探讨股票市场上技术分析的有效性:基于最高价、最低价、收盘价（可编辑）

探讨股票市场上技术分析的有效性:基于最高价、最低价、收盘价（可编辑） 探讨股票市场上技术分析的有效性%3a基于最高价、最 低价、收盘价 华中科技大学 硕士学位论文 探讨股票市场上技术分析的有效性:基于最高价、最低价、收盘 价 姓名:王锦 申请学位级别:硕士 专业:金融学 指导教师:欧阳红兵 20090519 摘 要 本文以 2000年 8月 7日至 2005年 3月 9日,沪深股市的上证指数、深圳综指 深圳成指的 1101个交易日的数据为样本,利用每个交易日指数的最高价、最低价、 收盘价的时间序列探讨技术分析对于预测股票市场未来价格走势和波动的有效性。 首先通过分析最高价、最低价和收盘价时间序列的特性以及它们对未来价格与 波动的影响程度;然后分析市场信息对于不同时间序列的非对称影响,并比较结合 了不同时间序列的预测模型对于未来股票市场波动的预测的有效程度,最后通过多 变量协整模型分析几种时间序列之间的均衡关系。 实证结果表明,最高价与最低价时间序列对于股票价格波动比收盘价时间序列 更为敏感,通过比较两个差分时间序列:最高价与最低价的差分序列(交易区间时 间序列);收盘价的差分序列(绝对收益时间序列),我们发现市场信息对最高价 与最低价的差分序列的影响要快于对收盘价的差分序列的影响,也就是说最高价与 最低价的差分序列要比收盘价的差分序列更早的接受到市场变化的信号,这种非对 称的影响在短期交易内是非常明显的。其次,通过对几种包含了最高价、最低价和 收盘价时间序列的股票波动预测模型的比较,我们发现那些含有最高价、最低价差 分序列的预测模型要比其他价格序列的预测模型更为有效。最后通过多变量模型我 们发现最高价最低价收盘价存在着某种长期均衡关系,虽然我们不能准确判 断它们 之间的因果关系,但至少通过格兰杰因果检验我们不能排除存在着这样的可 能性, 即:长期来说,收盘价更多的受到过去交易日形成的最高价与最低价的影响。 虽然很多观点认为股票价格与波动是无法预测的,但是通过本文分析发现, 一个结合了最高价、最低价的股票预测方法是有意义的,特别是至少在短期 内股票 的绝对收益(收盘价的差分)更多的受到了股票交易区间(最高价、最低价的 差分) 的约束。 关键词:最高价;最低价;收盘价;预测;波动I Abstract This paper explores the validity of the technology analysis through investigating the high low and close series of the stock prices which include 1011 samples of Shanghai and Shenzhen’s stock market form August 7 2000 to march 9 2005At first, we investigate the time series’ properties and try to figure out what’s information indicated in these different prices in the market and asymmetric information how to influence the trade range and absolute return of stock. We then compare the efficiency between different forecasting modeling contain different series. We apply the multivariate modeling techniques to explore the relationship between high low close prices finally We argue the high、low and close prices play a key role in the technical analysis in the stock market and the high low series are more sensible than close series for the market information because the high low represent support and the resistance levels of the marketCorresponding the absolute return series, the trade range series accept the market information earlier .We think Technical analysis combined high low series is a useful way to forecast the volatility of stock market and the high low close series have some kind of con-integration relationship .We can not disregard