ارزیابی سودمندی الگوهای شمعی ژاپنی در بورس اوراق بهادار تهران

نویسندگان

دانشیار اقتصاد، دانشگاه اصفهان

چکیده

 
در این تحقیق سودمندی گروهی از الگوهای تحلیل تکنیکی کوتاه مدت، تحت عنوان الگوهای شمعی ژاپنی مورد ارزیابی قرار گرفته است. تحلیل شمعی ژاپنی یک تکنیک زمان‌بندی کوتاه مدت است که اخطارهای خرید و فروش را بر مبنای رابطۀ بین قیمت‌های شروع، حداکثر، حداقل و پایانی صادر می‌کند. داده‌های تحقیق شامل سری زمانی قیمت‌های روزانۀ سهام 17 شرکت پرمعاملۀ حاضر در بورس اوراق بهادار تهران از تاریخ 10/1/1374 تا 10/9/1390، است. با استفاده از این داده‌ها سودآوری 28 الگوی شمعی در دو حالت بدون لحاظ کردن کارمزد معاملات و با لحاظ کردن آن ارزیابی و مقایسه گردید. طی فرآیند تحقیق از روش شبیه‌سازی بوت‌ استرپ بر پایۀ مدل GARCH-M برای ایجاد سری‌های زمانی تصادفی از سری اصلی قیمت استفاده شده است. نتایج نشان می‌دهد اکثر الگوهای مورد تحقیق (18 الگو)، در حالت بدون لحاظ کردن کارمزد معاملات، به صورت معنی‌داری سودی بیش از روش خرید و نگهداری حاصل نموده‌اند اما در حالت لحاظ کردن کارمزد معاملات، بسیاری از این الگوها (غیر از 5 الگو)، نمی‌توانند سودی بیش از روش خرید و نگهداری ایجاد نمایند. به طور کلی می‌توان گفت الگوهای شمعی ژاپنی موفق به پیش‌بینی مسیر آیندۀ قیمت و سودآوری می‌شوند ولی این سودها با لحاظ کردن کارمزد معاملات از میان می‌رود.
طبقه‌بندی: JEL: G12، G14

کلیدواژه‌ها


عنوان مقاله [English]

An Appraisal of the Merit of Candlestick Technical Trading Strategies in Tehran Stock Exchange

نویسندگان [English]

  • KH Nasrolahi
  • S Samadi
  • M vaez barzani
Associate Professor of Economy, University of Isfahan, Iran
چکیده [English]

In this paper, merit of the oldest known form of technical analysis, candlestick charting is investigated. Candlestick technical analysis is a short-term timing technique that generates signals based on the relationship between open, high, low, and close prices. In this paper we use stock prices of 17 companies listed in Tehran stock market from 1374/10/1 to 1387/9/10 to investigate the merit of 28 candlestick patterns. The method employed to test the hypotheses is Bootstrapping simulation based on GARCH-M model. Results show that comparing with buy-and-hold strategy, candlestick trading rules can earn extra benefits, but these returns vanish if we take commissions into account. So we conclude that candlestick trading rules can not beat the market in Tehran stock exchange.

کلیدواژه‌ها [English]

  • Prediction
  • Technical Analysis
  • Candlesticks
  • Monte Carlo simulation
  • Bootstrapping

 

تحلیل تکنیکی[1] یکی از روش‌های پیش‌بینی قیمت اوراق بهادار است که در آن از قیمت‌های گذشته و سایر آماره‌ها مانند حجم معاملات و غیره برای پیش‌بینی جهت آیندۀ حرکت قیمت‌ها استفاده می‌شود. طرفداران تحلیل تکنیکی اعتقاد دارند که این داده‌ها حاوی اطلاعات مهمی دربارۀ تغییرات ایجاد شده در احساسات سرمایه‌گذار است و نیز واکنش به اخبار یک فرآیند تدریجی است که اجازه می‌دهد روندها شکل بگیرند. برخلاف مقبولیت گسترده و پذیرش آن توسط خبره‌های بازار، تحلیل تکنیکی همان‌طور که توسط مالکیل [19]، بیان شده؛ "مورد انزجار جامعۀ دانشگاهی" است. این مطلب به خاطر تناقض این روش‌ها با فرضیۀ کارایی بازار[2] است که یکی از ارکان علوم مالی تدریس شده در دانشگاه‌ها به حساب می‌آید. در یک بازار کارا، گفته می‌شود قیمت‌ها همۀ اطلاعات ممکن را منعکس می‌کنند به طوری که سود حاصله از بکارگیری این اطلاعات اگر با خطر[3] بالقوۀ استفاده از آن‌ها تعدیل شود، نمی‌تواند بیش از هزینۀ بکارگیری این اطلاعات گردد [17]. هر اطلاعاتی که در قیمت‌های گذشته نهفته بوده، در قیمت‌های فعلی نیز منعکس شده و بررسی قیمت‌های گذشته کار بیهوده‌ای است.

مطالعات اولیه در مورد تحلیل تکنیکی به وسیلۀ الکساندر [4] و فاما و بلوم [11]، به این نتیجه رسیده‌اند که سودآوری تحلیل تکنیکی در اثر هزینه‌های مبادله[4] از بین می‌رود. این نتیجه‌گیری که تأیید کنندۀ نظریۀ کارایی بازار است، موجب تحقیقات بیش‌تری در مورد تحلیل تکنیکی در دو دهۀ بعد از آن گردید. همچنین اخیراً مقبولیت فزایندۀ تحلیل تکنیکی به وسیلۀ خبرگان بازار و شواهد رو به گسترش، بخصوص از طرف شاخۀ مالیۀ رفتاری، در مورد اینکه اغلب، رفتار سرمایه‌گذاران عقلایی[5] نیست، موجب گردیده که جامعۀ دانشگاهی نگاهی دوباره به تحلیل تکنیکی داشته باشند.

