外汇交易中技术分析的实用性从统计和各种绩效反馈

外汇市场，作为国际性资本投机的重要场所，已成为当今全球最大的金融市场。尽管其发展历史相较于股票、期货、黄金和利息市场较短，但其发展速度却异常迅猛。当前，外汇市场每日的交易规模已大幅超越股票、期货等其他金融商品市场。外汇投资分析方法通常被划分为基本分析和技术分析两大类。基本分析旨在探究市场运动的原因，而技术分析则专注于研究市场运动的效果，这是两者之间的根本区别。在现代资本市场中，技术分析方法的广泛应用已成为不争的事实。技术分析基于过去的金融市场价格行为，结合数学与逻辑方法，以揭示市场走势并预测未来市场趋势。在外汇交易中，技术分析通过评估过去的汇率价格水平，对未来的汇率价格水平进行判断和预测。然而，根据有效市场假说（Efficient Markets Hypothesis，简称EMH），任何基于过去信息的价格预测都是无效的，因此技术分析方法与有效市场假说是相互矛盾的。关于技术分析的有效性，学者们得出的结论并不一致。如果技术分析有效，那么市场将具有一定的可预测性。判断技术分析是否有效的最直接标准在于，利用技术分析方法是否能够获得高于市场平均收益的超额利润。因此，我们可以通过检验采用技术分析交易规则进行投资的条件收益率来评估技术分析的盈利能力。然而，实证检验中采用的方法和隐含的假设条件各不相同，特别是在检测技术分析预测能力时，任何环节的处理方法或先验假设的差异都可能对结果产生重大影响。之前写过一个系列《另类技术分析》，就集中体现了一些从统计方向确认的技术分析思路。

1.标准研究(Standard Studies)

在“标准研究”中，Lee等人于1996年所发表的文献[4] 被广泛认为是该领域的标杆之作。该研究通过对10种即期交叉汇率的深入实证研究，每三年优化交易参数，既保证了参数的自适应性，也确保了模拟的样本外特性。研究采用双尾t检验来验证技术交易规则产生的净收益是否为零，而单尾t检验则用于检验在扣除交易成本后净收益的显著性。

在样本内期间，Lee等人发现，对于移动平均规则和通道规则，除日元/瑞士法郎和日元/马克（年净收益分别为8.8%和11.5%）外，这些交易规则在其他所有交叉汇率上的收益并不显著，通道规则的结果亦如此。而在样本外测试中，结果更为糟糕，大部分交叉汇率呈现负收益。仅有马克/里拉，移动平均规则和通道规则能够获得统计上显著的收益。

此外，Olson于2004年的研究[5] 明确指出，外汇市场上移动平均规则的风险调整收益自20世纪70年代的3%开始下降，至90年代末期几乎无法获利。另一方面，关于特定模型自举研究（Model-based Bootstrap Studies），Brock等人在1992年首次采用此方法对技术交易规则的盈利能力进行了更为精确的统计检验，并探讨了价格动态变化对技术交易规则盈利能力的影响。在外汇市场上，应用特定模型自举检验方法的研究，如LeBaron(1999)、Raj(2000)、Neely(2002)、Saacke(2002)和Sapp(2004)等，均对移动平均规则进行了检验。这些研究得出结论，为了降低汇率波动性，中央银行通常会考虑干预汇率的变化，从而延迟汇率的正常调整，进而在汇率变化的过程中产生可用于预测的趋势。

2.遗传规划研究(Genetic Programming Studies)

“早期”的研究方法中存在这样一个重要缺陷，即交易规则 参数选择存在事后选择性偏差(Ex Post Selection Bias)。因为研 究者偏好从事先给定的交易规则参数中寻优，但是这些参数所对 应的交易规则的盈利能力很可能过去就表现很好、同时也引起了 人们更多的关注。但是如何校正这种事后选择性偏差，学者们却 一直没有提出比较正式的解决办法。直到1999年在技术交易规则 的获利性检验中，Allen和Karjalainen首次将遗传规划(Genetic Programming)方法应用其中 。Neely和Weller(1997) 、(1999) 、(2001) 、2003的研究发现，重要外汇汇率的最优交易规则可 以获得1.7%～8.3%不等的显著年超额收益。剑桥大学金融研究中的 Dempster等(2006)将技术指标的集合、包含私人信息的订单流和 订单数据作为输入，然后利用遗传规划来选择最优交易规则。选用外汇高频数据作为研究对象，结果显示，包含公共信息的技术指标 和包含私人信息的订单和订单流组合在一起，生成可以获得超额收 益的交易规则。该组合要好于单独使用技术指标、或者单独使用订单流、订单。虽然系统仅使用了很少数的技术指标，但是这少数的 技术指标所含信息对订单和订单流是一种补充。并且还证明了如果 仅使用订单和订单流指标，而不适用技术指标，交易系统获得收益要相对减少。该研究表明，非公开信息，尤其是订单流和订单数据 对外汇市场的预测具有重要作用。

