نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مدیریت، دانشکدۀ علوم انسانی، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران

2 استادیار، گروه مدیریت، دانشکدۀ مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران

3 استادیار، گروه مهندسی صنایع، دانشکدۀ فنی و مهندسی، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران

4 استادیار، گروه مدیریت، دانشکدۀ علوم انسانی، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران

چکیده

هدف: اثربخشی و کارایی استفاده از ابزارهای تحلیل تکنیکال برای به حداکثر رساندن بازده و ریسک معاملات است. این چالشی است که پژوهشگران با آن روبه‌رو هستند. در پژوهش حاضر راهبردهای سرمایه‌گذاری مبتنی بر شاخص‌های تکنیکال با استفاده از واکنش‌های رفتاری سرمایه‌گذاران بررسی شده است. واکنش‌های رفتاری سرمایه‌گذاران به‌وسیلۀ شاخص‌های تکنیکال نشان داده می‌شود.
روش: به این منظور از اطلاعات قیمت روزانۀ سهام تمامی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران در بازۀ زمانی 1389 تا1398 استفاده شد. با حذف شرکت‌های فاقد اطلاعات موردنظر، 135 شرکت برای آزمون انتخاب و افق سرمایه‌گذاری به دو دورۀ کوتاه‌مدت و میان‌مدت تقسیم شد. برای بررسی سؤال‌های پژوهش از داده‌های تابلویی و روش اقتصادسنجی استفاده شد.
نتایج: با توجه به ضریب تغییرات و آزمون همبستگی نتایج حاکی از آن است که شاخص‌های میانگین متحرک، میانگین متحرک نمایی و توان نسبی با توجه به دیگر شاخص‌ها بیشتر مبین واکنش‌های رفتاری سرمایه‌گذاران است. همچنین ارتباط مقادیر شاخص‌های تکنیکال با بازده سهام نشان از آن دارد که سیگنال‌های ارئه‌کنندۀ این سه شاخص در بازۀ زمانی هفتگی تا شش‌ماهه برای خرید یا فروش سهام (به‌عنوان یک راهبرد) عملکرد بهتری نسبت‌به شاخص‌های دیگر دارد. بنابراین سرمایه‌گذاران برای کسب بازده و سود بیشتر می‌توانند از ترکیب این سه شاخص در افق زمانی هفتگی تا شش‌ماهه برای تعیین راهبرد یا استراتژی خریدوفروش استفاده کنند. پیشنهاد می‌شود که سرمایه‌گذاران بازۀ زمانی، سرمایه‌گذاری بلندمدت کنند تا متحمل ریسک کمتر و بازده بیشتر شوند

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Investment Strategies Based on Technical Indicators: Evidence of Investor Behavioural Reactions

نویسندگان [English]

  • Sirous Keshavarz 1
  • Abdolmajid Abdolbaghi Ataabadi 2
  • Majid Vaziri Sarashk 3
  • Mohammad Hossein Arman 4

1 Ph. D. Student, Department of Management, Faculty of Humanities, Najafabad Branch, Islamic Azad University, Najafabad, Iran

2 Assistant Professor, Department of Management, Faculty of Industrial Engineering & Management, Shahrood University of Technology, ‎Shahrood, Iran

3 Assistant Professor, Department of Industrial Engineering, Faculty of Engineering, Najafabad Branch, Islamic Azad University, ‎Najafabad, Iran

4 Assistant Professor, Department of Management, Faculty of Humanities, Najafabad Branch, Islamic Azad University, Najafabad, Iran

چکیده [English]

Effectiveness and efficiency of investment is related to the use of technical analysis tools to maximize returns and minimize trading risks as the two challenges researchers commonly face. In the present study, the daily stock price information of 135 companies listed on Tehran Stock Exchange (TSE) during the period of 2010-2020 was used to investigate their investment strategies based on technical indicators in both short-term and medium-term periods. Investor behavioral reactions were indicated by the utilized technical indicators. The relationship between the values of the technical indicators and stock returns showed that the signals represented by the three indicators of Moving Average (MA), Exponential Moving Average (EMA), and Relative Strength Index (RSI) over a weekly to 6-month period to buy or sell the stocks (as a strategy) performed better than the other indicators. Therefore, investors can use a combination of these three indicators to determine their strategies of buying and selling so as to obtain more returns.
Introduction
Behavioral finance is one of the new topics that has been raised and considered by some financial researchers over the past few decades. The behavioral financial perspective states that most investors’ behaviors depend on judgment, emotional tendency, and informal sources of information. A significant number of studies has shown that investors’ emotional behaviors affect the stock market. According to the traditional view of stock returns, changes in the stock price are related to systematic changes in the firm’s core values. However, recent studies have shown that investor’s emotional tendency plays an important role in setting prices and determining time-series returns. The effectiveness and efficiency of technical analysis tools can be determined by their applications to maximize returns and minimize transaction risks as the challenges researchers frequently face. There are several strategies for stock trading in a financial markets. Most of these strategies are based on some technical indicators. This study examined the performance of 11 technical indicators to find which ones better represent the investors’ behavioral reactions and finally provide an optimal investment strategy by combining them.
 
