تعریف روند یا استراتژی برگزاری: چه چیزی سودآوری نمودار شمعدان را تعیین می کند؟

ما می پرسیم چه چیزی سودآوری استراتژی های معاملاتی شمعدان را تعیین می کند. آیا این تعریف روند و/یا استراتژی برگزاری است که فرد در تجزیه و تحلیل نمودار شمعدان استفاده می کند؟برای پاسخ به این ، ما به طور سیستماتیک سه تعریف از روند و چهار استراتژی برگزاری را در نظر می گیریم. با استفاده از استراتژی های معاملاتی شمعدانی در داده های مؤلفه DJIA ، می فهمیم که صرف نظر از اینکه از کدام تعریف از روند استفاده می شود ، هشت الگوی معکوس سه روزه با یک استراتژی برگزاری Caginalp-Laurent سودآور هستند وقتی که هزینه معامله را با 0. 5 ٪ تنظیم می کنیم و بعد از حساب ما حساب می کنیمبرای تعصب اطلاعات ، در حالی که الگوهای با یک استراتژی نگهدارنده مارشال-یونگ-سودآور نیستند. برای تجزیه و تحلیل حساسیت ، ما همچنین می یابیم که نتایج ما به صورت کیفی با هزینه معامله پایین تر 0. 1 ٪ تغییر نمی یابد ، یا وقتی تجزیه و تحلیل های نمونه را بر اساس سه دوره مساوی و سه شرایط بازار مجزا انجام می دهیم. هنگام در نظر گرفتن یک بازار بی ثبات تر ، شواهدی به نفع استراتژی های معاملاتی شمعدان تقویت می شود.

معرفی

CandleStick Charting ، که در ابتدا توسط Munehisa Homma ساخته شده بود ، در اوایل دهه 1700 به قراردادهای آتی رایس در اولین بازار آینده جهان ، مبادله برنج دوجیما در اوزاکا ، ژاپن ، اعمال شد. سپس در سال 1991 توسط نیسون (1991) به غرب معرفی شد. نمودار شمعدان با استفاده از همزمان با استفاده از قیمت های بسته و پایین ، از سایر شاخص های فنی متمایز است. به طور خاص ، نمودار شمعدان می تواند نه تنها تعادل در حال تغییر بین عرضه و تقاضا را منعکس کند (Caginalp and Laurent ، 1998) ، بلکه جنبه های احساسات و روانشناسی سرمایه گذار را نیز نشان می دهد (مارشال و همکاران ، 2006). نمودار شمعدان به راحتی در دسترس است زیرا بسیاری از ارائه دهندگان اطلاعات مالی ، مانند رویترز ، داده های واقعی و تاریخی را به روز و به روز ارائه می دهند.

حتی اگر سابقه طولانی تجزیه و تحلیل نمودار شمعدان ، تحقیقات زیادی در مورد آن وجود ندارد ، و هیچ اجماعی در مورد سودآوری این رویکرد وجود ندارد. به عنوان مثال ، Caginalp و Laurent (1998) ادعا می كنند كه اعمال استراتژی های معاملاتی شمعدان در بازده سهام روزانه در سهام S& P 500 می تواند منجر به سودآوری با نرخ سالانه تا 200 ٪ شود. سودآوری استراتژی های معاملاتی شمعدان توسط Goo et al. ، 2007 ، Lu et al. ، 2012 و Lu (2014) تأیید شده است. از طرف دیگر ، مارشال و همکاران ، 2006 ، مارشال و همکاران ، 2008 و هورتون (2009) دریافتند که استراتژی های معاملاتی شمعدان هیچ ارزش پیش بینی کننده ای برای بازارهای سهام بزرگ ندارند. علاوه بر این ، Fock و همکاران.(2005) و Duvinage و همکاران.(2013) داده های 5 دقیقه ای را برای بررسی بازار آینده اوراق بهادار آلمان و بازار سهام ایالات متحده به کار می برد و هر دو نتیجه می گیرند که استراتژی های معاملاتی شمعدان عملکرد سرمایه گذاری را بهبود نمی بخشد. شایان ذکر است که نمودار شمعدان به بهترین شکل برای نمودارهای روزانه اعمال می شود ، اگرچه در هر بازه زمانی مانند نمودارهای 5 دقیقه یا ساعتی قابل استفاده است (Nison ، 1991). دلیل اصلی این ادعا این است که یک شمع عمدتاً با قیمت های روزانه و بسته شدن روزانه ساخته می شود ، که نشان دهنده واکنش یا احساسات سرمایه گذاران به اطلاعات یک شبه است ، نه واکنش های فوری در هر لحظه. در نتیجه ، بیشتر مطالعات شمعدانی معاملات روزانه در نظر گرفته می شود و به احتمال زیاد شواهدی برای حمایت از سودآوری استراتژی های معاملاتی شمعدان پیدا می کنند.

