市場環境、指標配合、個股特征與技術分析有效性

廖唐勇

(廣州大學 華軟軟件學院,廣州 510990)

一、典型的特征性事實

第一個基本事實是,中國的股票投資者數量龐大。隨著國民財富的增長,大眾理財意識也普遍提高。在投資渠道相對有限的現實約束下,進入門檻較低的股票投資已成為普通大眾最主要的投資方式之一。根據中國證券登記結算統計年鑒的數據,2016年末共有自然人投資者11 778.42萬。

第二個基本事實是,技術分析方法得到了廣泛的運用。根據深圳證券交易所[1]在2017年的調查數據,71%的投資者的投資風格以短線交易與趨勢投資為特征,投資者主要從網絡類媒體獲取信息(40.3%～43.3%)并依據技術指標分析進行投資決策(40.4%)。

第三個基本事實是,大部分投資者是虧損的。據同花順投資賬本統計數據,2016年A股虧損股民比例達73.2%,人均虧損50 345元。

如此眾多的投資者在依賴技術分析進行交易,但大多數的投資者卻又陷入虧損。以至于許多時候技術分析被認為藝術成分多于科學成分。更有甚者,技術分析偶爾被污名化,被認為是玄學、偽科學(當然,基本分析方法也同樣飽受非議)。

那么,究竟是技術分析無效,還是技術分析方法沒有被正確地使用呢?一個明顯的常識是,技術分析有時有效,而有時又無效。技術分析何時有效,何時無效?究竟應何時使用、怎么使用才能提高技術分析的有效性?這正是本文的研究目的。

二、文獻回顧

1. 技術分析的定義

技術分析是基于歷史信息,應用邏輯、統計等方法,歸納總結出過去所出現的典型市場行為特點,得到一些市場行為的固定模式,并利用這些模式預測證券市場未來的變化趨勢(李向科,2015)[4]。因此,技術分析的結論是一種統計上的概率預測。技術分析有三個假設:(1)市場行為包含一切信息;(2)價格沿著趨勢移動,并保持趨勢;(3)歷史會重演。

2. 關于技術分析有效性的研究

關于技術分析有效性的實證研究主要集中在以下兩個方面:第一,單純檢驗技術分析的有效性。孫碧波(2005)[9]檢驗了移動平均線獲取超額利潤的能力,結論表明其獲利能力與持有期是否固定有關,而且異步交易和交易成本會削弱但不會完全抵消這種能力。 李莎、李紅剛[3](2009)通過計算均線預測的準確率來檢驗技術分析的有效性,并認為中小型股票中技術分析的有效性要強于權重個股。韋增欣等(2013)[6]用數值計算的方法對比了“買入——持有”策略與基于EXPMA指標的主動交易策略的收益,發現多數情形下EXPMA主動交易策略要優于“買入——持有”策略。曾勁松(2005)[2]、汪天都等(2015)[5]的研究發現技術分析確實能產生顯著的經濟收益(后者考慮了交易成本與風險調整),從而證明我國股票市場尚未達到弱式有效。

本文認為,持有期限、異步交易、交易成本、風險調整等問題主要是數據測量問題,并不是真正意義上的技術分析有效性的影響因素。

3. 技術分析與市場環境

從理論上看,CAPM模型表明Ri=Rf+βi×(Rm-Rf),即個股的收益率與市場收益率具有聯動性。其引申含義是市場環境對個股表現具有重要影響,進而影響技術分析的有效性。從投資直覺來看,當市場環境良好時,賺錢效應明顯,技術分析的可靠性強一些。而當市場環境不利時,利用技術分析方法逆市交易往往招致損失。無論出于投資理論還是投資常識,市場環境必然對技術分析的有效性產生影響。雖然偶爾也有一些脫離市場環境走出獨立行情的個股,但這只是個案,因而不是本文討論的重點。

4. 技術分析與指標配合

技術分析不是片面地對單一技術指標的生搬硬套,而是需要不同技術指標的配合使用。多種技術分析工具之間進行相互驗證可以提高技術分析的預測成功率(李向科,2015)[4]?；蛟S出于數據獲取的便利性,既有文獻均采用單一技術指標來檢驗技術分析的有效性,而完全忽略了不同技術指標之間的配合。然而,單一技術指標作為一種技術分析工具,并不是技術分析的全部,更不是技術分析本身。事實上,任何單一的技術指標都只是刻畫了市場的某一個方面的特征。技術分析的定義內在地要求技術分析應該綜合使用各種技術分析工具,以達到對市場各個側面的了解,從而提高預測的成功概率。

