技术分析中压力线与支撑线的存在性检验，本文主要内容关键词为：压力论文,技术论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F832.5 文献标识码：A
一、问题描述与分析
一般而言，技术分析理论认为，前期高点（局部极大值点）成为压力，前期低点（局部极小值点）成为支撑，参见图1。
图1
其他复杂的走势形态图形，一般都是由若干局部极值点（局部极大值点和局部极小值点，即“压力线”和“支撑线”）组成，例如头肩形态、三角形态、矩形形态、扩散形态等。鉴于“压力线”与“支撑线”对于走势形态技术分析的重要意义以及走势形态技术分析在整个技术分析体系中的核心地位，本文对技术分析“压力线”与“支撑线”存在性的研究，不但可以为研究其他复杂的走势形态技术分析提供基础性支持，而且对于奠定整个技术分析体系有效性的实证基础也具有十分重要的意义。
基于以上考虑，本文根据技术分析理论中对于“压力线”和“支撑线”的定义，研究其是否真正具有“压力”和“支撑”的作用。对于“压力线”（局部极大值点）而言，当股价再次自下而上运行到其价位附近时，会受到抛压的影响因而受到某种程度的“压力”，因此股价有较大的可能掉头向下；同理，对于“支撑线”（局部极小值点）而言，当股价再次自上向下运行到其价位附近时，会受到补仓的影响因而受到某种程度的“支撑”，因此股价有较大的可能掉头向上。然而以上的“压力”和“支撑”只是概率意义上的，股价完全有可能突破“压力”或者“支撑”（即股价超过前期高点或低于前期低点）。
检验压力线与支撑线的存在性的关键有两点。一是如何确定局部极大值点和局部极小值点；二是如何衡量是否产生了“压力”或“支撑’）的效果。对于第一点，Lo et al(2000)使用的名为核回归平滑估计的非参数统计方法提供了一个很好的工具，本文对其进行一定修改后运用干局部极大值点与局部极小值点的确定。
对于第二点，直接比较股价受到压力（支撑）和突破压力（支撑）的概率有较大的困难，主要是因为难以确定股价是否真正突破了压力（支撑）。由于股价运动中存在微小波动，不能认为只要股价在一个时点上的绝对数值突破了“压力”或者“支撑”，“压力线”或者“支撑线”就失去了效果。
因此，本文设计出一种变通的统计方法来检验“压力线”和“支撑线”的存在性。本文的基本出发点是考虑局部极大值点序列和局部极小值点序列的特征。对于局部极大值点序列，如果相继两个局部极大值点的后者低于前者，则说明股价在遇到前期高点时受到了压力，如果相继两个局部极大值点的后者高于前者，则说明股价突破了前期高点的压力；对于局部极小位点序列，如果相继两个局部极小值点的后者高于前者，则说明股价在遇到前期低点时受到了支撑，如果相继两个局部极小值点的后者低于前者，则说明股价突破了前期低点的支撑。
利用相继局部极值点的大小关系来判断“压力”或“支撑”的效果是否实现可以避免前文提到过的微小波动造成“虚假突破”的情况，因为所有的局部极值点都是通过平滑估计后得到的，股价的微小波动已经被滤掉了。
在收益率期望值为零的情况下，如果相继两个局部极大值点的后者低于前者的概率比较大，也就是说，在多数时候股价自下而上接近前期高点时会掉头向下，则说明“压力线”的存在；同样地，如果相继两个局部极小值点的后者高于前者的概率比较大，也就是说，在多数时候股价自上而下接近前期低点时会掉头向上，则说明“支撑线”的存在。但是在牛市或熊市中，情况并非如此。对于牛市来说，股价向上的概率本身就比向下要大，因此后一个局部极大值点（局部极小值点）高于前一个局部极大值点（局部极小值点）的概率也来得大；在熊市中，后一个局部极大值点（局部极小值点）低于前一个局部极大值点（局部极小值点）的概率也会比较大。但是，无论在牛市还是熊市中，如果“压力线”和“支撑线”确实存在，那么相继两个局部极大值点的后者低于前者的概率一定会大于相继两个局部极小值点的后者低于前者的概率。也就是说，由于局部极大值点具有“压力”的作用而局部极小值点具有“支撑”的作用，所以局部极大值点序列的特征和局部极小值点序列的特征是不同的，这种特征的相异性是一种比较的结果，而不受市场整体趋势的影响。因此，本文将压力线和支撑线的效果放在一起做联合检验，即检验局部极大值点序列的后者低于前者的概率是否大于局部极小值点序列的后者低于前者的概率。如果成立，则支持了压力线和支撑线的存在性。
二、统计方法
（一）局部极值点的确定
在股票的价格运动中存在很多微小的波动，这些微小的波动会形成没有意义的虚假局部极值点，因此为了准确地确定局部极值点，我们必须对原始股价做某种程度的平滑处理，滤掉无谓的微小波动。本文采取Lo et al(2000)中使用的核回归平滑估计的算法对原始股价进行平滑，并利用平滑估计量寻找局部极值点。具体算法简述如下。
对于核回归估计量来说，其权重函数
(x)一般由一个概率密度函数K(x)生成，这个概率密度函数也成为核(Kernel)，满足：
