(簡體)股票預測相關理論tlc

PAGEPAGE22股票預測相關理論壹、市場效率假說所謂市場效率假說（EfficientCapitalMarket）是指市場中所有可能影響股票漲跌的因素都能實時且完全反應在股票漲跌上面。依據(jù)Fama對效率市場理論存在的三個基本假設[BejaandGoldman,1980]、[Fama,1965]、[Fama,1970]、[GrossmanandStiglitz,1980]：〈一〉市場將立即反應新的信息，調(diào)整至新的價位。因此價格變化是取決于新信息的發(fā)生，股價呈隨機走勢?！炊敌滦畔⒌某霈F(xiàn)是呈隨機性，即好、壞信息是相伴而來的。〈三〉市場上許多投資者是理性且追求最大利潤，而且每人對于股票分析是獨立的，不受相互影響。 由效率市場理論延伸發(fā)展，F(xiàn)ama依市場效率性質(zhì)提出弱勢效率、半強勢效率及強勢效率，其分述如下[BejaandGoldman,1980]、[Fama,1965]、[Fama,1976]、[GrossmanandStiglitz,1980]：一、弱勢效率（WeakFormEfficiency）目前股票價格已充分反應過去股票價格所提供各項情報。所以，投資人無法在運用各種方法對過去股票價格進行分析，在利用分析結果來預測未來股票價格，意即投資者無法再利用過去信息來獲得高額報酬。所以，弱勢效率越高，若以過去價量為基礎的技術分析來進行預測效果將會十分不準確。二、半強勢效率（Semi-StrongFormEfficiency）目前股票價格已充分反應于所有公開信息上，所以，投資者無法利用情報分析結果來進行股票價格預測而獲取高額報酬。因此，半強勢效率越高，依賴公開的財務報表、經(jīng)濟情況及政治情勢來進行基本面分析然后再預測股票價格是徒勞無功。三、強勢效率（StrongFormEfficiency）目前股票價格充分反應了所有已公開和未公開之所有情報。雖然情報未公開，但投資者能利用各種管道來獲得信息，所以，所謂未公開的消息，實際上是已公開的信息且已反應于股票價格上。此種情形下，投資者也無法因擁有某些股票內(nèi)幕消息而獲取高額報酬。但仔細根據(jù)效率市場假說來對照實際市場情況，發(fā)現(xiàn)有下列兩項不符合的情形[Fama,1967]、[Fama,1976]：〈一〉「市場上許多投資者是理性且追求最大利潤，而且每人對于股票分析是獨立的，不受相互影響?！苟聦嵣?，投資者并非都是理性的，有許多人都是盲目的跟隨他人進行股票買賣，而且對于股票信息分析都是由專業(yè)分析師進行分析，而許多投資者可能都是同時利用同一位分析師分析出來的結果?！炊怠感滦畔⒌某霈F(xiàn)是呈隨機性，即好、壞信息是相伴而來的，且信息是人人皆可取得，并且會快速反應于股價上?！沟珜嶋H情況，信息通常會因傳遞而受過濾或扭曲無法完整流通，因此，每個人能取得信息并不一致，而導致股價無法完全反應所有有關的信息。綜合上述分析，以國內(nèi)股票市場的情形來看，國內(nèi)股票市場有漲跌幅限制，而且新信息并不一定能完全反應于股票價格漲跌上，故效率市場論是否能應用于國內(nèi)股票市場，需另行研究證實才能知曉。貳、技術分析一、技術分析的意義所謂技術分析又稱行情分析、內(nèi)部分析、趨勢分析，主要是假設過去的歷史數(shù)據(jù)會重演，利用過去成交價、成交量、收盤價等數(shù)據(jù)，轉(zhuǎn)換成圖形或指針的形式表示，用以預測未來股票價格的走勢和變化程度，利用預測所得數(shù)據(jù)來獲取高額報酬[Reilly,1981]、[Rosa,1996]?；旧霞夹g分析理論，完全脫離市場效率假說，只依賴過去股票交易市場的變化情形，作為分析資料，配合統(tǒng)計分析的方法，來預測未來股票走勢的情形，技術分析預測越準確，投資者就越有機會獲取高額報酬，但如果預測準確率低時，投資者就越有機會造成重大虧損，因高額報酬通常伴隨高風險，如何提高預測準確率以降低風險性是研究技術分析學者所需努力的目標。