基于趋势确定性价格数据与机器学习验证美国股市的弱式市场有效性

有效市场假说数十年来一直是经济学研究的基石。其中，弱式市场有效性——即过去价格无法预测未来表现的观点——得到计量经济学证据的强力支持。相比之下，用于预测股价的机器学习算法被不同程度地宣称取得了成功。此外，一些数据科学家夸耀仅利用价格数据即可获取超额市场收益。本研究致力于将弱式有效市场的现有计量经济学研究与算法交易中的数据科学创新相联系。首先，利用增广迪基-富勒检验与方差比检验对传统上过去十年股票指数价格的平稳性进行探索。随后，使用五种机器学习算法实现了一个算法交易平台。计量经济学发现识别出潜在的平稳性，暗示技术分析或许可行，但算法交易结果显示任何机器学习模型均缺乏预测能力，即便使用趋势特定指标亦然。在计入交易成本与风险后，无任何系统能持续获得超额市场收益。我们的发现强化了弱式市场有效性的有效性。