我院姜富伟副教授为第一作者与金融学院卓越学术人才培养项目2014级本科生宋国凯和人民大学助理教授童国士合作撰写的论文“Technical Analysis Profitability without Data Snooping Bias: Evidence from Chinese Stock Market”，近期被International Review of Finance 期刊接收并发表。本篇论文的合作者宋国凯同学于大学三年级开始加入“中央财经大学金融学院卓越学术人才培养项目”，这篇论文也是该同学参与这个项目的结项成果。中央财经大学卓越学术人才培养计划起始于2011年，立足于从本科生中发现学术新秀，激发学术兴趣，塑造研究能力，建立学术自信、培养学术人才。经过几年发展，已取得了丰硕的成果。

本文使用海量数据挖掘技术分析了共5大类近3万个技术分析交易规则在中国A股市场的盈利能力。具体而言，本文采用中国A股市场1997年至2015年的数据进行回测了5类交易规则：轨道突破规则（Channel Breakout Rules），过滤器规则（Filter Rules），移动平均规则（Moving Average Rules），反转规则（Oscillator Rules），支撑线阻力线规则（Support Resistance Rules）。本文发现大约有170个技术交易指标能够预测中国A股市场涨跌并能显著战胜购买并持有策略。在搜寻有预测能力的技术交易指标时，本文强调计量经济学的严谨性，严格使用White(2000)，Hsu et al. (2010)等开发和拓展的超额预测能力检验（superior predictive ability test），来控制数据过度挖掘和联合检验带来的Type I偏误。本文实验发现，如果不控制数据过度挖掘偏误，常规t检验大约有认为2万个指标有显著预测能力。而控制数据过度挖掘偏误，显著的指标降低到170个。显然，不严谨的计量分析还带来夸大的预测能力分析报告。此外，本文还考虑不同交易成本（0.25%与0.5%）、不同指数数据（上证、深证、沪深指数等等）以及不同样本区间（992-2015,1997-2015,2002-2015,2007-2015），发现结果依然稳健。分时间区间分析发现，在1990年有更多的指标预测能力显著，但随着时间流逝，有显著预测能力的技术分析规则数量逐渐减少，我们对此解释为中国股票市场的发展程度和有效性逐渐提高。