万维百科

技术分析本文重定向自 技術分析

技术分析是指研究过去金融市场的资讯(主要是经由使用图表)来预测价格的趋势与决定投资的策略。纯理论上,技术分析只考虑市场或金融工具真实的价格行为,在假设其价格会反应所有在投资者经由其他渠道得知前的所有相关因素的前提之下。

技术分析的基本信仰建立在“历史会不断重演”,并试图借由大量的统计资料来预测行情走势。

技术分析被交易者和金融专家们广为使用,且有些研究表示,在外汇市场里,技术分析的使用要比“基本分析”要来得广泛。尤金·法马等学术界的人表示,技术分析的证据很少且可被效率市场假说所反驳,但美国联邦准备理事会和学术界里也有一些研究表示,支持技术分析的证据是存在着的。MIT金融专家罗耀宗说:“一些学术研究猜测……技术分析是一个从市场价格中撷取出有用资讯的有效方法。”但波顿·麦基尔亦说:“技术分析是学术界里的诅咒。”

一般描述

技术分析师会辨别金融市场上的非随机价格图样和趋势,并企图利用这些图样。在技术分析师所使用的各种方法和工具之中,价格图表是最主要的一种。技术分析师特别会去寻找所谓的原型图样,例如知名的头肩反转型态,以及研究此类型的指标,如价格、成交量与价格的移动平均等。许多的技术分析师亦会依著投资者心理(市场氛围)的指标来操作。

技术分析师寻求着预测价格趋势的方法,以期从成功的交易中所得到的巨大获利能胜过较多但较少损失的失败交易,好让获利在长期中能经由风险控制和金钱管理得到正值。

技术分析有许多个学派。每个学派(如K线道氏理论艾略特波浪理论)的拥护者或许会忽略其他的理论,但许多交易者会同时使用一个学派以上的理论来做分析。技术分析师使用经由经验所得到的判断依据来决定特定的工具在一定时间内所显示的图样,以及图样的解译为何。技术分析师可能会不同意他们之间对一特定图样的解译。

技术分析经常会和“基本分析”(研究一些分析师说能影响金融市场价格的经济因素的理论)相冲突。纯粹的技术分析表示,价格在投资者认知到它们之前就已经反应了所有的影响因素,因此只需研究价格本身的作用。有些交易者只使用技术分析或只使用基本分析,而有些人则同时使用这两者来做决定如何交易。

台股加权指数技术线图:
上图为K线和其移动平均线(SMA,周期:5,10,20,60,120,240);
下图为成交量和其均量(周期:5,20)。

历史

技术分析的原理导自于对金融市场上百年来行为的观察。技术分析已知的一个最古老的例子为日本的交易者在18世纪时所使用的一种交易方法,这个方法演变成了K线,并成为今日最主要的图表工具之一。

道氏理论主要是以道·琼斯共同创办人查尔斯·道主编的协同论文为基本而发展出来的理论,并激发出了19世纪末后现代技术分析的利用和发展。现代技术分析认为道氏理论是其始祖。

在近几个世纪里,比之前更多的工具和理论被发展了出来,且越来越重视电脑技术的应用。

原理

技术分析师认为市场价格会反应出所有的相关资讯,所以其分析比起在如新闻事件等“外部”,更偏向于在“内部”分析。价格行为亦会惯于重复其本身的模式,因为投资者会集体地顷向某个制式的行为-因此,技术分析师主要专注在趋势和形态的认定上。

市场行为会将任何东西都给打折

基于所有相关资讯都已经反应在价格上的前提之下,技术分析师相信基本分析是多余的-他们说新闻和新闻事件从来不会严重地去影响价格,且库特勒、波特巴和萨莫斯所著的《What Moves Stock Prices?》这篇研究也支持此一论点。