 
 
Method and Data
To investigate the relationship between the values of the technical indicators and stock returns, we extracted the daily stock price data of 135 companies listed in Tehran Stock Exchange (TSE) during the period of 2010-2020 and accordingly used the regression method and panel data.
 
Findings
The values of investments in the weekly to 6-month modes showed that the 6-month information led to higher returns compared to the weekly information, indicating significantly increased returns represented by the 11 studied indicators with the increasing time of the period. The indicators of Moving Average (MA), Exponential Moving Average (EMA), and Relative Strength Index (RSI) had the highest return values ​​in both the weekly and monthly information modes. In the mode of 6-month data, the true strength index (TSI) had a lower coefficient of variation, but better performance than the other indicators. Among the 11 indicators studied, the indicators of MA and EMA had a higher coefficient with stock returns in the short- and medium-term investments. The higher coefficient meant that the returns were enhanced by increasing these indicators of buying and selling. Therefore, they had more power or strength than the other indicators and could better represent the stock returns. The relationship between the values of the technical indicators and returns in the short run revealed that the indicator of MA better represented the stock returns compared to the other indicators. In the medium term, the mentioned indicator was a better indicator for representing the stock returns. When comparing performance of the strategies by the use of the technical indicators, moving from a weekly to 6-month period demonstrated more returns related to the mentioned indicators that were significantly different from the returns represented by the other indicators.
 
Conclusion and discussion 
In all the investment periods, the indicator of MA had more power to influence on the returns and better represented the stock returns as compared to the other indicators. The signals that were given by the three indicators of MA, EMA, and RSI in the different short and medium-term periods to buy or sell the stocks (as a strategy) better showed the investors’ behavioral reactions and could be thus utilized with higher confidence in comparison to the other indicators since leading to higher returns and profitability. As the trend of the returns represented by the mentioned indicators moved from weekly to the 6-month mode, a larger difference was achieved in terms of significance, indicating that the relationship between the values of the technical indicators and stock returns could provide better buying-selling signals in a longer period.

کلیدواژه‌ها [English]

  • Investment strategy
  • Technical indicator
  • Behavioral reaction
  • Risk and Return
  • Performance

مقدمه

مبحث جدیدی که برخی از اندیشمندان مالی در طول چند دهۀ گذشته مطرح و به آن توجه کردند، مالی رفتاری است. ازجمله مفروضات نظریه‌های مالی سنتی این است که سرمایه‌گذاران رفتار عقلایی دارند و با در دسترس داشتن منابع اطلاعاتی به‌دنبال حداکثرسازی مطلوبیت موردانتظار خود هستند؛ در حالی که دیدگاه مالی رفتاری نشان‌دهندۀ آن است که رفتار بیشتر سرمایه‌گذاران، در گرو قضاوت‌ها، گرایش‌های احساسی و منابع اطلاعاتی غیررسمی قرار می‌گیرد (Azarboyeh, 2020; Hosseini & Morshedi, 2019). تعداد جالب‌توجهی از مطالعه‌ها نشان از آن دارد که رفتار احساسی سرمایه‌گذاران بر بورس اوراق بهادار اثرگذار است. اعتقاد دیدگاه سنتی بازده سهام بر این است که تغییرات قیمت سهام به تغییرات سیستماتیک در ارزش‌های بنیادی شرکت مربوط است. اما پژوهش‌های اخیر نشان‌دهندۀ آن است که گرایش احساسی سرمایه‌گذار نقش مهمی در تعیین قیمت‌ها و تبیین بازده‌های سری زمانی دارد (Haidarpour and et al., 2013).

بروز احساسات معامله‌گران جایگاهی در مالی کلاسیک ندارد؛ اما پارادایم مالی رفتاری نشان‌دهندۀ آن است که در برخی مواقع تغییرات قیمت اوراق بهادار هیچ دلیل بنیادی نداشته است و گرایش احساسی سرمایه‌گذار نقش مهمی در تعیین قیمت‌ها دارد (Tohidi, 2020). اصولیان و بازچی (2020)، تأثیر سوگیری‌های رفتاری شامل: فراعتمادی، اثر تمایلاتی و توجه سرمایه‌گذاران را بر حجم غیر نرمال و بازده غیرعادی بررسی کردند. نتایج حاکی از آن است که توجه‌ سرمایه‌گذاران و اثر تمایلاتی باعث ایجاد حجم غیر نرمال می‌شود. دربارۀ بازده غیرعادی نیز توجه سرمایه‌گذاران در الگوی رگرسیونی معنادار است. نکتۀ مهم بررسی روابط علی زنجیره‌وار و درواقع، تأثیر سوگیری‌های رفتاری مؤثر بر حجم غیر نرمال در ایجاد بازده غیرعادی است.

