潘慧峰 代 盛 袁 軍 于京媛

1 引 言

技術(shù)分析是金融從業(yè)者進行投資的一個重要的分析工具。所謂的技術(shù)分析，主要是通過一些圖形（比如K線圖）或一些技術(shù)指標（比如MA、MACD、RSI等），再根據(jù)一些交易規(guī)則來預(yù)測股價未來趨勢的方法。業(yè)界普遍認為技術(shù)分析是有效的，其理論基礎(chǔ)是認為歷史會重演，一些特定的價格圖表能夠折射出投資者對市場的看法，當這種圖形再次出現(xiàn)時，股票價格走勢也會和以前類似。相關(guān)調(diào)查發(fā)現(xiàn)，很多投資者都在大量的使用技術(shù)分析來分析股票、期貨和外匯市場中資產(chǎn)價格的走勢。在進行短線操作時技術(shù)分析的實用性甚至超過了基本面分析，給投資者帶來了可觀的收益。

但技術(shù)分析的科學性從一直飽受學術(shù)界的質(zhì)疑，按照有效市場假說的邏輯，所有信息都已經(jīng)在價格中反映了，任何技術(shù)分析都是徒勞的。但技術(shù)分析成功實踐也促使學術(shù)界重新審視經(jīng)典金融學理論，提出了一系列的理論模型對其進行解釋，比如噪音理性預(yù)期模型、BSV理論模型、DHS理論模型、羊群模型、混沌模型等，這些理論從側(cè)面證明了技術(shù)分析存在合理性。

與技術(shù)分析最相關(guān)的市場異象為動量異象。從直觀上，動量和技術(shù)分析均認為市場沒有達到弱式有效，個股和指數(shù)可能存在趨勢。在技術(shù)分析領(lǐng)域，F(xiàn)ung和Hsieh（2001）［1］發(fā)現(xiàn)移動均線指標能預(yù)測股票未來收益，趨勢追蹤策略是解釋對沖基金收益的重要原因。Brock 等(1992)［2］、Neely等(2011)［3］均發(fā)現(xiàn)均線指標具有顯著預(yù)測能力，其預(yù)測效果無論從統(tǒng)計上還是經(jīng)濟效益上都強于基本面指標。國內(nèi)實證研究也支持均線指標具有預(yù)測能力（孫碧波 2005［4］；韓豫峰等 2014［5］)。在理論上，Zhu和Zhou(2009)［6］從資產(chǎn)配置的角度證明了移動均線策略是投資者在面臨不確定環(huán)境下比較好的投資分析工具，Han等（2016）［7］進一步采用均線指標構(gòu)造了趨勢因子（Trend Factor），該因子的構(gòu)造利用了股價短期、中期和長期信息，結(jié)果發(fā)現(xiàn)該因子能更好的解釋股票橫截面收益。

伴隨著改革開放的推進，中國資本市場得到了較快發(fā)展。截止至2021年底，滬深兩市的上市公司超過四千家，我國證券市場已經(jīng)成為世界第二大證券市場。與發(fā)達國家的證券市場相比，中國股市投資者中“散戶”較多，專業(yè)性不強，投機等非理性行為突出。相比機構(gòu)投資者，個人投資者在獲取公司信息方面比較困難，再加上投機心理，使得交易時更多的依賴技術(shù)分析而不是基本面分析，這使得技術(shù)分析指標在中國市場具有較強的預(yù)測能力。

以上論述表明，在散戶投資者為主體的中國股票市場，技術(shù)指標是否有助于預(yù)測股票收益率？基于技術(shù)指標構(gòu)造的趨勢因子是否更適合我國資本市場？本文擬采用A股上市公司的數(shù)據(jù)檢驗Han等(2016)的趨勢因子是否適用于A股市場，本文豐富了技術(shù)分析在新興市場資產(chǎn)定價的實證證據(jù)，同時對證券市場的監(jiān)管提供借鑒。

2 理論基礎(chǔ)