一般而言都認為股票市場的價格和報酬間有極密切的系統(tǒng)關聯(lián)性存在，所以，只要針對價格和報酬兩項因素進行探索其存在的關聯(lián)性，應可獲取高額報酬才對，主要原因是認為市場被人所主宰，且投資者大都不理性，而且假設歷史會不斷的重演，因此，股票價格會有特定的型態(tài)可供尋找。所以，投資者只要研究市場所包含的各項信息，就可以找出獲取高額報酬的關聯(lián)規(guī)則。有關技術分析的相關理論基礎如下概述：Levy將技術分析基礎理論歸納如下[Levy,1967]：1.股票價格是由供需雙方來決定，而不受公司資本或獲利影響。2.供需情形是受到理性和非理性的影響，而理性和非理性因素會自動反應于市場行為上。3.概括來說，股票價格短期而言，隨有小波動，然而長期趨勢來說，仍大致依循著某種特定的走勢來移動。4.供需雙方情況改變，會反應于市場本身。RobertD.Edwards和JohnMagee認為技術分析具有下述基本假設[RobertandJohn,1971]：1.股票價格是由供給和需求雙方互相作用決定。2.供需受到多種理性和非理性影響。3.市場小波動可忽略，因為股票價格長期而言是保持一種趨勢。4.趨勢的變化是由供給和需求關系改變所反應。5.歷史趨勢會一再的重演，投資者可以利用過去股票價格變動的趨勢，來預測股票價格未來的趨勢。6.股票價格反應市場中一切的消息，包括：基本面、消息面和心理面。Reilly指出技術分析需符合下述四項條件[Reilly,1981]：1.使用已知的信息來作為操作方法，未公開的訊息一律不采用。2.投資報酬率計算時需考慮一切成本，包括：交易成本、資金成本、賦稅、機會成本…等。3.投資報酬率需和相同風險股票的投資報酬率進行比較。4.超額報酬需存在于一段相當長的時間，而非稍縱即逝。John技術分析所研究內(nèi)容和要點需具備下述四項[RobertandJohn,1971]：1.市場數(shù)據(jù)分析對象應分為總體數(shù)據(jù)和個股數(shù)據(jù)，不僅分析價格和成交量，同時也要分析其它技術指標。2.運用技術分析主要是為了找出股票價格買賣的時點。3.技術分析主要著重在研究股票整體市場或個股股票的內(nèi)在變動情形，而外部變動情形則不加考慮。4.技術分析主要是由短期股票價格變動的偵測，而運用短期的波動情形來判斷長期的走勢。技術分析隨然為許多投資者和分析師所采用，然而有些經(jīng)濟學者對于技術分析仍有批評：沒有充分的理論基礎來證明技術分析可以協(xié)助獲取高額報酬。PaulSamuelson指出想藉一些統(tǒng)計圖表和統(tǒng)計計算來分析過去股票價格變化而預測未來股票價格走勢支持學理是不足的，因為市場行情已經(jīng)反應于市場之中。但也有不少相關研究表示，技術分析是可以協(xié)助獲取高額報酬，「不平衡理論」（DisequilibriumTheory）就是證明了技術分析可以獲取高額報酬。其主要論點是基于：市場價格無法實時反應在信息公布上，所以，市場價格會有一段短暫的時間是處于沒有反應信息的不平衡狀態(tài)（Disequilibrium）。Beja和Goldman[BejaandGoldman,1980]清楚的表示，一個人為的市場機制，絕對不可能在任何信息公開之前，就能機警的反應而防止不平衡的狀態(tài)產(chǎn)生。Grossman和Stiglitz也表示[GrossmanandStiglitz,1980]：因為信息取得的費用和取得信息后處理分析的時間，使得股票價格會緩慢的調(diào)整，所以，技術分析有其存在的必要條件。二、技術指標運用技術指標需注意下數(shù)幾項原則[董永寬,1995]：1.選擇適當?shù)募夹g指標：不同的投資期間應選擇符合該期間的基期參數(shù)為主的技術指標，才能因應短、中、長不同期間需求的投資策略。2.建立各種技術指針買賣記錄：選擇兩種以上個人偏好的技術指針，配合圖形趨勢進行分析，并累積各種技術指標過去分析所出現(xiàn)正確的買賣訊號，以便利于長期追蹤觀察情形。3.