基于价量关系的技术分析有效性实证分析张国政(上海财经大学公共经济及管理学院， 200433)摘 要：最近几年，技术分析有效性检验已成为金融市场有效性检验的热点领域。

价量关系是技术分析的核心，与技术分析的有效性密切相关。

本文在国内外相关研究成果的基础上，采用实证方法研究了我国股票市场的有效性。

对上证综合指数价格与成交量的计量分析， 表明它们之间存在长期的均衡关系----协整关系，即系统存在经济机制制约着价格与成交量之间的变动；误差修正模型得出短期偏离向长期均衡的校正速度；价格与成交量之间的格兰杰因果关系检验进一步说明价量关系有统计基础；动态分析给出了价量之间交互影响的具体特征的描述。

总体而言，本文支持在我国股市技术分析有效的观点。

关键词：技术分析；单位根检验；格兰杰因果关系；脉冲响应；方差分解引言自七十年代以来，关于金融市场有效性的讨论几乎没有中断过。

法马(Fama，1970)指出，所谓市场有效即价格及时充分地反映了所有可得的信息。

在此基础上分为三个层次：弱式有效，即价格反映了所有的历史信息；半强式有效，即价格反映了所有公开可得的信息；强式有效，指价格反映所有可得的信息，包括公开的和私人的。

根据市场有效假说，对证券价格建立预测模型是没有意义的。

而经典文献争议最大之处就集中在股票收益的可预测性上。

早期的研究支持随机游走假说，认为收益可预测的可能在统计意义上和经济意义上都太小。

而近几年的一些研究表明：存在着股票收益可以利用过去的收益进行预测的证据。

早期对收益可预测性的研究实际上否定了所谓技术分析的应用。

但现在看来，下这个结论还为时过早。

最近几年，技术分析有效性检验已成为金融市场有效性研究的热点领域，并得出了许多有益的结论。

一、技术分析有效性检验概述技术分析，指的是利用市场的内部因素，归结起来就是交易量和股票价格水平，分析市场的运动模式并作出其趋势预测。

其方法论是建立在股票市场的历史倾向于重复自身这一假设基础上的。

按照技术分析的假设，市场价格总是以既定的趋势变化和演进，而这些趋势是可以预测的。

显然，技术分析的概念与市场有效性概念是相互矛盾的，即若市场有效，价格反映了所有可得的信息，则技术分析不可能获得额外收益。

这一结论实际上立足于静态层面，而另一方面，技术分析的有效性是一个伴随着证券市场弱式有效--半强式有效--强式有效的弱进程概念。

即证券市场有效性越强，技术分析的有效性相对越弱。

反之，在有效性越弱的证券市场，技术分析的有效性相对就越强。

由于这种关系，从事金融市场有效性研究的学者们很早就对技术分析有着浓厚兴趣。

但是，技术分析有效性检验的结果在解说金融市场有效方面似乎仍有一个无法逾越的障碍—联合假设问题。

法马在文献[1]中指出，市场有效性本身是不能检验的，对价格是否恰当的反映了信息的检验必须在一个资产定价模型中进行。

即使发现了收益行为的某个异例，它既可能是由于市场无效，也可能是由于采用的均衡模型有问题。

出于同样的原因，收益可预测性研究的肯定性结论也存在两种解释：一是市场无效，价格不合理地偏离了其基础价值；二是市场有效，收益可预测是期望收益随时间合理变动的结果[2]。

尽管如此，技术分析有效性长期以来仍是研究的热点领域。

实际上，早期的研究极少有显示技术分析能帮助投资者“战胜市场”的证据。

虽然提出了许多技术分析有效的证明，但大部分至少犯了以下某个错误。

比如，没有对风险进行调整，没有考虑交易成本，进行了虚假拟合，或者是事后选择倾向等。

但是近期的一些研究显示，技术分析可能对投资者有用。

通过采用相应的策略，投资者可以获得超常的利润。

这些策略经过了严格的检验，避免了前面提及的错误。

这些研究主要分为两个方面：一是针对价格水平的时间序列分析，包括一些技术分析常用的交易规则，如移动平均法、反馈交易法等；二是对成交量在预测收益过程中的信息价值加以分析，采取的交易规则包括逆向操作法等。