相關(guān)金融理論認為：股票價格存在趨勢，利用股票交易的技術(shù)分析指標能對未來收益進行預(yù)測。

從理性角度分析，Grossman和Stiglitz (1976)［8］認為信息的獲取需要成本，這些成本信息不會立刻從價格中反映出來，因此市場有效性降低，人們可以通過一些歷史信息判斷股價未來趨勢；Treynor和Ferguson(1985)［9］及Brown和Jennings(1989)［10］構(gòu)造了兩階段的噪音理性預(yù)期模型，該模型指出噪音所帶來的不確定性會阻礙當前價格對信息的揭示，價格的歷史信息有助于預(yù)測未來收益；Soros（2003）［11］認為市場存在正反饋效應(yīng)，股價上升會改善公司的基本面，好的基本面又會促使股票價格進一步上升，從而產(chǎn)生價格趨勢，一些對沖基金經(jīng)理也會根據(jù)此效應(yīng)構(gòu)造投資策略。

從投資者行為偏差角度分析，投資者并非完全理性，他們對自己私有信息的過度自信以及自我歸因偏差，或者對新出現(xiàn)的信息的反應(yīng)過度和反應(yīng)不足，導(dǎo)致股票價格形成趨勢。一些理論模型也被提出來解釋這種趨勢，Barberis等(1998)［12］提出的BSV模型認為投資者的保守主義(conservation)和代表性偏差(representive)，導(dǎo)致對信息存在反應(yīng)不足和反應(yīng)過度，從而形成價格趨勢；Daniel等(1998)［13］建立的DHS模型則認為投資者對自己私有信息的過度自信和自我歸因偏差導(dǎo)致股價的偏離與反轉(zhuǎn)；Hong和Stein(1999)［14］提出的HS模型則認為動量交易者的動量交易行為容易使股價產(chǎn)生趨勢。由于股票市場存在趨勢，根據(jù)技術(shù)分析預(yù)測股價走勢就存在可能。

但上述研究只是從市場非有效的角度對技術(shù)分析有效性進行邏輯演繹分析，并沒有對均線指標這一技術(shù)指標有效性進行實證分析，更沒有給出趨勢因子具有預(yù)測能力的理論依據(jù)。Zhu和Zhou(2009)基于資產(chǎn)配置視角，從理論上證明了在不確定情況下，均線策略能為投資者創(chuàng)造更多額外收益。隨后，Han等（2016）在理論上引入了均線策略交易者，證明了在靜態(tài)理性均衡狀態(tài)下，資產(chǎn)價格的均衡價格的表達式為：

其中p0，p1，p2，p3和p4為常數(shù)，Dt為股利流(Dividend flow)，πt為股利流均值（mean level of dividend flow），θt為資產(chǎn)的供給，他們分別滿足如下隨機過程

由均衡模型可知，資產(chǎn)價格是均線指標At的線性函數(shù)，p4可正可負，大小取決于市場中均線策略交易者的比例。將式（1）做一階差分得：

然后等式兩邊除以資產(chǎn)價格得到：

從式（6）可以看出，當市場中存在均線策略交易者的情況下，資產(chǎn)收益率是資產(chǎn)歸一化均線指標的函數(shù)。因此，歸一化的均線指標對股票未來的收益率具有預(yù)測能力具有堅實理論基礎(chǔ)。

3 趨勢因子構(gòu)建

3.1 數(shù)據(jù)來源

本文以2003年1月至2016年12月A股上市公司為研究樣本，個股的收盤價、換手率、市值、賬面市值比數(shù)據(jù)來自Wind數(shù)據(jù)庫，無風險利率和Fama-French三因子數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。本文采用周數(shù)據(jù)進行分析，周收盤價為該周最后一個交易日的收盤價計算。由于趨勢因子的計算（具體計算過程見下文）需要用到235日均線指標以及52周回歸系數(shù)的均值，最初兩年得不出預(yù)期收益，因此實際有效樣本區(qū)間為2005年至2016年，共606周的數(shù)據(jù)。

