李航

【摘 要】 股票技术形态分析方法由来已久，但在得到广泛使用的同时，其原理与使用一直存在诸多争议。其焦点在于技术分析在操作中的高度主观性。本文应用非参数核回归来建立一种系统的、自动的技术形态识别算法，并采用基于模拟的方法对30只个股及上证综指进行实证检验，以此评估技术分析的有效性。

【关键词】 技术形态分析 有效性 核回归

一、引言

股票技术形态分析，作为证券投资分析的主要方法之一，一直是证券投资者经常使用的一种工具。但这种“看图艺术”的方式，也使得技术分析一直被诟病主观性太强。本文试图通过使用一种系统性的，科学的方法对技术分析进行定义，使用数量化的方法来度量技术分析形态，通过实证的检验，从而在技术分析与量化金融分析之间搭建一座桥梁。同样，本文也尝试增加技术分析的方法和工具，使用量化的手段进行技术分析。

二、技术形态分析的有效性研究

2.1 平滑统计量与核回归

核函数为非参数方法，其函数形式是未经设定的，因此对函数形式的约束较少，从而其具有更大的适用性。本文使用最普遍采用的核函数形式——正态核来进行权数的构造。

2.2 技术形态的自动识别技术

本文将构造一种可以使计算机自动识别价格图形形态的算法，我们的算法包括下面三个方面：

1.通过图形的几何性质定义技术形态，例如利用局部极值来确定技术形态；

2.通过给定的价格时间序列，构造核回归估计量，这样局部极值便可以由数值来确定；

3.分析，找出局部极值，确定每一种技术形态发生的频率。

本文重点分析在传统技术分析中常常使用的两对技术形态：头肩顶（HS）和头肩底（IHS），三角形顶（TTOP）和三角形底（TBOT）。我们只需要五个连续的极值即可定义头肩形态。

三、实证分析

在研究中，我们选取的时间跨度为2006年1月1日至2015年12月31日。在具体个股的选择上，我们从51个证监会股票行业分类挑选30个行业规模较大的行业，再从每一个行业中分别选取1只在行业内具有领先地位的龙头股票，共30只个股。我们对四种形态的频数及收益率数据进行加总，得到下表。

从上表可以看出，在5%的显著性水平下，三角形顶与三角形底这一对形态，其条件收益率与无条件收益率的分布具有显著差异。而头肩顶形态的条件收益率也与无条件收益率有显著差异。这也表明這三种形态能够提供有价值的信息，即此种形态出现会对收益率产生显著的影响。

四、结论

首先，本文使用了非参数核回归来对股票日收盘价进行拟合，得到局部极值点；然后我们则对四种形态进行了数学化的定义并实现了计算机的自动识别；最后，我们选取了30只具有代表性的股票与上证综指一起，根据数学定义进行形态发生频率的统计以及其收益率的描述性分析，得出结论：形态出现频率最高的是头肩形，头肩顶与头肩底分别出现664次和685次。就收益率的统计分析来说，出现次数最多的头肩底，其收益率均值只有-0.401%；次数第二多的头肩顶，收益率均值为0.295%。而收益率均值最高的形态为三角形底，其值为1.56%，可以看出，出现频率高的形态往往收益率不高，而收益率高的形态则出现频率较低。

然后，我们采用Kolmogorov-Smirnov检验方法，对收益率序列进行对比分析，得出结论：三角形底与头肩顶比较显著，我们认为三角形底确实能获得更高的收益率，而头肩顶只在三分之一的个股中有效，其效果不如三角形底。

【参考文献】

[1] Andrew W， Harry M and Jiang Wang： Foundations of Technical Analysis： Computational Algorithms， Statistacal Inference， and Empirical Implementation， NBER working paper series， 2000.

[2] 陈胜荣：技术分析有效性的实证研究[D]，厦门大学硕士论文，2001.

[3] 许凯：对中国股票市场弱有效性的研究[D]，复旦大学硕士论文，2010.