Local EPUB Text
自下而上：股票选择和相对强弱
目前有近8000种股票活跃在美国的股票市场上。这个数量太多了，对任何一名技术分析师来说，都很难频繁做出选择。有些技术分析师只是简单地浏览一下每种股票在各自行业领域的表现，一般使用柱线图、蜡烛图或点数图中的一种，观察股票的走势。这一过程劳心费力，也很难做到客观。其他人使用相对强弱比率图表来筛选。耗时最少、最客观的方法，是使用下面所讲的相对价格强弱方法，定期对所有的股票进行筛选。相对强弱提供了某种股票跑赢市场而且可能正处于强势上涨中的证据。这些方法可以在公募基金、交易所可交易指数基金（EFT）、行业类别选择、商品和外汇选择上广泛应用。
相对强弱
多数技术筛选方法都使用相对强弱概念来判定哪些股票最有投资前景。相对强弱是一个可靠的概念，经过学术界和业界的充分验证，具有价值。当然，由于这种方法非常成功，它也成了我们反驳随机走势（random walk）和有效市场假设（efficient markets hypothesis）最有力的证据。相对强弱概念背后的前提是力量会持续，就像趋势会持续一样。通过识别最强劲的趋势，在这种股票的这种力量消退前，可以通过投资获利。假若最强势的股票一直保持势头，市场就不会陷入随机或者有效状态。
确定股票相对强弱的最常见方法是比率法。将两项投资、两个股票板块、两个行业类别、两个平均值、两种大宗商品等进行对比，以比率来判断孰优孰劣。通常可以绘制出比率的曲线图，表明某个对象（如钢铁股）和平均值（如钢铁行业平均指数）的比率。若该比率上升，则表明这种股票比行业平均指数更强势。对于此类比率曲线的解读，方法与对价格和其他震荡指标一样。背离分析、趋势线和形态都可以通过比率曲线的形式表现出来。这一比率还可以按照点数图的方式表达，与图21-8和图21-9中显示的类似。
相对强弱的学术研究
1967年，罗伯特·利维（Robert Levy）在《金融学刊》（Journal of Finance）上发表了一篇论文，提出了价格相对强弱会延续较长的时间，可以借此盈利，进一步论证了随机走势概念不成立。利维的论文受到了人们广泛抨击，当时有效市场假设和随机走势假设相对较新，受到学术界的广泛推崇。
直到1993年，另一篇有关价格相对强弱或动量（momentum）的重要文章的问世，才改变了人们诟病相对强弱概念的局面。这一题为《买入盈利股和卖出亏损股的收益：股票市场有效性的影响》（Returns to Buying Winners and Selling Losers:Implications for Stock Market Efficiency）的文章也发表在《金融学刊》（Journal of Finance）上。作者是纳瑞辛姆汉·杰格达什（Narishimhan Jegadeesh）教授和谢里登·蒂特曼（Sheridan Titman）。他们证明了在3～12个月内有高回报的股票，可以在之后一年里获得额外的每月1%的收益率。但是，两位学者也发现这些股票在13～16个月后遭受了损失，说明了价格相对强弱不是一个永恒的定律，而是暂时的现象。他们还明确表示，T检验显示的统计学证据，让他们不得不“相信即使在最保守的统计学显著性条件下，有效市场假设也要被摒弃”。
康拉德和考尔（Conrad & Kaul，1998）在研究了150种动量（相对强弱）和逆向操作策略后发现，最佳的利润发生时间为3～12个月。此外，他们还发现逆向操作策略（在低点买进）从1926年至1947年获得的利润具有统计学显著的证据。
当然，还有其他学者举出一些理由来批驳这一研究，但当康拉德和考尔的论文发表后，其他学者也提出了对市场有效的怀疑证据，人们没有直接否认这些证据，而不像20世纪60年代利维的研究结果发表后被立即反驳。从此以后，这些学者论文的观点不仅在国外市场得到了验证，更在美国之后的发展过程中得到了证实，杰格达什和蒂特曼2001年在《金融学刊》（Journal of Finance）上发表的论文进一步论述了这一现象。
1998年，罗文豪斯特教授（K.G.Rouwenhorst）证明，动量指标在12个欧洲股票市场中取得了成功。1999年，罗文豪斯特认为在新兴市场中，动量表现最强烈。其他的研究成果确认了德国和八大亚洲市场（不包括日本）和瑞士股市有利可图，这主要是通过相对强弱分析得出的结论。即使是有效市场假设的创始人——尤金·法玛教授（Eugene Fama），也发现动量是唯一一个能通过众多检验的指标（Fama and French，1996）。学术界认定价格相对强弱理论在盈利方面不仅胜人一筹，也部分揭穿了有效市场假设的谬误。
对于的确存在相对强弱，人们已经提出了很多种理由，但没有哪一种是经过验证的。最符合逻辑的说法是相对强弱与投资者的行为倾向和所使用的信息流有关。巴尔贝里斯、施莱费尔和维士尼（Barberis，Shleifer，Vishny，1997）提出了描述投资者关系和过度反应的行为模型。但是我们关注的不是相对强弱有效的原因。我们只关心在3到6个月的周期里，使用相对强弱是一项有效的策略，是选择股票的可行方法。
