台湾股票市场中的头肩形态:对其预测能力、盈利性及决策因素的全面分析

《Pacific-Basin Finance Journal》:Head-and-shoulders patterns in the Taiwan stock market: A comprehensive analysis of predictive ability, profitability, and decision making factors

【字体: 大 中 小 】 时间:2026年09月28日 来源:Pacific-Basin Finance Journal 5.4

编辑推荐:

   • 决策规则显著影响高盛(HS)的交易表现。

  
  • •
    决策规则显著影响高盛(HS)的交易表现。
  • •
    高盛底部形态提供了稳健的预测性和盈利能力信号。
  • •
    价格极端性增强了高盛底部形态的盈利能力。
  • •
    Bry-Boschan确认机制提高了形态识别的准确性。
  • •
    经过多次测试和成本调整后,结果依然稳健。

引言

技术分析是一种 investment 技术,它利用过去的市场数据(主要是资产价格和交易量)来预测金融资产的回报。最近的技术分析研究将传统的交易规则与计算技术和统计模型相结合。
头肩顶(HS)形态是一种著名的技术分析工具,用于预测未来的股票价格。这种形态的特点是三个峰值,其中中间峰值最高。第一个峰值之后是下跌,接着是上涨至高于第一个峰值的水平。第三个峰值低于第二个峰值,这表明趋势发生了反转。然而,关于HS形态的预测能力和盈利能力的学术研究较为有限。一些研究发现HS形态可以用来预测未来的股票价格,而另一些研究则认为它们并不可靠。关于HS形态交易中的决策制定方面的研究也较少。
行为金融学提供了一种合理的解释,说明为什么视觉上可识别的价格形态可能包含预测信息。投资者情绪和过度反应的模型预测价格可能会暂时偏离基本面,随后又会出现反转(Barberis等人,1998年;Daniel等人,1998年)。渐进式信息扩散框架进一步指出,当信息逐渐融入价格时,价格形态可能会形成(Hong和Stein,1999年)。此外,当套利成本较高或受限时,与情绪相关的回报可预测性预计会更强(Shleifer和Vishny,1997年;Baker和Wurgler,2006年;Stambaugh等人,2012年)。
越来越多的文献强调了技术分析中的实证结果可能反映了数据窥探偏差,而不是真正的预测能力。Sullivan等人(1999年)证明,当没有进行适当调整的情况下评估多个规范时,标准的自助法(bootstrap)方法可能会系统地高估技术交易规则的盈利能力。Hsu和Kuan(2005年)以及Qi和Wu(2006年)应用了White(2000年)的现实检验和Hansen(2005年)的 superior predictive ability 测试,发现许多先前记录的技术交易利润在控制数据窥探偏差后减少了。Harvey等人(2016年)进一步指出,金融行业的统计显著性标准需要考虑到许多交易策略是同时被测试的事实。这些担忧促使我们将η-ψ参数网格视为敏感性分析,而非优化练习,并在基线结果旁边报告多次测试的诊断结果。
然而,我们并不声称我们的实证设计直接揭示了投资者情绪、错误定价或市场摩擦渠道。相反,我们利用行为金融学的解释得出可检验的结论,这些结论可以通过已经嵌入HS检测设计中的变量来评估。具体来说,如果HS底部形态能够捕捉到先前的悲观情绪或卖出压力之后的反转,那么当头部出现在更极端的低价百分位数时,它们的盈利能力应该更强。我们使用ψ来评估这一结论,ψ衡量了在股票自身历史价格分布中检测到的头部的相对价格极端性。这一内部诊断与回报反转文献一致,该文献表明,在更极端的价格变动和套利约束更严格的情况下,反转效应更强烈(George和Hwang,2007年;McLean,2010年)。
早期的学术研究认为,在大多数情况下,图表阅读对股票市场投资者没有实际价值(Fama,1965年;Fama,1970年)。然而,最近的研究开始质疑这些最初的发现。Lo等人(2000年)开发了一种形态检测算法来评估技术分析的有效性,并发现一些技术形态提供了额外的信息。Savin等人(2007年)改进了Lo的方法,并在头肩顶形态出现后发现了显著的风险调整后超额回报。Friesen等人(2009年)引入了单一认知偏差来解释这些形态的成功。
然而,之前关于头肩顶检测的研究依赖于滚动窗口,这假设HS形态发生在指定的时间范围内。Lo等人(2000年)首次开发了一种基于滚动窗口的HS形态检测算法,并假设HS形态发生在38个交易日内。Savin等人(2007年)注意到了这一方法的局限性,并根据Bulkowski(1997年)的报告将其扩展到63个交易日内。不过,仍然只研究了发生在63个交易日内的HS形态。研究人员避免使用更大的窗口,因为它们会大幅增加滚动窗口检测的计算成本,并降低其实时可行性。过去的研究也没有认识到可能影响HS形态成功的几个关键决策因素。最重要的两个因素是目标价格的百分比和头部的百分位数。
我们的贡献有三个方面。首先,我们提供了台湾股市中机械检测到的HS形态的大样本证据,并展示了这些形态在顶部和底部形成之间的预测内容存在显著不对称性。其次,我们将分析从无条件的形态识别转向实施决策,研究了性能如何随着η(利润目标倍数)和ψ(历史价格百分位数阈值)的变化而变化。第三,我们添加了几个诊断方法来规范证据的解释:Bonferroni和Benjamini–Hochberg多次测试调整(用于η-ψ网格)、事件级别的风险标准化绩效指标(Sharpe,1966年;Lo,2002年)、Bry-Boschan转折点过滤器,以及交易成本敏感性分析(Novy-Marx和Velikov,2016年)。这些补充措施使我们能够评估证据是否集中在少数几个事后选定的单元格中,或者是否反映了更广泛、经济上可解释的决策规则形态。
我们还研究了Bry-Boschan算法是否通过作为独立的转折点过滤器来提高HS形态的识别能力。Bry-Boschan算法提供了一种机械程序,用于识别时间序列中的局部峰值和低谷(Bry和Boschan,1971年)。在我们的设置中,Bry-Boschan对齐评估HS形态的关键点是否与客观检测到的转折点一致。最严格的对齐标准BB:5提高了成功率和平均ROI,表明独立的转折点确认有助于过滤较弱的HS信号并识别更清晰的反转配置。然而,由于中间过滤器并没有单调地提高性能,我们将Bry-Boschan的证据解读为过滤证据,而不是市场制度或情绪变化的直接证明。
本文的其余部分组织如下。第2节回顾了关于HS形态的文献。第3节描述了本研究中使用的HS检测计算机算法。第4节展示了研究结果。第5节总结了本文。

