قوانین فنی و ساده تجارت و ویژگی های تصادفی بازده سهام Simple Technical Trading Rules and the Stochastic Properties of Stock Returns
- نوع فایل : کتاب
- زبان : فارسی
- ناشر : Jstor
- چاپ و سال / کشور: 2001
توضیحات
چاپ شده در مجله مالی – The Journal of Finance
رشته های مرتبط علوم اقتصادی، اقتصاد مالی و اقتصاد پولی
اصطلاح “تحلیل فنی” یک عنوان کلی برای هزاران روش تجارت و مبادله محسوب می شود. تحلیلگران فنی تلاش می کنند تا قیمت ها را با مطالعه قیمت های گذشته و چند آمار خلاصه مربوطه در مورد مبادله اوراق پیش بینی کنند. آن ها بر این باورند که تغییرات در عرضه و تقاضا را می توان در نمودار های عملیات بازاری شناسایی کرد. تحلیل فنی از نظر بسیاری، به عنوان یک شکل اولیه از تحلیل سرمایه گذاری در نظر گرفته می شود که قدمت آن به ۱۸۰۰ میلادی باز می گردد. قبل از دوره گسترش و افشای کامل اطلاعات مالی این تحلیل به فراوانی مورد استفاده قرار گرفت، که به نوبه خود امکان توسعه تحلیل بنیادی را می داد. در آمریکا، قدمت استفاده از قوانین مبادله و تجارت برای تشخیص الگوها در قیمت های سهام به اندازه قدمت خود بازار سهام است. قدیمی ترین روش، به چارلز داو و اواخر ۱۸۰۰ میلادی نسبت داده می شود. بسیاری از فنون مورد استفاده امروزی به مدت بیش از ۶۰ سال مورد استفاده قرار گرفته اند. این فنون برای کشف روابط پنهان در بازده سهام می توانند از فانون بسیار ساده تا کاملا پیچیده متغیر باشند. اخیرا نگرش متخصصان دانشگاهی در خصوص تحلیل فنی به خوبی توسط ملکیل (۱۹۸۱) توصیف شده است: بدیهی است که من چارتیست را ترجیح نی دهم. این نه تنها یک علقه شخصی است، بلکه یک علاقه کاری و حرفه ای نیز هست. تحلیل فنی از نظر دنیای آکادمیک، کهنه و مطرود شده است. ما به طور پیوسته تحلیل فنی را نقد می کنیم. تاکتیک های اجباری ما ناشی از دو ملاحظه است:۱- این روش کاملا ساختگی و کاذب است و ۲- به آسانی قابل نقد است. اگرچه نقد این روش اندکی غیر منصفانه است، فقط این را به خاطر داشته باشید که این پول شما است که ما سعی می کنیم تا آن را حفظ و صرفه جویی کنیم. با این وجود، تحلیل فنی در وال استریت یک رنسانس را تجربه کرده است. همه شرکت های کارگزاری، تفاسیر فنی را در خصوص بازار و اوراق منتشر کرده و بسیاری از خبرنامه های منتشر شده توسط کارشناسان مختلف بر اساس تحلیل فنی می باشند. در سال های اخیر، فرضیه بازاری کارامد به شدت مورد نقد قرار گرفته اند. مقالات متعدد گزارش کرده اند که سود سهام را نمی توان به طور کامل با شاخص های ریسک توضیح داد . یک سری تحقیقات که مستقیما در این رابطه انجام شده اند، شواهدی را در خصوص قابلیت پیش بینی بازده حقوق صاحبان سهام از بازده گذشته ارایه کرده اند . به طور کلی، نتایج این مطالعات کاملا با نتایج مطالعات اولیه که فرضیه گشت تصادفی را تایید کرده اند و به این نتیجه رسیده اند که تغییرات قابل پیش بینی در نرخ بازده سهام از نظر اقتصادی و آماری بسیار کوچک است، تناقض دارند. دو دلیل متناقض برای حضور تغییرات قابل پیش بینی در بازده سهام پیشنهاد شده است:۱- ناکارامدی بازار که در آن قیمت ها از ارزش های بنیادین و پایه آن