the possibility that High, Low and Close prices exploits latent Granger causality although the relationship between High Low and Close prices is not sure. In the long term, the close price will be influenced by the High Low more than other trade prices In sum, we argue that a technical analysis combined High、Low and Close prices assigns a special importance to forecasting the future price and volatility although many views improved that forecast is impossible in stock marketThe future stock price volatility restricted by the trade range of the past Keywords: High Price; Low Price; Close Price; Forecast; VolatilityII独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的 研究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他 个人 或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体, 均已 在文中以明确方式标明。本人完全意识到,本声明的法律结果由本人承担。 学位论文作者签名: 日期: 年 月 日学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅 和借 阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进 行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密?,在__ _年解密后适用本授权书。 本论文属于 不保密?。 (请在以上方框内打“?”)学位论文作者签名:指导教师签名: 日期:年 月 日 日期: 年 月日 1 绪 论 1.1 选题背景及本文研究的目的与意义 股市在西方国家已经有了 300多年的发展,华尔街金融帝国从 1653年崛起至今, 就是一个从混乱无序逐渐走向拥有相对完善的法律和相对合理的监管环境的金 融市场,一个强大的金融市场极大的促进了美国产业的发展,使得美国经济在近百 年的发展中始终走在世界的前列。股市的发展是市场经济不可或缺的重要一环,在 一个国家的金融领域有着举足轻重的地位,并且对人们的经济生活有着越来越深刻 的影响。1984年中国首次发行股票:上海飞乐音响公司“小飞乐”股票,这是是改革 开放以后我国公开发行的第一只股票。1986年 11月,邓小平接见美国纽约证券交易 所董事长约翰.凡尔霖,赠送了一枚飞乐音响股,为中国的股市的发展拉开了序幕。中 国股票市场通过十几年的发展,到现在己成为企业筹集资金的一个重要手段。伴随 着证券市场的逐步发展,在资本市场中逐渐形成以银行、证券、投资基金多元化的 为企业筹集资金的手段。而通过股票市场筹集资金在几种筹集资金的方式中,速度 最快,能力最强,成本最低,也最符合市场的经济规律。近几年,相对于银行贷款, 债券,企业通过股市来募集资金的规模越来越大。上海证券交易所成立于 1990年 11 月 26日,这是中国内地第一家证券交易所。当年上市企业有 8家,整个证券市场交 易总额为 32.29亿元,其中债券占了九成,股票只占交易量的一成。也就是说,股票 交易额为 3.22亿元,日均交易额为 280万元,最高交易额近 1600万元。随后,深圳 证券交易所也于 1991年 7月 3日成立,标志着我国证券交易市场己全面建成。1991 年 10月 26日成立证监会。在股市发展初期,中国股市一直被“扩容”压力所困扰, 也就是说,发行的股票总是多于市场上的资金,不会出现在股市中买不到股票的现 象。然而,随着上市公司的激增,股票交易额几十倍的放大,股市却在 1994年经历 了一场大暴跌。但是中央政府越来越重视股市这个融资平台,于 1997-1998年出台 了一系列的调控政策。并于 1998年 12月 29日出台了《证券法》,中国股市迎来了 一个上市高峰期。由于股市发展的不完善,监管部门的朝令夕改,上市公司的违规 1 时间层出不穷,以及证券公司的操纵市场现象愈演愈烈,不少经济学家开始质疑证 券市场,最有争议的一个观点是:中国股市很象个赌场,严格的说,比赌场还不如, 因为赌场里面有规矩,比如你不可能看到别人的牌,然而在我们的股市有些人可以 看到别人的牌,可以作弊和操纵。甚至有的经济学家认为股市应该推倒重来。这种 质疑与争议一直持续到今天。直到 2005年,为促进证券市场的健康发展,国 务院发 布了《关于推进资本市场改革开放和稳定发展的若干意见》,大力发展资本市场。 