این نتیجه گیری های مختلط به ما انگیزه می دهد تا دریابیم که چه چیزی سودآوری استراتژی های معاملاتی شمعدان را تعیین می کند. Caginalp و Laurent (1998) سه مؤلفه اصلی در مورد مطالعه شمعدان ، یعنی طبقه بندی الگوهای ، شناسایی روندها و محاسبه سود را ذکر می کنند. در میان آنها ، الگوهای شمعدانی توسط Nison (1991) به خوبی تعریف شده است و تعاریف الگوهای طبقه بندی به طور گسترده ای پذیرفته شده است. بنابراین ، ما روی دو موضوع تمرکز می کنیم که تعاریف اغلب در طول مطالعات متفاوت است. یکی تعاریف روند در شناخت استراتژی های معاملاتی شمعدان و دیگری استراتژی های برگزاری مورد استفاده در ارزیابی الگوهای شمعدان است. 2 ما سه تعریف از روند را بررسی می کنیم (MA₃، EMA₁₀، و لوی) و چهار استراتژی برگزاری (C L-3 ، MY R-10 ، C L-10 و MY R-3). جزئیات در بخش 2 گزارش می شود.

سپس ، ما از تست پیش بینی برتر مرحله به مرحله (STEP-SPA) HSU و همکاران استفاده می کنیم.(2010) که مشمول تعصب اطلاعات مربوط به استراتژی های معاملات شمعدانی نیست. ما می دانیم که هشت الگوی سه روز معکوس که توسط استراتژی برگزاری CaginalP-Laurent اندازه گیری می شود ، پس از پرداخت هزینه های معامله با 0. 5 ٪ سودآور به نظر می رسد. در مقابل ، استراتژی برگزاری مارشا ل-یون گ-بروز بازده مثبت قابل توجهی کسب نمی کند ، و ما حتی وقتی هزینه معامله را در تجزیه و تحلیل کاهش می دهیم ، نتایج کیفی مشابهی به دست می آوریم. نتایج مربوط به این استراتژی های برگزاری به تجزیه و تحلیل نمونه ها حساس نیست وقتی که نمونه را با سه دوره مساوی یا شرایط مختلف بازار تقسیم می کنیم. علاوه بر این ، ما بازار Nasdaq نسبتاً بی ثبات را نیز بررسی می کنیم ، و این یافته نشان می دهد که میزان میانگین بازده مثبت قابل توجه حتی بیشتر از بازار DJIA است. در نتیجه ، سرمایه گذاران شمعدان می توانند سود بیشتری را در هنگام بی ثبات بودن بازارها بدانند ، که مطابق با یافتن هان و همکاران است.(2013). از همه مهمتر ، نتایج ما نشان می دهد که استراتژی های برگزاری نقش مهمی در تعیین معاملات موفق دارند ، اما به نظر می رسد تأثیر تعاریف مختلف روند بر عملکرد استراتژی های معاملاتی شمعدان حاشیه ای است.