ها منحرف می شود و ۲- بازار ها کارامد هستند و تغییرات قابل پیش بینی را می توان با بازده تعادلی متغیر زمانی توجیه کرد. شواهدی تا کنون برای تمایز و تفکیک این دو فرضیه رقابتی وجود ندارد. اگرچه بسیاری از مطالعات اولیه به این نتیجه رسیده اند که تحلیل فنی، بی فایده است، مطالعات اخیر در خصوص قابلیت پیش بینی نرخ بازده سهام از بازده های گذشته نشان می دهند که نتیجه گیری در این رابطه زود است . در این مقاله، ما به بررسی دو مورد از ساده ترین و محبوب ترین قوانین فنی می پردازیم: اسیلاتور میانگین متحرک و جهش دامنه مبادله (سطح مقاومت و پشتیبانی). در اولین روش، سیگنال های خرید و فروش با دو میانگین متحرک، یکی کوتاه و یکی بلند مدت تولید می شوند. در روش دوم، سیگنال های تولید شده بر سیگنال های بالا و پایین تاثیر می گذارند. این قوانین بر اساس توانایی شان در پیش بینی تغییرات قیمت آینده ارزیابی خواهند شد. برای استنباط های آماری، آزمون های استاندارد با روش بوت استراپ ارایه شده توسط افرون ۱۹۷۹، فریدمن و پیترز ۱۹۸۴ الف و ب، افرون و تیبشیرانی ۱۹۸۶ تقویت خواهد شد. بر اساس این روش، بازده حاصل از سری های مصنوعی داو ایجاد شده و قوانین تجارت و مبادله به سری ها اعمال می شوند. سپس مقایساتی بین بازده حاصل از این سری های شبیه سازی شده و سری های واقعی داو جونز انجام می شوند. نه روش بوت استراپ و نه استفاده از تحلیل فنی برای ارزیابی مشخصات مدل، در منابع و مطالعات مالی، جزء روش های جدید نمی باشند. این مقاله به بررسی ترکیبی از این دو روش می پردازد. این روش امکان آزمون طیف وسیعی از مدل های صفر را می دهد. وقتی که مدل ها با این آزمون آماری رد شدند، اطلاعاتی در خصوص شیوه اصلاح مدل جهت دست یابی به توصیف بهتر از سری ها ارایه میشود. به علاوه، قوانین مبادله و تجارت در این مقاله نسبت به جایگزین های خاصی که شناسایی آن ها با استفاده از آزمون های آماری استاندارد سخت است، نقطه قوت بیشتری دارند. با این حال تعداد کمی از آزمون های تجربی در اقتصاد مالی فاقد اریبی های پیش آزمون ناشی از داده ها می باشند که توسط لیمر (۱۹۷۸) بحث شده است . هر چه داده ها بیشتر مورد بررسی قرار گیرند، احنمال مشاهده الگوهای کاذب جالب بیشتر خواهد بود. قیمت های سهام احتمالا، رایج ترین سری های مالی هستند و از این روی بیشترین آسیب پذیری و حساسیت را به سرقت اطلاعات و داده ها دارند. به علاوه، مرتون (۱۹۸۷) بیان می دارد که افراد تمایل دارند تا به نتایج ساختگی مهیج دست پیدا کنند (ناهنجاری ها). همه این موارد با دیدگاه روان شناسان شناختی در خصوص میل فردی و طبیعی ما برای تاکید و تمرکز غیر متناسب بر موارد غیر طبیعی، هم خوانی دارد. این تمرکز و تاکید فردی و سازمانی همراه با کنترل کم تعداد تست های انجام شده، یک محیط شکننده ای را برای هر دو اریبی انتخاب غیر عمدی و برای دادن اهمیت بیشتر به سایر براورد های غیر اریب (که در غیر این صورت توجیه خواهد شد) ایجاد میکند. از این روی، احتمال این که الگوهای ساختگی و کاذب مختلف توسط تحلیل فنی کشف شوند، را نمی توان رد کرد. اگرچه یک راهکار کامل برای اریبی های تحلیل نادرست اطلاعات وجود ندارد ، با این حال ما این مسئله را از طریق روش های زیر کم رنگ تر می کنیم.