2005年 5月,在经过全面讨论与广泛认证之后,股权分置改革工作终于全面推出。 宏观经济快速增长、人民币持续升值、流动性过剩、所有这些因素直接导致了中国 股市的快速发展。自 2005年股改完成以来,在短短的两年多时间里中国股市进入了 新一轮的上升期,到 2007年 10月 16号,沪市大盘更是创下了 6124点的新高。短 短的两年零 4个月时间内指数翻了 6倍,中国股市的市值目前居世界第四位,与 GDP 总量相当,因此可以说股市已经能作为中国经济的晴雨表。股票市场不再是少数人 参与的游戏而是对国民经济发挥着举足轻重的作用。 现在,股票投资已成为众多家庭及个人理财的一种重要方式,股民人数也达到 了空前规模。对于股票投资的把握,决定一个家庭的财产收入。然而,股票市场具 有高风险与高收益并存的特性,股票价格的涨跌及变化趋势一直受政府、投资大众 的普遍关注。对于股票市场的规范与有效运作有赖于参与者的理性,这里面投资者 无疑是最主要的参与者。长期以来,股市综合指数、股票价格的预测已经成为证券 界和学术界的一个重要的研究课题。近年来,人们一直致力于研究股票市场价格的 变化,希望能从中找出一些规律,避免诸如股灾这种大的股市波动,从而使损失最 小化,收益最大化。但是股票市场是一个复杂的非线性动力系统,同时受多种因素 的交互影响,对于股票未来价格的精确预测是非常困难的,也可以说是不可能的, 但对于短期的趋势预测,则相对而言较为简单,而且对投资者的投资行为具有极为 重要的指导意义。 本文并不试图给出一个准确的预测模型,而是探讨技术分析的可行性,分析不 同价格的时间序列针对市场所反应的不同特性,比较包含不同价格因素的技术分析 的有效性。由于中国股市在发展初期的极端不规范,所以在本文中,我们避免采集 2 股市发展初期的样本。同时由于单支股票价格容易受到非市场因素的干扰,如:价 格操纵;内幕消息;信息披露不充分,或者其他人为因素的干扰,我们也不采纳单 个股票价格的样本。今天最能代表中国股市量化指标的是上证指数,上证指数以 1990 年 12月 19日为 100点,它的最初发布日为 1991年 7月 15日。同时我们也采纳深 圳综指、深圳成指的样本作为研究的对比。我们选取 2000年 8月 7日至 2005年 3 月 9日 1101个交易日的复权处理数据,选取指数的每日交易中的几个价格序列:最 高价、最低价和收盘价时间序列作为研究对象作实证分析。1.2 国内外研究方法综述 1.2.1股票预测的基础 1)市场行为说明一切 这一理论认为,所有影响市场价格的因素,包括政治、经济、心理、公司业绩 等信息,都已经反映到价格中,并提前被价格所消化,己通过市场价格反映出来。 再花费精力和时间对这些因素进行研究己没有必要,投资者应该尽力寻找价格本身 变化的规律性。而影响价格变动最直接的力量就是供求关系和心理因素,只 要一种 证券的需求量大,人们对其今后的走势就充满乐观预期。其价格必然上升;反之,需 求量小,人们的预期就较为悲观,价格必然下跌。在这种情况下,分析人员不过是 通过研究图表及大量辅助指标,让市场自己提示它最可能的走势,而并非他们自己 去主观臆测。 2)价格趋势一旦形成,往往持续若干时间 “趋势”一词是技术分析的核心。当一种趋势刚刚发生时,就及时准确地揭露出来。 其前提是趋势一旦形成,常常会沿着现存的走势继续演变,直到某一时刻,这种定 势掉头转换成另一种趋势。所以,技术分析强调顺势而为,即坚定不移地顺应一个 既有趋势,直至有反向的征兆为止。 3)历史会再现 技术分析认为,人的行为及心理在历史的不同时期有着惊人的相似。证券价格 3 虽然由供求因素决定,但左右供求的力量来自于人的行为、心理和投资环境。比如, 当大家对某种证券充满乐观预期时,其价格必然会上升。技术分析人员在分析市场 过去的趋势时,总能在图表上找到某些相似点,反映出人们共同的看好或看谈心理。 现实中,技术分析人员认为,只要把人们的行为、心理及环境特征与历史上类似的 情况和市场走势联系起来,进行比较和分析就可能预测以后市场走势。1.2.2 股价的预测方法 股价预测可以分为基本面分析和技术分析,证券投资基本分析法就是分析影响 证券投资未来收益的基本经济要素的相互关系和发展趋势,据此预测证券的收益和 风险,判断证券的内在价值的一种证券投资分析方法。证券投资基本分析的出发点 是:证券具有“内在价值”,证券起伏不定的价格最终取决于其“内在价值”。 基本分析 的目的之一在于确定证券的内在价值,然后将内在价值与市场价格进行比较,若前 者高于后者,说明证券价值被低估,买进;反之则卖出。 1)常用的基本面分析 (2)经济环境分析:国民生产总值、国民收入涵盖个人收入和个人可支配收入、 经济周期分析 (2)经济政策分析: ?货币政策:准备金制度、再贴现率制度、公开市场业务 ?财政政策:税收、预算和平衡的几种技术分析方法 (3)行业分析: ?生命周期:初创阶段、成长阶段、成熟阶段、衰退阶段 ?经济周期:周期型行业、稳定型行业、增长型行业 (4)公司分析:竞争能力、盈利能力、财务状况、经营管理水平 2)技术分析法 技术分析着眼于对证券价格走势和影响价格的供求状况的分析,它以市场价格、 交易量这些历史信息为基础,凭借图表和各种指标来解释、预测市场的未来走势, 强调心理因素对证券价格走势的影响。