英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料
新兴市场对金融和商业的质疑
股市效率和MACD（来自世界各国的案例）
加布里埃尔丹I.安格尔
布加勒斯特经济研究大学，罗马尼亚布加勒斯特，63，AlexandruLăpuşneanu街，布加勒斯特
摘要
本文通过实证评估一个非常流行的技术分析指标的经济相关性，即移动平均收敛差异，评估全球75个国家股票市场的信息效率状况。有许多已发表的论文评估了世界各地的市场效率，但没有一篇论文像这样的国家那样关注。 总共有1336家公司被选中，时间数据从2001年1月1日开始到2012年12月31日结束。此处使用的方法基于使用优化交易规则的交易模拟，该规则应用于样本报价之外。为了符合该领域的最新指南，进行了若干统计测试，包括基于自助测试的测试，以验证估算器，从而确保无偏差结果和更相关的结论。根据获得的结果可以做出几个重要的陈述，最重要的是交易员使用MACD作为股票市场的技术分析投资方法可能有时候，并且对于某些公司获得异常成本和风险调整回报，这指出 世界股票市场存在重要的低效率。
copy;2015年由Elsevier Ltd.出版。由Em负责选拔和同行评审
罗马尼亚企业融资研究小组协会负责的选拔和同行评审
关键词
移动平均收敛分歧，动量，市场效率，技术分析，交易模拟，Bootstrap
1.介绍
本文着重于通过实证评估一个非常流行的技术分析指标的表现来评估世界各国的股票市场效率，即Gerald Appel（1979）开发的移动平均收敛差异指标。技术分析由各种实际投资方法组成，这些方法使用过去的交易数据来尝试和预测未来的价格行为，从而试图获得异常的交易利润。然而，这与当前金融市场范式 - 有效市场假说的假设发生冲突，该假设指出即使在有效市场一周的情况下，如Fama（1970）所述，过去的信息也被纳入 当前的价格演变，因此它不能用于为投资者暴露自己的风险类别产生高于正常的回报。Fama和Blume（1970）指出，确定市场效率的最终标准始终是实用的，因此在信息效率意义上，在所有实际方法在市场上经过测试和验证或无效之前，无法确定真正的市场性质。这是本文试图做的，尽管使用单一的技术指标。 通过评估MACD的盈利能力，我们间接评估其信息纳入交易价格的水平。 如果股票市场效率较低，那么MACD的过去盈利信息应该纳入当前的交易价格，因此技术分析师会发现不可能使用这个指标来赚取异常利润。 更重要的是，盈利能力应该随着时间的推移不断下降。
有大量已发表的论文专注于评估全球股票市场的市场效率。 它们起源于20世纪，并继续由世界各地的学术期刊以指数形式出版，特别是2013年诺贝尔经济学奖在这一领域达到三个指数。在审查这个地段时没有意义。 现在有一些文献综述，其中Dimson和Mussavian（1998）描述的非常有趣的历史演变是作者推荐的。 所采用的方法非常多样化，从简单的自相关测试到非常复杂的优化算法，如神经网络，遗传进化或粒子群优化。 让我们关注本文的内容。
本研究使用基本交易模拟来确定测试技术交易规则的盈利能力。 在尝试应用机械技术分析交易规则时，该方法试图模仿实际投资者在实践中所做的事情。因此，我们从“我应该使用什么交易方法以获得可持续的交易利润？”这一问题开始。这个问题的答案导致寻求最成功的过去交易规则。假设投资者专注于一个技术分析指标，比如，比方说，MACD，则问题转化为“我应该使用什么参数组合？”这导致采用优化以确定最大化预定的参数组合 返回过去交易数据的衡量标准。当发现最佳规则时，它将在实际交易中应用。 在这里，实际交易被替换为样本外数据的交易模拟。 这种方法并不新鲜，许多作者在他们的研究中使用它，正如Park和Irwin（2007）在将其称为“标准方法”后所示。该方法的主要问题在于，由于优化技术中固有的数据监听偏差，它很容易产生错误发现在本文中，使用了两种测试：基本t检验和基于更复杂的bootstrap。 这些统计测试也不是新的，因为在1990年代使用了基于bootstrap的验证，Brock，Lakonishock和LeBaron（1992）是推广这种方法最成功的。为了抵消这些影响，采用了几种测试来评估计算的估计量的统计相关性。
到目前为止，读者可能想知道本文对现有文献的贡献是什么？ 答案是本文有三种方式：
首先，通过结合投资者在市场活跃时遇到的所有可衡量的交易成本来改进交易模拟
其次，使用不同的返回指标作为目标优化测量。 它带来的已经实施的指标的优势很多，稍后会详细说明。
- 与大多数现有论文相比，所使用的数据量及其质量是一个很大的优势。 在这里，研究了来自75个不同国家的1268家公司。
