技术分析在外汇交易中的实证研究综述
|
张华 田春霖 北京经济管理职业学院 基金项目：北京市北京经济管理职业学院校级课题，课题编号：18YBA13 摘要：技术分析在外汇交易中的应用一直颇受争议。本文旨在调查研究外汇市场技术分析的盈利能力。基于测试程序的特点，将技术分析盈利能力的相关实证研究分为“早期”研究和“现代”研究，并对各种研究作了较为详细的评述。最后，展望了外汇市场技术分析盈利能力未来研究必须解决的关键问题。 关键词：技术分析；外汇交易；有效市场假说；综述 一、引言 外汇市场作为一个国际性的资本投机市场，是当今全球最大的金融市场。虽然它的发展历史比股票、期货、黄金和利息市场要短很多，但是，它的发展速度却非常的惊人。当前，外汇市场每天的交易规模已远远地超过了股票、期货等其他金融商品市场。一般地，将外汇投资分析方法分为基本分析和技术分析。基本分析探究市场运动的原因，而技术分析研究市场运动的效果，这是基本分析与技术分析最大的区别。 技术分析方法的广泛应用是现代资本市场一个不能回避的事实。技术分析是指根据过去的金融市场价格行为，应用数学与逻辑方法，寻找出一套分析市场走势、预测未来市场趋势的金融市场分析方法。技术分析运用在外汇交易中，是根据过去的汇率价格水平对未来的汇率价格水平进行判断、预测。根据有效市场假说（Efficient Markets Hypothesis，EMH），任何基于过去信息的价格预测都是毫无意义的，所以，技术分析方法与有效市场假说是相矛盾的。 技术分析有效性是一个较为复杂的问题，学者们得出的研究结论也不完全相同。技术分析有效意味着市场是具有一定的可预测性。利用技术分析方法能否获得高于市场平均收益的超额利润是判断技术分析是否有效的最直接检验标准。因此，可以通过检验采用技术分析交易规则进行投资的条件收益率来判断技术分析的盈利能力。因为实证检验中所采用的方法和方法中所隐含假设的条件不尽相同，尤其是在检测技术分析预测能力时，如果任何一个环节采取的处理方法不同或者不同的先验假设都会对结果产生较大的影响。所以，一直以来，学术界始终无法对有效市场的存在以及技术分析的有效性达成较为一致的意见。 二、外汇市场技术交易规则实证研究 学术界对技术分析有效性的争论促进了该研究的发展历程，因此，产生了大量相关研究文献。鉴于所考虑交易规则的数量、交易风险、交易成本、参数优化、数据窥察(Data Snooping)、统计检验和样本外验证的处理方式，将外汇市场有关技术交易规则的实证研究分为“早期”研究（1960～1987）和“现代”研究（1988～2018）。“早期”的研究一般只考虑一个或者两个交易规则，未能充分处理交易风险，未对收益的显著性进行统计检验，规则的样本外检测、参数优化及数据窥察问题也经常被忽略。然而，“现代”研究凭借日益强大的计算机辅助技术模拟了数以千计的交易规则，包括交易成本、交易风险、最优规则的样本外评估和收益的统计显著性检验。 （一）“早期”实证研究 外汇交易市场上，“早期”的大部分研究都显示了技术交易规则的盈利能力，如：Poole (1967)，Logue 和Sweeney(1977)，Cornell 和Dietrich(1978)，Logue, Sweeney和Willett(1978)，Dooley和Shafer(1983)，Sweeney(1986)。其中，比较有代表性的研究文献为Dooley等(1983)[1]和Sweeney(1986)[2]。 Dooley等(1983)对过滤规则的获利能力进行了定量分析研究。根据Fama(1966) [3]的研究方法，在考虑欧洲货币的隔夜利率对即期汇率影响的前提下，采用序列相关、过滤规则以及游程检验对十种不同的汇率进行了实证研究。结果表明，汇率序列之间存在着显著自相关性，几乎所有的交易规则都可以获得显著收益。同时，还发现过滤法则的收益率和日价格波动的标准差存在着正相关性。为了强化上述结论，采用自回归模型模拟多个随机序列检验过滤规则的盈利能力，但是研究结果表明过滤规则对于模拟序列没有显著的获利能力。这一无法解释的结论使有效市场假说理论遭到了质疑。Sweeney(1986)探究了一种考察过滤规则有效性的检验，该检验通过常系数的风险溢价设定来扣减过滤规则所获得的收益，然后再与市场收益率作比较。实证研究结果显示，即使在考虑了交易费用和风险溢价调整之后，过滤法则仍然可以获得显著的超额利润。其中，1%的过滤规则能产生统计上显著的3.0%～6.75%的年平均收益。 （二）“早期”实证研究的缺陷 归纳总结“早期”的实证研究，发现主要存在五个方面的缺陷。第一，对实务界被广泛采用的复杂技术图形（如三角形、头肩形等）的检验极为少见，主要是针对某些可准确量化、便于定义、少数简单的技术交易规则（如移动平均规则、过滤规则等）展开研究。