市场环境、指标配合、个股特征与技术分析有效性

廖唐勇

(广州大学 华软软件学院,广州 510990)

一、典型的特征性事实

第一个基本事实是,中国的股票投资者数量庞大。随着国民财富的增长,大众理财意识也普遍提高。在投资渠道相对有限的现实约束下,进入门槛较低的股票投资已成为普通大众最主要的投资方式之一。根据中国证券登记结算统计年鉴的数据,2016年末共有自然人投资者11 778.42万。

第二个基本事实是,技术分析方法得到了广泛的运用。根据深圳证券交易所[1]在2017年的调查数据,71%的投资者的投资风格以短线交易与趋势投资为特征,投资者主要从网络类媒体获取信息(40.3%～43.3%)并依据技术指标分析进行投资决策(40.4%)。

第三个基本事实是,大部分投资者是亏损的。据同花顺投资账本统计数据,2016年A股亏损股民比例达73.2%,人均亏损50 345元。

如此众多的投资者在依赖技术分析进行交易,但大多数的投资者却又陷入亏损。以至于许多时候技术分析被认为艺术成分多于科学成分。更有甚者,技术分析偶尔被污名化,被认为是玄学、伪科学(当然,基本分析方法也同样饱受非议)。

那么,究竟是技术分析无效,还是技术分析方法没有被正确地使用呢?一个明显的常识是,技术分析有时有效,而有时又无效。技术分析何时有效,何时无效?究竟应何时使用、怎么使用才能提高技术分析的有效性?这正是本文的研究目的。

二、文献回顾

1. 技术分析的定义

技术分析是基于历史信息,应用逻辑、统计等方法,归纳总结出过去所出现的典型市场行为特点,得到一些市场行为的固定模式,并利用这些模式预测证券市场未来的变化趋势(李向科,2015)[4]。因此,技术分析的结论是一种统计上的概率预测。技术分析有三个假设:(1)市场行为包含一切信息;(2)价格沿着趋势移动,并保持趋势;(3)历史会重演。

2. 关于技术分析有效性的研究

关于技术分析有效性的实证研究主要集中在以下两个方面:第一,单纯检验技术分析的有效性。孙碧波(2005)[9]检验了移动平均线获取超额利润的能力,结论表明其获利能力与持有期是否固定有关,而且异步交易和交易成本会削弱但不会完全抵消这种能力。 李莎、李红刚[3](2009)通过计算均线预测的准确率来检验技术分析的有效性,并认为中小型股票中技术分析的有效性要强于权重个股。韦增欣等(2013)[6]用数值计算的方法对比了“买入——持有”策略与基于EXPMA指标的主动交易策略的收益,发现多数情形下EXPMA主动交易策略要优于“买入——持有”策略。曾劲松(2005)[2]、汪天都等(2015)[5]的研究发现技术分析确实能产生显著的经济收益(后者考虑了交易成本与风险调整),从而证明我国股票市场尚未达到弱式有效。

本文认为,持有期限、异步交易、交易成本、风险调整等问题主要是数据测量问题,并不是真正意义上的技术分析有效性的影响因素。

3. 技术分析与市场环境

从理论上看,CAPM模型表明Ri=Rf+βi×(Rm-Rf),即个股的收益率与市场收益率具有联动性。其引申含义是市场环境对个股表现具有重要影响,进而影响技术分析的有效性。从投资直觉来看,当市场环境良好时,赚钱效应明显,技术分析的可靠性强一些。而当市场环境不利时,利用技术分析方法逆市交易往往招致损失。无论出于投资理论还是投资常识,市场环境必然对技术分析的有效性产生影响。虽然偶尔也有一些脱离市场环境走出独立行情的个股,但这只是个案,因而不是本文讨论的重点。

4. 技术分析与指标配合

技术分析不是片面地对单一技术指标的生搬硬套,而是需要不同技术指标的配合使用。多种技术分析工具之间进行相互验证可以提高技术分析的预测成功率(李向科,2015)[4]。或许出于数据获取的便利性,既有文献均采用单一技术指标来检验技术分析的有效性,而完全忽略了不同技术指标之间的配合。然而,单一技术指标作为一种技术分析工具,并不是技术分析的全部,更不是技术分析本身。事实上,任何单一的技术指标都只是刻画了市场的某一个方面的特征。技术分析的定义内在地要求技术分析应该综合使用各种技术分析工具,以达到对市场各个侧面的了解,从而提高预测的成功概率。