經(jīng)常檢視各種技術指標使用的結果：經(jīng)常檢視各種技術指標表現(xiàn)的結果，以了解各種技術指標表現(xiàn)的優(yōu)缺點，及各種技術指標的限制狀況，且匯整實際買賣的獲利情形，以掌握不同情況下的表現(xiàn)，才能因應不同需求而靈活選擇合適的技術指標。4.擬定投資策略及資金管理模式：依據(jù)需求而所擬定的投資策略，妥善的分配所掌握的資金。5.定期評估投資績效：定期審查投資成本及投資報酬率，用以評估技術指標預測績效的優(yōu)劣情況。三、各種技術指標的計算方式各種不同類別的技術指標整理如表2.2所示[杜金龍,1998]本研究采用應用于國內(nèi)股市預測的技術指針來做為輸入元素，總共分為價的技術指標、量的技術指標、市場寬福技術指標、其它技術指標等四大類，且細分為三十五種指標類別，一計算期間的不同又分為六十一項計算指標，各項技術指標的計算方式如下所述[杜金龍,1998]：〈一〉價的技術指標1.需求指數(shù)（DemandIndex；DI）：（1）（2-4.1）其中，為最高價；為最低價；為收盤價。表2.2各種技術指標分類表投資期間技術指標分類技術指標種類長期間趨勢指標價的技術指標MACD、DMI、SAR、AR、BR、TOWER、MA。量的技術指標逆時鐘曲線、成交量移動平均線。時間的技術指標股市周期循環(huán)。中期間趨勢指標價的技術指標RSI、BIAS、3-6BIAS、WMS%R、Kinder%R、MTM、OSC、Qstick、CMO。量的技術指標VR、OBV、VAMA、EO。市場寬幅的技術指標ADL、ADR、PSY、ARMS、INDEX、MT、TO。其它技術指標融資融券余額表。短期間趨勢指標價的技術指標當日分時走勢圖、CDP、KD、StochRSI。量的技術指標TAPI。市場寬幅的技術指標OBOS。其它技術指標計算機輔助交易每五分鐘委托成交筆數(shù)、張數(shù)及成交值表、當日沖銷比例。資料來源：杜金龍,19982.指數(shù)平滑移動平均線（ExponentialMovingAverage；EMA）：（2-4.2）其中，，為收盤價。（2-4.3）（2-4.4）（2）（2-4.5）3.指數(shù)平滑異同移動平均線（MovingAverageConver－genceandDivergence；MACD）：（3）（2-4.6）其中，，。（4）（2-4.7）4.方向線（DirectionalIndicator；DI）：（5）（2-4.8）（6）（2-4.9）（2-4.10）（2-4.11）（2-4.12）（2-4.13）其中，為當日最高價；為當日收盤價；為當日最低價；值為當日股價波動幅度大于昨日股價波動幅度的最大值，＋、－分別代表上漲或下跌。5.趨向平均值（DirectionalMovementIndex；DX）：（7）（2-4.14）（2-4.15）（2-4.16）6.趨向平均線（AverageDirectionalMovementIndex；ADX）：（8）（2-4.17）7.趨向平均線評估值（ADXR）：（9）（2-4.19）8.K線：（10）（2-4.20）（2-4.21）其中，表當日收盤價；表九日內(nèi)的最低價；表九日內(nèi)的最高價。9.D線：（11）（2-4.22）10.移動平均線（MovingAverage；MA）：（12）（2-4.23）（13）（2-4.24）（14）（2-4.25）（15）（2-4.26）（16）（2-4.27）（17）（2-4.28）其中為每日的收盤價。11.量化陰陽線（QuantativeCandleStick；Qstick）：（18）（2-4.29）（19）（2-4.30）（20）（2-4.31）其中，為日收盤價；為日開盤價。12.乖離率（BIAS）：（21）（2-4.32）（22）（2-4.33）（23）（2-4.34）其中，為日開盤價。13.動量指標（Momentum；MTM）：（24）（2-4.35）其中，；。14.振蕩指標（Oscillator；OSC）：（25）（2-4.36）其中，；。