3.2 趨勢因子計算

基于技術(shù)指標構(gòu)造趨勢因子的步驟如下：

步驟一：計算歸一化均線指標

每周最后一個交易日歸一化的均線指標計算如式（7）所示：

MA(Pj,t,Li)為t周最后一個交易日的日均線指標，指標參數(shù)為Li，本文選取6個參數(shù)，分別為3日，5日，10日，7日，20日，60日，120，和235日。這些參數(shù)計算的指標包含了短期，中期和長期的均線指標，反映了股價短期、中期和長期信息，Pj,t為股票j在t周最后一個交易日天的收盤價（后復(fù)權(quán)處理）。之所以要歸一化處理，主要有以下三點原因：第一，從理論上講，歸一化的均線指標對股價收益的預(yù)測性更好；第二，從統(tǒng)計學的角度，歸一化的均線指標更具有穩(wěn)定性；第三，歸一化均線指標可以消除股價異質(zhì)性的影響，比如茅臺股價達到上千，而中國銀行股價只有幾塊錢，股價相差太多對方程回歸系數(shù)影響很大。

步驟二：估計回歸系數(shù)。在t周，以t-1周歸一化均線指標為解釋變量，t周的收益率作為被解釋變量，建立線性回歸方程，采用最小二乘法進行橫截面回歸，得到t期的回歸系數(shù)βi,t，回歸方程如式（8）所示：

步驟三：計算個股預(yù)期收益。根據(jù)t周歸一化的均線指標和過去N周（包含本周）回歸系數(shù)的均值，計算該股票在t+1期預(yù)期收益。預(yù)期收益方程如式（9）所示：

其中Et(βi,t+1)為過去N期回歸系數(shù)的均值，計算表達式如下：

由于Et(rj,t+1)是根據(jù)趨勢技術(shù)指標計算得出，因此本章將Et(rj,t+1)定義為股價的趨勢因子。按照研究市場異象的標準做法（Jegadeesh和Titman，1993［15］），根據(jù)每只股票趨勢因子的大小對市場中的股票排序，以10分位數(shù)為節(jié)點，將市場中的股票分成10組，按照等權(quán)重組合的方式構(gòu)造10個投資組合，做多趨勢因子最高組，做空趨勢因子最低組，該多空組合收益為趨勢因子收益，持有一周后進行再平衡，以此向前滾動，得到趨勢因子收益時間序列，檢驗該收益的顯著性。

4 單變量排序

4.1 描述性統(tǒng)計

圖1給出了不同參數(shù)的均線指標的回歸系數(shù)在過去52周的移動平均值隨時間的變化關(guān)系，從圖中可以發(fā)現(xiàn)回歸系數(shù)的移動平均值相對較穩(wěn)定?；貧w系數(shù)有正有負，說明市場存在不同程度的動量效應(yīng)和反轉(zhuǎn)效應(yīng)。

圖1 歸一化均線指標回歸系數(shù)52周均值

為了突出該因子的優(yōu)點，本文還將該因子的收益和其他常見因子的收益進行比較，具體包括Carhart四因子模型中四個風險因子收益，即市場收益（Market），市值因子收益（SMB），價值因子收益（HML），和動量因子收益（MOM）。一些學者研究發(fā)現(xiàn)，中國股票市場存在短期反轉(zhuǎn)效應(yīng)，潘莉和徐建國（2011）［16］利用2002年至2008年的數(shù)據(jù)，發(fā)現(xiàn)中國市場普遍存在一周反轉(zhuǎn)現(xiàn)象，對上一周股票收益排序，構(gòu)造多空組合并持有一周，平均能獲得28.72%的年化收益，齊玉錄和王志強（2015）［17］將數(shù)據(jù)擴展到了2014年，得到了相同的結(jié)論。因此本文還計算了樣本區(qū)間內(nèi)一周反轉(zhuǎn)效應(yīng)的收益，具體做法為：對市場股票上周收益排序，分成10組，每組等權(quán)重組合，構(gòu)造10個投資組合，做空收益最高組，做空收益最低組，持有一周后再平衡，多空組合的收益為反轉(zhuǎn)因子收益（Reversal）。