در این تحقیق، سودآوری تحلیل تکنیکی کوتاه‌مدت با تمرکز بر الگوهای شمعی ژاپنی[6]، مورد ارزیابی قرار گرفته است. الگوهای شمعی که در قرن هفدهم در بازارهای برنج به کار برده می‌شد، برای کشف حرکت‌های کوتاه‌مدت قیمت طراحی شده است و بنابراین برای افق‌های کوتاه‌مدت مثلاً ده روزه می‌تواند بسیار مفید باشد [22]. اندک زمانی پس ازمعرفی این روش‌ها به جامعۀ غربی، الگوهای شمعی در اغلب بسته‌های نرم‌افزاری تحلیل تکنیکی ارائه گردید [23].

الگوهای شمعی ژاپنی حاوی ارتباط بین قیمت‌های آغاز، حداکثر، حداقل و پایان بازار است. این چهار قیمت در حالت نموداری به‌صورت شکل (1) رسم می‌گردد. زمانی که قیمت بازشدن از قیمت بسته‌شدن بازار بیش‌تر (کمتر) باشد، رنگ بدنۀ شمع روشن (تیره) خواهد بود.

شکل (1): یک نمودار شمعی

 

منبع: نیسون، (1991)

یکی از مزیت‌های بررسی الگوهای شمعی ژاپنی قابلیت اعتماد آن به خاطر کمتر بودن امکان بروز مشکل داده‌کاوی[7] است. تعداد کمی از تحقیقات انجام شده به مشکل تورش حاصل از داده‌کاوی توجه نشان داده‌اند. لو و مک‌کینلی [17]، و لاکونیشاک و اسمیت [15]، اشاره کرده‌اند که آزمون الگوها روی داده‌های جدید بهترین روش برای جلوگیری از چنین مشکلی است. سولیوان و تیمرمن و وایت [28]، پیشنهاد کردند که برای رفع مشکل داده‌کاوی، در آزمون‌های کارایی تحلیل تکنیکی، از بین روش‌های بسیار زیادی که در این گروه قرار می‌گیرد، سودآورترین روش برای آزمون انتخاب گردد. در مقابل این پیشنهاد، لوبارون [16]، و ردی [26]، اظهار داشته‌اند که این روش کامل نیست، چون بر مبنای شبیه‌سازی الگوهایی استوار است که خود دچار مشکل داده‌کاوی هستند. بنابراین هیچ روش پذیرفته شده‌ای برای اثبات آن وجود ندارد.

الگوهای شمعی، به خاطر ذات کوتاه‌مدت خود و اینکه دارای کمترین مقادیر اختیاری[8] و قابل تغییر است، نسبت به سایر الگوهای تحلیل تکنیکی مثل میانگین متحرک، کمتر در معرض مشکل داده‌کاوی قرار می‌گیرد. همان‌طور که ذکر شد، بهترین روش برای کاهش مشکل داده‌کاوی، آزمون الگوها روی داده‌های متنوع است. تا جایی که بررسی‌های ما نشان می‌دهد، این الگوها تا به حال در بورس اوراق بهادار تهران مورد بررسی قرار نگرفته‌اند لذا این تحقیق به نوعی یک آزمون برون‌ نمونه‌ای[9] است و از این انتقاد خفیف که فقط بررسی یکی از الگوهای تحلیل تکنیکی است، تا حدی به دور است.

استفاده از قیمت‌های آغاز، حداکثر، حداقل و پایان بازار، در الگوهای شمعی آن را از سایر الگوهای تحلیل تکنیکی که فقط از قیمت‌های پایانی استفاده می‌کنند، جدا می‌سازد. انتخاب داده‌ها علاوه بر مشکل داده‌کاوی، به دلایل دیگری نیز اهمیت دارد. باید سهام انتخاب شده از قابلیت نقدشوندگی[10] کافی برخوردار باشد تا با ایجاد علامت خرید یا فروش، با کمترین وقفه بتوان اقدام به معامله نمود [18]. همچنین باید فاصلۀ زمانی مورد بررسی به اندازۀ کافی طولانی باشد تا حجم نمونۀ تعداد اخطارها، برای انجام آزمون‌های آماری قابل اعتماد، متناسب باشد. چون نظریۀ بازارهای کارا بیان می‌کند که قیمت‌ها تمامی اطلاعات در دسترس را منعکس می‌کنند، بنابراین در دورۀ مورد بررسی باید الگوهای مورد آزمون، در دسترس عموم قرار داشته باشند و آن‌ها بتوانند از این الگوها در معاملات استفاده کنند. با توجه به اینکه الگوهای شمعی با کتاب استیو نیسون [22]، وارد ادبیات تحلیل تکنیکی غرب و بالطبع دنیا شد و مدت کمی بعد از آن در بین معامله‌گران گسترش یافت، می‌توان سال 1992 م. یا 1372 هـ .ش را کران پایین زمانی، برای آزمون الگوهای شمعی در نظر گرفت. در این مقاله سودآوری الگوهای شمعی به وسیلۀ روش بوت‌استرپ با روش خرید و نگهداری مقایسه شده است. جزئیات روش بوت‌استرپ توسط افرون [8]، توضیح داده شده است.

در ادامه، داده‌های تحقیق و الگوهای مورد ارزیابی روی داده‌های فوق و نیز روش محاسبۀ سود‌های حاصل از الگوها معرفی خواهد شد. بخش بعدی مربوط به نتایج تجربی تحقیق است که طی آن ابتدا اعداد بحرانی حاصل از شبیه‌سازی بوت‌استرپ و سپس نتایج مربوط به سودآوری الگوها در دو حالت لحاظ کردن کارمزد و بدون آن ارائه شده و تحقیق با نتیجه‌گیری و ذکر منابع تحقیق پایان می‌پذیرد. در پیوست نیز الگوهای مورد ارزیابی در این تحقیق به صورت شماتیک معرفی می‌شوند.