۱- از طریق گزارش نتایج از همه راهبرد های مبادله ای و تجاری ۲- با استفاده از یک سری داده های بسیار طولانی، شاخص داو جومز از ۱۸۹۷ تا ۱۹۸۶ و ۳- تاکید بر استواری نتایج در زیر دوره های غیر هم پوشان مختلف برای استنباط آماری . مطالعه ما نشان می دهد که تحلیل فنی به پیش بینی تغییرات قیمت سهام کمک می کند. الگوهای کشف شده توسط قوانین فنی را نمی توان با خود همبستگی مرتبه اول و با تغییر بازده مورد انتظار ناشی از تغییرات در فراریت توجیه کرد. به عبارت دیگر، سود مبادله و تجارت با یک مدل گشت تصادفی، (AR (1، مدل GARCH-M یا GARCH نمایی متناسب نیست. به طور کلی نتایج نشان می دهد که بازده در طی دوره های خرید بزرگ تر از بازده در طی دوره های فروش است. به علاوه، بازده در طی دوره های خرید دارای نوسان کم تری از بازده در طی دوره های فروش است. برای مثال، راهبرد میانگین متحرک طول متغیر تولید یک نرخ بازده روزانه برای دوره های خرید به میزان ۰٫۰۴۲ می کند که حدود ۱۲ درصد در سال است. بر عکس، نرخ بازده روزانه متناظر برای دوره های فروش -۰٫۲۵ درصد و یا حدود -۷ درصد در سال است. این راهبرد منجر به یک انحراف معیار روزانه از ۰٫۸۹ درصد برای دوره های خرید و یک انحراف معیار بالاتر ۱٫۳۴ درصد برای دوره های فروش می شود. ادامه این مقاله به صورت زیر سازمان دهی شده است: بخش ۱ به توصیف داده ها و قوانین تجارت فنی می پردازد. بخش ۲ نتایج تجربی آزمون ها را با استفاده از فنون سنتی ارایه می کند. بخش ۳ به توصیف روش بوت استراپ پرداخته و بخش چهارم نتایج تجربی حاصل از شبیه سازی های بوت استراپ را نشان داده و بخش ۵ شامل نتیجه گیری و جمع بندی نتایج است.
رشته های مرتبط علوم اقتصادی، اقتصاد مالی و اقتصاد پولی
اصطلاح “تحلیل فنی” یک عنوان کلی برای هزاران روش تجارت و مبادله محسوب می شود. تحلیلگران فنی تلاش می کنند تا قیمت ها را با مطالعه قیمت های گذشته و چند آمار خلاصه مربوطه در مورد مبادله اوراق پیش بینی کنند. آن ها بر این باورند که تغییرات در عرضه و تقاضا را می توان در نمودار های عملیات بازاری شناسایی کرد. تحلیل فنی از نظر بسیاری، به عنوان یک شکل اولیه از تحلیل سرمایه گذاری در نظر گرفته می شود که قدمت آن به ۱۸۰۰ میلادی باز می گردد. قبل از دوره گسترش و افشای کامل اطلاعات مالی این تحلیل به فراوانی مورد استفاده قرار گرفت، که به نوبه خود امکان توسعه تحلیل بنیادی را می داد. در آمریکا، قدمت استفاده از قوانین مبادله و تجارت برای تشخیص الگوها در قیمت های سهام به اندازه قدمت خود بازار سهام است. قدیمی ترین روش، به چارلز داو و اواخر ۱۸۰۰ میلادی نسبت داده می شود. بسیاری از فنون مورد استفاده امروزی به مدت بیش از ۶۰ سال مورد استفاده قرار گرفته اند. این فنون برای کشف روابط پنهان در بازده سهام می توانند از فانون بسیار ساده تا کاملا پیچیده متغیر باشند. اخیرا نگرش متخصصان دانشگاهی در خصوص تحلیل فنی به خوبی توسط ملکیل (۱۹۸۱) توصیف شده است: بدیهی است که من چارتیست را ترجیح نی دهم. این نه تنها یک علقه شخصی است، بلکه یک علاقه کاری و حرفه ای نیز هست. تحلیل فنی از نظر