 تحلیل تکنیکال یکی از ابزارهای تجزیه‌وتحلیل بازار مالی و روشی برای پیش‌بینی قیمت‌ها و بازارها از طریق مطالعۀ داده‌های تاریخی بازار است. در این نوع تحلیل، برای تسهیل تصمیم‌گیری دربارۀ استرس معامله و اقدام به خریدوفروش در بازارهای مالی شاخص‌هایی طراحی و ارائه می‌شود (Abbasi and et al., 2020). عرضه و تقاضا، حجم معاملات، نوسان‌های قیمت، نرخ کالاها، نرخ بهره و ... از طریق واکنش سرمایه‌گذاران و فعالان بازار در نمودار قیمت مشاهده نشده است و همۀ این عوامل را می‌توان با مطالعۀ تغییرات قیمت یا شاخص‌های بازار مشاهده کرد (Kenny, 2005). ریسک و بازده دو عامل مهمی است که سرمایه‌گذاران جزء در زمان تصمیم‌گیری به آن توجه دارند. سرمایه‌گذاران عمدۀ ابزارها و امکانات گسترده‌ای را برای ایجاد تناسب بین این دو متغیر در اختیار دارند که اغلب سرمایه‌گذاران انفرادی فاقد این‌گونه ابزارها هستند. کلیۀ این عوامل باعث شده است که بازار سرمایه ریسک ثانویه‌ای ناشی از فردگرایی و غیرقابل پیش‌بینی بودن رفتار سرمایه‌گذاران جزء داشته باشد (Ebrahimi Sarve Olia and et al., 2017).

طی چند دهۀ گذشته در مطالعه‌های مختلفی، سودآوری شاخص‌های تکنیکال بررسی و نتایج متنوعی حاصل شد (Jasdeep and et al., 2019). هرکدام از شاخص‌های تکنیکال بازار سهام در ایجاد سیگنال‌های متناقض دربارۀ عملکرد آیندۀ سهام تجزیه‌وتحلیل‌شده، نقش دارد (Alfonso & Ramirez, 2020). نتایج مطالعۀ دای و همکاران[1] (2021)، با عنوان شاخص‌های تکنیکال جدید و پیش‌بینی بازده سهام نشان‌دهندۀ آن است که پیش‌بینی بازده سهام حاصل از شاخص‌های تکنیکال جدید، از نظر آماری و اقتصادی و عملکرد جالب‌توجه است. هنگامی که از اطلاعات چند متغیره استفاده می‌شود، پیش‌بینی آن نیز جالب‌توجه است. علاوه بر این، عملکرد پیش‌بینی با استفاده شاخص‌های جدید قدرتمندتر از برخی تجزیه‌و‌تحلیل‌های قبلی است. در مطالعۀ دیگر لیو و پان[2] (2020)، با استفاده از طیف گسترده‌ای از شاخص‌های تکنیکال ساخته‌شده براساس رفتار گذشتۀ قیمت سهام، نوسان‌ها و حجم معاملات نوسان‌های بازده سهام را پیش‌بینی کردند و به این نتیجه رسیدند که ترکیب متغیرهای تکنیکال در معیار خود رگرسیون می‌تواند پیش‌بینی نوسان‌های دقیق‌تری داشته باشد. عبدالباقی و همکاران[3] (2019)، اثربخشی سیستم خودکار تشخیص الگوهای تکنیکال مبتنی بر منطق فازی را در بورس اوراق بهادار تهران بررسی کردند. با توجه به بررسی پژوهش‌های صورت‌گرفته این نتیجه حاصل شد که شاخص‌های تکنیکال منعکس‌کنندۀ واکنش‌های رفتاری سرمایه‌گذاران است؛ بنابراین در پژوهش حاضر با بررسی‌ عملکرد 11 شاخص تکنیکال، تلاش برای یافتن این است که کدام شاخص‌ها نمایندۀ بهتری برای نشان‌دادن واکنش‌های رفتاری سرمایه‌گذاران است تا با ترکیب خوب آنها یک راهبرد بهینۀ سرمایه‌گذاری در افق کوتاه‌مدت و میان‌مدت ارائه شود. در ادامه مبانی نظری، سپس روش پژوهش و در پایان یافته‌ها و نتایج مطرح شده است.