5. 技术分析与基本分析的关系

已有一些文献强调了技术分析与基本分析相互配合的重要性。William J. O’Neil(1999)[7],Burton G. Malkiel(2016)[8]均强调了技术分析与基本分析的配合。William J. O’Neil(1999)[7]认为基本分析用于选股,技术分析用于择时,选股在先,择时在后,而不能颠倒顺序。技术分析不应该与其他分析方法割裂使用,与其他分析方法结合使用可以提高准确率(李向科,2015)[4]。

6. 本文与现有文献的不同之处

本文在三个方面与既有文献不同。第一,从研究内容上看,或许是由于数据收集的困难(国内常用的Wind、CSMAR等金融数据库均没有完整的技术分析数据可用),作者目前尚未发现针对技术分析有效性影响因素的实证文献,而这正是本文力求解释的问题。第二,从研究对象上看,以往技术分析有效性的检验主要是模拟指数,但广大中小投资者交易的却是个股。本文针对个股收集数据,因而更具有现实性与可操作性。第三,从研究方法上看,国内绝大多数关于技术分析有效性的研究均采用简单数值模拟的方法对比“买入——持有”策略与利用技术分析工具构建的交易策略的收益率高低。本文应用OLS回归模型来定量分析各种影响因素对技术分析有效性的影响。

三、模型设定

基于第二部分的分析,本文从市场环境、指标配合、个股特征三个角度选取技术分析有效性的解释变量,并对这些因素与技术分析有效性之间的关系进行实证检验。设定如下回归模型:

effness=β0+β1marketup+β2simul-2+β3simul-3+β4simul-4+β5marketup*simul-2

+β6marketup*simul-3+β7marketup*simul-4+β8rise+β9rise2+β10performance+β11(P/B)+β12ROE+β13ln(marketvalue)+u

其中β0为截距,βj(j=1,2,…,13)为斜率参数,u是随机误差项。被解释变量effness是一个取值为0和1的二值变量。当技术分析有效时,取值为1;当技术分析无效时,取值为0。于是,E(effness|X)=P(effness=1|X),其中X代表所有解释变量,这是一个线性概率模型。股票交易本质上是一个概率博弈,投资者要做的就是寻找成功概率高的交易机会。因此,线性概率模型的系数提供了最直观的经济解释。

1. 变量说明

(1)技术分析有效性。本文把技术分析有效性定义为技术分析提供的买点正确揭示了获利机会。实际交易中存在交易成本。我们设定印花税为1‰(单边征收),交易佣金按2‰计,则一笔完整的买卖交易发生的交易成本为5‰,即0.5%(考虑到沪深两市关于过户费的不同规定,本文忽略过户费)。我们假定若某一交易日收盘时买入信号成立,则在尾盘第一时间买入。考虑到K线指标是一个短线指标,它只能用于预测买入信号发生之后较短时期内的价格变化,而对时间间隔较远的价格变化的预测则无能为力。因此本文界定交易周期为不超过5个交易日。本文定义若随后5个交易日之内出现的最高价格超出买入信号发生日收盘价的0.5%,即买入信号正确地揭示了获利机会,则技术分析有效。此时,effness取值为1,否则取值为0。这样定义被解释变量effness便可以在很大程度上克服所谓的异步交易和交易成本等数据测量问题。

(2)市场环境。在市场环境良好时,投资者的风险偏好提升,资金入场意愿较强,股价止跌要求较高,技术支撑往往成为有效支撑,止跌信号往往成为有效信号。而市场环境不利时,个股往往容易被拖累,技术分析提示的买入信号更容易成为无效信号。因此,我们预期良好的市场环境将提升技术分析的有效性。本文把指数处于上涨阶段定义为多头市场,并取值为1;指数处于下跌阶段和横向整理阶段则分别定义为空头市场和多空平衡市场,取值为0。

(3)指标配合。本文的指标配合定义为一个买点既符合经典止跌K线组合买点,又符合重要均线(样本数据中包括20、30、60、120、250日五种周期的均线)、水平切线、倾斜切线、黄金分割线其中一种或多种买点。样本数据中的K线包括穿刺线(piercing line)、牛吞线(bullish engulfing)、早晨之星(morning star)三种经典止跌K线组合形态。之所以选择这三种K线作为基础指标,是因为K线指标本身是所有技术分析工具中最基本与最原始的分析工具,而这三种K线组合形态可以兼顾“每个交易日产生的买点数量适度”的要求。

