技术交易规则预测能力与收益率动态过程——基于Bootstrap方法的实证研究.pdfVIP

维普资讯 · 122 · 《数量经济技术经济研究》2007年第 9期 技术交 易规则预测能力与收益率动态过程① 基于Bootstrap方法的实证研究 王志刚 曾 勇 李 平 (电子科技大学管理学院) 【摘要】本文对我国股票市场技术交易规则预测能力进行 了实证检验 ，发现移 动平均规则所产生的买入 区间收益率更大而波动率却更小，卖出区间的收益率为负 而波动率却更大。运用 自举 (Bootstrap)方法检验发现，四种常用的收益率线性 模型均不能解释买卖出区间收益率与波动率所表现出的非对称现象，尤其无法解释 卖出区间收益率为负的现象。为此，本文通过人工神经网络方法，将条件异方差结 构引入到现有的收益率非线性模型，发现该模型能更好地解释买卖出区间收益率与 波动率模式，表明收益率动态过程 中存在非线性特征 。 关键词 技术分析 自举 移动平均规则 人工神经网络 中图分类号 F830．91 文献标识码 A PredictabilityofTechnicalTradingRulesandReturn Dynam ics：AnEmpiricalResearch Basedon BootstrapM ethod Abstract：Thispaperinvestigatesthepredictabilityofmovingaverageruleson Chinastockmarket．W efindbuysignalsgeneratehigherreturnsandlessvolatility． whilereturnsfollowingsellsignalsarenegativeandmorevolatile．Moreover，the bootstrappingresultsindicatethattheasymmetricalpatternsofreturnandvolatility cannotbeexplainedbyfourpopularlinearmodelsofreturns．W ethen testthe nonlineardynamicprocessofreturns．W eintroducetheconditionalheteroskedastic— itystructureintotheexistingartificialneuralnetwork (ANN)modelandfindthe revisedANN modelcan explain thepredictabilityofreturnsandvolatilitybetter． whichindicatessomehiddennonlinearpropertiesinreturnsdynamicprocess． Keywords：TechnicalAnalysis；Bo otstrap；M ovingAverageRules；Artificial NeI】ra1Networks ① 基金项 目：教育部新世纪优秀人才支持计划项 目 (教技函 [2005235号)；电子科技大学中青年学术带头人+创 新团队支持计划；电子科技大学青年科技基金 (JX0678)。 维普资讯 技术交易规则预测能力与收益率动态过程 ·123 · 在检验有效市场假说 (EMH)的早期研究中，弱式有效通常被认为等价于证券价格服 从随机游走过程 (Campbell等，1997)。随机游走过程假设证券对数价格的增量 (即收益 率)是相互独立的，而收益率的独立性是不可直接检验的假设，因为即便收益率之间不存在 线性相关，但仍然可能存在各种形式的非线性相关。基于这个原因，对弱式有效市场 的另一 种检验方法是检验技术分析方法是否具有预测能力。 技术分析试图通过对历史价格、交易量和其他证券交易指标的综合分析来预测价格未来 走势，因此，