 

مبانی نظری

هنگام سرمایه‌گذاری در بازارهای مالی، تعیین یک سیگنال معاملاتی بسیار مهم است که بتواند بهترین نقاط ورود و خروج بازار مالی را به سرمایه‌گذار ارائه دهد؛ اما این کاری دشوار است و به موضوع پژوهشی بسیار محبوب در حوزۀ مالی تبدیل شده است (Nobre & Neves, 2019). سرمایه‌گذاران یا مدیران سرمایه‌گذاری در هر معاملۀ سهام، با انتخاب خرید یا فروش سهام روبه‌رو هستند. هر اشتباه در تصمیم‌گیری دربارۀ سرمایه‌گذاری، ضررهایی را برای سرمایه‌گذاران به‌همراه خواهد داشت. بنابراین تحلیلی دقیق و قابل اعتماد لازم است تا به‌عنوان پایه‌ای برای تصمیم‌گیری دربارۀ سرمایه‌گذاری استفاده شود (Ahmar, 2017). قیمت‌ها در بازار سهام به دلیل خریدوفروش مداوم در بازار نوسان می‌کند. در تجزیه‌وتحلیل حرکت‌های قیمت سهام از دو روش رویکرد بنیادی و رویکرد تکنیکال استفاده می‌شود ( Asha, 2014; Turner, 2007; Ahmar, 2017).

این دو رویکرد هدف یکسانی دارند: خرید در قیمت پایین‌تر و فروش با قیمت بالاتر، برای به دست آوردن بازده مناسب از سرمایه‌گذاری. با این حال، تفاوت زیادی بین مفاهیم اساسی این دو روش وجود دارد (Asha, 2014). تحلیل بنیادی شامل: مطالعۀ مبانی شرکت مثل درآمد و هزینه‌ها، موقعیت بازار، نرخ رشد سالانه و ... است؛ اما تحلیل تکنیکی فقط مربوط به داده‌های قیمت و حجم، به‌ویژه الگوهای قیمت و افزایش حجم است (Turner, 2007). قدیمی‌ترین تکنیک تجزیه‌وتحلیل تکنیکال به چارلز داو نسبت داده و در اواخر دهۀ 1800 دنبال می‌شود. بسیاری از تکنیک‌های مورد استفاده برای بیش از 60 سال استفاده شده است و برای کشف رابطۀ پنهان در بازده سهام می‌تواند شامل روش‌های بسیار ساده تا بسیار دقیق و پیچیده باشد (Asha, 2014). ایزدی‌خواه و همکاران (2017)، سه اصل را که تجزیه‌و‌تحلیل تکنیکال براساس آنها انجام می‌شود، توصیف می‌کنند: 1) همه‌چیز در قیمت‌ها گنجانده شده است؛ 2) قیمت‌ها براساس روند حرکت می‌کنند؛ 3) تاریخ در بازارها تکرار می‌شود. طبق این سه اصل، اگر بازار در سطح عملکرد قوی باشد و نظریۀ گام تصادفی برقرار باشد، عملکرد تحلیل تکنیکال ضعیف می‌شود (Kristjanpoller & Minutolo, 2018).

نظریه‌های مالی سنتی براساس سرمایه‌گذاران منطقی و فرضیۀ کارآیی بازار استوار است و نشان‌دهندۀ آن است که قیمت‌های بازار منعکس‌کنندۀ تمام اطلاعات موجود به‌طور کامل است (Fama, 1970). در مدل‌های سنتی، استفادۀ منطقی از اطلاعات، تصمیم‌گیری آنها مبتنی بر عملکرد مطلوب با اعتقادات است که از طریق روش‌های آماری بهینه محاسبه می‌شود. بنابراین سرمایه‌گذار نمایندۀ فردی است که به‌عنوان حداکثر بازده موردانتظار عمل می‌کند و به اصول نظریۀ انتخاب منطقی پایبند است (Rekik and et al., 2014). مبانی نظری مالی رفتاری حاکی از آن است که سرمایه‌گذاران تحت‌تأثیر سوگیری‌های رفتاری قرار دارند که در زمان خریدوفروش سهام بر نحوۀ تصمیم‌گیری آنها اثر می‌گذارد (Liston Perez, 2016). توجه‌های سرمایه‌گذاران عامل ایجاد حجم غیر نرمال و اساس بازده غیرعادی است (Osulian & Bazchi, 2020).