换言之,利用技术分析做买卖决策时,也许 4 不用花费时间、精力去做缜密的宏观、行业和公司研究,甚至无须知道公司的名称, 投资者只要坐在电脑的,研究该公司的证券价格走势及价格所表现的各种指标和图 表,就可以从中寻找买卖时机。因而有人称技术分析侧重于投资时机的把握。技术 分析是当今证券投资中常用的一种重要分析方法, Charles Dow ,1851-1902 道氏理论 认为依据过去与现在的统计资料数据,运用图表、形态、指标等分析手段,对证券 价格的发展趋势进行各种有针对性的分析研究,从而做出对证券价格波动发展趋势 的预测估计。技术分析方法运用了极为广泛的数据资料,并采用了各种不同的数据 处理方法,因而越来越受到投资者的重视和青睐。技术分析的方法繁多,形式多样, 概括起来主要有以下四种类型:图表分析、趋势分析、形态分析、技术指标分析。 (1)图表分析:点线图、条形图、K线图和点数图。 (2)趋势分析:趋势线、轨道线、支撑线与阻力线、缺口。 (3)形态分析:双底和双顶形态、“V’,字形态、头肩底和头肩顶型、圆弧底和 圆弧顶、三角形、矩形。 (4)技术指标分析:技术分析中的技术指标有几百种,就是常用的指标也有几十 种之多。常用的有 ?蜡烛分析法又称 k线图法: K线图有直观、立体感强、携带信息量大的特点, 蕴涵着丰富的东方哲学思想,能充分显示股价趋势的强弱、买卖双方力量平衡的变 化,预测后市走向较准确,是各类传播媒介、电脑实时分析系统应用较多的技术分 析手段。 ?移动平均线: 移动平均线MA:是以道.琼斯的"平均成本概念"为理论基础,采 用统计学中"移动平均"的原理,将一段时期内的股票价格平均值连成曲线,用来显示 股价的历史波动情况,进而反映股价指数未来发展趋势的技术分析方法。它是道氏 理论的形象化表述。?趋向指标??平滑异同移动平均线MACD是一项利用短期(常用为 12日) 移动平均线与长期(常用为 26日)移动平均线之间的聚合与分离状况,对买进、卖 出时机作出研判的技术指标。 ?RSI指标 相对强弱指标是利用一定时期内平均收盘涨数与平均收盘跌数的 5 对比来判定买卖力量的强弱,并以双方竞争的结果?价格的涨落来计算强弱指标, 以此预测市场的趋势。 ?KDJ指标随机指标KDJ指标也称随机指标。前面谈到的平均线、RSI指标都 是用收盘价来计算,没有考虑一日内价格的变化情况,而 KDJ指标则把收盘价与最 高价、最低价综合起来加以研究,通过计算当日或近日的最高价位、最低价位及收 盘价等价格波动的真空波幅,反映价格走势的强弱和超买超卖现象。由于 KDJ指标 比较敏感,所以,一般为短、中期投资者所运用。 ?BIAs指标 乖离率BIAS是利用移动平均原理,以价格波动与移动平均线偏 离的程度为测算基础,一旦价格偏离平均线太远,就有可能重新回到移动均价附近。 ?Boll指标 布林线指标是利用统计学原理,先规定一个差,再算出一个 上下限波动区间,该区间波动的上下限随股价浮动。 1.2.3 现代股价预测分析法 1)现金流折现估值模型属于绝对估值法,是将一项资产在未来所能产生的 自由现金流(通常要预测 15-30年)根据合理的折现率折现,得到该项资产在 目前的价值,如果该折现后的价值高于资产当前价格,则有利可图,可以买入, 如果低于当前价格,则说明当前价格高估,需回避或卖出。现金流折现估值模 型是理论上无可挑剔的估值模型,尤其适用于那些现金流可预测度较高的行业, 如公用事业、电信等,但对于现金流波动频繁、不稳定的行业如科技行业,现 金流折现估值模型估值的准确性和可信度就会降低。在现实应用中,由于对未 来十几年现金流做准确预测难度极大,现金流折现估值模型较少单独作为唯一 的估值方法来给股票定价,现金流折现估值模型被视为最保守的估值方法,其 估值结果会作为目标价的底线。对于投资者,不论最终以那个估值标准来给股 票定价,做一套现金流折现估值模型都会有助于对所投资公司的长期发展形成 一个量化的把握。 2)资本资产定价模型是基于风险资产的期望收益均衡基础上的预测模型,它所 表明的是单个证券的合理风险溢价,取决于单个证券的风险对投资者整个资产组合 6 风险的贡献程度。而单个证券的风险是由系统风险和非系统风险组成的,非系统风 险是可以通过投资多样化的方法消除的。因而,单个证券的风险对整个资产组合风 险贡献的只是它的系统风险,贡献程度的大小用 β来衡量。即 2 β covR , R / σ i i m m式中 β为证券 i的相对风险; covR , R 是证券 i的回报与市场证券组合回 i i m 2 报的协方差; σ 为市场证券组和的方差。资本资产定价模型是现代金融学的奠基石, m 它揭示了资本市场基本的运行规律,对于市场实践和理论研究都具有重要的意义。 它不仅被广泛地应用于资本市场上的各种资产,用来决定各种资产的价格,例如, 证券一级市场的发行应如何定价等;同时,也为投资者提供了一种机制,投资者可 以根据资产的系统风险来对几种竞争报价的金融资产进行选择。具体地说,投资者 可以通过权威性的综合指数来确定全市场组合的期望收益率,并据此计算出可供投 资者选择的单项资产的 β系数,同时,用国库券或其他合适的政府债券来确 定无风 险收益率。当一个投资者得到这些信息后,资本资产定价模型就为投资者提供了一 种对潜在投资项目估计其收益率的方法。当某种资产的期望收益率高于投资者所要 求得到的必要报酬率时,购买这种资产便是最合适的投资选择。