以往研究中，经常通过宏观经济变量预测美国股权风险溢价而较少考虑技术指标，但仅使用经济变量难以获得准确的预测结果，例如Welch和Goyal（2008）发表在Review of Financial Studies上的著名论文发现使用经济变量作为预测指标的样本外预测表现较差，其准确性甚至低于带漂移项的随机游走模型（历史平均值模型）。不同于经济变量，技术指标主要基于资产过去的价格和交易量判断其价格趋势，并假定该价格趋势会持续到未来，现有研究已广泛基于各种技术指标研究交易策略的可获利性，其中技术指标的构建方法包括滤波规则、动平均、动量和自动模式识别等，然而，目前鲜有研究通过技术指标预测股权风险溢价，技术指标是否有助于预测股权风险溢价仍然是一个值得探讨的问题。

在国际顶级期刊Management Science上发表的一篇论文中，美国联邦储蓄银行的Christopher J. Neely、圣路易斯大学的David E. Rapach、新加坡管理大学的Jun Tu和圣路易斯华盛顿大学的Guofu Zhou成功通过技术指标预测美国股权风险溢价，他们构建技术指标的方法主要有三种，即动平均、动量和“平衡交易量”，基于不同的参数设置，他们一共构建14项技术指标，并且综合对比了这些技术指标与Welch和Goyal（2008）提出的14个经济变量之间的预测能力差异。

实证结果表明，技术指标对股权风险溢价具有显著的样本内和样本外预测能力，并且预测结果在统计和经济视角下均有意义。此外，上文作者发现技术指标和经济变量可以捕捉关于经济周期的不同信息，具体而言，技术指标可以较好地捕捉股权风险溢价在经济扩张期的下降变化；经济指标可以较好地捕捉股权风险溢价在经济衰退期的上涨变化，而整合技术指标和经济变量信息可以获得更准确的股权风险溢价预测值，并且帮助投资者获得更加可观的收益。总的来说，技术指标的确可以帮助人们更好地预测股权风险溢价。

这篇论文的结论对预测股权风险溢价具有重要启示，其提示市场参与者和政策制定者可以寻找除经济变量以外的信息预测股票市场，这亦符合当下股票市场的发展趋势与复杂系统的建模要求，综上，该篇论文具有较强的理论意义与实际意义。

评述文献：

Neely, C. J., Rapach, D. E., Tu, J., & Zhou, G., 2014. Forecasting the equity risk premium: the role of technical indicators. Management science, 60(7), 1772-1791.