所有上述贡献都旨在在全球范围内讨论股票市场效率时产生更可靠的结论。
为了实现这些目标，本文的其余部分结构如下：第2章详细介绍了MACD指标以及研究人员迄今为止在实证测试中使用它的方式。 第3章更详细地介绍了所采用的方法。 第4章介绍了结果和评论，最后一章留待结论和评论。
2.移动平均线会聚发散指标
技术分析指标基本上是线性函数，使用过去的交易数据，如开盘价，高价，低价或收盘价，交易量，持仓量，预付款，下跌量等，来计算经常性价值，后来由技术分析师进行分析 投资决策。 移动平均收敛分歧（MACD）由Gerald Appel（1979）引入，是最受欢迎的技术指标之一。 MACD的基本公式是：
其中MA（S，n）是在n长度窗口上针对系列S计算的移动平均值，n1是第一移动平均值的窗口长度，n2是第二移动平均值的窗口长度。 可以清楚地看到，MACD是两个移动平均线的简单减法，第一个是短期平均值，第二个是长期平均值，因此n1 lt;n2是基本完整性 条件。 从这一点开始，解释很简单：MACD越高，与最后一次n2观测相比，最近n1次观测的价格上涨越多，因此上升趋势越强。同样，一个小的负MACD表明，与最后的n2个观测值相比，价格在最后的n1个观测值中下降，因此下降趋势越强。
MACD是一个振荡器，因为它的意思是在零附近回复。 它也是衡量价格动量的指标，意味着股票价格趋势的强度和方向。 作为所有动量指标，投资者使用MACD进行交易的方式多种多样。最简单的方法是跟踪指标值并寻找市场趋势变化的迹象。 当指标通过其均值回复点时，可以考虑改变趋势，从而指出新的过去市场趋势，这反过来指向新的未来市场趋势。如果实施趋势跟踪策略，则会产生有利于预测趋势的交易信号。 以这种方式使用的MACD就像移动平均交叉规则一样。 这种策略的缺点是价格滞后，意味着趋势反转在实际发生后被发现。使用动量指标的另一种方法是尝试检测超买和超卖情况。 这是振荡器特性发挥作用的地方。 当市场处于超买状态（过去的市场趋势过度看涨）或超卖（过去的市场趋势过度看跌）时，使用逆向策略的投资者将与当前的市场趋势进行交易，预期会出现逆转或至少是暂时的回撤。MACD在检测超买和超卖情况时的问题在于它取决于价格水平。 就交易货币而言，资产价格越高，MACD记录的值越高，因此不存在类似于相对强弱指数（另一种流行动量指标）的一般过度反应水平。 为了纠正这种不足并使用MACD进行不同的过度反应交易，可以使用百分比的MACD，其公式为：
因此，当达到极值（与过去的值相比）时，使用MACDp检测超买或超卖情况。
使用动量指标的另一种方法是使用信号线，该信号线是实际指标的指数移动平均线。 这是使用其提议者的MACD的主要方式。 在这种情况下，交易者必须计算MACD及其n3天移动平均线称为信号。当MACD越过信号线时，则提供价格动量正在变化的指示，因此交易者根据MACD和信号线交叉的方式买入或卖出。 信号线的公式是：
开发这种交易方法是为了对抗大多数动量指标的滞后缺陷。 指示器与信号线的交叉是一个早期警告，表明市场可能会发生某些事情。 在技术分析术语中，这种策略大部分时间称为MACD（n1，n2，n3）
使用动量指标进行交易的最后一种可能方式是通过观察收敛/分歧符号与市场价格。 如果市场价格达到新的本地高点/低点但MACD没有，那么就会出现分歧，这标志着当前市场趋势的可能结束和新市场趋势的开始。
移动平均线收敛差异指标在国际文献中曾用于研究市场效率，尽管并不像它在投资者中普及所暗示的那样频繁。 例如，Bodas-Sagi等人（2009）使用遗传进化参数优化，并将MACD的表现与道琼斯工业平均指数的买入持有策略进行了比较。他们发现它的表现远好于基准，尽管结果没有根据交易成本和风险进行调整。 Armor等人（2010）在爱尔兰股市主要指数的20年数据中测试了两项技术分析规则，包括标准MACD（12,26,9），并发现MACD规则的表现落后于买入和持有基准。然而，鉴于第二条规则（简单移动平均线）优于基准，他们得出结论，移动平均线方法可能会对爱尔兰股市的效率产生一些疑问。 Chen等人（2011）根据丹麦股票市场指数的每日数据检查了6条交易规则，包括基于MACD的交易规则，发现在两个指标或三个指标组合的交易规则下的所有买卖差异均为正 有明显的t-stats拒绝有效市场假设，从而得出结论：技术分析在股票市场具有可靠的预测能力，并且可以在丹麦股票指数的情况下辨别反复出现的价格模式。