这样,资本资产定 价模型在现实市场中就得到了广泛应用。 3)股利贴现模型是最基本的股票内在价值评价模型。内在价值是指股票本身应 该具有的价值,而不是它的市场价格。股票内在价值可以用股票每年股利收入的现 值之和来评价。股利是发行股票的股份公司给予股东的回报,按股东的持股比例进 行利润分配,每一股股票所分得的利润就是每股股票的股利。这种评价方法的根据 是,如果你永远持有这个股票(比如你是这个公司的老板,自然要始终持有公司的 股票),那么你逐年从公司获得的股利就是这个股票的价值。根据这个思想来评价股 票的方法称为股利贴现模型。 4)神经网络预测法是模拟大脑的组织和行为,从“微观”出发的。它认为, 认识 的基本元素是神经细胞神经元,认识过程是大量神经元的联接以及这种联接所引起 7 的神经元不同的兴奋状态和系统所表现出的总体行为。神经网络的主要特点有:大规 模的并行处理和分布式的信息存贮,良好的自适应性、自组织性,以及很强的学习 功能和容错处理等等。混沌时间序列在内部有着确定的规律性,这种规律性产生于 非线性,它表现出时间序列在时延状态空间中的相关性,这种特性使得系统似乎有 着某种记忆能力,同时又难于用解析方法把这种规律表达出来。这种信息处理方式 正好是神经网络所具备的。运用神经网络的模式记忆和联想的特点,将己有的数据 模式存储于网络权值中,在预测数据输入网络后,网络自动唤起与之最接近的模式。 5)小波分析:是 20世纪 80年代发展起来的一门重要的分析工具,对不平稳信号 的分析中可以发挥很好的作用。小波分析可以准确地提取不稳定信号的稳定趋势, 从而可以实现非平稳信号的回归模拟,也可以精确地取信号的一阶和二阶奇异点, 从而准确地判断信号在什么时间或什么位置发生突变,以及突变的大小。根据股票 市场非平稳性和规律性相结合的特点,和小波分析在对非平稳信号分析中的良好作 用,小波分析无疑是分析股票市场的一个非常适合的数学工具。 1.3 本文理论基础、文章结构 1.3.1 文献综述及本文创新点 一般而言,利用(最高价、最低价、收盘价)来对交易价格的趋势进行预测, 我们归类于为技术分析。利用最高价(High)、最低价Low、收盘价Close的技术 分析对预测未来股价和股价波动非常重要。事实上,市场上有许多种基于价格的技 术分析方法,某种程度上基于历史交易价格的分析方法形成了投资者的一种价格预 期,从而为市场提供了一种最基本的,潜在的交易理性。至少,我们可以通过这些 过往的交易价格,能够了解市场在微观层面上的变化。Parkinson(1980) ,Garman 、 Klass 1980和 Kunitomo1992)就认为通过在外汇交易市场上的极值统计数据发现技 术分析是有意义的。Blume 1994也认为如果得到信息是需要成本的,那么技术分析 就是有价值的。实际上,他们都阐述了交易量和交易价格对价格预测的意义以及包 含了市场交易数据的技术分析如何影响投资者对市场的认识。他们认为:首先,市 8 场的最高价、最低价可以揭示交易需求和供给的结构变化。其次指令流(投资者在 交易平台上预设的价格指令)在决定市场价格方面起着关键的作用。对于前一个观 点有许多的学术文章论述了价格所代表的支撑位和阻挡位, Curcio , Goodhart1992, DeGrauwe和 Decupere(1992)首先对这一理论进行了证明。对于后一观点, Menkhoff (1998)年对德国外汇交易市场进行了相关的研究,在外汇交易市场上,他发现指 令流直接影响了参与者对市场预期的形成过程。虽然指令流不能直接被观察到,但 是交易员能够利用包含了最高价、最低价的技术分析来观测由指令流驱动而形成的 市场价格机制。Fiess和 MacDonald(2001)年曾经利用外汇市场汇率对最高 价最低 价技术分析方法的有效性进行了论证,本文创新点在于利用股票指数来分析这种有 效性在中国股票市场上是否具有类似的有效性。 本文的实证分析将分成几个部分来进行相关研究:第一部分我们将首先定义 high low, close这几个时间序列。以及它们对于市场的含义。第二部分我们研究不同股票 指数的时间序列上证指数、深圳综指,深圳成指的最高价最低价收盘价时间序列, 来发掘这些时间序列的不同特性,利用自相关函数对这几个时间序列进行分析,尝 试了解这几个时间序列所反映的市场的微观结构。对于时间序列而言,当序列中按 照时间顺序排列的观测值之间具有依赖关系或自相关性时,建立自相关函数,通过 相关系数判断时间序列的自相关性。自相关性是建立自回归模型的基础,只有具有 显著的自相关性的时间序列才可以建立自回归模型。同时我们还将通过时间序列之 间的差分来探讨市场信息对于这几个时间序列所产生的非对称影响。在第三部分, 我们将比较几种波动预测模型的有效性,其中包括基于收益的广义自回归条件异方 差 Garch1,1模型,基于绝对收益时间序列滞后一期的简单预测模型,基于最高价最 低价的差分(交易区间)滞后一期的简单预测模型,Garmen/Klass预测模型。第四 部分我们将通过多变量模型来分析最高价(high),最低价(low),收盘价(close)时 间序列之间的协整关系,探讨这几个变量之间是否存在着长期均衡关系,这种均衡 关系意味着最高价,最低价,收盘价存在某种回复到均衡的内在机制,如果它们在 某时期受到市场信息的冲击,长期内均衡机制将会进行调整以使其重新回到均衡状 态。