测量相对强弱
鉴于相对强弱非常重要，技术分析师需要一种测量相对强弱的方法。方法很多，最常用的是百分比变化、α值、趋势线斜率和利维方法（Levy method）。
百分比变化法
杰格达什和蒂特曼使用了6个月价格变化作为“回溯期”（look back）的基准。“回溯期”是指计算价格相对强弱的时期。按照这些变动速率对股票进行分类。他们发现前12个月的高价股票会在接下来的3～10个月继续保持强劲势头。他们采用的例证包括大盘股和小盘股、高价股和低阶股，在初始测试和后续的样本外测试（out of sample testing）中表现差不多。
技术分析知识21-2
美国苹果公司股票的阿尔法值
图21-10 苹果公司股票的α值和β值与美国标准普尔500指数（周线图）
图21-10的曲线是苹果公司股票和美国标准普尔500指数的散点分布。穿过散点分布的线性回归线可以用β值（1.60）和α值（1.55）定义。β值代表了苹果公司股票与美国标准普尔500指数的相对波动性。苹果公司股票的β值是1.6，证明每一周这个股票的震荡比美国标准普尔指数的震荡幅度大60%。α值为1.55表明在长达52个星期的时间里，苹果公司股票比美国标准普尔500指数的平均业绩高1.55%。苹果公司股票的α为正值，表明它是一只强力股。将苹果公司股票的α值与其他股票的α值进行比较，我们可以确定哪一种股票业绩表现最好、最适合投资。有关线性回归的详情，请参阅附录A统计学基础的内容。
α方法
计算相对强弱有很多方法，α方法是其中之一。根据现代投资组合理论（modern portfolio theory，MPT）中的β理论，一年内（包括其他时间）股票价格可以与平均指数（通常是美国标准普尔500指数的比较）的周线走势图进行比较。将股票价格每周百分比变化与美国标准普尔500指数周变化进行对照，在图像上画出线性回归线。这条曲线的斜率就是β值，而与纵坐标相交的点对应的值就是α值。每种股票在特定的时间内都有自己的α值和β值。传统的做法是用β值衡量股票对比美国标准普尔500指数的相对波动率，来定义波动风险。震荡剧烈的股票的β系数较高，线性回归线的表现就比较陡峭。因此，这个系数表明了震荡程度。而α值就是线性回归线与美国标准普尔500指数的0变动率垂线相交时的值，表现了与美国标准普尔500指数的相对趋势。现代投资组合理论认定股票的β值越高越容易盈利，但是风险也越大。这个理论可能忽略了这样一个事实：即使某只股票有较高的β值，但是它的α值有可能是负值。若α值为负值，表明相对于美国标准普尔500指数，这只股票的趋势是下跌的。现代投资组合理论中，α值应该是接近0，因为从理论上讲，投资者不可能从市场（美国标准普尔500指数）中获得受益。也就是说，股票的价格运动由β值决定，不是α值。α并没有受到重视。但是在现实的市场中，α并没有一直逗留在0线附近，而是成了衡量股票与美国标准普尔500指数相对业绩表现的准绳。当比较不同股票的α值时，可以让我们了解股票的相对强弱。通过将股票按照α值排序，我们可以知道哪一只股票最强势。α值比β值的变动更快、幅度更大，但是β值与价格相对强度没有太大关联，因此不纳入考量。甚至有时候衡量波动性时，β值也不在考虑范围。
趋势线斜率法
有时候人们不想去计算复杂的α值和β值，就是用线性回归公式直接计算某一时期价格曲线的斜率，结果以百分比表示，作为筛选相对价格强弱的一种方法。股票可以按照价格曲线的斜率排序。这一方法与α方法、杰格达什与逖特曼提出的方法类似，但比α值计算方法更简单，还可以考虑整体价格变化的情况，不会出现以任意价格开始计算变化率时出现的舍弃部分数据的问题。
利维方法
罗伯特·利维（Robert Levy）在1965年发表的论文中介绍了计算相对强弱的方法。利维首先介绍了股票当前价格比131个交易日移动平均值的比率，然后把这个比率与其他股票的比率进行排序。
与杰格达什和蒂特曼日后的发现一样，利维发现计算和比较相对强弱，应该建立在股票6个月回溯期的业绩基础上。如果周期短于这个时间，会出现日后遭受“反复被打脸”的风险；而任何比这个周期长的回溯期的计算，都有可能会太接近均值，这是因为业绩表现从长期来看，还是会回归到均值的。利维还提出在总体下跌进入长期熊市的股票市场上，相对强弱依然可靠，但是逐渐失去了作为选择盈利股票标准的作用。当最终的下跌发生时，这些较强的股票往往是跌得最厉害的股票。利维在自己的估算中，相对强弱是牛市的股票筛选策略，不适合在下跌市场中应用。
一位学者使用26个星期作为回溯期，已经检验了利维方法在17年里的有效性（Kirkpatrick，2001），并提出这一方法可以为我们提供一张筛选出的盈利股票的清单。26个星期与利维开始时所用的131天比较接近，可以用于比率计算，而且还大大简化了计算过程。