Kara等（2011）将MACD和其他四项技术分析指标纳入人工神经网络和支持向量机，以预测伊斯坦布尔证券交易所（ISE）国家100指数的方向，并发现ANN和SVM模型均显示 在预测股票价格变动方向方面的重要表现，从而暗示ANN和SVM都是本主题的有用预测工具。Abbey和Doukas（2012）在个别货币交易者的货币交易中检验了四项技术分析指标，包括标准动量MACD（12,26）规则，并发现技术分析与绩效负相关，从而得出使用此货币交易者的货币交易商的结论 一种技术分析规则遭受性能降低。然后Chen和Metghalchi（2012）根据1996 - 2011年期间巴西股票市场指数的六个指标（包括MACD）的不同组合测试了32个模型，并发现应用各种交易规则，包括单，双和三 指标不支持技术分析的预测能力，从而得出结论认为巴西股票指数形成有效的弱势。Metghalchi等人（2012）研究了66技术分析交易系统的预测能力，其中他们在1990年至2010年期间为台湾股票市场纳入了一些MACD规则。他们发现大多数规则在这个市场具有预测能力，尽管他们 没有证明这些规则可以用来产生经济利润。Biondo et等人 （2013）比较了随机策略与几个技术分析（包括RSI）在1989 - 2012年期间英国，意大利，德国和美国的每日股票交易所指数的表现，并发现了标准交易策略和他们的算法，基于时间序列的过去历史偶尔有机会在小时间窗口内成功，虽然在平均时间上执行的大时间规模并不比纯随机策略好，但另一方面，它也很多波动性较小，因此得出的结论是，对于个体交易者而言，纯粹随机的策略代表了昂贵的专业金融咨询的无成本替代方案，同时风险也小得多，并间接支持这些市场的EMH。 Du Plessis（2013）研究了MACD技术分析策略与南非股市买入持有策略的有效性，发现基准投资策略比市场上的MACD更有效。
还有更多的论文评估了MACD的表现，并从中得出了关于市场效率的结论，但没有一篇比研究市场的多样性和研究数据系列的数量更复杂。
3.方法论
3.1概观
本研究测试了两种独立交易策略的表现，第一种是基于跟随规则的MACD趋势，第二种是基于MACD与信号规则。 评估这两种策略非常重要，因为本文的目的是评估MACD的整体特征，以评估市场如何很好地整合其提供的信息。 进行的测试试图回答以下问题：
- MACD是否能够为在世界市场上使用它的投资者带来过高的经济回报？
- MACD是否为世界市场上的投资者提供盈余信息？
- 如何根据上述发现评估世界股票市场的信息效率？
这些论文在国际文献中有几种测试方法，Park和Irwin（2007）对这些方法进行了很好的记录：（a）用于样本优化的标准方法，然后是样本外的确认，（b）引导确认方法，基于Brock，Lakonishock和LeBaron（1992）引入的方法，遗传编程，研究人员试图通过实施Koza（1992）引入的遗传算法消除数据窥探偏差，（c）现实检查基于White（2000）引入并由Romano和Wolf（2005），Hansen（2005）和Hsu，Hsu和Kuan（2010）以及（d）其他非线性方法（如前馈神经）引入的Bootstrap Reality Check方法。网络或k-最近邻居的回归。另一个没有记载的重要方法是（e）Benjamini和Hochberg（1995）引入的虚假发现率（FDR）测试，以及Bajgrowicz和Scaillet（2012）的改进。
3.2 与标准文献相比的改进
本文使用标准和Bootstrap确认方法的组合，然后根据Timmerman和Granger（2004）的规范对它们进行改进。 标准程序意味着执行交易模拟以评估交易规则的成本和风险调整后的盈利能力。这意味着使用MACD的三种可能策略构建规则Universe，然后将数据样本分成若干子样本。 为了模拟投资者实际在实践中所做的事情，仅使用在前一时间窗口中优化后从整个Universe中选择的最佳规则进行交易。换句话说，使用目标回报测量的优化来选择子样本（称为“训练窗口”）中来自交易领域的最佳系统，然后在以下子样本上计算实际交易的结果（“ 交易窗口“）。 这样做是为了模拟投资者实际使用的回测例程。 通过计算新样本中的结果，这些应反映出投资者可以通过MACD交易策略实际获得的收益。
但是，如前所述，此处使用的方法与标准文献相比有所改进，如下所示：
Sortino超额回报的几何M2（表示为ExM2）用作优化中的目标回报测
全文共20410字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[552]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