15.相對強弱指標（RelativeStrengthIndex；RSI）：（26）（2-4.37）（27）（2-4.38）（28）（2-4.39）16.隨機相對強弱指標（StochRelativeStrengthIndex；StochRSI）：（29）12日（2-4.40）其中，為值九日內(nèi)最高值；為值九日內(nèi)最低值。17.動量振蕩指標（ChandeMomentumOscillator；CMO）：（30）（2-4.41）（31）（2-4.42）（32）（2-4.43）18.威廉指標（WilliamsOverbought/OversoldIndex；WMS%R）：（33）（2-4.44）其中，為9日內(nèi)最高價；為9日內(nèi)最低價；為當日收盤價。19.逆勢操作系統(tǒng)（CDP）：（2-4.45）（34）（2-4.46）（35）（2-4.47）（36）（2-4.48）（37）（2-4.49）其中，AH為最高值；NH為近高值；NL為近低值；AL為最低值；為前一日最高價減最低價；H為當日最高價；L為當日最低價；C為當日收盤價。20.買賣氣勢指標（AR）：（38）（2-4.50）其中，為日最高價；為日最低價；為日最低價。21.買賣意愿指標（BR）：（39）（2-4.51）其中，為日最高價；為日最低價；為日收盤價?！炊盗康募夹g指標22.平均成交量：（40）6日平均成交量＝（2-4.52）（41）10日平均成交量＝（2-4.53）（42）12日平均成交量＝（2-4.54）（43）24日平均成交量＝（2-4.55）（44）30日平均成交量＝（2-4.56）（45）72日平均成交量＝（2-4.58）其中，為日成交量。23.修正的能量潮（OBV）：（46）（2-4.59）其中，為日最高價；為日最低價；為日收盤價；為日成交量。24.量強弱指標（VolumeRatio；VR）：（47）（2-4.60）其中，為日股價上漲時成交值；為日股價下跌時成交值；為日股價平盤時成交值；25.每一加權股價指數(shù)點數(shù)的成交值（TotalAmountPerWeightedStockPriceIndex；TAPI）：TAPI＝每日成交總值（百萬元）÷每日發(fā)行量加權股價指數(shù)（點數(shù)）（48）（2-4.61）26.江波分析法：（49）每筆買進張數(shù)＝委托買進張數(shù)÷委托買進筆數(shù)（2-4.62）（50）每筆賣出張數(shù)＝委托賣出張數(shù)÷委托賣出筆數(shù)（2-4.63）（51）每筆成交張數(shù)＝成交總張數(shù)÷成交總筆數(shù)（2-4.64）〈三〉市場寬幅技術指標27.上漲或下跌股票家數(shù)漲跌比率（AdvanceDeclineRatio；ADR）：（52）（2-4.65）28.騰落指標（AdvanceDeclineLine；ADL）：（53）今日累積ADL值＝前一日累積ADL值＋每日股票上漲家數(shù)－每日股票下跌家數(shù)（2-4.66）29.阿姆斯指數(shù)（ARMSIndex；AI）：（54）（2-4.67）其中，代表上漲家數(shù)；代表下跌家數(shù)；上漲成交張數(shù)；代表下跌成交張數(shù)。30.股市趨動指標（StockMarketThrust；MT）：（55）當日（2-4.68）（56）累積＝前一日累積+當日（2-4.69）其中，代表上漲家數(shù)；代表下跌家數(shù)；上漲成交張數(shù)；代表下跌成交張數(shù)。31.驅(qū)動振蕩指針（ThrustOscilltor；TO）：（57）（2-4.70）其中，代表上漲家數(shù)；代表下跌家數(shù)；上漲成交張數(shù)；代表下跌成交張數(shù)。32.買超賣超指標（OverBuy/OverSell；OBOS）：（58）=10日內(nèi)股票上漲累計家數(shù)－10日內(nèi)股票下跌累計家數(shù)（2-4.71）33.