最后我们分析最高价、最低价和收盘价是否存在潜在的格兰杰因果关系。9 2 实证分析 2.1对 high、low、close时间序列的几种定义 我们选取几种股票指数,上证指数,深圳综指,深圳成指,将每日交易的最高 价的时间序列定义为 high,最低价定义为 low,收盘价定义为 close,而时间序列 highlow 表示的是最高价与最低价的一阶差分,同时 highlow也表示为每日交易的 价格区间 tade range。closeclose表示的是当日收盘价与上一个交易日收盘价的一阶差分的绝 对值,同时也是表示每日的绝对收益(absolute return)。Highclose表示的是当日最 高价于最收盘价格的一阶差分。 下面我们了解一下这些时间序列对金融市场而言所包涵的一些内在含义。 Edwards 和 Magee1966)给出了对支撑位和阻挡位的定义,并认为支撑位和阻挡位 能够反应市场的需求以及对投机性资产的买卖行为。 DeGrauwe 和 Decupere( 1992) 的学术文章中通过对 11年的外汇市场上美元对德国马克和美元对日元汇率的分析表 明某些价格水平,比如 1.5美元对德国马克的比价或者 100美元对日元的比价代表了 一个心理价位,在这个价位与其他价位相比更能够引起投资者的买卖行为。最高价 和最低价存在这样一个特性,当这些最高价,最低价一旦形成,这种支撑阻挡机制 10 会限制交易的价格区间,只有当足够的买卖行为在这些最高或最低的价格边缘聚集 时,才能够突破原有的交易价格区间highlow。如果在当天交易日中没有被突破, 这种支撑阻挡机制会持续到下一个交易日,直到这些价格被突破后产生一个新的最 高价,最低价,从而形成另外一个支撑点和压制点。 交易区间highlow的重要性是因为他们表明了潜在的支撑位和阻挡位的价格水 平,这种重要性被其它的各种技术分析方法所承认和接收。这样也同时造成了很多 投资者利用这一机制进行盈利性的交易行为。 Curcio和 Goodhart1992对这些行为进 行了相关的研究。在技术分析中,交易区间(highlow)所代表的含义:highlow表明 了市场的转换点和潜在的买卖行为。市场的参与者在当期交易日结束后会设立一个 隔夜的交易价格,一般而言投资者会设立一个靠近上一交易日最低价格作为止损点, 而设立一个靠近上一交易日最高价格作为抛售点位。这种大量的交易价格能够引发 价格反转,或者对目前交易价格,最高价、最低价进行进一步的确认。由于目前金 融市场上衍生产品交易的大量增加(例如,广泛存在于金融衍生品市场上的 双边敲 入期权和双边敲出期权),能够为我们提供进一步的说明:为什么某些特定价格代 表了市场的一个反转点。对此 Memkhoff(1998)认为;这是因为市场上的参与者将 指令流分析作为预测未来价格变动的一种重要手段。指令流不仅仅为交易者知晓, 同时即使在一个强有效(strong-form)的市场,人们也能够通过对它所隐含的信息研 究来发现盈利机会。对于那些不能够了解这些指令流的投资者(如非机构投资者, 缺乏相应的条件和能力)而言,他们可以通过与之相关的已经披露的信息来研究这 些最高价和最低价格。目前普遍使用的蜡烛法正是这样一种结合了最高价,最低价,收盘价的预测股 价走势技术分析方法,蜡烛图形也称 K线图,最早是日本德川幕府时代大阪的米商用 来记录当时一天、一周或一月中米价涨跌行情的图示法,后被引入股市。K线图有 直观、立体感强、携带信息量大的特点,蕴涵着丰富的东方哲学思想,能充分显示 股价趋势的强弱、买卖双方力量平衡的变化,预测后市走向较准确,是各类传 播媒 介、电脑实时分析系统应用较多的技术分析手段。其记录方法如下 1)日 K线是根据股价指数一天的走势中形成的四个价位即:开盘价,收盘价, 11 最高价,最低价绘制而成。收盘价高于开盘价时,则开盘价在下收盘价在上,二者 之间的长方柱用红色或空心绘出,称之为阳线;其上影线的最高点为最高价,下影 线的最低点为最低价。 收盘价低于开盘价时,则开盘价在上收盘价在下,二者之间 的长方柱用黑色或实心绘出,称之为阴线,其上影线的最高点为最高价,下影线的 最低点为最低价。 2)根据 K线的计算周期可将其分为日 K线,周 K线,月 K线,年 K线。 周 K 线是指以周一的开盘价,周五的收盘价,全周最高价和全周最低价来画的 K线图。 月 K线则以一个月的第一个交易日的开盘价,最后一个交易日的收盘价和全月最高 价与全月最低价来画的 K线图,同理可以推得年 K线定义。周 K线,月 K线常用 于研判中期行情。对于短线操作者来说,众多分析软件提供的 5分钟 K线、 15分钟 K线、30分钟 K线和 60分钟 K线也具有重要的参考价值。 3)根据开盘价与收盘价的波动范围,可将K线分为极阴、极阳,小阴、小阳, 中阴中阳和大阴、大阳等线型。 也就是说蜡烛图形是一种直观的但又是一种同时反映了不同价格的价格集合, 通过这种价格集合所反应的“势”,投资者试图预测未来市场的波动与走向,如下图 1。 而在这种“势”中最高价,最低价无疑起着至关重要的作用,不仅仅是蜡烛法,其他 的技术分析方法也常常使用最高价、最低价的差分来试图预测未来价格的走势,通 过这种差分可以预测未来价格的波动,通过趋势和波动相互作用为未来价格的走势 提供有用的信息。 