第二，主要依赖于收益率正态分布假设下的t统计量对交易规则超额收益的显著性进行检验，由于真实收益率过程的复杂性使得t检验的真实性和可靠性难以保证。第三，通常是以所考虑的所有交易规则的平均绩效对技术分析的有效性进行评价，因此，个别绩优规则的获利能力很可能被掩盖。第四，由于只检验了收益率线性模型的获利能力和预测能力，而线性相关性也许并不足以揭示技术分析所探测到的价格序列当中复杂的相关模式。第五，对于某些特定的交易规则，参数的选择可能会导致数据窥察偏差，针对这一现象，早期的实证研究并没有对此做出相关探讨。 （三）“现代”实证研究 与“早期”研究相比，“现代”研究对交易规则做了更为全面的分析。尽管“现代”研究对早期交易规则检验程序的局限性有所提高，但是在处理交易成本、参数优化、交易风险、样本外测试、统计检验和数据窥察等问题时仍有较大的差异。因此，基于检验程序的差异，将“现代”研究分为五组，如表所示。“标准研究”（Standard Studies）、“特定模型的自举研究”（Model-based Bootstrap Studies）、“遗传规划研究”（Genetic Programming Studies）、“非线性研究”（Non-liner Studies）、“图模式研究”（Chart Pattern Studies）。 表 外汇市场技术分析“现代”研究目录（1988～2018）  1.标准研究（Standard Studies） “标准研究”中最具用代表性的文献是Lee等(1996b)[4]。Lee等对10种即期交叉汇率进行了实证研究，每3年优化一次交易参数，这样既可以确保最佳参数是自适应的也可以保证模拟是样本外的。采用双尾t检验来检验零假设-技术交规则产生的净收益是零，单尾t检验用于检验扣除交易成本之后净收益的显著性。样本内期间，Lee等发现对于移动平均规则和通道规则而言，除日元/瑞士法郎和日元/马克（年净收益分别为8.8%和11.5%）外，交易规则对其他所有交叉汇率的收益不显著，通道规则的结果于此类似。样本外测试结果更糟糕，大部分的交叉汇率是负收益。只有马克/里拉，移动平均规则和通道规则能获得统计上显著的收益。Olson（2004）[5]明确了外汇市场上移动平均规则的风险调整收益自20世纪70年代的3%开始下降，到90年代末期就几乎不能再获利。 2.特定模型自举研究（Model-based Bootstrap Studies） 1992年Brock等初次采用特定模型自举方法对技术交易规则的盈利能力进行了更为精确的统计检验，同时还考察了价格的动态变化对技术交易规则盈利能力的影响[6]。在外汇市场上，特定模型自举检验方法的应用发现了大量支持技术分析的证据，如LeBaron(1999)[7]、Raj(2000)[8]、Neely(2002)[9]、Saacke(2002)[10]和Sapp(2004)[11]等均对移动平均规则的进行了检验。据此得出结论，为了降低汇率波动性，中央银行通常会考虑干预汇率的变化，延迟汇率的正常调整，进而致使在汇率变化的过程中存在着一定的可用于预测的趋势。 3.遗传规划研究（Genetic Programming Studies） “早期”的研究方法中存在这样一个重要缺陷，即交易规则参数选择存在事后选择性偏差(Ex Post Selection Bias)。因为研究者偏好从事先给定的交易规则参数中寻优，但是这些参数所对应的交易规则的盈利能力很可能过去就表现很好、同时也引起了人们更多的关注。但是如何校正这种事后选择性偏差，学者们却一直没有提出比较正式的解决办法。直到1999年在技术交易规则的获利性检验中，Allen和Karjalainen首次将遗传规划(Genetic Programming)方法应用其中[12]。Neely和Weller(1997)[13]、(1999)[14]、(2001)[15]、2003[16]的研究发现，重要外汇汇率的最优交易规则可以获得1.7%～8.3%不等的显著年超额收益。剑桥大学金融研究中的Dempster等(2006)[17]将技术指标的集合、包含私人信息的订单流和订单数据作为输入，然后利用遗传规划来选择最优交易规则。选用外汇高频数据作为研究对象，结果显示，包含公共信息的技术指标和包含私人信息的订单和订单流组合在一起，生成可以获得超额收益的交易规则。该组合要好于单独使用技术指标、或者单独使用订单流、订单。虽然系统仅使用了很少数的技术指标，但是这少数的技术指标所含信息对订单和订单流是一种补充。并且还证明了如果仅使用订单和订单流指标，而不适用技术指标，交易系统获得收益要相对减少。