در حالی که Duvinage و همکاران.(2013) همچنین در تجزیه و تحلیل آنها تعصب در مورد داده ها را در نظر بگیرید ، در طرح های تحقیقاتی ما تفاوت هایی وجود دارد. اول ، آنها از داده های 5 دقیقه ای با فرکانس بالا از 1 آوریل 2010 تا 13 آوریل 2011 استفاده می کنند ، در حالی که ما داده های روزانه را از 2 ژانویه 1992 تا 31 دسامبر 2012 در نظر می گیریم. بیشتر در یک چارچوب روزانه مورد تجزیه و تحلیل قرار می گیرد (به عنوان مثال ، نیسون ، 1991 ، مارشال و همکاران ، 2006). دوم ، آنها 83 قانون تعریف شده توسط جعبه ابزار TA-Lib Matlab را از الگوهای یک تا پنج خط ، که شامل الگوهای معکوس و ادامه است ، اتخاذ می کنند ، اما ما فقط بر روی هشت الگوی برگشت سه خط ، مانند Caginalp و Laurent (1998) تمرکز می کنیم. بشر3 رویکرد ما نیز با آنچه در بروک و همکاران متفاوت است متفاوت است.(1992) و مارشال و همکاران.(2006) ، جایی که آنها از روش bootstrap مبتنی بر مدل برای آزمایش اهمیت آماری سود معاملات استفاده می کنند. در رویکردهای خود ، آنها قیمت های شبیه سازی شده را از مدلهای گسترده استفاده شده برای بازده مالی ایجاد می کنند ، و بازده مشروط از سری بازگشت شبیه سازی شده برای هر الگوی با بازده مشروط به قوانین معاملات از سری اصلی مقایسه می شود. در حالی که بوت استرپینگ مبتنی بر مدل آسان برای استفاده است ، این روش می تواند در معرض تعصب اشتباه در مدل های NULL باشد (پارک و ایروین ، 2007).

باقیمانده این مطالعه به شرح زیر سازماندهی شده است. بخش 2 طراحی این تحقیق را تشریح می کند. ما نتایج اصلی تجربی را گزارش می کنیم و بررسی های بیشتری را برای استحکام نتایج در بخش 3 انجام می دهیم. بخش 4 سپس این کار را نتیجه می گیرد. جزئیات فنی آزمون STEP-SPA و آزمایش فردی در پیوست است.

قطعه قطعه

طرح شمعدان و طرح تحقیق

با توجه به استفاده گسترده از استراتژی های معاملاتی شمعدان در بین بازرگانان و متخصصان مالی ، قابلیت اطمینان این رویکرد مورد توجه ویژه ای است. خطوط شمعدانی از چهار قیمت ساخته شده است: قیمت های باز ، بالا ، پایین و بسته ، همانطور که در شکل 1 نشان داده شده است.

نتایج اصلی

این مطالعه از نمونه ای از 30 سهام اجزای شاخص DJIA برای دوره از 2 ژانویه 1992 تا 31 دسامبر 2012 استفاده می کند. سهام هایی که برای کل دوره وجود نداشته اند حذف نشده اند و از این رو نمونه حاصل شامل 26 سهام است. ما ابتدا نتایج اولیه را با هدف بررسی عملکرد هشت الگوی معکوس سه روزه با توجه به قدرت پیش بینی کننده آنها (یا سودآوری) ارائه می دهیم. آمار آزمون بر اساس Eq محاسبه می شود.(11) ، و تهی

نتیجه

در این مقاله ما یک تجزیه و تحلیل سیستماتیک با سه تعریف مختلف از روند و چهار استراتژی نگهدارنده احتمالی در تحقیقات شمعدانی ارائه می دهیم. در این مطالعه دو یافته اصلی وجود دارد. اول ، نوع استراتژی برگزاری نقش عمده ای در اثربخشی استراتژی های معاملات شمعدان دارد. دوم ، به نظر می رسد این استراتژی تجاری باستانی با توجه به بازده دارایی دارای قدرت پیش بینی کننده ای است. به طور خاص ، ما می یابیم که استراتژی های معاملاتی شمعدانی می توانند ارزش بهتری برای آن ایجاد کنند

سپاسگزاریها

ما از ویرایشگر ، کارول الكساندر ، ویراستار همكار ، دو داور ناشناس و Po-Hsuan HSU بخاطر نظرات مفید تشکر می كنیم. Yi-chi Chen از Chang-Ching Lin بخاطر کمک های محاسباتی تشکر می کند. همه خطاها و حذفیات مسئولیت خود ماست. این تحقیق تا حدی توسط وزارت علوم و فناوری تایوان تحت کمک هزینه شماره 103-2410-H-006-005 پشتیبانی می شود. یو چین هسو با قدردانی از حمایت تحقیق از وزارت علوم و فناوری تایوان (بیشترین 103-2628-H-001-001-001- MY4)