اثربخشی و کارایی استفاده از ابزارهای تحلیل تکنیکال برای به حداکثر رساندن بازده و به حداقل رساندن ریسک معامله‎‎هاست. این چالشی است که پژوهشگران با آن روبه‌رو هستند ( Abbasi and et al., 2020; Liu & Pan, 2020). گاهی اوقات، نتایج استفاده از شاخص‌های مختلف در تحلیل تکنیکی نمودار قیمت متفاوت است؛ در این شرایط، تحلیلگر تردید دارد و نتایج پیش‌بینی‌شده‌ای را که می‌توان به شاخص تجزیه‌وتحلیل تکنیکال متکی بود، اشتباه می‌گیرد. بنابراین تحلیلگر نباید فقط بر نتیجۀ یک شاخص تمرکز کند، بلکه باید چندین شاخص مختلف را با هم در نظر بگیرد. این کار یک تحلیلگر تکنیکال را پیچیده و سخت می‌کند (Abbasi and et al., 2020). بشیر خداپرستی و همکاران (2019)، کارایی اندیکاتورهای تحلیل تکنیکال را در دورۀ رکود و رونق بازار سرمایه در شرکت‌های تولیدی فعال‌تر مقایسه کردند. نتایج نشان‌دهندۀ آن بود که میانگین بازدهی حاصل از شاخص قدرت نسبی در دورۀ رونق با سایر اندیکاتورها در دورۀ رکود بازار سرمایه تفاوت معناداری دارد. به‌علاوه، بین میانگین بازدهی اندیکاتورهای میانگین متحرک، متقاطع و متحرک همگرایی_واگرایی در دورۀ رکود و رونق تفاوت معناداری وجود دارد. عباسی و همکاران[4] (2020)، عملکرد شاخص‌های تجزیه‌وتحلیل تکنیکال را در مقایسه با استراتژی خرید و نگهداری در شاخص‌های بورس اوراق بهادار تهران ارزیابی کردند و به این نتیجه رسیدند که بین بازده برخی از شاخص‌ها با استفاده از تجزیه‌وتحلیل تکنیکال با استراتژی خرید و نگهداری تفاوت معناداری وجود دارد.

استراتژی‌های مختلفی برای اهداف معامله‌های سهام در یک بازار مالی وجود دارد. بیشتر این استراتژی‌ها بر مبنای برخی از شاخص‌های تکنیکال ایجاد می‌شود (Kampouridis & Otero, 2017). در تعداد زیادی از مطالعه‌ها با استفاده از شاخص‌های تکنیکال و ترکیب آنها، اثربخشی و سودآوری استراتژی‌های معاملاتی بررسی شد. پارک و اروین[5] (2007)، 95 پژوهش را بررسی کردند. 56 مورد استراتژی معاملاتی تکنیکال داشتند که سودآور بود. جاسدیپ و همکاران[6] (2019)، با ترکیبی از سیگنال‌های خریدوفروش که از شاخص‌های تکنیکال به‌عنوان ورودی استفاده می‌کردند، سودآوری آنها را پیش‌بینی کردند. پرامودیا و ایچسانی[7]  (2020)، کارایی تجزیه‎وتحلیل تکنیکال را برای معامله‌های سهام بررسی کردند. نتایج حاکی از آن بود که کارایی و اثربخشی، ترکیبی از چندین نوع شاخص در مقایسه با تک شاخص‌ها بهتر است.

بخشی از تحلیل تکنیکال این است که از چندین شاخص استفاده شود. این شاخص‌ها عبارت است از: روابط روند، نوسان و حرکت که جنبه‌های مختلف مجموعه‌ای از داده‌های مالی را مشخص می‌کند (Kampouridis & Otero, 2017).  نتایج برخی از مطالعات نشان‌دهندۀ آن است که متغیرهای تکنیکال در اقتصادهای در حال توسعه، عملکرد و اثربخشی بهتری نسبت‌به متغیرهای اقتصادی دارند ( Alfonso & Ramirez, 2020; Kampouridis & Otero, 2017; Liu & Pan, 2020). کاربران تجزیه‌و‌تحلیل تکنیکال نیز معتقدند که اگر این تکنیک‌ها به‌درستی استفاده شود، راهنمایی عملی‌تر، سریع‌تر و اثربخش‌تر ارائه و مزایای مطلوب‌تری ایجاد می‌کند (Pramudya & Ichsani, 2020). پیش‌بینی می‌شود نتایج این پژوهش برای معامله‌گران به‌عنوان راهبردی برای ارزیابی سرمایه‌گذاری مفید باشد. در ادامه در شکل (1) چهارچوب مفهومی پژوهش نشان داده شده است.