平滑估计量也就是价格变化中的系统变化成分(Systematic Component)，通过平滑估计量我们可以提取出价格变化中的主要趋势，而不考虑短期的波动成分。这种估计方法的原理很接近于人眼判别股价局部极值点的原理，只不过人是根据视觉判断的模糊性来提取这种趋势，而核回归平滑估计是通过精确定量的方式来完成同样的任务。
寻找所有的局部极值点包括3步：
第一步，对于历史价格样本（对于某只特定股票来说，就是其所有历史价格的序列，在本文中，这个序列最多包含7年半的历史价格）窗口
进行核回归平滑估计，得到平滑估计量序列
(g)。
第二步，确定每个窗口的(g)序列的局部极值点。这里局部极值点的定义与一般数学分析中的定义相同，具体技术细节可参考Lo et al(2000)。
第三步，由(g)序列的局部极值点返回寻找原始价格序列的局部极值点，具体来说，如果（τ）是一个局部极大值点，那么我们认为max
是原始价格序列中对应的局部极大值点；如果（τ）是一个局部极小值点，那么我们认为min是原始价格序列中对应的局部极小值点。
带宽h的选择对于平滑的效果有很大的影响。较小的h会使得(g)不太平滑，而较大的会使得(g)过于平滑。本文对带宽的处理是这样的：取9个不同的带宽值，即1，1.5，2，2.5，…，4.5，5.0，每次将一个带宽应用到所有的窗口，共得到9组结果。
（二）“压力线”与“支撑线”的存在性检验
在得到每个股票的局部极值点序列后，我们计算相继局部极大值点和相继局部极小值点的后者与前者的大小关系。如果后者低于前者，计为1；否则为0。于是每支股票转换为两条0-1序列。一条是从局部极大值点序列变换而来的；一条是从局部极小值点序列变换而来的。然后把所有股票的从局部极大值点序列变换而来的0-1序列和从局部极小值点序列变换而来的0-1序列分别接在一起，最后得到两条0-1序列。一条对应所有股票从局部极大值点序列变换而来的0-1序列；一条对应所有股票从局部极小值点序列变换而来的0-1序列。
假设由局部极大值点序列变换而来的0-1序列来自服从二项分布的总体ξ，ξ：B(1,
)；由局部极小值点序列变换而来的0-1序列来自服从二项分布的总体η，η：B(1,
)。其中
未知。进行如下的假设检验：
备择假设
的含义为，局部极大值点序列的后者低于前者的概率大于局部极小值序列后者低于前者的概率。因此，如果拒绝原假设，接受备择假设，则支持了压力线与支撑线的存在性。
根据统计学定理：
三、数据及结果
本文对沪深两市1233支A股自1996年12月16日（恢复涨跌停板）起至2004年1月15的日交易数据进行了实证分析，对本文第二部分设计的假设检验问题进行检验，结果见表1。
表1 不同带宽下假设检验的结果
说明：***表示在1%的显著性水平上拒绝原假设，接受备择假设。
从表1中我们看出，在不同的带宽下，都可以显著地拒绝原假设，因此支持了“压力线”和“支撑线”的存在性。
四、对于压力线和支撑线的解释
按照市场有效性理论的阐述，股票的当前价格包含了所有的历史信息，股价未来的走势只取决于未来新到达的信息，与历史股价无关。但是，由于存在系统性人类心理因素，投资者在考虑投资决策时，会受到自己前期投资盈亏状态的影响，多数投资者这种行为的加总就会使得当期股价与历史股价存在某种程度的关联。
Murphy(1999)从技术分析者的角度对压力线与支撑线的心理状态给出了解释。这里我们仅以“支撑”的心理状态为例，对于“压力”，只需把情况反过来。
Murphy把市场参与者分为三类——多头、空头和观望者。多头是那些已经买入的交易者；空头是那些已经站在卖方的交易者；观望者则是已经离场或者还未决定站在哪一方的人。
假定市场从一个支撑区域——市场已经在此波动了一段时间——开始向上运动。多头（那些在支撑区域附近买进的人）兴高采烈，后悔当初买的太少。如果市场再次回调道支撑区域附近，他们会增加多头仓位。空头现在意识到（或强烈感到）他们处于市场错误的一边，他们希望（并祈祷）市场再跌回支撑区域，这样他们就能在当初进场（卖空）的位置离场，从而打个平手。
那些站在边界线上的人可以分为两群——从未持仓的人以及那些出于这样或那样的原因在支撑区域把多头仓位平掉的人。当然，后一群人正在为过早地平掉多头仓位而恼火，他们希望有另一次机会在接近他们卖出的地方把那些多头仓位补回来。
最后一群人，即那些犹豫不决的人，现在意识到市场正在攀升，因此决心要在下一个买入良机进场做多。
所有四群人都决意“在下一个回调中买进”。他们在市场下方那个支撑区域都有一种“既得利益”。自然地，如果市场的确下跌到该支撑附近，那么所有四群人重建的买意会使推动市场上扬成为现实。
以上分析是技术分析者对投资者心理状态的一种合理猜测，本文的实证研究很好地支持了上述分析给出的预测结果——压力线与支撑线的存在。但是上述解释的不足之处在于主观猜测的程度较高，缺乏理论模型的支持，这也正是该领域未来的研究方向。