表1報告了各個因子收益之間的Pearson相關(guān)系數(shù)和Sperman相關(guān)系數(shù)，左下角為Pearson相關(guān)系數(shù)，右上角為Sperman相關(guān)系數(shù)。從表中我們發(fā)現(xiàn)Trend因子收益與其他因子收益相關(guān)系數(shù)都不高，說明趨勢因子收益與其他因子收益相關(guān)性不大。與Reversal因子收益的相關(guān)系數(shù)最高，Pearson相關(guān)系數(shù)為0.23，Sperman相關(guān)系數(shù)為0.37，其次是與MOM 因子收益的相關(guān)系數(shù)，Pearson相關(guān)系數(shù)為-0.24，Sperman相關(guān)系數(shù)為-0.18，與其他因子收益的相關(guān)系數(shù)都沒有超過0.1，可能的原因在于趨勢因子、MOM因子、Reversal因子都是量價數(shù)據(jù)計算而得，他們之間的相關(guān)性要高些。

表1 各個因子收益的相關(guān)系數(shù)

表2 給出了各個因子收益的描述性統(tǒng)計，從表中可以看到Trend因子收益最高，每周平均收益為1.21%，對應(yīng)t統(tǒng)計量為8.40，在1%置信水平下顯著，初步說明該因子對股票截面收益具有預(yù)測能力；其次是Reversal因子收益，每周平均收益為0.8%，對應(yīng)的t統(tǒng)計量為7.07，在1%置信水平下顯著，說明中國股票市場存在反轉(zhuǎn)效應(yīng)； Market因子和SMB因子的平均收益分別為0.34%和0.38%，說明市場存在風險溢價和小市值效應(yīng)，而HML因子和MOM因子收益沒有通過顯著性檢驗，說明中國股票市場不存在顯著的價值效應(yīng)和動量效應(yīng)。從標準差可以看出，各個因子收益標準差區(qū)別不大。從偏度來看，Trend因子收益偏度為1.68，在各個因子收益中最大，說明根據(jù)該因子獲得較大收益的概率更大。

表2 描述性統(tǒng)計

4.2 風險收益分析

前面給出各個因子收益的描述性統(tǒng)計，但沒有考慮風險因素。為了進一步考察各個因子風險收益情況，本小節(jié)采用因子總收益、最大回撤、年化夏普比率（年化收益和年化風險比）和Calmar比率（年化收益與最大回撤比）來衡量各個因子的績效。表3報告了相應(yīng)的實證結(jié)果，從表7.4的結(jié)果中可以發(fā)現(xiàn)，12年的時間里，趨勢因子總收益高達11282%，是市場因子收益（343.60%）的數(shù)十倍；同時，該因子的最大回撤只有16%，遠小于其他因子的最大回撤，由于趨勢因子的高收益，低波動和低回撤，使具有較高的夏普比率（2.90）和較大的Calmar比率（3.73），二者都是其他因子的數(shù)倍。

表3 各個因子的績效分析

為了觀察各個因子每年的表現(xiàn)，表4給出了各個因子每一年的收益，從表4可知，趨勢因子每年的排名表現(xiàn)比較穩(wěn)定，一直排在前三名以內(nèi)，而且每年總收益也都為正，表現(xiàn)出了很好的穩(wěn)定性。其他因子的排名不穩(wěn)定，收益有正有負。比如反轉(zhuǎn)因子收益，在2009年時表現(xiàn)最好，每周平均收益為1.32%，排名第一，但在2014年，每周平均收益為-0.05%，排名最后。

表4 各個因子每年的收益表

4.3 α收益

根據(jù)趨勢因子構(gòu)造的投資組合的收益可能來源于一些風險，因此需要對投資組合的收益進行風險調(diào)整，常用的風險調(diào)整的方法為進行CAPM和Fama-French三因子調(diào)整。表5給出了各個投資組合經(jīng)過CAPM模型和Fama-French三因子模型調(diào)整后的α收益實證結(jié)果。從表5可以看出，10個投資組合的α收益從趨勢因子最低組到最高組依次遞增，CAPM模型調(diào)整后的每周α收益從最低組的-0.5%逐漸遞增至0.69%，高低組合的α收益差為1.19%，對應(yīng)的NW-t統(tǒng)計量為7.70，在1%置信水平下顯著。Fama-French三因子模型調(diào)整后的每周α收益從最低組的-0.67%逐漸遞增至0.57%，高低組合的α收益差為1.23%，對應(yīng)的NW-t統(tǒng)計量為6.58，同樣在1%置信水平下顯著。多空組合收益經(jīng)過CAPM模型和Fama-French三因子模型風險調(diào)整后依然存在顯著的α收益，這說明，傳統(tǒng)的資產(chǎn)定價模型不能解釋該因子的收益。