图 1 头锤线,吊颈线 十字星12 目前,许多的股票交易软件记录了每日的各种交易价格和成交量,我们选取几 种股票指数(上证指数,深圳综数,深圳成指)作为我们的研究对象,因为对于单 个股票价格而言,股票指数更能够反应市场的真实交易状况,而不会受到单 只股票 由于各种因市场不完整而造成的扭曲价格的影响。我们选取上证指数,深圳综数, 深圳成指,采集 1101个交易日的价格信息,其中 high代表了每日交易的最高价格的 时间序列,low代表了每日的最低价格时间序列,close代表了每个交易日收盘价格 的时间序列。由于在每个交易日在交易之前会有接近半个小时的场下竞价,每日开 盘价格与上一交易收盘价格不同,所以我们将上一交易日的收盘价格作为当期交易 日的开盘价。我们将通过分析不同价格的时间序列来分析这些特性。 2.2 时间序列特性的分析以及信息对时间序列非对称影响 时间序列分析中首先遇到的问题是关于时间序列数据的平稳性问题。假定某个 时间序列是由某一随机过程(stochastic process)生成的,即假定时间序列: Xt(t1, 2, „)的每一个数值都是从一个概率分布中随机得到,如果满足下 列条件: 1)均值 EX ?是与时间 t 无关的常数; t2)方差 VarX σ2是与时间 t 无关的常数; t3)协方差 CovX ,X γ 是只与时期间隔 k有关,与时间 t 无关的常数 t t+k k 则称该随机时间序列是平稳的,而该随机过程是一平稳随机过程(stationary stochastic process)。 给出一个随机时间序列,首先可通过该序列的时间路径图来粗 略地判断它是否是平稳的。一个平稳的时间序列在图形上往往表现出一种围绕其均 值不断波动的过程;而非平稳序列则往往表现出在不同的时间段具有不同的均值(如 持续上升或持续下降)如图 2。在图 3,图 4,图 5中我们可以看到不同股票指数图 形有着明显非平稳性: 13 图 2平稳时间序列与非平稳时间序列 图 3上证指数走势图图 4深证指数走势图14 图 5深证成指走势图 为了检验样本的平稳性我们可以利用自相关函数 ACF。 定义随机时间序列的自相关函数(autocorrelation function, ACF)为: ρk γk/ γ0 , 自相关函数是关于滞后期 k的递减函数,一个时间序列的样本自相关函数定义为: n ?k XX XX ? t t +kt 1 r k n 2 (2.2-1) XX ? t t 1易知,随着 k的增加,样本自相关函数下降且趋于零。但从下降速度来看,平 稳序列要比非平稳序列快得多。 我们首先了解一下 high、 low、 close时间序列所包含的特性,通过 Takens(1981) 关于外汇交易市场上汇率时滞概念,最高价和最低价收盘价虽然来自于同一资产的 价格(或者股票指数),但是这三个时间序列事实上是随机的。我们可以通过多变量 模型来分析这几个时间序列之间的动态关系。但是,我们首先分析这些时间序列之 间的差分来发现他们之间的特性。我们可以通过自相关函数(ACF)来分析这些时 间序列之间的差分,如果 high、low、close拥有相同的特性,那么这些序列之间的差 分就应该是随机的。high、low、close这些时间序列的差分的自相关函数 不应含有显 著的自相关性,然而我们的分析发现,情况并不是这样。15 在图 6中我们利用 EVIEWS得到股票指数(上证指数)的 high、 low差分 highlow 的自相关系数图,如图 7。我们发现在前 25步左右的滞后期内存在显著的自相关性。 同理在图 8中我们对股票指数(上证指数)的 high、close之间的差分 highclose的 ACF发现,自相关是显著的(我们取 1101个样本,做 200步的滞后相关)。即在前 25步左右的滞后期内,自相关系数显著的降低。 High、low 之间的差分表明了每日交易的波动范围(highlow),自相关的时滞显 示了明显的存在自回归条件异方差(ARCH)效应,其实这种效应广泛存在于金融市 场上的价格时间序列中。那么基于收益收盘价格之间的差分,用 closeclose来表示 的 GARCH模型,和基于价格交易区间(最高价格最低价格 highlow的差分,用 highlow 来表示)的简单预测模型似乎可以用来发现股票价格的波动特性,在本文以后的分 析中我们会发现结合了最高价和最低价格的分析方式比其他的模型分析对 收益的未 来波动预测更为有效。图 6:上证指数 HIGHLOW相关系数表 序数 1-17代表滞后阶数;AC代表相关系数;PAC代表偏相关系数16 图 7:上证指数 highlow自相关系数线性图 图 8 上证指数的 highclose自相关系数图17 图 9上证指数的 closeclose自相关系数 对比上证指数 highlow 和 closeclose的自相关系数,如图 10,我们发现在他们 的相关系数为 0之前存在相同的滞后期。然而, highlow的相关系数明显要 closeclose 衰减的更快,利用深圳指数如图 11,深圳成指如图 12,我们同样发现了相同的现象, 即相对于 closeclose,highlow在趋向于 0之前衰减的明显要快。我们如何解释这种明 显的衰减呢?