心理線（PsychologicalLine；PSY）：（59）＝（13日內(nèi)上漲天數(shù)合計數(shù)÷13）×100（2-4.72）〈四〉其它技術指標34.（60）今日融資余額金額：35.（61）今日融券剩余張數(shù)：參、將類神經(jīng)網(wǎng)絡運用于股票預測之相關文獻一、國外學者研究〈一〉HalbertWhite之研究（1988）選取IBM普通股，用類神經(jīng)網(wǎng)絡進行預測每日報酬率，經(jīng)網(wǎng)絡學習訓練后其預測能力并不準確，其主要原因是網(wǎng)絡陷入局部最小值，無法跳脫，所以，預測能力相當差。〈二〉Schoneburg之研究（1990）以感知機及倒傳遞兩種網(wǎng)絡架構進行預測，發(fā)現(xiàn)使用類神經(jīng)網(wǎng)絡對于短期股價預測尚可達90%之高的預測準確率。〈三〉TakashiKimotoandAsakawaKazuo之研究（1990）依據(jù)四個獨立的類神經(jīng)網(wǎng)絡仿真的結果，以日經(jīng)指數(shù)作為研究目標，輸入變量為乖離率曲線、成交量、利率、匯率、紐約道瓊指數(shù)等數(shù)據(jù)進行訓練學習，輸出為預測股價指數(shù)，結果顯示，運用類神經(jīng)網(wǎng)絡模式獲得高額報酬遠較利用回歸分析模式所得的結果為佳?！此摹礙en-ichiKamijoandTanigawaTetsuji之研究（1990）運用類神經(jīng)網(wǎng)絡來辨識日本股價K線圖，主要是再辨識三角K線圖以找出股價變動趨勢，經(jīng)過15組訓練范例的學習后，運用16組測試數(shù)據(jù)進行預測試驗，結果在16組測試數(shù)據(jù)中共可辨識15組，其正確率高達93.8%。〈五〉MarkB.Fishman,DeanS.Barr,WalterJ.Loick之研究（1991）利用9日SD值，9日SK值，18日ADX值，18日MACD值，當日S&P500指數(shù)及當日S&P和5日前指數(shù)之差異等六項輸入值進行預測S&P500指數(shù)，其網(wǎng)絡架構為倒傳遞類神經(jīng)網(wǎng)絡，經(jīng)過網(wǎng)絡訓練學習后雖可以預測指數(shù)漲跌，但其預測誤差有逐步增加的趨勢?！戳礢.Margarita之研究（1991）運用類神經(jīng)網(wǎng)絡及遺傳算法分析股票市場，希望能運用類神經(jīng)網(wǎng)絡建構一個能夠提供投資者較佳投資策略的模式?！雌摺礩.YoonandJ.Swales之研究（1991）以四層的倒傳遞網(wǎng)絡架構對于股票價格進行預測，且將預測結果和MDA（MultipleDiscriminantAnalysis）進行比較，結果發(fā)現(xiàn)類神經(jīng)網(wǎng)絡表現(xiàn)較佳。〈八〉NoriaBabaandKozakiMotokazu之研究（1992）使用15個輸入神經(jīng)元，二層隱藏層及一個輸出神經(jīng)元來建構預測日本股價趨勢的類神經(jīng)網(wǎng)絡，而且發(fā)現(xiàn)如過在學習訓練前分成上漲趨勢數(shù)據(jù)和下跌趨勢數(shù)據(jù)進行訓練時，預測結果會有較好的準確率，但趨勢如果決定錯誤那將會使預測準確率下降?！淳拧礕ia-ShuhJang,FeipeiLaiandTai-MingParng之研究（1993）利用一個21個輸入神經(jīng)元，11個隱藏神經(jīng)元和一個輸出神經(jīng)元的倒傳遞類神經(jīng)網(wǎng)絡，并運用雙重調(diào)整結構來調(diào)整網(wǎng)絡學習法則，使網(wǎng)絡能自動合成解決問題，來預測臺灣股票指數(shù)漲跌的趨勢，結果發(fā)現(xiàn)，在預測準確上，較固定結構倒傳遞類神經(jīng)網(wǎng)絡要好約40﹪～51﹪?！