 

روش پژوهش

داده‌ها و الگوهای مورد استفاده

داده‌ها

با توجه به موریس [21]، ارزیابی الگوهای تکنیکی در ارتباط با شرکت‌های پرمعامله از قابلیت اعتماد بالاتری برخوردار است. بنابراین برای تحقیق حاضر از داده‌های مربوط به 17 شرکت پر معاملۀ حاضر در بورس اوراق بهادار تهران، که مدت زمان مناسبی در بورس حضور داشته‌اند (بیش از پنج سال)، استفاده شده است. داده‌های روزانۀ مربوط به سری قیمت آغاز، حداکثر، حداقل و پایان روز از سایت رسمی سازمان بورس اوراق بهادار تهران[11] اخذ شده است. البته محدودیت‌هایی در نظر گرفته شده مثلاً شرکت‌های سرمایه‌گذاری به علت این‌که سودآوری آن‌ها تابع سایر شرکت‌های حاضر در بورس است، از نمونه حذف شده، از میان شرکت‌هایی که حداقل به اندازۀ یک چهارم سهم مبنا از سهام‌شان در سال معامله شده است، 17 شرکت فعالتر انتخاب شده‌اند. شرکت‌های مورد مطالعه شامل شرکت‌های موتوژن، ایران‌ تایر، درخشان تهران، نیرومحرکه، داروپخش، سیمان تهران، سیمان فارس و خوزستان، خودروسازی سایپا، کابل البرز، لاستیک سهند، سیمان سپاهان، کربن ایران، شرکت کف، صنعتی آما، آبسال، پارس الکتریک و ایران خودرو بوده است. داده‌های مربوط به قیمت‌های روزانۀ شرکت‌های فوق نسبت به افزایش سرمایۀ شرکت‌ها تعدیل شده و داده‌های مربوط به افزایش سرمایه نیز از سایت رسمی بورس تهران گرفته شده است. همان‌طور که گفته شد، دورۀ زمانی مورد بررسی باید طوری انتخاب شود که در طی آن فعالان بازار سرمایه به روش‌های مورد بررسی دسترسی داشته باشند و بتوانند این الگوها را در برنامۀ سرمایه‌گذاری خود مورد استفاده قرار دهند. با توجه به اینکه الگوهای شمعی بعد از کتاب معروف استیو نیسون [22]، در این زمینه مورد استفادۀ گسترده قرار گرفت، لذا سال 1992 م. یا 1372 هـ. ش کران پایین زمانی برای بررسی است، با وجود این با توجه به اینکه حجم معاملات و تعداد شرکت‌های حاضر در بورس تهران تا سال 1374 بسیار کم است لذا داده‌های مورد استفاده در بیشترین حالت از سال 1374 آغاز می‌گردد. داده‌های سهام بعد از سال 1374 و از تاریخ پذیرش در بورس تا تاریخ 10/9/1390 مورد استفاده قرار گرفته است.

الگوهای شمعی

الگوهای شمعی به مونلوسا هوما معامله‌گر افسانه‌ای برنج که ثروت فراوانی از این روش اندوخته بود، نسبت داده می‌شود. الگوهای شمعی تا قبل از کتاب استیو نیسون: "الگوهای شمعی ژاپنی: یک راهنمای مدرن برای تکنیک‌های قدیمی سرمایه‌گذاری شرق دور" برای دنیای غرب و بالتبع کشورهای دیگر ناشناخته بود [24].

شمعدان‌های یک روزه، یک روش رسم نمودار است که قیمت‌های آغاز، حداکثر، حداقل و پایان روز را در یک شکل ارایه می‌کند. شمعدان یک روزه معمولاً با یک خط منفرد در نمودارهای میله‌ای متناظر است. گفته می‌شود بعضی از خطوط منفرد به تنهایی دارای قدرت پیش‌بینی هستند. مثلاً یک شمعدان دم بریدۀ سفید که در شکل (2) نشان داده شده است، یک خط منفرد است که گفته می‌شود نمایان‌گر افزایش بیشتر قیمت در آینده است، چون قیمت‌ها در حداقل روز باز شده و در طول روز قیمت آن افزایش یافته و در حداکثر خود بسته شده است. یک ماروبوزوی سفید موقعیتی را نشان می‌دهد که در آن خریدارن تحت فشار قرار دارند و قیمت در طور روز افزایش می‌یابد. عدم توازن در عرضه و تقاضا موجب رشد قیمت در آینده می‌شود.

 

شکل (2): یک شمعدان دم بریدۀ سفید

 

منبع: نیسون، (1991)

 

از کنار هم قرار گرفتن خطوط منفرد، الگوهای ترکیبی شمعی حاصل می‌شود. الگوهای ترکیبی به دو نوع الگوهای برگشتی و ادامه دهنده[12] تقسیم می‌شوند. وجود الگوهای ادامه‌دهنده حاکی از ادامۀ روند قبلی در آینده است و الگوهای برگشتی نمایان‌گر تغییر در جهت روند هستند. همۀ خطوط منفرد و الگوهای ادامه دهنده و برگشتی خود به دو نوع صعودی و نزولی[13] تقسیم می‌گردند که به معنی صعود و نزول قیمت در آینده است.

ترکیبات متفاوتی از خطوط منفرد و الگوهای ادامه دهنده و برگشتی وجود دارد. تعدادی از این الگوها قدرت پیش‌بینی کم و حتی صفر دارند. برای تعیین اینکه کدام یک از الگوهای موجود قدرت پیش‌بینی بالایی دارند، طرفدارن الگوهای شمعی ترکیبی از دو یا سه خط منفرد را برای تشکیل یک خط منفرد دو یا سه روزه به کار می‌برند.

