學術上不接受技術分析等方法，認為股價已經在市場上充分反應，過去的歷史股價不能對未來進行預測。然而，業界或一般的投資人，卻往往把技術分析拿來做為買賣的依據。實際上以歷史資料做模擬交易，卻可以發現許多技術分析的法則在某些市場、股票、期間之中，可以獲得相對於買進賣出更好的報酬。有趣的是，任何一種操作法則或是特定一組參數選擇，在樣本外的操作則無法完全發現同樣的結果。故以技術分析所獲得的超額報酬，究竟是此機制有效還是單純運氣成分，許多技術分析的文獻以及著作往往著墨甚少。
本論文利用狀態轉換模型(Regime Switching Model)捕捉台灣加權股價指數，將股價的動態分為上漲以及下跌兩種狀態，並估計其市場參數—漲跌速度、漲跌速度標準差、轉換機率。其次將所估計的市場參數做為模擬的依據，可發現在單純隨機的環境下，某些市場參數組合存在移動平均線的交易策略明顯優於買進持有策略。研究中以敏感度分析的方法，呈現各個單一市場參數的改變情形，對於操作績效影響的方向。
最後將2001~2010的的台灣加權股價指數，估計市場參數並找尋當下最適的移動平均組合，允許每季重新調整參數，並實際以收盤價做為買賣模擬。結果發現移動平均線操作，確實能提供比買進持有更好的報酬，並減低每年報酬率變異。

中文部分
1. 何宗浩(2010), “技術指標、統計模型與資產配置在台灣股市的應用”, 國立台灣師範大學數學系碩士班論文
2. 李信賢(2004), “常態模型轉折點之二元樹搜尋法”, 國立中央大學統計研究所碩士班論文
3. 周家伃(2010), “跳躍風險下狀態轉換模型可解約參與型保單遞迴評價公式：股價指數之實證”, 國立高雄大學統計學研究所碩士班論文
4. 許雁然(2003), “股票市場價格轉折點之研究”, 國立成功大學統計研究所碩士班論文
5. 黃冠華(2008), “技術分析與實証研究-以移動平均線、每週交易日為例”, 國立政治大學財務管理研究所碩士班論文
6. 趙永昱(2002), “技術分析交易法則在股市擇時之實證研究”, 國立中山大學財務管理學系碩士班論文
7. 盧亞鴻(2010), “二維度幾何布朗運動轉折點之估計”, 國立成功大學統計研究所碩士班論文
8. 謝宛純(2011), “馬可夫轉換基礎下技術分析：七種國內外期貨的探討”, 國立政治大學財務管理研究所碩士班論文
 
英文部分
1. Brock, W. , J. Lakonishok and B. LeBaron(1992), “Simple Technical Trading Rules and the Stochastic Properties of Stock Returns”, The Journal of Finance, 47, 1731-1764
2. Cesari, R. and D. Cremonini(2003),“Benchmarking, portfolio insurance and technical analysis: a Monte Carlo comparison of dynamic strategies of asset allocation”, Journal of Economic Dynamics and Control, 27, 987-1011
3. Chen, J. and A. K. Gupta (1997), “Testing and locating variance changepoints with application to stock prices”, Journal of the American Statistical Association, 92, 739-747
4. Chib, S. (1998), “Estimation and comparison of multiple change-point models”, Journal of Econometrics, 2, 221-241
5. Fama, E. F. (1970), “Efficient Capital Markets: A Review of Theory and Empirical Work”, The Journal of Finance, 25, 383-417
6. Fama, E. F. (1991), “Efficient Capital Markets: II”, The Journal of Finance, 46, 1575-1617
7. Fukuda, K. (2006), “Monitoring unit root and multiple structural changes: An information criterion approach”, Mathematics and Computers in Simulation, 71, 121-130
8. Hamilton, J. D. (1989), “A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle”, Econometrica, 57, 357-384
9. Hamilton, J. D. (1989), “Analysis of Time Series Subject to Changes in Regime”, Journal of Econometrics, 45, 39-70

10. Lin, S. K. , S. Y. Wang, and P. L. Tsai(2009), “Application of hidden Markov switching moving average model in the stock markets: Theory and empirical evidence”, International Review of Economics & Finance, 306-317
11. Pan, J. M. and J. H. Chen(2006), “Application of modified information criterion to multiple change point problems”, Journal of Multivariate Analysis, 97, 2221-2241
12. Pastor, L. , P. Veronesi(2009), “Learning in Financial Markets”, NBER Working Paper No. 14646
13. Perlin, M. (2011), “MS_Regress - The MATLAB Package for Markov Regime Switching Models”, working paper
14. Priestley, R. (1997), “Seasonality, Stock Returns and the Macroeconomy”, The Economic Journal, 107, 1742-1750