词礙ryzanowskiLawrence,GallerMichaelandDavidW.Wright之研究（1993）以公司的財務數(shù)據(jù)作為輸入數(shù)據(jù)，而公司股價漲跌相對于整體市場股價漲跌表現(xiàn)較好或較壞做為輸出數(shù)據(jù)，經(jīng)由類神經(jīng)網(wǎng)絡學習歷史數(shù)據(jù)輸入和輸出關系后，在利用此關系來對輸入數(shù)據(jù)進行預測，結果發(fā)現(xiàn)預測率高達72﹪?！词弧礕encayRamazan之研究（1996）運用平均移動法則當作類神經(jīng)網(wǎng)絡判斷股票買進賣出的指標，并在長期移動平均線與短期移動平均線接近時，設一區(qū)間，避免因股價波動造成買進賣出訊號誤判。以AR，GARCH-M兩種線性模式和倒傳遞類神經(jīng)網(wǎng)絡非線性模式進行預測，結果非線性倒傳遞類神經(jīng)網(wǎng)絡模式預測能力較好?！词礙aiFuandWenhuaXu之研究（1997）利用遺傳算法訓練類神經(jīng)網(wǎng)絡并以上海股價指數(shù)為預測目標，結果顯示遺傳算法配合類神經(jīng)網(wǎng)絡對于短期股價預測有很好的預測效果。二、國內(nèi)學者研究〈一〉潘曉駿（民國84年）使用倒傳遞網(wǎng)絡配合網(wǎng)絡修剪來進行股票價格預測，結果發(fā)現(xiàn)輸出神經(jīng)元使用漲跌幅配合濾嘴法，比使用FK值的方法在網(wǎng)絡修剪前有高出15.3﹪之超額報酬；而網(wǎng)絡平均縮減為69.46﹪時，有高出16.69﹪的超額報酬，比網(wǎng)絡修剪前高出1.28﹪，若考慮手續(xù)費及交易稅仍有9.08﹪之超額報酬，而考慮融資券時也可產(chǎn)生11.74﹪之超額報酬。〈二〉蔡嘉文（民國85年）利用技術指針做為模糊類神經(jīng)網(wǎng)絡輸入值而用來預測股價的漲跌幅，研究發(fā)現(xiàn)，股價預測模糊類神經(jīng)網(wǎng)絡兼具類神經(jīng)網(wǎng)絡學習和模糊理論解決語意模糊的優(yōu)點，且具有相當?shù)姆€(wěn)健性、正確性、可更新性及解釋能力。模糊類神經(jīng)網(wǎng)絡修剪后較倒傳遞類神經(jīng)網(wǎng)絡平均準確率高出49﹪。〈三〉王春笙（民國85年）使用十項技術指針作為網(wǎng)絡輸入數(shù)據(jù)，而輸出值即是預測股價六日、十二日、十八日后的漲跌情形，研究結果，以漸進交易策略，在類神經(jīng)網(wǎng)絡部分，年獲利率有百分之十三以上，而復回歸部分，年獲利率有百分之八以上，其獲利能力相當明顯?！此摹迭S永成（民國86年）將模糊類神經(jīng)網(wǎng)絡對非量化因素之預測趨勢值配合技術分析之量化因素，先經(jīng)由遺傳算法求出模糊類神經(jīng)網(wǎng)絡神經(jīng)元間連結權重值，再用來訓練神經(jīng)網(wǎng)絡，而得到智能型預測系統(tǒng)，其預測結果得到3.86﹪的預測均方誤差，77.57﹪的買賣點明顯率，與超越大盤2.14倍的投資報酬率績效，對股市預測更具準確性與敏銳性。〈五〉楊豐松（民國86年）整合類神經(jīng)網(wǎng)絡與模糊理論建立一個通用型信息篩選算法，篩選出重要之決策變量，減少信息使用量，降低信息搜集成本，仍能達到相同或相似的決策結果。研究結果，網(wǎng)絡輸入變量由13個縮減為10個，而其預測準確率為57.5﹪和一般為篩選信息所得預測率55﹪至65﹪之間相差不大，唯其可以減少信息搜集及處理的時間和成本?！戳等~榮明（民國86年）透過因特網(wǎng)擷取證券市場每小時成交價量數(shù)據(jù)，經(jīng)由倒傳遞網(wǎng)絡模式分析個股日內(nèi)價量關系，進一步預測個股十一時至十二時價格變化幅度。研究結果發(fā)現(xiàn)，實際變化幅度差距不超過1﹪的情形下，如果包含大盤指數(shù)一起預測共二十種標的，其平均預測準確率達69.4﹪，但如果不包含大盤指數(shù)預測，則十九種標的股票整體預測準