روش ترکیب خطوط منفرد برای تشکیل به این صورت است که قیمت حداکثر الگوی ترکیبی برابر قیمت حداکثر هر یک از خطوط منفرد که بالاتر باشد و قیمت حداقل برابر کمترین قیمت حداقل در خطوط منفرد، قیمت آغاز برای الگوی ترکیبی برابر قیمت آغاز خط منفرد اول و قیمت پایانی الگو برابر قیمت پایانی خط منفرد آخر خواهد بود [21].

به عنوان مثال یکی از الگوهای صعودی برگشتی، الگوی دربرگیرنده صعودی است (شکل 3). این الگو شامل یک شمعدان سیاه کوتاه است که به دنبال آن یک شمعدان سفید بلند می‌آید به طوری که قیمت آغاز آن پایین‌تر و قیمت پایانی آن بالاتر از روز قبلی است. خط منفرد کلی که از ترکیب دو خط منفرد حاصل می‌گردد، گفته می‌شود نشان دهندۀ افزایش قیمت در آینده است. این روش برای انتخاب خطوط منفرد و الگوهای مورد آزمون به کار گرفته شده است.

با توجه به اینکه تعداد الگوهای شمعی بسیار زیاد است و آزمون تمامی آن‌ها اگر غیرممکن نباشد، بسیار وقت‌گیر و شاید بی مورد باشد، لذا برای نتیجه‌گیری در مورد سودمندی الگوهای فوق، تعدادی خاصی از الگوهای شمعی که در کتب مربوطه، احتمال بیشتری برای سودمندی آن‌ها ذکر شده است، انتخاب و به کار گرفته شده‌اند. در این راستا و برای تعیین الگوهایی که باید مورد آزمون قرار گیرند، ابتدا همۀ خطوط منفرد (18 عدد) و الگوهای (44 عدد) ذکر شده در کتاب نیسون [22]، به عنوان مرجع اصلی، گردآوری و مشخص شده‌اند. سپس خطوط منفرد و الگوهایی که گفته می‌شود احتمالاً قدرت توضیح دهندگی کمتر و یا صفر دارند، حذف گردید. به این ترتیب 15 الگوی صعودی و 13 الگوی نزولی انتخاب شده که توضیحات مربوط به آنها در پیوست آمده است.

 

شکل (3): الگوی در برگیرندۀ صعودی

 

منبع: نیسون، (1991)

 

هر چند تعداد خطوط منفرد و الگوهای شمعی موجود بسیار بیشتر از موارد آزمون شده در این تحقیق است، ولی این روش باعث می‌گردد الگوهایی آزمون شوند که انتظار می‌رود طرفداران الگوهای شمعی بیشتر مورد استفاده قرار می‌دهند. این الگوها همان طور که در منابع تحلیل تکنیکی ذکر شده، بیشترین قدرت توضیح‌دهندگی را دارند. بنابراین منطقی خواهد بود که از میان الگوهای متنوع، برای ارزیابی انتخاب گردند.

برای تعریف الگوها از همان روشی که در منابع تحلیل تکنیکی مثل نیسون [22]، بیان شده استفاده شده است. لیکن منابع مرتبط اشاره می‌کنند که در معین کردن برخی از جنبه‌ها تا حدی انعطاف‌پذیری وجود دارد مثل مشخص کردن فاصلۀ بین قیمت آغاز و پایان برای اینکه یک شمعدان بلند تشکیل شود تا حدی اختیاری است و حتی می‌تواند برای رسیدن به سود بیشتر بهینه گردد. در این تحقیق، برای تشکیل یک خط منفرد سفید فاصلۀ قیمت آغاز و قیمت حداقل، باید کمتر از ده درصد فاصلۀ قیمت‌های آغاز و پایان باشد.

فرض می‌شود که خطوط منفرد بدون توجه به روند حاکم بر بازار دارای قدرت پیش‌بینی هستند. در جهت مقابل در الگوهای برگشتی روند موجود باید شناسایی گردد. تحلیل تکنیکی، شمعی یک روش کوتاه‌مدت است، بنابراین کتاب‌های مربوط به تحلیل تکنیکی، یک میانگین متحرک ده روزه را برای تعیین روند موجود پیشنهاد می‌کنند. اگر قیمت فعلی بالاتر (پایین‌تر) از میانگین متحرک ده روزه باشد، روند فعلی صعودی (نزولی) در نظر گرفته می‌شود [21]. طبق پیشنهاد موریس [21]، آزمون‌ها بر مبنای یک میانگین متحرک نمایی انجام شده که به قیمت‌های اخیر (نزدیک‌تر) وزن بیشتری می‌دهد. همۀ محققین با چالش مشخص کردن صحیح الگوهای تکنیکی برای آزمون، روبرو بوده‌اند. این موضوع شاید در تحقیقاتی که به الگوهای دیداری می‌پردازد، نمود بیشتری می‌یابد. به عنوان مثال لو و مک‌کینلی [17]، به بررسی الگوهایی مثل الگو سر وشانه‌ها پرداخته‌اند که تعریف دقیق حدود این الگوها بسیار مشکل است. لو و همکاران در تحقیق خود بیان کرده‌اند که از آزمون و خطا برای رسیدن به یک محدودۀ تغییرات برای الگوریتم کشف الگو استفاده نموده‌اند. این مشکل در این تحقیق فقط در مورد خطوط منفرد مصداق می‌یابد زیرا منابع منتشر شده در مورد الگوهای ترکیبی واضح هستند.