指标配合取值为1代表一重买点,即只是单一的K线买点;取值为2则为二重买点,包括“K线+重要均线”“K线+水平切线”“K线+倾斜切线”“K线+黄金分割线”四种情形;取值为3代表三重买点,包括“K线+重要均线+水平切线”“K线+重要均线+倾斜切线”“K线+重要均线+黄金分割线”“K线+水平切线+倾斜切线”“K线+水平切线+黄金分割线”“K线+倾斜切线+黄金分割线”六种情形;取值为4包括“K线+重要均线+水平切线+倾斜切线”“K线+重要均线+水平切线+黄金分割线”“K线+重要均线+倾斜切线+黄金分割线”“K线+水平切线+倾斜切线+黄金分割线”四种情形。

我们预期指标配合比单一指标能获得更高的成功率。例如,在两重指标配合的情形下,我们预期“在重要均线附近出现的经典止跌K线组合”比“单一出现的经典止跌K线组合”具有更高的成功率。事实上,技术分析也把这种买点称为指标共振买点。

(4)累计涨幅。累计涨幅由最近一个上升趋势的最大累计涨幅度量。很显然,趋势不可能永远持续(尤其是本文所涉及的次级趋势)。因此,当累计涨幅达到一定幅度后并进一步扩大时,股价维持原有趋势的前提假定将变得越来越脆弱,次级趋势发生反转的可能性将越来越大。进一步说,技术分析工具所提示的买点失败的可能性也越大,技术分析的有效性将降低。

(5)特征变量。本文主要考虑公司业绩、盈利能力、估值水平、流通市值等个股特征。

公司业绩。股价具有公司业绩支撑的个股,场外资金入场意愿较强,止跌入场信号往往真实有效,技术分析的可靠性较高。而对于业绩不佳的个股,场内资金离场需求强烈,止跌入场信号容易成为技术陷阱,因而技术分析的可靠性将大打折扣。公司业绩有计算方式各异的不同度量方法。我们考虑两种公司业绩的度量方法:一是净利润同比增长率,用买入信号发生日最近一个季度公布的财务报表中“归属于上市公司股东的净利润”比上年同期增减的百分比衡量。二是营业收入同比增长率,其数据同样来自于买入信号发生日最近一个季度公布的财务报表。为了克服不同业绩度量方法同时进入方程可能引起的多重共线性,定义两者的算术平均值为公司业绩,用performance表示。

盈利能力。净资产收益率常用于衡量公司的盈利能力,其对技术分析有效性的影响逻辑与公司业绩相似。我们用买入信号发生日最近一个季度公布的财务报表中“加权平均净资产收益率”衡量。

估值水平。从逻辑上讲,估值水平低的个股,股价泡沫小,趋势的持续性更强,技术分析具有更高的有效性。考虑到部分样本公司处于亏损状态,估值水平用买入信号发生日的市净率衡量。

流通市值。股价没有被操纵是技术分析隐含的前提假定之一。换句话说,技术分析的有效性依赖于股价是否被操纵。然而,股价是否被操纵难以观测。但是,经济常识告诉我们,流通股本小的个股更容易被操纵,形成技术陷阱,因而技术分析更容易失效;对于流通股本较大的个股则更难被操纵,因为操纵股价所需动用的资金规模将更大。因此,我们假定流通股本规模较大的个股,技术分析成功的概率较大。反之,技术分析成功的概率较小。流通市值数据来自于买入信号发生日的流通市值。

2. 数据来源

文中涉及的技术分析有效性、市场环境、指标配合、累计涨幅、市净率、流通市值等数据由作者使用同花顺软件于2017年1月至8月间每个交易日盘后收集整理。其中,K线选择的代码如下:穿刺线的代码是(OPEN[1]-CLOSE[1])/OPEN[1]>5/100 AND OPENCLOSE[1] AND (CLOSE-OPEN)/OPEN>3/100;牛吞线的代码是CLOSE>HIGH[1] AND OPEN2/100 AND (CLOSE-OPEN)/OPEN>5/100;早晨之星的代码是 REF(CLOSE,2)/REF(OPEN,2)<0.97 AND REF(OPEN,1)REF(CLOSE,1) AND CLOSE/OPEN>1.03 AND CLOSE>REF(CLOSE,2)。值得注意的是,参数设置的差异可能导致样本容量发生明显变化。

表1是对各变量的简要说明以及样本数据的描述性统计。

表1 变量说明与描述性统计

四、实证结果

本文采用Stata 12进行计量分析,相关回归结果列于表2与表3中。

1. 回归结果

结合表1与表2的结果,我们作如下分析:

表2 市场环境、指标配合、个股特征与技术分析有效性

注：① 表示在1%的水平上统计显著,② 表示在5%的水平上统计显著,③ 表示在10%的水平上统计显著。括号内为异方差——稳健标准误;下同。

(1)据描述性统计结果,因变量effness的均值为0.57,即在不控制任何解释变量时的无条件成功概率为57%。显然,这一成功概率并不足以支撑起稳定的盈利。这或许是技术分析被滥用后引起的“技术分析无用论”的根源。

(2)在OLS-1中,简单回归结果表明,在多头市场中技术分析的有效性明显高于空头市场与多空平衡市场。在空头市场与多空平衡市场中,技术分析有效性平均只有31%。而在多头市场中,技术分析有效性提高了47.2%,达到78.2%。这一差异是统计显著的,且在不断引入其它解释变量的同时,其显著性并无变化。

(3)在OLS-2中,指标配合对技术分析有效性有正效应。这一正效应不但具有高度的统计显著性,同时也具有明显的经济重要性。例如,在不考虑其它因素的条件下,依靠单一K线指标进行交易的成功概率只有43.3%。相比之下,二重指标配合的成功概率则达到43.3%+36.8%=80.1%,这是一个很大的提高。若指标配合进一步强化,则成功概率也进一步提高。当然,随着指标配合的强化,交易机会也将急剧减少。从投资者异质性的角度看,不同的投资者对技术分析工具的偏好不同,多一重技术指标的配合,将使更多的投资者形成进场合力,从而大大提高其有效性。

(4)在OLS-3中,我们观察不到市场环境对技术共振买点可靠性的影响。这说明技术共振不但可以有效提高交易的成功率,而且可以在一定程度上弱化市场环境的影响。

(6)在OLS-5中,我们引入了个股业绩特征。变量performance的系数显著为正,说明具有业绩支撑的个股其技术分析的有效性较高。

(7)在OLS-6中,我们没有观察到P/B与ROE对技术分析有效性的影响。这也许与媒体和投资者关注有关。由于大多数投资者关注公司的基本面信息主要通过财经媒体的批露(深圳证券交易所,2017),而较少阅读上市公司定期公布的财务报表。而财经新闻中通常不批露P/B与ROE指标,因而较少被投资者所关注,并因而不对价格表现产生显著影响。

(8)在OLS-6中,流通市值规模对技术分析的有效性没有统计显著的影响。已有文献探讨了股本规模对技术分析有效性的影响,但并无一致的观点。如李莎、李红刚(2009)[3]认为技术分析对中小型股票的预测能力要优于对权重股的预测能力,而韩杨(2001)[10]的研究则发现股本规模对技术分析有效性没有任何影响,本文的结论支持后一种观点。

2. 稳健性检验

为了检验结论的稳健性,表3中的OLS-7把指标配合设定为数量变量simul,并引入市场环境与它的交互项。此外,我们也更换了回归方法,采用Logit回归模型进行检验。可以看出,关键变量的显著性并无明显变化,说明表2中的结论是稳健的。

五、操作含义

本文的实证结果具有如下操作含义:

(1)市场环境会对技术分析的有效性产生实质影响,技术分析者应顺势而为。在多头市场中可以积极介入,而在空头市场与平衡市场中应尽量减少交易。

(2)从技术指标配合的角度看,应尽量选择具有多重技术指标配合的交易机会,以提高成功概率。由于这种交易机会出现的频率远低于单一K线指标揭示的买点,因此要求投资者“管住自己的双手”耐心等待。

(3)从价格的空间位置看,应选择累计涨幅适度的个股,尽量不要在趋势尚未形成与确认时参与,也不要在趋势持续太久,累计涨幅已经很高的情况下盲目操作。

(4)使用技术分析不应忽视公司基本面,应尽量选择净利润和营业收入稳定增长,具有良好业绩支撑的个股进行交易。

六、本文的不足之处

本文虽然较为详细地探讨了技术分析有效性的影响因素,但在数据测量时并没有考虑对市场风险的补偿。此外,虽然合理地结合技术分析进行选股与择时对成功交易是必备的,但是股票交易还有很多同样重要的内容。比如,科学的仓位管理、严格的止盈止损与平和的交易心态对每一个在市场中稳健获利的投资者而言都是必不可少的。这些方面因为难以量化并没有在本文的讨论中涉及。