本文试图通过价量关系分析探讨技术分析的有效性。

二、基于成交量的检验成交量在技术分析中的作用历来为学者们重视，但在传统的模型中往往着重于价格时序的信息价值，成交量只是作为模型噪声引入。

比如在文献[6]建立的理性预期模型中，总供给是未知的，交易者通过观察一系列的价格水平获知潜在的信息。

在这个框架中，允许交易者观察成交量实际上就是允许他们确知总供给，这样，单个价格就可充分揭示资产的信息，从而导致技术分析失效[8]。

由于只能起到模型噪声的作用，成交量既不能帮助确定资产的潜在价值，也对预测价格变化无能为力。

同样，文献[7]的模型也仅注重成交量与其他变量间的相关关系，成交量本身并不重要，交易者并不将成交量作为决策的依据。

文献[8]改进了传统的均衡模型。

在该文的模型中，总供给固定，噪声来源于信息质量，或者说信号分布的准确性。

成交量提供了交易者信息质量的情报。

成交量序列和价格水平序列一样具有信息价值，并帮助交易者推断出资产的潜在价值。

文献[8]考虑一个理性预期的瓦尔拉斯均衡。

市场上交易者分为两组，每个交易者都会收到一个包含资产信息的信号，但信号的质量仅为第一组的交易者知道。

假定交易者需求天真(naive demand)，即其需求仅使当期的期望效用最大化[6]。

可求得风险资产的均衡价格，它是包含信号质量和资产潜在价值的一个表达式。

由于第二组交易者不知道信号质量，不能从均衡价格推断出资产的潜在价值，他们将求助于成交量。

文献[8]在这里采用了单位资本成交量(percapital volume)，它可以写成资产潜在价值和信号质量的表达式。

经过数学上的转换，单位资本成交量可看成是均衡价格和信号质量的函数。

这样，给定价格，成交量将传递关于信号质量的信息，从而有助于利用均衡价格推断出资产的潜在价值。

文献[8]的模型不仅详尽地揭示了成交量的信息价值，还考察了价格变化和成交量之间的关系，发现价格变化的绝对值与成交量正相关，并且这一关系不随信号质量和(或)数量的改变而消失，只是相关性的强弱有所不同。

这表明，基于价格和成交量的技术分析有其存在价值。

三、实证分析价量关系是技术分析最核心、最基本的理论，与技术分析的有效性密切相关。

本文试图对价量关系在2001-2004年上海股票市场的表现作实证分析。

文中使用的所有数据均来自钱龙网际赢家旗舰版股票分析系统， 包括从2001年6月14日至2004年10月8日期间800个交易日的上证综合指数的收盘价END、成交量CJL。

LOGEND、LOGCJL分别指END、CJL的对数值，DLOGEND、DLOGCJL则分别是LOGEND、LOGCJL的一阶差分。

所有的数据分析均使用EVIEWS4.0 进行。

3.1协整分析(cointegration analysis)20世纪80年代中期，研究者们发现一些宏观经济数据包含单位根(unit root)， 在这一刺激下非平稳时间序列分析迅速发展起来，有人称其为“单位根革命”。