اندازه‌گیری سود حاصل از الگوهای شمعی

سودآوری الگوهای شمعی به وسیلۀ روش بوت‌استرپینگ، به صورتی که در تحقیق افرون [8]، توضیح داده شده، ارزیابی شده است. موریس [21]، بیان می‌کند که "تحلیل مبتنی بر شمعدان‌ها یک تحلیل کوتاه مدت است. هر الگویی که در بلندمدت نتیجه‌بخش باشد، تصادفی خواهد بود". بیشترین دوره‌ای را که تحلیل مبتنی بر شمعدان‌ها می‌تواند مفید واقع گردد، یک دورۀ ده روزه تعریف می‌کند. در این تحقیق دورۀ اصلی که آزمون‌ها بر مبنای آن انجام گرفته دورۀ ده روزه است.

روش بوت‌استرپینگ در مقایسه با روش قدیمی آزمون t، مزایای فراوانی دارد. نخست، برخلاف آزمون t، روش بوت‌استرپینگ می‌تواند ویژگی‌های مشهور بازده دارایی سهام مانند کشیدگی، چولگی، خودهمبستگی و ناهمسانی واریانس شرطی را لحاظ نماید. دوم، روش بوت‌استرپینگ اجازه می‌دهد که توزیع بازده‌ها را با هر الگوی اقتصادسنجی پایه، شبیه‌سازی نمود. در این روش نیازی به محدود کردن توزیع بازده به نرمال یا t و غیره نمی‌باشد و توزیع اصلی بدون اینکه نیازی به مشخص نمودن آن باشد، در سری مورد بررسی لحاظ می‌گردد.

اولین مرحله در اعمال روش بوت‌استرپینگ یافتن فرآیند تصادفی اصلی است که داده‌های موجود یک مصداق[14] از آن هستند. در تحقیقات گذشته الگوهای مختلف اقتصادسنجی برای این هدف به کار برده شده‌اند. ساده‌ترین آن‌ها الگوی گام تصادفی[15] است که در حقیقت همان الگوی خودتوضیح[16] مرتبۀ اول است. الگوهای پیشرفته‌تر مثل الگوی خودتوضیح درجات بالاتر و یا الگوی خودتوضیح میانگین متحرک انباشته[17] نیز قابل اعمال است. در صورت وجود ناهمسانی واریانس که از طریق آزمون ARCH-LM مشخص می‌گردد، می‌توان از الگوهای خودتوضیح ناهمسان واریانس شرطی[18] استفاده نمود. با توجه به این عقیدۀ رایج که بازده سری‌های مالی دارای تغییرپذیری خوشه‌ای هستند، بیشترین الگویی که مورد استفاده قرار گرفته است، الگوی GARCH-M بوده است. در این تحقیق نیز از این الگو برای شبیه‌سازی استفاده شده است. مدل‌های فوق اولین بار توسط رابرت انگل [10]، ارایه شده و در برازش و پیش‌بینی واریانس‌های شرطی به ویژه در تجزیه و تحلیل سری‌های زمانی مالی کاربرد دارند. تصریح مدل GARCH-M، به صورت زیر است:

(1)

 

که معادلۀ اول موسوم به معادلۀ میانگین و معادلۀ دوم معادلۀ واریانس است. عبارت ، نمایندۀ مقدار سری مورد بررسی در دورۀ t، ، نشان دهندۀ بردار متغیرهای توضیحی و ، مقدار واریانس شرطی جملۀ اخلال است.

روش کار به این ترتیب است که ابتدا بازده‌های روش خرید و نگهداری محاسبه می‌شود. بازده حاصل از خرید و نگهداری یک سهم می‌تواند ناشی از دو عامل باشد یکی سود سرمایه که در اثر تغییر قیمت سهام حاصل می‌شود، و دیگری سود سهام، که از طرف شرکت منتشر کننده به دارندگان آن سهم پرداخت می‌گردد. لذا بازده یک سهم را می‌توان به شکل زیر نشان داد:

(2)

 

که در آن ، لگاریتم بازدهی سهم،  و  قیمت سهم در پایان دوره و شروع دوره را نشان می‌دهد؛  نیز نشان دهندۀ سود نقدی پرداخت شده برای سهم در آن دوره است. گرفتن لگاریتم برای ایجاد قابلیت مقایسه بین سهام مختلف انجام می‌گیرد. بر اساس تحلیل اسچاتزبرگ و داتا [27]، در نظر نگرفتن سود نقدی پرداخت شده سهام، در بلندمدت اثر معناداری بر بازده ندارد. بنابراین، بازده را می‌توان به صورت زیر نیز به‌دست آورد:

(3)

 

که فرمول مورد استفاده در این تحقیق نیز هست.

در مرحلۀ بعد الگوی GARCH-M، بر روی سری بازده برازش شده و پارامترها و پسماندهای استاندارد شدۀ آن ذخیره می‌گردد. استفاده از پسماندهای استاندارد شده با توجه به تحقیق بروک و همکاران [6]، انجام شده است. استاندارد کردن پسماندها باعث می‌شود که توزیع بازده‌ها به توزیع خاصی مثل نرمال محدود نشود. از پسماندهای استاندارد شده با روش نمونه‌برداری با جایگزینی، سری‌های نامرتب[19] هم‌اندازه ایجاد می‌گردد و از این سری جدید و با استفاده از پارامترهای الگو سری‌های جدید بازده محاسبه می‌گردد. این کار 1000 بار تکرار می‌شود. افرون و تیبشیرانی [9]، تعداد 500 تا 1000 بار تکرار را پیشنهاد می‌کنند. این سری‌های جدید دارای میانگین، انحراف معیار و توزیع غیرشرطی مشابه با سری اصلی خواهند بود. در مرحلۀ بعد از این سری‌های شبیه‌سازی شده و با استفاده از پارامترهای الگو سری‌های شبیه‌سازی شدۀ بازدهی روش خرید و نگهداری محاسبه می‌گردد. به این ترتیب هزار سری جدید مشابه سری اصلی تولید می‌شود و میانگین هر سری محاسبه شده و یک سری هزارتایی از میانگین بازده روش خرید و نگهداری حاصل می‌شود. سری به دست آمده از کوچک به بزرگ مرتب می‌شود تا اعداد بحرانی مورد نیاز از آن استخراج شود. عدد900ام، 950ام و 990ام این سری همان اعداد بحرانی 90 درصد، 95 درصد و 99 درصد هستند. برازش و تخمین الگوهای اقتصاد سنجی به وسیلۀ نرم‌افزار ای‌ویوز[20] و شبیه‌سازی سری‌های زمانی قیمت توسط نرم‌افزار اس‌پلاس[21] و محاسبۀ سودهای هر یک از الگوهای تکنیکی توسط نرم افزار متااستاک[22] انجام گرفته است.