5. 技術分析與基本分析的關系

已有一些文獻強調了技術分析與基本分析相互配合的重要性。William J. O’Neil(1999)[7],Burton G. Malkiel(2016)[8]均強調了技術分析與基本分析的配合。William J. O’Neil(1999)[7]認為基本分析用于選股,技術分析用于擇時,選股在先,擇時在后,而不能顛倒順序。技術分析不應該與其他分析方法割裂使用,與其他分析方法結合使用可以提高準確率(李向科,2015)[4]。

6. 本文與現有文獻的不同之處

本文在三個方面與既有文獻不同。第一,從研究內容上看,或許是由于數據收集的困難(國內常用的Wind、CSMAR等金融數據庫均沒有完整的技術分析數據可用),作者目前尚未發現針對技術分析有效性影響因素的實證文獻,而這正是本文力求解釋的問題。第二,從研究對象上看,以往技術分析有效性的檢驗主要是模擬指數,但廣大中小投資者交易的卻是個股。本文針對個股收集數據,因而更具有現實性與可操作性。第三,從研究方法上看,國內絕大多數關于技術分析有效性的研究均采用簡單數值模擬的方法對比“買入——持有”策略與利用技術分析工具構建的交易策略的收益率高低。本文應用OLS回歸模型來定量分析各種影響因素對技術分析有效性的影響。

三、模型設定

基于第二部分的分析,本文從市場環境、指標配合、個股特征三個角度選取技術分析有效性的解釋變量,并對這些因素與技術分析有效性之間的關系進行實證檢驗。設定如下回歸模型:

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為截距,βj(j=1,2,…,13)為斜率參數,u是隨機誤差項。被解釋變量effness是一個取值為0和1的二值變量。當技術分析有效時,取值為1;當技術分析無效時,取值為0。于是,E(effness|X)=P(effness=1|X),其中X代表所有解釋變量,這是一個線性概率模型。股票交易本質上是一個概率博弈,投資者要做的就是尋找成功概率高的交易機會。因此,線性概率模型的系數提供了最直觀的經濟解釋。

1. 變量說明

(1)技術分析有效性。本文把技術分析有效性定義為技術分析提供的買點正確揭示了獲利機會。實際交易中存在交易成本。我們設定印花稅為1‰(單邊征收),交易傭金按2‰計,則一筆完整的買賣交易發生的交易成本為5‰,即0.5%(考慮到滬深兩市關于過戶費的不同規定,本文忽略過戶費)。我們假定若某一交易日收盤時買入信號成立,則在尾盤第一時間買入?？紤]到K線指標是一個短線指標,它只能用于預測買入信號發生之后較短時期內的價格變化,而對時間間隔較遠的價格變化的預測則無能為力。因此本文界定交易周期為不超過5個交易日。本文定義若隨后5個交易日之內出現的最高價格超出買入信號發生日收盤價的0.5%,即買入信號正確地揭示了獲利機會,則技術分析有效。此時,effness取值為1,否則取值為0。這樣定義被解釋變量effness便可以在很大程度上克服所謂的異步交易和交易成本等數據測量問題。

(2)市場環境。在市場環境良好時,投資者的風險偏好提升,資金入場意愿較強,股價止跌要求較高,技術支撐往往成為有效支撐,止跌信號往往成為有效信號。而市場環境不利時,個股往往容易被拖累,技術分析提示的買入信號更容易成為無效信號。因此,我們預期良好的市場環境將提升技術分析的有效性。本文把指數處于上漲階段定義為多頭市場,并取值為1;指數處于下跌階段和橫向整理階段則分別定義為空頭市場和多空平衡市場,取值為0。

(3)指標配合。本文的指標配合定義為一個買點既符合經典止跌K線組合買點,又符合重要均線(樣本數據中包括20、30、60、120、250日五種周期的均線)、水平切線、傾斜切線、黃金分割線其中一種或多種買點。樣本數據中的K線包括穿刺線(piercing line)、牛吞線(bullish engulfing)、早晨之星(morning star)三種經典止跌K線組合形態。之所以選擇這三種K線作為基礎指標,是因為K線指標本身是所有技術分析工具中最基本與最原始的分析工具,而這三種K線組合形態可以兼顧“每個交易日產生的買點數量適度”的要求。