 

 

 

 

سیگنال خریدوفروش

 

میانگین متحرک

میانگین متحرک نمایی

میانگین متحرک همگرا- واگرا

میانگین متحرک هال

توان نسبی

قدرت واقعی

نرخ تغییر قیمت

قدرت روند

میانگین واقعی بازده

تغییر روند

کانال کالا

شاخص‌های نوسانگر

شاخص‌های روند

تحلیل تکنیکال

 

تصمیم سرمایه‌گذاری

 

 

شکل (1) چهارچوب مفهومی پژوهش[8]

Figure (1) The conceptual framework of the study

 

براساس آنچه بیان شد، سؤال‌ اصلی این پژوهش به این صورت تدوین می‌شود که:

سؤال 1. اثربخش‌ترین راهبردهای معاملاتی کوتاه‌مدت مبتنی بر شاخص‌های تکنیکال با توجه به واکنش‌های رفتاری سرمایه‌گذاران کدام است؟

سؤال 2. اثربخش‌ترین راهبردهای معاملاتی میان‌مدت مبتنی بر شاخص‌های تکنیکال با توجه به واکنش‌های رفتاری سرمایه‌گذاران کدام است؟

 

روش پژوهش

پژوهش حاضر، توصیفی و علی مبتنی بر تحلیل واریانس و مدل‌سازی است. جامعة آماری این پژوهش، شامل کلیۀ شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران طی سال‌های 1389 الی 1398 است که شرایط زیر را دارند: در خلال دورۀ زمانی پژوهش، توقف معاملۀ سهام آنها بیش از یک ماه نباشد (زیرا وقفۀ بیش از یک ماه باعث ایجاد تغییرات قیمتی و مشکل در روند محاسبات شاخص‌ها می‌شود)؛ جزء شرکت‌های سرمایه‌گذاری، لیزینگ و مؤسسات مالی و بانکی نباشد (برای یکپارچه‌شدن اطلاعات)؛ کلیۀ داده‌های لازم پژوهش، برای آن شرکت‌ها طی قلمرو زمانی یادشده، موجود باشد. با اعمال این شرایط، 135­شرکت برای بررسی و آزمون انتخاب شد. اطلاعات قیمت روزانۀ سهام با استفاده از روش کتابخانه‌ای و از این طریق بانک‌های اطلاعاتی ره‌آورد نوین و نرم‌افزار tseclient به دست آمد و محاسبات انجام شد. در ادامه، فرآیند پژوهش توضیح داده می‌شود:

مرحلۀ اول: در این مرحله طبق جدول (1) مقادیر شاخص‌های تکنیکال به دست آورده و سیگنال‌های خریدوفروش هر شاخص (ناشی از واکنش‌های رفتاری سرمایه‌گذاران) شناسایی می‌شود. کد یک نشان‌دهندۀ سیگنال قوی برای خرید سهام و کد صفر نشان‌دهندۀ سیگنال قوی برای فروش سهام است. 

 

 

 

جدول (1) شاخص‌های تکنیکال و سیگنال‌های خریدوفروش

Table (1) The technical indicators and buy and sell signals

نماد

شاخص

شیوۀ ارزیابی

سیگنال خرید یا فروش

RSI

توان نسبی

RSI= 100 -  

First RS= (Average Gain/ Average Loss)

Average Gain= میانگین سود  Average Loss= میانگین ضرر

اگر نمودار RSI صعودی باشد و از 30 بیشتر شود. سیگنال قوی خرید/ اگر نمودار RSI در حالت نزولی از 70 کمتر شود، سیگنال قوی فروش

EMA

میانگین متحرک نمایی

EMAt (n)= EMA t-1 (n)  (1- ) + Xt

n: طول دورۀ میانگین متحرک X: قیمت سهم t: دورۀ موردنظر 

اگر نمودار قیمت صعودی باشد و نمودار EMA را قطع کند، سیگنال قوی خرید و اگر نمودار قیمت نزولی باشد و نمودار EMA را قطع کند، سیگنال قوی فروش

MACD

میانگین متحرک همگرا-واگرا

MACD t (n)= EMA t (s) - EMA t (l)

s: دوره‌های کوتاه‌تر میانگین متحرک l: دوره‌های بلندتر میانگین متحرک

اگر نمودار در حالت صعودی بیشتر از صفر شود، سیگنال قوی خرید/ اگر نمودار در حالت نزولی کمتر از صفر شود، سیگنال قوی فروش

ROC

نرخ تغییر قیمت

ROCt (n)=

n: تعداد دوره‌ها Xt: قیمت پایانی سهم در دوره t

اگر نمودار ROC صعودی باشد و از صفر بیشتر شود، سیگنال قوی خرید/ اگر نمودار ROC نزولی باشد و از صفر کمتر شود، سیگنال قوی فروش