فرض صفر، یعنی برابری بازده حاصل از روش خرید و نگهداری، با بازده حاصل از به‌کارگیری روش‌های تحلیل تکنیکی یا کوچکتر بودن آن، در سطح α، در صورتی رد می‌شود که بازده‌های به دست آمده از روش‌های تحلیل تکنیکی بزرگ‌تر از (1- α)درصد از بازده‌های شبیه‌سازی شدۀ روش خرید و نگهداری باشند.

 

یافته‌های پژوهش

نتایج تجربی

نتایج بوت‌استرپ

فرآیند بوت‌استرپ بر روی سری قیمت‌های سهام شرکت‌های مورد مطالعه انجام شده است و از اعداد بحرانی به دست آمده، میانگین ساده گرفته شده تا برای آزمون فرض کلیۀ الگوها استفاده شوند. فرض صفر و مقابل برای انجام آزمون فرض به صورت زیر خواهد بود:

فرض صفر: : بازده حاصل از الگوهای تکنیکی کوچکتر یا مساوی بازده روش خرید و نگهداری است.

فرض مقابل: : بازده حاصل از الگوهای تکنیکی بزرگ‌تر از بازده روش خرید و نگهداری است.

نتایج شبیه‌سازی بازده روزانۀ شرکت‌ها در نگاره (1) ارائه شده است.

طبق نگاره (1) اعداد بحرانی برای شرکت‌های مختلف متفاوت بوده و می‌توان برای سودهای حاصل از هر الگو در هر شرکت آزمون انجام داد، ولی در این تحقیق از میانگین سادۀ این اعداد استفاده شده و از طرف دیگر از سودهای الگوهای تکنیکی برای شرکت‌های مورد بررسی نیز میانگین ساده گرفته شده تا یک نتیجۀ کلی برای هر الگو در کل شرکت‌ها حاصل شود به عنوان مثال اگر میانگین سود روزانۀ حاصل از الگوی مورد نظر برای کل شرکت‌های مورد بررسی از عدد 0016183/0 بزرگتر باشد، فرض صفر کوچکتر یا مساوی بودن سود حاصل از الگو از سود حاصل از روش خرید و نگهداری در سطح 95 درصد رد شده و در نتیجه بیش‌تر بودن سودآوری الگوی تکنیکی از روش خرید و نگهداری پذیرفته می‌شود.

 

 

نگاره 1. اعداد بحرانی حاصل از شبیه‌سازی، در سطوح مختلف اطمینان

99 درصد

95 درصد

90درصد

نام شرکت‌ها/ سطوح اطمینان

0084/0

0097/0

0124/0

موتوژن

0255/0

02555/0

0313/0

کابل البرز

037/0

05/0

067/0

ایران تایر

37/0

45/0

61/0

درخشان تهران

001/0

0013/0

0018/0

نیرومحرکه

0055/0

007/0

0095/0

داروپخش

0013/0

0014/0

0016/0

لاستیک سهند

002112/0

0016/0

0014/0

سیمان تهران

0013/0

0014/0

0016/0

سایپا

0072/0

0082/0

0104/0

سیمان سپاهان

0026/0

0032/0

0044/0

سیمان فارس و خوزستان

0016/0

0022/0

003/0

کربن ایران

007/0

009/0

0011/0

کف

0009/0

0011/0

0012/0

صنعتی آما

009/0

0011/0

0017/0

آبسال

0056/0-

0049/0-

0043/0-

پارس الکتریک

00253/0-

00251/0-

00249/0-

ایران خودرو

028/0

034/0

044/0

میانگین

 

                                            منبع: یافته‌های پژوهش


نتایج الگوها

نتایج حاصل از کاربرد الگوهای شمعی مورد مطالعه در نگاره (2) ارائه شده است. در این نگاره برای هر الگو تعداد کل دفعات مشاهدۀ الگو در سری قیمت سهام تمام 17 شرکت و نیز میانگین سودهای حاصل از کاربرد این روش‌ها برای این شرکت‌ها ارائه شده است. آزمون فرض معنی‌داری سودهای به دست آمده از الگوهای تکنیکی با استفاده از اعداد بحرانی حاصل از روش بوت‌استرپ انجام شده و برای مقادیر معنی‌دار در سطح خطای نوع اول 10 درصد یک ستاره و برای 5 درصد دو ستاره استفاده شده است.

بخش اول شامل الگوهایی است که در صورت تشکیل، نشان‌دهندۀ صعود قیمت در آینده هستند و در بخش دوم الگوهایی ارائه شده‌اند که نشان‌دهندۀ سقوط قیمت در آینده هستند. اعداد ارائه شده در این نگاره در دو ستون بدون احتساب کارمزد معاملات و با احتساب آن ارائه شده است و در 18 الگو در سطح 95 درصد سودهای معنی‌داری اضافه بر روش خرید و نگهداری ایجاد نموده‌اند.