دنیای آکادمیک، کهنه و مطرود شده است. ما به طور پیوسته تحلیل فنی را نقد می کنیم. تاکتیک های اجباری ما ناشی از دو ملاحظه است:۱- این روش کاملا ساختگی و کاذب است و ۲- به آسانی قابل نقد است. اگرچه نقد این روش اندکی غیر منصفانه است، فقط این را به خاطر داشته باشید که این پول شما است که ما سعی می کنیم تا آن را حفظ و صرفه جویی کنیم. با این وجود، تحلیل فنی در وال استریت یک رنسانس را تجربه کرده است. همه شرکت های کارگزاری، تفاسیر فنی را در خصوص بازار و اوراق منتشر کرده و بسیاری از خبرنامه های منتشر شده توسط کارشناسان مختلف بر اساس تحلیل فنی می باشند. در سال های اخیر، فرضیه بازاری کارامد به شدت مورد نقد قرار گرفته اند. مقالات متعدد گزارش کرده اند که سود سهام را نمی توان به طور کامل با شاخص های ریسک توضیح داد . یک سری تحقیقات که مستقیما در این رابطه انجام شده اند، شواهدی را در خصوص قابلیت پیش بینی بازده حقوق صاحبان سهام از بازده گذشته ارایه کرده اند . به طور کلی، نتایج این مطالعات کاملا با نتایج مطالعات اولیه که فرضیه گشت تصادفی را تایید کرده اند و به این نتیجه رسیده اند که تغییرات قابل پیش بینی در نرخ بازده سهام از نظر اقتصادی و آماری بسیار کوچک است، تناقض دارند. دو دلیل متناقض برای حضور تغییرات قابل پیش بینی در بازده سهام پیشنهاد شده است:۱- ناکارامدی بازار که در آن قیمت ها از ارزش های بنیادین و پایه آن ها منحرف می شود و ۲- بازار ها کارامد هستند و تغییرات قابل پیش بینی را می توان با بازده تعادلی متغیر زمانی توجیه کرد. شواهدی تا کنون برای تمایز و تفکیک این دو فرضیه رقابتی وجود ندارد. اگرچه بسیاری از مطالعات اولیه به این نتیجه رسیده اند که تحلیل فنی، بی فایده است، مطالعات اخیر در خصوص قابلیت پیش بینی نرخ بازده سهام از بازده های گذشته نشان می دهند که نتیجه گیری در این رابطه زود است . در این مقاله، ما به بررسی دو مورد از ساده ترین و محبوب ترین قوانین فنی می پردازیم: اسیلاتور میانگین متحرک و جهش دامنه مبادله (سطح مقاومت و پشتیبانی). در اولین روش، سیگنال های خرید و فروش با دو میانگین متحرک، یکی کوتاه و یکی بلند مدت تولید می شوند. در روش دوم، سیگنال های تولید شده بر سیگنال های بالا و پایین تاثیر می گذارند. این قوانین بر اساس توانایی شان در پیش بینی تغییرات قیمت آینده ارزیابی خواهند شد. برای استنباط های آماری، آزمون های استاندارد با روش بوت استراپ ارایه شده توسط افرون ۱۹۷۹، فریدمن و پیترز ۱۹۸۴ الف و ب، افرون و تیبشیرانی ۱۹۸۶ تقویت خواهد شد. بر اساس این روش، بازده حاصل از سری های مصنوعی داو ایجاد شده و قوانین تجارت و مبادله به سری ها اعمال می شوند. سپس مقایساتی بین بازده حاصل از این سری های شبیه سازی شده و سری های واقعی داو جونز انجام می شوند. نه روش بوت استراپ و نه استفاده از تحلیل فنی برای ارزیابی مشخصات مدل، در منابع و مطالعات مالی، جزء روش های جدید نمی باشند. این مقاله به بررسی ترکیبی از این دو روش می پردازد. این روش امکان آزمون طیف وسیعی از مدل های صفر را می دهد. وقتی که مدل ها با این آزمون آماری رد شدند، اطلاعاتی در خصوص شیوه اصلاح مدل جهت دست یابی