“学海拾珠”系列之二百一十四：如何通过技术指标预测市场波动性-241127-华安证券-20页.pdfVIP

[Table_StockNameRptType]

金融工程

专题报告

如何通过技术指标预测市场波动性

——“学海拾珠”系列之二百一十四

报告日期：2024-11-27主要观点：

[Table_RptDate]

[Table_Summary]

[Table_Author]准确的波动性预测对于市场参与者和政策制定者都是必需的。本文基

分析师：吴正宇

执业证书号：S0010522090001于股票价格、波动性和交易量构建技术指标，预测股票回报的波动性。样

邮箱：wuzy@本外结果表明，将技术变量纳入自回归基准模型可以显著提高波动性预测

的准确性。进一步的，将技术指标组合的预测表现与常见的经济指标进行

分析师：严佳炜比较。研究发现，当经济处于扩张期时，技术变量的表现优于经济变量，

执业证书号：S0010520070001

而当经济处于衰退期时，经济变量则能生成更为准确的预测。这两类变量

邮箱：yanjw@

在经济周期中提供了互补的信息。由此可见，通过将经济和技术信息结合

起来，所获得的预测比仅结合单一类型的信息更为可靠。

⚫样本内证据表明，除了宏观经济变量外，一些技术指标确实能够提供

关于未来波动性的有用预测信息

作者在每个预测回归中，包括了12期滞后的因变量。作者给出了斜

率系数和相对于基准自回归（AR(12)）模型的对数实际波动性R²的百分

比提升。对于13个宏观经济变量中的5个（包括DP、DY、NTIS、DFR

和SMB），在10%的显著性水平下拒绝了无预测能力的原假设。将这些

[Table_CompanyReport]变量纳入预测回归后的R²增加，始终高于其他宏观经济变量。对于技术

相关报告

1.《技术性资产配置与宏观经济因素——指标，四个反映杠杆效应（LV）的变量可以在样本内预测股市波动性。LV

“学海拾珠”系列之二百一十三》变量的显著正系数表明，负回报通常会导致未来波动性高于正回报。

2.《主动投资向被动投资转变的影响与风

险？——“学海拾珠”系列之二百一十⚫相较于自回归模型，基于技术模型的预测组合（FC-TECH）能够显著

二》优于基准模型

3.《价格波动性与信息含量——“学海拾作者发现，结合技术信息的预测比结合宏观经济信息的预测更能有效

珠”系列之二百一十一》地预测股市波动性。通过将所有经济和技术信息结合起来，作者可以获得

4.《基于转移熵约束的投资组合优化——相当准确的波动性预测，尤其是在季度预测期内。而且在预测大波动时，

“学海拾珠”系列之二百一十》FC-MACRO能够超越基准模型，表现出显著的正样本外R²。FC-TECH

5.《ETF与其他基金之间存在互补或替在统计意义上与基准模型表现相当。当预测小波动时，FC-TECH能够超

代效应吗？——“学海拾珠”系列之二百越基准模型，而当FC-MACRO未能做到这一点，表现出负的样本外R²

零九》值。

6.《择时因