 

نگاره 2. میانگین سودهای حاصل از الگوهای مختلف برای شرکت‌ها

با کارمزد

بدون کارمزد

تعداد کل

بخش اول: الگوهای صعودی

**95/42

**12/43

3161

سفید بلند

115/0-

**45/0

54

باردار صعودی

013/0-

**147/0

114

باردار صعودی +

14/0-

02/0

552

ستارۀ دوجی

01/0

**168/0

256

دربرگیرندۀ صعودی

158/0-

0017/0

664

چکش

16/0-

00002/0

157

چکش سیاه معکوس

139/0-

0209/0

595

چکش معکوس

165/0-

0047/0-

2379

سایۀ پایین بلند

059/0-

**2188/0

11270

پنجرۀ صعودی

132/0-

*284/0

17136

دم بریده

153/0-

007/0

29631

سرتراشیده

164/0-

0034/0-

3216

دوک ریسندگی

**103/1

**263/1

88

سه سرباز سفید

095/0-

**065/0

11824

شمعدان سفید

با کارمزد

بدون کارمزد

تعداد کل

بخش دوم: الگوهای نزولی

115/0-

**0454/0

67

باردار نزولی

008/0-

**152/0

179

باردار نزولی +

0058/0-

**154/0

1901

شمعدان سیاه بلند

099/0-

**0609/0

8581

شمعدان سیاه

0112/0-

**14089/0

159

دربرگیرندۀ نزولی

**07/0

**225/0

2

ستارۀ دوجی عصر

1269/0-

**0331/0

25032

پنجرۀ نزولی

144/0-

0163/0-

4696

دوجی سنگ قبر

1486/0-

0114/0

1831

سایۀ بالایی بلند

084/0-

**076/0

173

خط گردن

112/0-

**0488/0

166

خطوط جدا کننده

157/0-

0028/0

595

ستارۀ شهاب سنگ

**18/0

**345/0

8

سه صلیب سیاه

منبع: یافته‌های پژوهش


لحاظ کردن کارمزد معاملات

در این بخش سودآوری الگوهای مورد بررسی در بخش قبل این بار با لحاظ کردن کارمزد معاملات ارزیابی می‌شود. کارمزد لحاظ شده برای خرید در حال حاضر در بورس تهران 55 صدم درصد برای خرید و 05/1درصد برای فروش سهام است. پس برای هر بار ظهور الگو حدوداً 6/1درصد قیمت‌های مورد معامله به عنوان کارمزد محاسبه شده است. نتایج مربوط این بخش در ردیف آخر نگاره (2) ارائه شده است.

در این بخش نیز آزمون فرض انجام می‌گیرد. فرض مورد آزمون به شکل زیر خواهد بود:

فرض صفر: لحاظ کردن کارمزد معاملات سودمندی الگوهای تکنیکی را از میان می‌برد.

فرض مقابل: لحاظ کردن کارمزد معاملات سودمندی الگوهای تکنیکی را از میان نمی‌برد.

با توجه به نگاره (2) مشاهده می‌شود که با لحاظ کردن کارمزد معاملات معنی‌داری سودهای حاصل از اکثر الگوهای تحلیل تکنیکی از میان رفته و حتی منفی شده است. تنها الگوهایی که سودآوری باقی مانده‌اند از الگوهای صعودی، الگوهای شمعی سفید بلند، پنجرۀ صعودی، سه سرباز سفید و از الگوهای نزولی، الگوهای ستارۀ دوجی عصر و سه صلیب سیاه هستند که البته می‌توان گفت سودآور ماندن الگوهای نزولی به علت تعداد کم رخ دادن الگو بوده و چندان قابل اطمینان نیست. اما الگوهای صعودی مخصوصاً الگوی سفید بلند به تعداد زیاد و با سودآوری بالایی مشاهده شده است. به عنوان نتیجۀ کلی لحاظ کردن کارمزد معاملات در تحقیق می‌توان گفت در اکثر الگوها سودآوری از میان می‌رود و لذا با لحاظ کردن کارمزد معاملات این الگوها سودهای معنی‌داری ایجاد نمی‌کنند و این به خاطر نیاز این روش‌ها به تعداد معاملۀ زیاد نسبت به روش خرید و نگهداری می‌باشد.

 

نتیجه

در این تحقیق سودآوری گروهی از الگوهای تحلیل تکنیکی کوتاه‌مدت، با نام الگوهای شمعی ژاپنی مورد ارزیابی قرار گرفته است. برای تحقیق از داده‌های روزانۀ 17 شرکت پرمعاملۀ حاضر در بورس تهران استفاده شده است. از میان تعداد زیاد الگوهای شمعی، 28 الگو که در منابع تحلیل تکنیکی از آن‌ها با قدرت پیش‌بینی بالا ذکر می‌شود انتخاب شدند و در دو حالت بدون لحاظ کردن کارمزد معاملات و با لحاظ کردن آن ارزیابی شده‌اند.

نتایج این تحقیق نشان می‌دهد که اکثر الگوهای شمعی مورد بررسی در این تحقیق (18 الگو)، توانسته‌اند سودی بیش از روش خرید و نگهداری حاصل کنند. لحاظ کارمزد معاملات به عنوان هزینه‌ای برای تعداد بالای خرید و فروش در این‌گونه روش‌ها باعث شد سودآوری اکثر الگوها از معنی‌داری بیفتد و حتی منفی گردد. فقط 3 الگوی صعودی و 2 دو الگوی نزولی حتی با لحاظ کردن کارمزد معاملات سودآوری خود را حفظ کردند و این در حالی است که تعداد مشاهده شدن الگوهای نزولی بسیار کم بوده و سودآوری آن‌ها از قابلیت اعتماد کمتری برخوردار است، بنابراین می‌توان گفت فقط 3 الگوی شمعی ژاپنی بعد از لحاظ کردن کارمزد معاملات منجر به سودآوری معنی‌داری بیش از روش خرید و نگهداری شدند.