一种可能的解释是最高价格与最低价格不仅表明了每日的交易价格区 间还表明了交易的支撑和阻挡位,因此它们不可能象收盘价格那样频繁的变动。 图 10 上证指数 highlow 与 highclose自相关系数线性图比较18 图 11 深圳综指 highlow与 closeclose自相关系数线性图比较 图 12 深圳成指 highlow与 closeclose自相关系数线性图比较 如果支撑位和阻挡位没有在当期交易日被突破,那么在下一个交易日这种支 撑 位和阻挡位仍然非常重要,这也就相当于支撑位和阻挡位为下一个交易日的交易区 间提供了一种代理机制,即交易区间 highlow限制了基于收益的 closeclose的波动范 围。那么这种解释也就隐含了一个观点:包含了最低价最高价格的交易区间 highlow 19 模型,要比包含了收盘价的收益模型 closeclose更快的接收到市场上的信息,我们将 利用针对时间序列的分析来对这个假设作出论证。 由于时滞相关揭示了时间序列存在因果关系和同时也可以揭示信息如何对价格 波动产生影响,那么我们(Muller ,1995)可以通过两个时间序列等量的趋前阶 (positive和滞后阶(negative相关的不同来揭示信息对不同时间序列的非对称影响 和它们之间的因果关系。如果序列 A相对于序列 B的趋前相关性显著异于 A相对于 B的相同阶数的滞后相关性,则反映了信息流向 A和 B的速度不同。虽然我们不能 认为 A和 B就一定存在某种因果关系,但是至少我们可以认为,信息流向 B 的速度 要慢于信息流向 A的速度,即前向相关性更大,说明流向 A的速度更快,或者 A对 信息的反映更灵敏。因为如果两个时间序列是按同步调的信息流产生的,那么前向 相关Pt和后向相关P-t应该是对称的,即PtP-t,当收到同步信息流冲击的时候只 会产生一个微小的,不显著的随机离差。而一个显著的随机离差(Pt-P-t)则能 够反应信息流对不同时间序列的非对称影响和潜在的因果关系。 通过对上证指数 highlow 和 closeclose两个时间序列的计算分析在 EVIEWS中 利用求交叉相关系数功能对两个时间序列作序列相关,得出如下图 13的结果: 图 13 上证指数 highlow与 closeclose序列交叉相关系数表 i表示阶数;lag表示滞后相关系数;lead表示前项相关系数20 我们将前项相关系数表中的 lead项减去滞后相关系数(表中的 lag项),得 到一个系数的差分图 14。我们发现在前 5个对称期的系数有一个明显的下降过程, 即明显的偏离 0轴。这表明滞后相关系数超过了前向相关系数(因为它们的差分明 显小于 0,即滞后相关系数在前几期明显比前项相关系数大),说明以日回报 (closeclose)度量的波动率序列对信息的反映灵敏度要落后于以交易范围 highlow 为度量的波动率序列。信息流向 highlow 时间序列的速度要快于基于绝对收益的 closeclose时间序列,这意味着我们可以利用 highlow的波动来预测 closeclose的波 动,至少在一周内的交易期内是有效的。利用深圳综指,深圳成指也能得到类似的 上述结果如图 15,图 16。 图14上证指数 highlow与 closeclose的交叉相关系数与系数差分图 上面的曲线表示的交叉系数,下面的曲线表示的是系数差分21 图15深圳综指 highlow与 closeclose的相关系数图,系数差分图 上面的曲线表示的交叉系数,下面的曲线差 图16 深圳成指 highlow与 closeclose的相关系数图,系数差分图 上面的曲线表示的交叉系数,下面的曲线差 22 2.3 波动率的预测 Pakinson1980和 Garmen、klass(1980)已经论述过,在一个纯的统计学意义上 来说,结合了 high 、low、 close的波动预测方法要比基于每个交易日收益 (closeclose)的方法要更有效。他认为投机价格的对数是一个带有衡定分离 变量的 随机游走。Beckers1983和 Wiggins1993提供经验性理论证明结合了最高价和最低 价格得极值分析方法能够帮助投资者预测单个股票收益的波动。 Garman和 klass1990 同期研究也支持这一观点,并通过计算来估计这种波动: 通过汇率市场,Fiess和 Ronald macdonald已经发现基于日交易的 highlow要比 closeclose在预测汇率波动方面更为有效,而且认为结合了最高价最低价的波动预测 方法不仅有很好的统计价值而且在外汇交易市场上能够发现市场在微观结构是的变 化。我们将用这种思想在下文中利用几种股票市场上的不同指数(上证指数,深圳 综指)来分析几种波动预测方法的有效性。 2.3.1 利用 Garman/klass模型的波动预测 2 2 σ=0.5 (High-Low) -0.3863 (Close-Close )2.3-1 - t t t t 1 通过这个模型我们生成了 garman/klass的序列,通过 eviews计算序列相关系数, garman/klass滞后一期与 closeclose 相关系数相当于 garmen/klass序 列与 closeclose 前项一期的序列相关系数,图下图 16即为 0.0494。 图 16 上证指数 Garman/Klass序列(SERGK) 与 clos