该研究表明，非公开信息，尤其是订单流和订单数据对外汇市场的预测具有重要作用。 4.非线性研究（Non-liner Studies） 1992年Brock等采用的特定模型自举方法检验发现，常见的几种收益率线性模型均不能解释技术交易规则的收益特征，这一实证结果预示，某些隐藏的非线性相关模式很有可能存在于真实的收益率动态过程中。基于这一预示，1999年Gencay首次研究了技术交易规则的非线性预测能力[18]。他对5种即期汇率1973～1992年的数据做了实证分析，发现基于非线性模型（前馈神经网络、最近邻）和移动平均规则（1/50和1/200）所产生的买卖信号优于GARCH（1,1）模型和随机游走。其中，最近邻模型产生的正确信号高达62%。Sosvilla- Rivero等(2002)[19]的研究发现，对于日元和马克，基于最近邻回归交易规则的净回报分别为28%和35%，优于买卖持有（其收益分别为-0.4%和-1.4%），正确的买卖信号预测率分别达到52%和53%。然而，当忽略美国银行干预时，该交易策略的净收益大幅下降，分别为-28%和-10%，预测性能也低于买卖持有。Fernández-Rodríguez等(2003)[20]利用欧洲货币体系9种汇率1978～1994年每天的数据做实证检验。实证结果表明，对于大部分汇率，基于最近邻回归的非线性模型的年均收益都优于移动平均规则。非线性交易规则能产生统计上显著的1.5%～2.0%年净收益。夏普比率标准的结果与此类似，9种货币中有8种货币的非线性交易策略能产生较高的夏普比率。2007年王立萍等(2007)[21]运用协整方法检验了外汇市场的有效性，而且实验分析也表明了该方法对外汇市场的长期数据是可行的。李志等(2009)[22]采用马科维茨均值-方差模型，在外汇市场中通过该模型交易，得到了较好的收益，同时也能有效规避风险。陈希远等(2018)[23]利用卷积神经网络（CNN）对外汇市场的价格进行预测，然后将预测结果用于外汇交易，最终获利。 5.图模式研究（Chart Pattern Studies） 交易市场上，除去简单技术交易规则外，部分复杂技术图形也被广泛使用。与简单技术交易规则可准确量化不同，大多数技术图形都是较为复杂的非线性几何图形。鉴于这些非线性几何图形本身的复杂性，交易者在实际操作中一般只能依靠视觉主观地来判断价格序列当中是否存在这些特定的复杂技术图形。因此，学术界对基于复杂技术图形的交易策略的检验则非常的少。但是，伴随着各种先进统计计量工具的使用和计算机技术的快速发展，已经可以较为客观、准确地识别和检验复杂技术图形。一些学者在该领域做了大量的研究工作（Curcio和Payne(1997)[24]，Chang 和Osler (1999)[25]，Guillaume(2000)[26]，Osler(2000)[27]，Lucke(2003)[28]）。正如Osler等(2000)将6家公司公布的每种货币的支撑阻力的“弹跳频率”与人工支撑阻力的“弹跳频率”进行对比。结果发现，日内汇率的趋势被公布的支撑阻力水平中断的频率要高于人工支撑阻力水平。该结果与3种汇率和6家公司是一致的，尽管具有预测能力的支撑阻力是变化的。此外，结果是统计显著的、具有鲁棒性。对这些复杂技术图形的深入研究将有助于理解金融时间序列当中某些特殊的随机现象。 “现代”实证研究结果显示，盈利的技术交易规则的数量要远远多于亏损的交易规则。总结上述参考文献可得出结论：尽管“早期”的实证研究一致否定技术分析的盈利能力，但是大量的近期的研究结果却得到了许多支持技术分析具有获利能力与预测的证据。总之在外汇市场上，技术分析已经被证实具有一定的盈利能力，但是在90年代后采用技术分析方法获利的能力开始逐渐下降。尽管文献中的研究方法仍然存在有待改进的地方，但得到的研究结果却是不可否定的。 三、实证研究总结 依据文中实证研究的调查结果，关于技术分析的预测能力和盈利能力无法给出一个一致的结论，如果要接受文献中的研究结论，但要考虑以下两点因素。第一，进行实证检验时，选取的数据来源（原始数据或处理过的数据）、数据币种、选取的时间范围（起止时间或间隔时间）、收益率的计算方法以及有可能导致的误差都会对最终结果造成不可忽视的影响；第二，隐含在实证检验过程以及结果中的某些假设，比如正常收益和超常收益的区分、统计结果的显著性水平选择、图形模式识别、比较基准的选择等等，这些都会影响到最终的结果。 四、未来研究展望 一直以来，研究学者们指责技术分析，认为技术分析方法的逻辑理论基础不完整，没有办法通过简单的逻辑检测。然而，目前研究证据已证实，有价值的技术交易规则是存在的。就像文中提到的，支持技术分析方法的研究者试图建立起了完整的理论框架，相关研究也取得了较多的成果，促使该领域成为了当前金融市场研究的热点领域之一。 