日標(biāo)準(zhǔn)差大于賣出日的標(biāo)準(zhǔn)差;同時買賣所獲的日平均回報率為0.33%。分區(qū)間來看,根據(jù)W&R威廉指標(biāo),投資者都能夠獲得顯著的異常平均回報率。而且,在股市趨勢更為明確的2006年至2009年中,投資者能夠獲得更高的異常收益率,日平均回報率為0.57%,顯著大于第二個區(qū)間0.1%的平均回報率。
當(dāng)增加緩沖空間時,買入日的平均回報率增加了,在2006年到2012年4月,增加到0.21%;同時,賣出日的平均回報率
為了進(jìn)一步檢驗(yàn)W&R威廉指標(biāo)的有效性,基于ARMA模型和GARCH模型,本文采用Bootstrap方法對上述結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。由于篇幅的限制,本文僅對2006年1月至2012年4月做檢驗(yàn)。每個模型的模擬次數(shù)均為800次。
從前文給出的描述性統(tǒng)計結(jié)果可知,滬深300指數(shù)收益率具有顯著的自相關(guān)關(guān)系。自相關(guān)系數(shù)顯示,在2006年1月至2012年4月中,滬深300指數(shù)存在3階自相關(guān)關(guān)系,第4階自相關(guān)系數(shù)在10%水平下不顯著。因此,本文使用ARMA(3,1)模型。
表3得出結(jié)果與上文的檢驗(yàn)結(jié)果基本一致,即:無論是否考慮緩沖空間,模擬的買入日收益率高于W&R威廉指標(biāo)結(jié)果的比值都非常??;類似地,賣出日的模擬結(jié)果中大于W&R威廉指標(biāo)結(jié)果的比例高達(dá)98%;Buy-Sell策略下,幾乎所有的W&R威廉指標(biāo)結(jié)果都大于利用ARMA得到的模擬結(jié)果。上述結(jié)果表明,對于投資者根據(jù)W&R威廉指標(biāo)所得到的異常收益率,ARMA模型無法給出合理預(yù)測。
股票收益率,特別是日度收益率序列,通常呈現(xiàn)出波動聚集的特征。因此,本文進(jìn)一步使用GARCH(1,1)模型來對股價進(jìn)行預(yù)測。模型的估計結(jié)果如下:
表4 GARCH模型的Bootstrap檢驗(yàn)結(jié)果
其中,括號內(nèi)為t統(tǒng)計量。根據(jù)以上GARCH(1,1)模型,本文得到相應(yīng)的Bootstrap檢驗(yàn)結(jié)果,并列在表4中。與表3結(jié)果類似,基于GARCH(1,1)的Bootstrap檢驗(yàn)結(jié)果也表明:無論是否考慮緩沖空間,模擬的買入日收益率高于W&R威廉指標(biāo)結(jié)果的比值都非常小;類似地,賣出日的模擬結(jié)果中大于W&R威廉指標(biāo)結(jié)果的比例高達(dá)99.91%;Buy-Sell策略下,幾乎所有的W&R威廉指標(biāo)結(jié)果都大于利用GARCH得到的模擬結(jié)果。上述結(jié)果表明,對于投資者根據(jù)W&R威廉指標(biāo)所得到的異常收益率,GARCH模型無法給出合理預(yù)測。
研究發(fā)現(xiàn):投資者能夠通過該指標(biāo)獲取收益,且買入日的平均回報率顯著高于賣出日的平均回報率;投資者在構(gòu)建策略時增加緩沖空間能夠獲得更大收益,因?yàn)榫彌_空間提高了買入收益率,并且提高了賣空收益率的絕對值?;贏RMA模型以及GARCH模型的Bootstrap檢驗(yàn)結(jié)果進(jìn)一步表明,W&R威廉指標(biāo)策略產(chǎn)生的收益率絕對值大于上述模型所得到的“正常”收益率的絕對值,這兩個常用模型無法解釋W(xué)&R威廉指標(biāo)策略所獲得的收益率。上述實(shí)證檢驗(yàn)結(jié)果表明,在我國股票市場中,投資者根據(jù)W&R威廉指標(biāo)策略進(jìn)行股票投資,可以獲得超額收益率,即技術(shù)分析法具有有效性。
1.陳卓思,宋逢明.圖形技術(shù)分析的信息含量[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2005(9)
2.孫碧波.移動平均線有用嗎?—基于上證指數(shù)的實(shí)證研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2005(2)
3.Allen,F(xiàn). and R. Karialainen. Using genetic algorithms to find technical trading rules. [J]. Journal of Financial Economics,1999(51)
4.Brock,W.,J. Lakonishok,and B.LeBaron. Simple technical trading rules and the stochastic properties of stock returns. [J].The Journal of Finance,1992(5)
5.Lo,A. W.,H. Mamaysky,and J.Wang. Foundations of technical analysis:computational algorithms,statistical inference,and empirical implementation.[J].The Journal of Finance,2000(4)