به توصیف بهتر از سری ها ارایه میشود. به علاوه، قوانین مبادله و تجارت در این مقاله نسبت به جایگزین های خاصی که شناسایی آن ها با استفاده از آزمون های آماری استاندارد سخت است، نقطه قوت بیشتری دارند. با این حال تعداد کمی از آزمون های تجربی در اقتصاد مالی فاقد اریبی های پیش آزمون ناشی از داده ها می باشند که توسط لیمر (۱۹۷۸) بحث شده است . هر چه داده ها بیشتر مورد بررسی قرار گیرند، احنمال مشاهده الگوهای کاذب جالب بیشتر خواهد بود. قیمت های سهام احتمالا، رایج ترین سری های مالی هستند و از این روی بیشترین آسیب پذیری و حساسیت را به سرقت اطلاعات و داده ها دارند. به علاوه، مرتون (۱۹۸۷) بیان می دارد که افراد تمایل دارند تا به نتایج ساختگی مهیج دست پیدا کنند (ناهنجاری ها). همه این موارد با دیدگاه روان شناسان شناختی در خصوص میل فردی و طبیعی ما برای تاکید و تمرکز غیر متناسب بر موارد غیر طبیعی، هم خوانی دارد. این تمرکز و تاکید فردی و سازمانی همراه با کنترل کم تعداد تست های انجام شده، یک محیط شکننده ای را برای هر دو اریبی انتخاب غیر عمدی و برای دادن اهمیت بیشتر به سایر براورد های غیر اریب (که در غیر این صورت توجیه خواهد شد) ایجاد میکند. از این روی، احتمال این که الگوهای ساختگی و کاذب مختلف توسط تحلیل فنی کشف شوند، را نمی توان رد کرد. اگرچه یک راهکار کامل برای اریبی های تحلیل نادرست اطلاعات وجود ندارد ، با این حال ما این مسئله را از طریق روش های زیر کم رنگ تر می کنیم.۱- از طریق گزارش نتایج از همه راهبرد های مبادله ای و تجاری ۲- با استفاده از یک سری داده های بسیار طولانی، شاخص داو جومز از ۱۸۹۷ تا ۱۹۸۶ و ۳- تاکید بر استواری نتایج در زیر دوره های غیر هم پوشان مختلف برای استنباط آماری . مطالعه ما نشان می دهد که تحلیل فنی به پیش بینی تغییرات قیمت سهام کمک می کند. الگوهای کشف شده توسط قوانین فنی را نمی توان با خود همبستگی مرتبه اول و با تغییر بازده مورد انتظار ناشی از تغییرات در فراریت توجیه کرد. به عبارت دیگر، سود مبادله و تجارت با یک مدل گشت تصادفی، (AR (1، مدل GARCH-M یا GARCH نمایی متناسب نیست. به طور کلی نتایج نشان می دهد که بازده در طی دوره های خرید بزرگ تر از بازده در طی دوره های فروش است. به علاوه، بازده در طی دوره های خرید دارای نوسان کم تری از بازده در طی دوره های فروش است. برای مثال، راهبرد میانگین متحرک طول متغیر تولید یک نرخ بازده روزانه برای دوره های خرید به میزان ۰٫۰۴۲ می کند که حدود ۱۲ درصد در سال است. بر عکس، نرخ بازده روزانه متناظر برای دوره های فروش -۰٫۲۵ درصد و یا حدود -۷ درصد در سال است. این راهبرد منجر به یک انحراف معیار روزانه از ۰٫۸۹ درصد برای دوره های خرید و یک انحراف معیار بالاتر ۱٫۳۴ درصد برای دوره های فروش می شود. ادامه این مقاله به صورت زیر سازمان دهی شده است: بخش ۱ به توصیف داده ها و قوانین تجارت فنی می پردازد. بخش ۲ نتایج تجربی آزمون ها را با استفاده از فنون سنتی ارایه می کند. بخش ۳ به توصیف روش بوت استراپ پرداخته و بخش چهارم نتایج تجربی حاصل از شبیه سازی های بوت استراپ را نشان داده و بخش ۵ شامل نتیجه گیری و جمع بندی نتایج است.