CCI

کانال کالا

CCI=     

CCI=

اگر نمودار CCI صعودی باشد و از صفر بیشتر شود، سیگنال قوی خرید / اگر نمودار CCI نزولی باشد و از صفر کمتر شود، سیگنال قوی فروش

Aroon

تغیر روند

Aroon Up= 100 × (25- Days Since 25-Day High) / 25

Aroon Down= 100 × (25- Days Since 25-Day Low) / 25

زمانی که آرون بالا، در محدودۀ بالای مزر ۷۰ قرار می‌گیرد، نشان از روند صعودی قوی دارد. سیگنال قوی خرید/ زمانی که آرون پایین، در محدودۀ بالای مرز ۷۰ قرار بگیرد، نشان از روند نزولی قوی دارد. سیگنال قوی فروش

ATR

میانگین واقعی بازده

TR= max [(high- low), abs (high – close prev), abs (low- close prev)]

ATR (n)= n-1

هرگاه تغییرات ATR مثبت باشد، سیگنال قوی خرید

 هرگاه تغییرات ATR منفی باشد، سیگنال قوی فروش

ADX

قدرت روند

+DI: اندیکاتور جهت‌دار مثبت

-DI: اندیکاتور جهت‌دار منفی

زمانی که نمودار +DI از-DI بیشتر باشد، نشان‌دهندۀ بازار صعودی (بازار گاوی) یا میل رو‌به‌بالاخواهد بود، سیگنال قوی خرید/ زمانی که نمودار -DI از +DI بیشتر باشد، نشان‌دهندۀ بازار نزولی (خرسی) یا میل رو‌به‌پایین است، سیگنال قوی فروش

HMA

میانگین متحرک هال

HMAr (n) = WMAt (floor ( )) of (2  WMA t (floor ( ) – WMA t (n))

n: طول میانگین متحرک WMA: تابع محاسبۀ میانگین متحرک

t: دوره موردنظر      Floor: براکت عدد

اگر شیب HMA از منفی به مثبت تغییر علامت دهد، سیگنال قوی خرید/ اگر شیب HMA از مثبت به منفی تغییر علامت دهد، سیگنال قوی فروش

TSI

قدرت واقعی

TSI= (PCDS/ APCDS) * 100

PCDS= PC double smoothed

APCDS= Absolute PC double smoothed

PC= تغییرات قیمت

اگر مقدار TSI صعودی باشد، سیگنال قوی خرید

 اگر مقدار TSI نزولی باشد، سیگنال قوی فروش

MA

میانگین متحرک

MAr(n)= n-1

N: دورۀ میانگین متحرک برای دورۀ t ام

Pt-i: قیمت‌های بسته‌شدن (اختتامی) در هر روز معاملاتی.

اگر منحنی قیمت بالای MA باشد، تمایل دارد به روند صعودی ادامه دهد، سیگنال قوی خرید / اگر منحنی قیمت پایین  MAباشد، تمایل دارد به روند نزولی ادامه دهد، سیگنال قوی فروش

 

 

شاخص‌ها نیازمند اطلاعات خاصی مثل ریزقیمت روزانه است که در چارچوب ادامۀ این پژوهش کاربرد ندارد. شاخص‌های ذکرشده در بالا از مهم‌ترین اندیکاتورها و اسیلاتورهای تکنیکال است. شاخص‌ها و اندیکاتورهای زیادی وجود دارد؛ اما مبنای اصلی بیشتر آنها حجم و میانگین متحرک است؛ مضاف بر اینکه این موارد جزء پرکاربردترین تحلیل‌های تکنیکال در بیشتر پژوهش‌های داخلی و خارجی بوده است.

مرحلۀ دوم: در این مرحله پس از محاسبۀ شاخص‌ها، بازده فاصله‌ای برای داده‌های هفتگی، ماهانه، سه‌ماهه و شش‌ماهه هر سهام با استفاده از رابطۀ (1) محاسبه می‌شود.

 

رابطۀ 1

=ln  بازده

 

: قیمت زمان خروج (سیگنال فروش)

: قیمت زمان ورود (سیگنال خرید)

برای جمع‌آوری داده‌های مربوط به قیمت، از پایگاه TSE.ir و با استفاده از نرم‌افزار tseclient، که اطلاعات تعدیل‌شده را ارائه می‌دهد، استفاده شد.

مرحلۀ سوم: به‌منظور بررسی رابطۀ مقادیر شاخص‌های تکنیکال با بازده سهام با استفاده از روش رگرسیون، داده‌های تابلویی از طریق نرم‌افزار Eviews به دست آمد که مدل مورد بررسی به شرح ذیل است:

 

رابطۀ 2

 

 

این بخش حساسیت رابطۀ بازده را با شاخص‌های تکنیکال تحلیل می‌کند. پژوهشگران مدل بالا را طراحی و در بازۀ سرمایه‌گذاری کوتاه‌مدت و میان‌مدت بررسی کردند.