3.非线性研究(Non-liner Studies)

经过严谨、稳重、理性和官方的语言风格改写后的内容如下：

1992年，Brock等人运用特定的模型自举方法进行检验，结果显示常见的线性收益率模型无法全面解释技术交易规则的收益特征。这一实证结果暗示，在真实的收益率动态过程中可能隐藏着某些非线性相关模式。

基于上述暗示，1999年Gencay首次深入探讨了技术交易规则的非线性预测能力。他对1973年至1992年期间5种即期汇率的数据进行了实证分析，发现基于非线性模型（如前馈神经网络、最近邻）和移动平均规则（如1/50和1/200）所生成的买卖信号，在性能上优于GARCH(1,1)模型和随机游走。特别地，最近邻模型展现出了高达62%的正确信号率。

Sosvilla-Rivero等人（2002）的研究进一步发现，对于日元和马克，基于最近邻回归交易规则的净回报分别为28%和35%，这一表现明显优于简单的买卖持有策略（其收益分别为-0.4%和-1.4%），同时正确的买卖信号预测率也分别达到了52%和53%。然而，当忽略美国银行的干预时，该交易策略的净收益会大幅下降，分别为-28%和-10%，且其预测性能也低于简单的买卖持有策略。

Fernández-Rodríguez等人（2003）则利用欧洲货币体系9种汇率1978年至1994年的每日数据进行了实证检验。结果表明，对于大部分汇率而言，基于最近邻回归的非线性模型在年均收益方面都优于移动平均规则。这些非线性交易规则能够产生统计上显著的1.5%至2.0%的年净收益。夏普比率标准的结果也与此类似，9种货币中有8种货币的非线性交易策略展现出了较高的夏普比率。

2007年，王立萍等人运用协整方法检验了外汇市场的有效性，并通过实验分析证实该方法对于外汇市场的长期数据是切实可行的。李志等人（2009）则采用了马科维茨均值-方差模型在外汇市场进行交易，并取得了良好的收益，同时有效地规避了风险。

4.图模式研究(Chart Pattern Studies)

交易市场在运用技术交易规则时，不仅依赖于简单的规则，还广泛采纳了复杂的技术图形。这些图形因其非线性、几何复杂的特点，无法像简单规则那样精确量化。因此，交易者在实践中多依赖于视觉判断，来识别价格序列中是否存在这些特定图形。这也使得学术界对于基于复杂技术图形的交易策略的验证研究相对较少。

然而，随着先进统计计量工具和计算机技术的飞速发展，我们已经能够更客观、准确地识别和检验这些复杂技术图形。多位学者在该领域进行了深入研究，如Curcio和Payne在1997年的研究、Chang和Osler在1999年的研究、Guillaume在2000年的研究、Osler在2000年的研究以及Lucke在2003年的研究等。

例如，Osler等人在2000年的研究中，对比了6家公司公布的各货币支撑阻力的“弹跳频率”与人工支撑阻力的“弹跳频率”。他们发现，公布的支撑阻力水平在日内汇率趋势中断的频率高于人工支撑阻力水平。这一结果在3种汇率和6家公司中均保持一致，尽管具有预测能力的支撑阻力在不断变化。此外，这一结果统计显著且具有鲁棒性。

对这些复杂技术图形的深入研究，有助于我们理解金融时间序列中的特殊随机现象。现代实证研究显示，盈利的技术交易规则数量远超过亏损的交易规则。尽管早期实证研究普遍否定技术分析的盈利能力，但近期大量研究却提供了许多支持技术分析具有获利能力与预测的证据。在外汇市场上，技术分析已被证实具有一定的盈利能力，但在90年代后，其获利能力开始逐渐减弱。