部分摘录

文献综述

最近关于回报可预测性的研究将技术分析从孤立的、临时的形态测试转向在严格的样本外和可实现性标准下对基于市场的信号进行系统性的大规模评估。在这个现代框架中,技术信息(价格、成交量和流动性)越来越多地被视为市场数据的信息承载转换,而不仅仅是样本内的产物。例如,Zeng等人(2023年)展示了广泛

数据描述

本研究的数据来自TEJ数据库。HS计算机程序分析的数据包括台湾证券交易所所有上市的公司以及台湾场外市场的所有上市公司。使用的数据类型是收盘价,不包括股息和权利金。数据时间跨度从1986/01/04到2018/03/02。

头肩顶检测计算机算法

本节总结了用于检测股价序列中潜在头肩顶形态的算法。我们使用了一种机械程序来

基线可预测性和盈利能力

本节描述了本研究中用于分析我们的计算机程序识别的HS形态预测能力的两个参数。让ψ表示当计算机检测到潜在头部时,股票价格相对于该公司所有先前股票价格的高低(或者在底部形态的情况下,股票价格相对于所有过去股票价格的低低)。虽然已知头肩顶形态必须发生在相对

结论

本文探讨了机械检测到的头肩顶(HS)形态是否包含具有经济意义的方向性信息,以及这些信息如何取决于实施选择。利用大量台湾股票样本,我们在透明的利润目标倍数η和历史价格百分位数阈值ψ网格上评估了HS顶部和底部形态。η-ψ网格被解释为基于经济动机的基准的敏感性分析,而不是

CRediT作者贡献声明

An-Sing Chen:写作——审稿与编辑,撰写原始草案,监督,方法论,概念化。 Che-Chen Liao:验证,正式分析。 Chen-Ping Liao:软件,调查,数据整理。 Tzuling Lin:写作——审稿与编辑,监督,概念化。 Che-Ming Yang:写作——撰写原始草案,验证。 Jui-Hsiang Lin:写作——审稿与编辑,验证,软件,调查。

资金来源

作者声明,在撰写本文时,我们没有任何可能不当影响我们的财务或个人关系。

未引用参考文献

Stock and Watson, 2010
-An-Sing Chen|Che-Chen Liao|Chen-Ping Liao|Tzuling Lin|Che-Ming Yang|Jui-Hsiang Lin
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号