虽然，有关外汇市场技术交易规则盈利能力的实证研究已经取得了积极的证据，但是，还有许多学者仍对交易规则的收益持怀疑态度。因此，技术交易规则未来的研究亟需解决下面的关键问题，如：1.如果将交易成本充分考虑进去后，交易规则是否仍然能够获利？2.市场微观结构因素应考虑，比如非同步交易、买卖价差等对交易规则的影响。3.寻找用于选择最优或最佳组合预测模型的搜索技术。4建立任何特定时刻的预测模型集，模型包含预测估计方法。5.寻找可以利用的“实时”信息集，包括公共信息、私有信息以及获取这些信息的成本等。 随着学术界对外汇交易市场的深入研究，外汇交易市场的秘密将会逐渐呈现在大家面前。 参考文献： [1]Dooley，M.P.，Shafer，J.R. Analysis of short-run exchange rate behavior: march 1973 to September 1975, Intl’Finance Discussion Paper 123，FRB，Washington，D.C, 1983. [2]Sweeny, R. J. Beating the Foreign Exchange Market.Journa l of Finance, 41,163-182, 1986. [3]Fama, E, F. Efficient Capital Markets: A Review of Theory and Empirical Work, Journal of Finance, 25,383-417, 1970. [4]Lee, C. I., and [5]Olson, D. Have Trading Rule Profits in the Currency Markets Declined over Time? Journal of Banking and Finance, 28:85-105, 2004. [6]Brock, W., J. Lakonishock, and B. LeBaron. Simple Technical Trading Rules and the Stochastic Properties of Stock Returns. Journal of Finance, 47:1731-1764, 1992. [7]LeBaron,B.Technical Trading Rules and Regime Shifts in Foreign Exchange ,Working Paper, University of Wisconsin, Social System Research Institute,1999. [8]Raj, M. Transactions Data Tests of Efficiency: An Investigation in the [9]Neely, C. J. The Temporal Pattern of Trading Rule Returns and Exchange Rate Intervention: Intervention Does Not Generate Technical Trading Profits. Journal of International Economics, 58:211-232, 2002. [10]Saacke, P. Technical Analysis and the Effectiveness of Central Bank Intervention. Journal of International Money and Finance, 21:459-479, 2002. [11]Sapp, S. Are All Central Bank Interventions Created Equal? An Empirical Investigation. Journal of Banking & Finance 28:443-474, 2004. [12]Allen, F., and R. Karjalainen. Using Genetic Algorithms to Find Technical Trading Rules. Journal of Financial Economics, 51:245-271，1999. [13]Neely, C. J., P. A. Weller, and R. Dittmar. Is Technical Analysis Profitable in the Foreign Exchange Market? A Genetic