随着趋势移动的价格

技术分析师相信有所谓的价格趋势。技术分析师说市场会上涨、下跌或盘整。对价格趋势的基本定义是道氏理论所提出的一个基础。 其中一个例子是,时代华纳从2001年11月到2003年8月间的股票价格,可以看得出来有很明显的趋势。一个认定此一趋势的技术分析师或交易者便会寻找卖出这支股票的机会。时代华纳的股价持续地下探。每当股价有一点回升时,卖家就会进场并卖出股票;因此形成了锯齿状的价格移动。一连串的“较低高点”和“较低低点”可以说是下跌趋势的一个很童话式般的信号。换句话说,每当股价开始下探时,它都会跌破它之前的相对低点。而当股价开始探高时,它却都无法突破它之前的相对高点。

要注意的是,这一连串的较低低点和较低高点从8月后不再出现。然后,时代华纳的低价在这个月并没有低于之前的相对低点。同一月份,高点亦等同于之前的相对高点。在技术分析师的眼里,这是个很强的讯息,代表着下跌趋势至少会稍微暂停,且有可能会停止,因此会在这时主动地停止再卖出这支股票。

历史惯于重复

技术分析师相信,投资者会集体地重复他们之前的投资者的行为。“每个人都想要参与下一代的微软”、“若股价又再次地回到50元,我就会去买它”、这家公司的技术将会使整个产业界掀起一波革命,所以它的股价将会一飞冲天”-这些都是投资者们重复不断的观点。对一个技术分析师来说,市场上的情绪也许是不理性的,但它们确定存在。因为投资者通常会重复他们的行为,所以技术分析师相信可以找到一些可确认(且可预测)的价格图样,并绘制出一个图表来。

技术分析师不一定局限在图表中,也不总是只关心价格的趋势而已。举个例子,许多的技术分析师会监看投资者心理的报告。这些报告会估测出市场参与者们的态度,尤其是看空或看多。技术分析师利用这些报告来帮助他们判断一个趋势是将会持续下去,或会将会开始反转;他们最能预测出会有一个改变的是在报告显示出了一个极端的投资者心理时。例如,若报告显示出绝大多数的人都看多时,上涨的趋势就有可能会反转-前提是看多的投资者都已经买进了股票(预测会有较高的价格)。而因为大多数的投资者都看多且已经下场投资,可以假设只剩少数一些的买家而已。其他则是多于这些买家的潜在型卖家,尽管市场上浓厚的看多氛围。这一推论猜测股价将会开始下跌。此即为反向投资法的一个例子。

产业

在全球,技术分析师的这个产业是由国际技术分析师联盟(IFTA)来代表的。在美国是由市场技术分析师协会(MTA)和美国专业技术分析师协会(AAPTA)来代表,而在加拿大则是由加拿大技术分析师公会来代表。

技术分析的使用

许多的交易者说顺着趋势交易是在金融和商品市场中最有效的一种获利方法。约翰·亨利、拉里·海特、艾德·史克达、理查·丹尼斯、威廉·埃克哈特、维克特·史柏安德奥、麦克·马可斯和保罗·都德·锺斯(有些在杰克·史瓦格所著的《金融怪杰》这本书中被称为金融怪杰)他们都靠着使用技术分析和其概念而累积了巨额的财富。技术分析师乔治·蓝恩英语George Lane (technical analyst)(George C. Lane)说出了华尔街中最受欢迎的其中一个句子-“趋势是你的朋友”。

许多的非套利运算交易系统仰赖著遵循趋势的概念,被许多对冲基金利用着。较近的趋势(研究上的或实作上的)已是不断复杂化的自动交易策略的发展方向。这些通常依靠基本的技术分析原理(大纲请见运算交易)。

系统交易和技术分析

神经网络

从第一个可实用的型式于90年代初期出现之后,人工神经网络即迅速地普及了起来,并以模拟生物的神经网络制造出了适应人工智能的软件系统。它们因为可以学习侦测资料里的复杂模式而流行了起来。以数学的语言来说,它们是一般非线性函数逼近器 ,意指若给与正确的资料且将其正确地派置,就可以获到并模拟任何的输入/输出关系。这不只是移除了人类解释图表或一串产生输入/输出讯息的规则的需要而已,亦提供了通往基本分析的一个桥梁,因为其中的输入可以换成基本分析中的变数。