如果有N (N ≥2)个时间序列，它们自身是非平稳(nonstationary)的，但它们线性组合却是平稳的，那么我们说这些序列之间存在协整关系。

非平稳变量给人的直观感觉是变量缺乏运动中心，没有向中心收敛的趋势，运动的结果是离初始点越来越远。

而平稳变量则有明显的向均值收敛回归的趋势。

变量之间存在协整关系， 说明虽然单个变量自身的运动是发散的，但这些变量之间的距离有收敛的趋势，即存在某种力量制约着它们之间的变化。

在经济学的意义上，变量之间存在协整关系意味着有某种经济机制制约着变量的运动， 使它们之间短期内的偏离不会太远，长期则会走向均衡。

比如说消费和收入是协整的；它们自身都是非平稳的，都有持续增长和波动的特征，但经济规律会制约着消费与收入之间偏离程度。

利用协整检验可以有效的剔除伪回归——即非平稳变量之间不存在任何相关关系， 统计检验却无法拒绝。

(1)协整分析的步骤①单位根检验(平稳性检验)。

协整关系的研究对象是非平稳的时间序列，所以在进行协整检验之前必须确认变量的平稳性。

本文采用ADF方法检验变量是否包含单位根，即对时间序列t x 的一阶差分t x Δ进行如下回归：012112......t t t k t k t x t x x x αααββμ−−−Δ=+++Δ++Δ+ （1）并作假设检验：0212:0;:0H H αα=<。

检验统计量τ的计算方法与标准的t统计量相同，τ服从的是DF 分布而不是标准的t分布。

如果接受0H ，意味着序列t x 包含单位根，即t x 是非平稳的，拒绝0H ，意味着t x 是平稳的。

如果0H 无法被拒绝，还应该检验t x 高阶差分的平稳性，直到0H 被拒绝。

具体操作时，根据“从一般到特殊”的建模方法，首先在检验方程中包括常数项和时间趋势项，然后在结合数据图形的基础上逐个削去不显著的项。

检验方程中加入滞后项是为了使残差为白噪声。

②协整检验。

如果单位根检验的结果表明所研究的变量都包含一个单位根(即一阶差分平稳的) ，则可以进一步检验变量之间是否存在长期的均衡关系——协整关系。

本文采用基于向量自回归的Johansen 的多变量极大似然估计法来进行协整检验。

令t x 表示时期t的(n×1)向量，考察如下k 阶向量自回归模型1122t t t k t k t x x x x με−−−=∏+∏++∏++"" （2）若用Δ表示一阶差分， 则有一个与方程(2) 等价的一阶差分方程112211t t t k t k t k t x x x x x με−−−−+−Δ=ΓΔ+ΓΔ++ΓΔ+Π++"" （3）其中： 12()1,2,,1i i I i k Γ=−−Π−Π−−Π=−""12()k I Π=−−Π−Π−−Π" （4）可以证明，系数矩阵Π包含了变量之间长期关系的信息——协整向量，共有三种可能：①Rank(Π)= n，即系数矩阵Π满秩，可以证明此时t x 是平稳向量；②Rank(Π) = 0，即系数矩阵Π是零矩阵，方程(3)相当于t x Δ的向量自回归模型； ③0<Rank(Π)= r< n，则一定存在(n×r)矩阵α和β，使得Π=α×'β，其中β是由r 个相互独立的协整列向量组成的矩阵，也就是说虽然t x 是非平稳的，但't x β却是平稳的。

因此，矩阵Π的秩等于t x 的独立协整向量的个数，Johansen 证明可以通过检验矩阵Π的特征根的显著性，确定出协整向量的个数。

(2) 对LOGEND 及LOGCJL 的检验结果及分析①单位根检验(见表1、表2、表3、表4)。

表1 上证综合指数每日收盘价的对数LOGEND的单位根检验ADF Test Statistic -3.167754 1% Critical Value*-3.44125% Critical Value -2.8655 10% Critical Value -2.5689 *MacKinnon critical values for rejection of hypothesis of a unit root.表2 上证综合指数每日成交量的对数LOGCJL 的单位根检验ADF Test Statistic -3.234763 1% Critical Value*-3.44135% Critical Value -2.8656 10% Critical Value -2.5690 *MacKinnon critical values for rejection of hypothesis of a unit root.检验结果表明：LOGEND及LOGCJL在1%的显著性水平上拒绝原假设，但可在5%的显著性水平上接受其有一个单位根。