表5 經(jīng)過CAPM模型和Fama-French三因子模型調(diào)整后的收益

5 穩(wěn)健性檢驗

為了檢驗趨勢因子對股票截面收益的預(yù)測性，本小節(jié)將做以下穩(wěn)健性檢驗：（1）改變參數(shù)，檢驗結(jié)果對參數(shù)的敏感性；（2）分樣本區(qū)間（2005年-2010年、2011年-2016年）（3）進行雙變量排序，檢驗在控制其他預(yù)測變量情況下，趨勢因子的預(yù)測性是否還存在（4）進行Fama-MacBeth回歸，檢驗在控制其他一系列變量后，趨勢因子的預(yù)測性是否還存在。

5.1 改變參數(shù)

1.改變N

上節(jié)以過去52周回歸系數(shù)均值作為預(yù)測下周收益的預(yù)測系數(shù)，接下來考察結(jié)果對參數(shù)N的敏感性。表6給出不同參數(shù)N下，相應(yīng)投資組合每周的平均收益和風險調(diào)整后的α收益。從結(jié)果中可知，趨勢因子依然對股票的橫截面收益具有預(yù)測能力，高低組的收益差依然非常顯著。以N為26周為例，高低組間的收益差，CAPM調(diào)整后的α收益和Fama-French三因子模型調(diào)整后的α收益分別為0.99%，1.00%和1.02%，對于的NW-t統(tǒng)計量分別為7.20，6.91和6.22，在1%置信水平下顯著。從表6中我們還可以發(fā)現(xiàn)，N越大，多空組合的收益越穩(wěn)定，說明多期回歸系數(shù)的均值能更準確的預(yù)測。

表6 改變參數(shù)N時的實證結(jié)果

續(xù)表

2.改變均線指標參數(shù)

上文的技術(shù)指標分別為3日、5日、7日、10日、20日、60日、120日和235日八個均線指標，為了檢驗技術(shù)指標參數(shù)的敏感性，本文通過改變（Lag = ［ 3 5 7 10 20 50 100 235］，Lag = ［ 3 5 7 10 20 60 120 200］）、減少（Lag = ［ 3 7 10 20 60 120 235］）和增加（Lag = ［3 5 7 10 20 90 60 120 235］）技術(shù)指標參數(shù)的方法對其進行檢驗。由表7可知，趨勢因子依然對股票的橫截面收益具有預(yù)測能力，高低組的收益差依然非常顯著，以技術(shù)指標參數(shù)Lag = ［ 3 5 7 10 20 50 100 235］為例，高低組間的收益差，CAPM調(diào)整后的α收益和Fama-French三因子模型調(diào)整后的α收益分別為1.22%，1.21%和1.22%，對于的NW-t統(tǒng)計量分別為8.43,7.98和7.30，在1%置信水平下顯著。說明該因子對技術(shù)指標參數(shù)并不敏感。

表7 改變技術(shù)指標參數(shù)Lag的實證結(jié)果

續(xù)表

5.2 分樣本區(qū)間

表8匯報了2005年-2010年和2010年-2016年趨勢因子的預(yù)測能力，實證結(jié)果表明，趨勢因子在兩個時間段依然具有顯著的預(yù)測能力，高低組之間的收益差依然很顯著。在2005年-2010年區(qū)間內(nèi)，高低組間的收益差，CAPM調(diào)整后的α收益和Fama-French三因子模型調(diào)整后的α收益分別為1.29%，1.25%和1.25%，對于的NW-t統(tǒng)計量分別為8.50，8.24和7.84；在2011年-2016年區(qū)間內(nèi)高低組間的收益差，CAPM調(diào)整后的α收益和Fama-French三因子模型調(diào)整后的α收益分別為1.12%，1.13%和1.20%，對于的NW-t統(tǒng)計量分別為4.60,4.47和4.00，都在1%置信水平下顯著。

表8 不同樣本區(qū)間的實證結(jié)果

5.3 雙變量排序

為了進一步說明趨勢因子對股票橫截面收益具有預(yù)測能力，通常需要應(yīng)用雙變量排序法檢驗在控制一些其他的預(yù)測因子下，比如公司的市值，賬面市值比等，趨勢因子是否還具有預(yù)測能力。