指標配合取值為1代表一重買點,即只是單一的K線買點;取值為2則為二重買點,包括“K線+重要均線”“K線+水平切線”“K線+傾斜切線”“K線+黃金分割線”四種情形;取值為3代表三重買點,包括“K線+重要均線+水平切線”“K線+重要均線+傾斜切線”“K線+重要均線+黃金分割線”“K線+水平切線+傾斜切線”“K線+水平切線+黃金分割線”“K線+傾斜切線+黃金分割線”六種情形;取值為4包括“K線+重要均線+水平切線+傾斜切線”“K線+重要均線+水平切線+黃金分割線”“K線+重要均線+傾斜切線+黃金分割線”“K線+水平切線+傾斜切線+黃金分割線”四種情形。

我們預期指標配合比單一指標能獲得更高的成功率。例如,在兩重指標配合的情形下,我們預期“在重要均線附近出現的經典止跌K線組合”比“單一出現的經典止跌K線組合”具有更高的成功率。事實上,技術分析也把這種買點稱為指標共振買點。

(4)累計漲幅。累計漲幅由最近一個上升趨勢的最大累計漲幅度量。很顯然,趨勢不可能永遠持續(尤其是本文所涉及的次級趨勢)。因此,當累計漲幅達到一定幅度后并進一步擴大時,股價維持原有趨勢的前提假定將變得越來越脆弱,次級趨勢發生反轉的可能性將越來越大。進一步說,技術分析工具所提示的買點失敗的可能性也越大,技術分析的有效性將降低。

(5)特征變量。本文主要考慮公司業績、盈利能力、估值水平、流通市值等個股特征。

公司業績。股價具有公司業績支撐的個股,場外資金入場意愿較強,止跌入場信號往往真實有效,技術分析的可靠性較高。而對于業績不佳的個股,場內資金離場需求強烈,止跌入場信號容易成為技術陷阱,因而技術分析的可靠性將大打折扣。公司業績有計算方式各異的不同度量方法。我們考慮兩種公司業績的度量方法:一是凈利潤同比增長率,用買入信號發生日最近一個季度公布的財務報表中“歸屬于上市公司股東的凈利潤”比上年同期增減的百分比衡量。二是營業收入同比增長率,其數據同樣來自于買入信號發生日最近一個季度公布的財務報表。為了克服不同業績度量方法同時進入方程可能引起的多重共線性,定義兩者的算術平均值為公司業績,用performance表示。

盈利能力。凈資產收益率常用于衡量公司的盈利能力,其對技術分析有效性的影響邏輯與公司業績相似。我們用買入信號發生日最近一個季度公布的財務報表中“加權平均凈資產收益率”衡量。

估值水平。從邏輯上講,估值水平低的個股,股價泡沫小,趨勢的持續性更強,技術分析具有更高的有效性?？紤]到部分樣本公司處于虧損狀態,估值水平用買入信號發生日的市凈率衡量。

流通市值。股價沒有被操縱是技術分析隱含的前提假定之一。換句話說,技術分析的有效性依賴于股價是否被操縱。然而,股價是否被操縱難以觀測。但是,經濟常識告訴我們,流通股本小的個股更容易被操縱,形成技術陷阱,因而技術分析更容易失效;對于流通股本較大的個股則更難被操縱,因為操縱股價所需動用的資金規模將更大。因此,我們假定流通股本規模較大的個股,技術分析成功的概率較大。反之,技術分析成功的概率較小。流通市值數據來自于買入信號發生日的流通市值。

2. 數據來源

文中涉及的技術分析有效性、市場環境、指標配合、累計漲幅、市凈率、流通市值等數據由作者使用同花順軟件于2017年1月至8月間每個交易日盤后收集整理。其中,K線選擇的代碼如下:穿刺線的代碼是(OPEN[1]-CLOSE[1])/OPEN[1]>5/100 AND OPENCLOSE[1] AND (CLOSE-OPEN)/OPEN>3/100;牛吞線的代碼是CLOSE>HIGH[1] AND OPEN2/100 AND (CLOSE-OPEN)/OPEN>5/100;早晨之星的代碼是 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,參數設置的差異可能導致樣本容量發生明顯變化。

表1是對各變量的簡要說明以及樣本數據的描述性統計。

表1 變量說明與描述性統計

四、實證結果

本文采用Stata 12進行計量分析,相關回歸結果列于表2與表3中。

1. 回歸結果

結合表1與表2的結果,我們作如下分析:

表2 市場環境、指標配合、個股特征與技術分析有效性

注：① 表示在1%的水平上統計顯著,② 表示在5%的水平上統計顯著,③ 表示在10%的水平上統計顯著。括號內為異方差——穩健標準誤;下同。

(1)據描述性統計結果,因變量effness的均值為0.57,即在不控制任何解釋變量時的無條件成功概率為57%。顯然,這一成功概率并不足以支撐起穩定的盈利。這或許是技術分析被濫用后引起的“技術分析無用論”的根源。

(2)在OLS-1中,簡單回歸結果表明,在多頭市場中技術分析的有效性明顯高于空頭市場與多空平衡市場。在空頭市場與多空平衡市場中,技術分析有效性平均只有31%。而在多頭市場中,技術分析有效性提高了47.2%,達到78.2%。這一差異是統計顯著的,且在不斷引入其它解釋變量的同時,其顯著性并無變化。

(3)在OLS-2中,指標配合對技術分析有效性有正效應。這一正效應不但具有高度的統計顯著性,同時也具有明顯的經濟重要性。例如,在不考慮其它因素的條件下,依靠單一K線指標進行交易的成功概率只有43.3%。相比之下,二重指標配合的成功概率則達到43.3%+36.8%=80.1%,這是一個很大的提高。若指標配合進一步強化,則成功概率也進一步提高。當然,隨著指標配合的強化,交易機會也將急劇減少。從投資者異質性的角度看,不同的投資者對技術分析工具的偏好不同,多一重技術指標的配合,將使更多的投資者形成進場合力,從而大大提高其有效性。

(4)在OLS-3中,我們觀察不到市場環境對技術共振買點可靠性的影響。這說明技術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場環境的影響。

(6)在OLS-5中,我們引入了個股業績特征。變量performance的系數顯著為正,說明具有業績支撐的個股其技術分析的有效性較高。

(7)在OLS-6中,我們沒有觀察到P/B與ROE對技術分析有效性的影響。這也許與媒體和投資者關注有關。由于大多數投資者關注公司的基本面信息主要通過財經媒體的批露(深圳證券交易所,2017),而較少閱讀上市公司定期公布的財務報表。而財經新聞中通常不批露P/B與ROE指標,因而較少被投資者所關注,并因而不對價格表現產生顯著影響。

(8)在OLS-6中,流通市值規模對技術分析的有效性沒有統計顯著的影響。已有文獻探討了股本規模對技術分析有效性的影響,但并無一致的觀點。如李莎、李紅剛(2009)[3]認為技術分析對中小型股票的預測能力要優于對權重股的預測能力,而韓楊(2001)[10]的研究則發現股本規模對技術分析有效性沒有任何影響,本文的結論支持后一種觀點。

2. 穩健性檢驗

為了檢驗結論的穩健性,表3中的OLS-7把指標配合設定為數量變量simul,并引入市場環境與它的交互項。此外,我們也更換了回歸方法,采用Logit回歸模型進行檢驗。可以看出,關鍵變量的顯著性并無明顯變化,說明表2中的結論是穩健的。

五、操作含義

本文的實證結果具有如下操作含義:

(1)市場環境會對技術分析的有效性產生實質影響,技術分析者應順勢而為。在多頭市場中可以積極介入,而在空頭市場與平衡市場中應盡量減少交易。

(2)從技術指標配合的角度看,應盡量選擇具有多重技術指標配合的交易機會,以提高成功概率。由于這種交易機會出現的頻率遠低于單一K線指標揭示的買點,因此要求投資者“管住自己的雙手”耐心等待。

(3)從價格的空間位置看,應選擇累計漲幅適度的個股,盡量不要在趨勢尚未形成與確認時參與,也不要在趨勢持續太久,累計漲幅已經很高的情況下盲目操作。

(4)使用技術分析不應忽視公司基本面,應盡量選擇凈利潤和營業收入穩定增長,具有良好業績支撐的個股進行交易。

六、本文的不足之處

本文雖然較為詳細地探討了技術分析有效性的影響因素,但在數據測量時并沒有考慮對市場風險的補償。此外,雖然合理地結合技術分析進行選股與擇時對成功交易是必備的,但是股票交易還有很多同樣重要的內容。比如,科學的倉位管理、嚴格的止盈止損與平和的交易心態對每一個在市場中穩健獲利的投資者而言都是必不可少的。這些方面因為難以量化并沒有在本文的討論中涉及。