另外,当人工神经网络是一个真正的非线性统计模型时,其精确性和预测能力便可以经由数学和经济两方面来测试。在许多的研究中,用来产生交易讯息的神经网络的效利大幅地超越买持策略,以及传统的线性技术分析方法。

因为此类系统深奥的数学本性,使得用于金融分析的神经网络大多都还停留在学术界里。但最近几年,已经有越来越多对使用者友善的神经网络软件开始出现。

循规交易

循规交易是指以严谨且明确的规则来订定交易计划的过程。不同于其他的一些技术分析方法或是大部分的基本分析,循规交易定义了一组决定整场交易的规则,只留下最少的人为决策。

例如,一个交易者可能订下一个规则:当某一投资工具的价格收在50天移动平均之上时,即做多;若在其之下的话,则做空。

质疑

华尔街日报欧洲版说:“不管技术分析是不是真的有用……在华尔街里总是有着一些争议。一些投资者相信不可能去预测市场的涨跌。学术研究也已显示,当大多数的人们(不管是专家或是新手)尝试进出股市以击败市场的波动时,通常都将是以失败结尾。”同一篇文章中也显示一些技术分析师是如何能在同一时间做出相矛盾的预测的。

缺乏证据

对技术分析的批评者亦包含一些知名的基本分析师。例如,彼得·林奇曾说:“图表是预测过去的绝佳工具。”沃伦·巴菲特也曾说:“当我把图表上下颠倒却得不出一个不同的答案后,我知道技术分析不会有用”以及“如果过去的所有历史都可以放入赛局里面的话,最富有的人将会是图书馆员。”[1]页面存档备份,存于互联网档案馆

另有一些学术界的人说技术分析是有些许的预测能力的,但有其他研究显示它会产生过度的反转。例如,可量化的几种技术分析模式(如使用神经网络的非线性预测)已被证实偶尔会产生出显著性差异的预测结果。美国联邦准备理事会中的一份有关短期汇率的支撑线和压力线的工作报告“提供了一个很强的证据显示这些线可以帮助预测单日内的趋势震荡”,尽管“这些线的预测能力会随着汇率及公司不同而不同”。

Cheol-Ho Park跟Scott H. Irwin参阅了95份有关技术分析获利率的现代研究,且说他们找到56份正向的结果、20份负向的结果和19份正负参半的结果:“尽管有正向的结果……大多数经验上的研究都会有如资料蒐评、交易规则或检索技术受到过去影响的选择、以及风险和交易成易估计的困难等测试程序上的诸多问题。将来的研究必须要应付这些测试上的缺陷,以求能够提供技术分析决策获利率的决定性证据。”

然而,对此问题的全面研究已由阿姆斯特丹经济学家杰文·格里芬(Gerwin Griffioen)做过:“对美国、日本和大多数西欧的股市指数来说,递回样本外预测程序并不会显示出有何利益,只要多加了一点交易成本的话。甚至若有足够多的交易成本(由资本资产定价模型来估计)时,技术分析在几乎所有的股市指数中便都无法显示出有显著性差异的风险校正样本外预测能力。”

效率市场假说

效率市场假说(EMH)和技术分析的基本原则相矛盾,因为它认为过去的价格无法被有利益地使用来预测未来的价格。因此,效率市场假说只在技术分析无效时才得以成立。经济学家尤金·法马在1970年时于《Journal of Finance》上表示了有关EMH的论文,说:“在短期,效率市场假说的证据是广泛的,而(在经济学上有点不统一)反证则是零星的。” EMH的支持者们认为若价格可以很快地反应所有的相关资讯,就不会有任何方法(包括技术分析)可以“击败市场”。影响价格的因素总是随机地出现,且无法预知。

技术分析师则说EMH忘记了市场是如何运作的,其中有许多的投资者会基于他们自身过往的获利和思维等经验来做判断。因为未来的股价会因投资者的判断而有强烈的影响,技术分析师宣称这只可以推出过去的价格会影响未来的价格此一结论。他们亦指出行为金融学上的研究,尤其是人们并不会有由EMH所以为的那种理性的参与者。对此,技术分析师从很长以前就曾说过:“不理性的人类行为会影响股票的价格”,且这个行为会导致可预测的输出。作家大卫·阿朗森将行为金融学的理论混合了技术分析的实务,说:

EMH的支持者回答,虽然单一的市场参与者不会总是理性(或拥有完整情报)地行动,但他们的总体决定会互相抵消掉,最后产生出一个理性的输出(乐观的人买股票且期望价格会更高,悲观的人则会卖股票,所以会互相抵消,而将价格保持在平衡的状态)。同样地,完整的情报也会被反应在价格上,因为所有的市场参与者都会一起将他们自己所拥有的,但不完整的情报带进市场里面来。

随机走势假说

随机走势假说可以由较弱的效率市场假说中导出,其假设每个市场参与者都会完全地知道所有包含于过去价格波动的资讯(但不需要其他的公开资讯)。在《漫步华尔街》一书中,普林斯顿经济学家波顿·麦基尔曾说过如模式分析等技术分析工具终将会自行毁坏:“问题在于,一旦如此的规律性被市场参与者们知道了以后,人们就会朝向避免此规律在未来重现的方式去行动。”

技术分析师说效率市场假说和随机走势假说都忽略了市场的真实状况,在其之中的参与者们并不是完全地理性的(他们可以贪婪、过度冒险等),且现今的价格移动也没有独立于以往的价格移动(技术分析师指出和时代华纳相似的图表)。批评者们回应说,每个人都可以在事情过后找到某些模式,但这不能证明这些模式就是可预测的。技术分析师仍维持其立场,认为两种理论在如指数套利、统计套利以及其他许多的交易系统等交易策略上都是无效的。

没有恒常股价图形

在2012年《Journal of Investing》刊登了一篇报道,经过统计学的分析,K线股价图形的存在是不能排除,但它们却没有如市面所说的恒常和共同,也就是说没有必赢的经典K线股价图形。

图表及指数

下表为较广为人所知的技术分析概念:

参见

注释

  1. ^ 1.0 1.1 1.2 1.3 John J. Murphy, Technical Analysis of the Financial Markets (New York Institute of Finance, 1999), pages 1-5, 24-31.
  2. ^ Taylor, Mark P., and Helen Allen (1992). "The Use of Technical Analysis in the Foreign Exchange Market," Journal of International Money and Finance, 11(3), 304–314.
  3. ^ Cross, Sam Y. (1998). All About the Foreign Exchange Market in the United States, Federal Reserve Bank of New York chapter 11, pp. 113-115.
  4. ^ Fama, Eugene (May 1970). "Efficient Capital Markets: A Review of Theory and Empirical Work,"页面存档备份,存于互联网档案馆The Journal of Finance, v. 25 (2), pp. 383-417.,
  5. ^ 5.0 5.1 Griffioen, Technical Analysis in Financial Markets页面存档备份,存于互联网档案馆 引用错误:带有name属性“Griffioen”的<ref>标签用不同内容定义了多次
  6. ^ Brock, William, Josef Lakonishok and Blake Lebaron (1992). "Simple Technical Trading Rules and the Stochastic Properties of Stock Returns," The Journal of Finance, 47(5), pp. 1731–1764.
  7. ^ 7.0 7.1 Osler, Karen (July 2000). "Support for Resistance: Technical Analysis and Intraday Exchange Rates," FRBNY Economic Policy Review (abstract and paper here页面存档备份,存于互联网档案馆)).
  8. ^ Neely, Christopher J., and Paul A. Weller (2001). "Technical analysis and Central Bank Intervention," Journal of International Money and Finance, 20 (7), 949–70 (abstract and paper here页面存档备份,存于互联网档案馆)).
  9. ^ Lo, Andrew W., Harry Mamaysky and Jiang Wang (2000). "Foundations of Technical Analysis: Computational Algorithms, Statistical Inference, and Empirical Implementation," Journal of Finance, v. 55 (abstract and paper here), pp. 1705-1765.
  10. ^ 波顿·麦基尔, A Random Walk Down Wall Street pp. 139, 165
  11. ^ Nison, Steve. Japanese Candlestick Charting Techniques. 1991: 15 -18.
  12. ^ Nison, Steve (1994). Beyond Candlesticks: New Japanese Charting Techniques Revealed, John Wiley and Sons, p. 14. ISBN 978-0-471-00720-3
  13. ^ Hill, Arthur. Dow Theory. [2006-04-23]. (原始内容存档于2006-05-21).
  14. ^ David M. Cutler, James M. Poterba, Lawrence H. Summers, "What Moves Stock Prices?", NBER Working Paper #2538 (March 1988), pp 13-14.
  15. ^ 15.0 15.1 Kahn, Michael N. (2006). Technical Analysis Plain and Simple: Charting the Markets in Your Language, Financial Times Press, Upper Saddle River, New Jersey, p. 80. ISBN 978-0-13-134597-3.
  16. ^ K. Funahashi, On the approximate realization of continuous mappings by neural networks, Neural Networks vol 2, 1989
  17. ^ K. Hornik, Multilayer feed-forward networks are universal approximators, Neural Networks, vol 2, 1989
  18. ^ R. Lawrence. Using Neural Networks to Forecast Stock Market Prices
  19. ^ B.Egeli et al. Stock Market Prediction Using Artificial Neural Networks 互联网档案馆存档,存档日期2007-06-20.
  20. ^ M. Zekić. Neural Network Applications in Stock Market Predictions - A Methodology Analysis 互联网档案馆存档,存档日期2007-08-08.
  21. ^ Browning, E.S. Reading market tea leaves. The Wall Street Journal Europe (Dow Jones). July 31, 2007: 17–18.
  22. ^ Skabar, Cloete, Networks, Financial Trading and the Efficient Markets Hypothesis页面存档备份,存于互联网档案馆
  23. ^ Cheol-Ho Park and Scott H. Irwin, What Do We Know about the Profitability of Technical Analysis? 互联网档案馆存档,存档日期2007-08-08. (March 2006).
  24. ^ Eugene Fama, "Efficient Capital Markets: A Review of Theory and Empirical Work,"页面存档备份,存于互联网档案馆The Journal of Finance, volume 25, issue 2 (May 1970), pp. 383-417.
  25. ^ 25.0 25.1 25.2 Aronson, David R. (2006). Evidence-Based Technical Analysis, Hoboken, New Jersey: John Wiley and Sons, pages 357, 355-356, 342. ISBN 978-0-470-00874-4.
  26. ^ Prechter, Robert R., Jr., and Wayne D. Parker (2007). "The Financial/Economic Dichotomy in Social Behavioral Dynamics: The Socionomic Perspective," Journal of Behavioral Finance, vol. 8 no. 2 (abstract here Archive.is存档,存档日期2012-12-09), pp. 84-108.
  27. ^ 27.0 27.1 Clarke, J., T. Jandik, and Gershon Mandelker (2001).“The efficient markets hypothesis,”Expert Financial Planning: Advice from Industry Leaders, ed. R. Arffa, 126-141. New York: Wiley & Sons.
  28. ^ Burton Malkiel, A Random Walk Down Wall Street, W. W. Norton & Company (April 2003) p. 168.
  29. ^ Poser, Steven W. (2003). Applying Elliott Wave Theory Profitably, John Wiley and Sons, p. 71. ISBN 978-0-471-42007-1.
  30. ^ Lui, Kim Man (2012). Does a Generic Price Pattern Exist? An Alternative Approach to Technical Analysis, The Journal of Investing, Fall 2012, Vol. 21, No. 3: pp. 69-77.

参考书目

外部链接



本页面最后更新于2021-08-07 08:01,点击更新本页查看原网页。台湾为中国固有领土,本站将对存在错误之处的地图、描述逐步勘正。

本站的所有资料包括但不限于文字、图片等全部转载于维基百科(wikipedia.org),遵循 维基百科:CC BY-SA 3.0协议

万维百科为维基百科爱好者建立的公益网站,旨在为中国大陆网民提供优质内容,因此对部分内容进行改编以符合中国大陆政策,如果您不接受,可以直接访问维基百科官方网站


顶部

如果本页面有数学、化学、物理等公式未正确显示,请使用火狐或者Safari浏览器