在控制公司市值情況下，檢驗趨勢因子是否還具有預(yù)測能力為例。首先根據(jù)公司的市值，將市場中的公司分成5組；然后在每組中再根據(jù)趨勢因子，又分成5組，得到5*5組投資組合，將每組中的股票等權(quán)重組合，得到5*5個投資組合的收益。

表9為控制公司市值Size（以上周最后一個交易日的市值計算）后趨勢因子對股票橫截面收益的預(yù)測性，從表10中可以看出，趨勢因子在小市值組的表現(xiàn)最好，高低組每周收益差為1.18%，對于的NW-t統(tǒng)計量為8.40，隨著市值的增加，趨勢因子的表現(xiàn)逐漸減弱。在市值最大組，高低組每周的收益差為0.71%，但差異依然非常顯著，NW-t統(tǒng)計量為5.50，通過求平均值，控制市值影響后，趨勢因子高低組之間的收益差為0.98%，NW-t統(tǒng)計量為9.39，在1%置信水平下顯著。說明在控制公司市值后，趨勢因子依然對股票橫截面收益具有預(yù)測性。

表9 Size和Trend進行雙變量排序

此外，本文還控制了其他變量進行了檢驗，控制的變量包括公司股票的Beta值（以過去三年公司周數(shù)據(jù)計算得出），公司股票上周收益（R_1），公司上周末最后一個交易日賬面市值比對數(shù)（BM=1/PB），公司上周股票換手率（Turnover）。實證結(jié)果表明，趨勢因子對股票橫截面收益的預(yù)測性仍然存在。限于篇幅，實證結(jié)果不在正文報告。

此外，表10和表11還給出了在控制其他變量的情況下，各個投資組合經(jīng)CAPM模型和Fama-French三因子模型風險調(diào)整后的α收益。實證結(jié)果表明，趨勢因子對股票橫截面收益的預(yù)測性依然沒有發(fā)生改變。比如在控制公司市值的情況下，高低投資組合CAPM模型風險調(diào)整后的α收益為0.97，NW-t統(tǒng)計量為9.75；Fama-French模型風險調(diào)整后的α收益為0.99，NW-t統(tǒng)計量為7.81，都通過顯著性檢驗。

表10 CAPM模型風險調(diào)整后的α收益

表11 Fama-French三因子模型風險調(diào)整后的α收益

5.4 Fama-MacBeth回歸

雙變量排序法能檢驗控制其他變量后，趨勢因子是否還具有預(yù)測能力，但該方法只能控制一個變量，如果想進一步控制多個變量，需要采用Fama-MacBeth回歸法分析。

表12匯報了股票的周收益率對趨勢因子和其他控制變量的橫截面回歸結(jié)果，回歸方程（1）檢驗了單個趨勢因子的預(yù)測能力，回歸系數(shù)為0.86，t統(tǒng)計量為12.21，1%置信水平下顯著?；貧w方程（2）至回歸方程（6）檢驗在增加一個控制變量的情況下趨勢因子的預(yù)測性，結(jié)果發(fā)現(xiàn)趨勢因子的回歸系數(shù)均顯著為正；方程（7）和（8）在控制其他所有變量后的情況下，結(jié)果都發(fā)現(xiàn)趨勢因子的回歸系數(shù)均顯著為正。

表12 Fama-MacBeth回歸結(jié)果

6 結(jié) 論

本章采用歸一化的均線技術(shù)指標，構(gòu)造每只股票趨勢因子，根據(jù)該因子對市場的股票排序分組，構(gòu)造多空組合，實證發(fā)現(xiàn)：（1）趨勢因子對股票橫截面具有較高的解釋力，趨勢因子可以獲得顯著的超額收益；（2）與常見的反轉(zhuǎn)因子、市值因子、動量因子、價值因子、市場因子相比，趨勢因子的收益最高；（3）控制其他橫截面變量情況下，趨勢因子的預(yù)測能力依然存在；（4）經(jīng)過CAPM模型和Fama-French三因子模型風險調(diào)整后，依然存在α收益。