Programming Approach. Journal of Financial and Quantitative Analysis, 2:405-426, 1997. [14]Neely, C. J., and P. A. Weller. Technical Trading Rules in the European Monetary System. Journal of International Money and Finance, 18:429-458, 1999. [15]Neely, C. J., and P. A. Weller. Technical Analysis and Central Bank Intervention. Journal of International Money and Finance, 20:949-970, 2001. [16]Neely, C. J. Risk-Adjusted, Ex Ante, Optimal Technical Trading Rules in Equity Markets. International Review of Economics and Finance, 12:69-87, 2003. [17]Dempster, M.A.H., [18]Gençay, R. Linear, Non- linear and Essential Foreign Exchange Rate Prediction with Simple Technical Trading Rules. Journal of International Economics, 47:91-107，1999. [19]Sosvilla- Rivero, S., J. Andrada-Félix and F. Fernández-Rodríguez. Further Evidence on Technical Trade Profitability and Foreign Exchange Intervention. Applied Economics Letters, 9:827-832, 2002. [20]Fernández-Rodríguez, F., S. Sosvilla-Rivero and J. Andrada-Félix. Technical Analysis in Foreign Exchange Markets: Evidence from the [21]王立萍,贾利军.关于外汇市场有效性的Johnsen协整检验[J].金融教学与研究,2007(5). [22]李志.投资组合理论在外汇交易市场中的应用[D].内蒙古工业大学,2009. [23]陈希远,朱佳.基于联合特征学习的多尺度卷积神经网络在外汇交易中的应用[J].计算机与现代化,2018（1）. [24]Curcio, R., C. Goodhart, D. Guillaume, and R. Payne. Do Technical Trading Rules Generate Profits? Conclusions from the Intra-Day Foreign Exchange Market. International Journal of Finance and Economics, 2:267-280, 1997. [25]Chang, P. H. K., and C. L. Osler. Methodical Madness: Technical Analysis and the Irrationality of Exchange-Rate Forecasts. Economic Journal, 109:636-661, 1999. [26]Guillaume, D. M. Intraday Exchange Rate Movements. [27]Osler, C. L. Support for Resistance: Technical Analysis and Intraday Exchange Rates. Economic Policy Review, Federal Reserve Bank of [28]Lucke, L. P., and B. W. Brorsen. Head-and-Shoulders: Technical Analysis. Financial Review, 25:593-622, 2003. |
商业银行保本收益
浅谈我国互联网消
新冠疫情信息披露
美联储加息对人民
上市公司股票投资
新冠疫情影响下美
中小企业供应链金