به طورکلی می‌توان گفت الگوهای شمعی ژاپنی در بازار بورس تهران دارای قدرت پیش‌بینی بوده و سودهایی بیش از روش خرید و نگهداری حاصل می‌کنند، اما این سودها با لحاظ کردن کارمزد معاملات از میان می‌رود. بنابراین روش‌های فوق توانایی غلبه بر بازار و کسب سودهایی بیش از متوسط بازار را ندارند.



[1] Technical Analysis

[2] Efficient Market Hypothesis (EMH)

[3] Risk

[4] Transaction Costs

[5] Rational

[6] Japanese Candlestick Technics

[7] Data-Snooping

[8] Optional

[9] Out of Sample

[10] Liquidity

[11] www.irbourse.com

[12] Reversal and Continuation Patterns

[13] Bullish and Bearish

[14] Realization

[15] Random Walk

[16] Autoregressive (AR)

[17] Autoregressive Integrated Moving Average (ARIMA)

[18] Autoregressive Conditionally Heteroskedastic (ARCH)

[19] Scrambled

[20] Eviews

[21] SPLUS

[22] MetaStock

 
1- رزمی، جعفر؛ جولای، فرببرز و امیرعباس امامی (1381). یک رویکرد "بوت‌استرپ" برای مقایسۀ سودآوری شاخص‌های تحلیل تکنیکی بورس اوراق بهادار تهران، مجلۀ تحقیقات اقتصادی، ش 81: صص 110-85
2- خواجوی، شکرالله؛ اله‌یاری ابهری، حمید و میثم قاسمی (1390). آزمون مدل بازده و مدل قیمت در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوی پانل با داده‌های متوازن. مجلۀ پژوهش‌های حسابداری مالی، سال 3، ش10: صص70-55
3- Achelis, S. B. (1995). Technical Analysis from A to Z. Chicago: Probus.
4- Alexander, S. (1964). Price movements in speculative markets: Trends or random walks. Industrial Management Review, Vol: 9, No: 1, 7-26.    
5- Bigalow, S. (2002). Profitable Candlestick Trading: Pinpointing Market Opportunities to Maximise Profits. New York: John Wiley & Sons.
6- Brock, W., Lakonishok, J., & LeBaron, B. (1992). Simple technical trading rules and the stochastic properties of stock returns. Journal of Finance , No: 5, 1731–1764.
7- Campbell, J., Andrew, L. W., & MacKinlay, C. A. (1997). The Econometrics of Financial Markets. Princeton: Princeton University Press.
8- Efron, B. (1979). Bootstrap Methods: Another Look at the Jackknife. Annals of Statistics, Vol: 7, No: 1, 1-26.
9- Efron, B. and Tibshirani, R. (1986). Bootstrap Methods for Standard Errors, Confidence Intervals, and Other Meashures of Statistical Accuracy. Journal of Statistical Science, 1: 54-77.
10- Engle, R.F. (1982). Autoregressive Conditional heteroskedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica 50 (4): 987–1008.
11- Fama, E., & Blume, M. (1966). Fama, E., & Blume, M. (1966). Filter rules and stock market trading profits. Journal of Business, Vol: 39, No: 1, 226-241.
 
12- Fama, F. E. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. Journal of Finance, Vol: 25, No: 2, 383-417.
13- Fiess, N. M., & MacDonald, R. (2002). Towards the fundamentals of technical analysis: analysing the information content of High, Low and Close prices. Economic Modelling, Vol: 19, No: 1, Issue: 3, 353-374.
14- Jensen, M. (1978). Some anomalous evidence regarding market efficiency. Journal of Financial Economics, Vol: 6, No: 1, Issue: 1-2, 95-101.
15- Lakonishok, J., & Smidt, S. (1988). Are seasonal anomalies real. A ninety-year perspective. The Review of Financial Studies, Vol: 1, No: 1, Issue: 4, 403-425.
16- LeBaron, B. (2000). The stability of moving average technical trading rules on the Dow Jones index. Trading and Regulation, Vol: 5, No: 4, 324-338.
17- Lo, A., & MacKinlay, A. (1990). An econometric analysis of nonsynchronous trading. Journal of Economtrics, Vol: 45, NO: 1, Issue: 4-5, 181-211.
18- Logan, T. (2007). Getting Started in Candlesticks. New York: John Wiley & Sons.
19- Malkiel, B. (1981). A Random Walk Down Wall Street, second ed. New York: Norton.
20- Marshall, B. R., Young, M. R., & Cahan, R. (2007). Are candlestick technical trading strategies profitable in the Japanese equity market? Journal of Banking and Finance , Vol: 31, No: 1, Issue: 2, 2303-2323.
21- Morris, G. (1995). Candlestick Charting Explained: Timeless Techniques for Trading Stocks and Futures. New York: McGraw-Hill.
22- Nison, S. (1991). Candlestick trading principles. Technical analysis of stocks and commodities. New York: McGrow-Hill.
23- Nison, S. (2004).The Candlestick Course. New Jersey: John Wiley & Sons.
24- Pring, M. (2002).Candlesticks explained. New York: McGraw-Hill.
25- Ratner, M., & Leal, R. P. (1999). Tests of Technical Trading Strategies in the emerging equity markets of Latin America and Asia. Journal of Banking and Finance, Vol: 23, No: 1, Issue: 12, 1887-1905.
26- Ready, M. (2002). Profits from technical trading rules. Financial Management, Vol: 31, No: 1, Issue: 3, 43-61.
27- Schatzberg, J. D., and Datta P. (1992). The weekend effect and corporate dividend announcements. The Journal of Financial Research. 15:69-76.
28- Sulivan, A., Timmerman, A., & White, H. (1999). Data-snooping, technical trading rule performance, and the bootstrap. Journal of Finance, Vol: 54, No: 1, Issue: 5, 1647-1691.