مرحلۀ چهارم: در این مرحله برای بررسی سؤال‌های پژوهش از آزمون واریانس ANOVA و حداقل تفاوت معنادار فیشر (LSD) استفاده می‌شود.

 

یافته‌های پژوهش

در این قسمت، در جداول (2) و (3) آمار توصیفی مربوط به بازده ناشی از به‌کارگیری سیگنال‌های خریدوفروش 11 شاخص تکنیکال در حالت سرمایه‌گذاری کوتاه‌مدت (هفتگی و ماهانه) و میان‌مدت (سه و شش‌ماهه) ارائه‌ شده است:

 

 

 

 

 

 

 

 

 

 

جدول (2) آمار توصیفی بازده از نظر شاخص‌ها در دورۀ کوتاه‌مدت (هفتگی و ماهانه)

Table (2) Descriptive statistics of returns in terms of indicators in the short term (weekly and monthly)

شاخص

نماد

میانگین

انحراف استاندارد

ضریب تغییرات

چولگی

کشیدگی

مینیمم

ماکزیمم

پانل 1. آمار توصیفی توزیع بازده سیگنال‌های خریدوفروش هفتگی

توان نسبی

RSI

0912/0

2488/0

728/2

06/20

51/5

-5459/1

7210/9

میانگین متحرک نمایی

EMA

0967/0

2419/0

501/2

22/4

0351/8

-320/11

7145/10

میانگین متحرک همگرا-واگرا

MACD

0712/0

2335/0

279/3

013/1-

183/12

-369/1

9876/0

نرخ تغییر قیمت

ROC

0512/0

2008/0

921/3

099/21

642/7

-583/1

8748/6

کانال کالا

CCI

0483/0

2203/0

561/4

-085/1

798/5

-625/1

7026/1

تغییر روند

Aroon

0744/0

4903/0

590/6

611/18

431/3

-810/1

3194/12

میانگین واقعی بازده

ATR

0548/0

1121/0

045/2

-219/8

301/4

-377/1

3810/1

قدرت روند

ADX

0705/0

0819/0

161/1

324/0

306/7

-429/1

4081/1

میانگین متحرک هال

HMA

0625/0

2009/0

214/3

609/4

744/2

-228/1

6822/10

قدرت واقعی

TSI

0419/0

1898/0

529/4

-804/3

342/2

-584/1

6238/0

میانگین متحرک

MA

0868/0

0711/0

819/0

012/1

291/4

-208/1

9972/0

پانل2. آمار توصیفی توزیع بازده سیگنال‌های خریدوفروش ماهانه

توان نسبی

RSI

0875/0

2983/0

409/3

-128/0

092/9

-300/1

5948/1

میانگین متحرک نمایی

EMA

1222/0

2127/0

740/1

132/2

555/32

-234/2

6176/1

میانگین متحرک همگرا-واگرا

MACD

-2008/0

8364/0

165/4-

-472/2

441/10

-5289/5

7261/1

نرخ تغییر قیمت

ROC

0105/0

2847/0

114/27

-019/4

724/23

-6843/2

3564/0

کانال کالا

CCI

0192/0

4276/0

270/22

198/8

979/15

-798/2

7222/6

تغییر روند

Aroon

0656/0

8243/0

565/12

46/14

299/25

-1326/2

0563/14

میانگین واقعی بازده

ATR

0094/0

2570/0

021/22

-048/1

173/10

-4626/1

553/1

قدرت روند

ADX

0854/0

2954/0

459/3

067/1

911/6

-7963/0

3528/1

میانگین متحرک هال

HMA

0246/0

2200/0

943/8

-204/3

228/18

-6068/1

0830/1

قدرت واقعی

TSI

-0819/0

5620/0

862/6-

-816/1

11/5

-4940/2

3844/1

میانگین متحرک

MA

1146/0

1756/0

157/0

72/3

821/25

-0746/1

7127/1

 

با توجه به جدول (2) در حالت بازۀ زمانی هفتگی، میانگین بازده شاخص، متحرک نمایی، توان نسبی و میانگین متحرک با مقادیر معادل 0967/0 و 0912/0 و 0868/0 بیشترین مقادیر بازده و بیشترین توان را در سوددهی دارد و از بین سیگنال‌های خریدوفروش هفتگی مربوط به 11 شاخص، قدرت واقعی و کانال کالا کمترین مقدار بازده را دارد که نشان‌دهندۀ توان سوددهی کمتری است. در حالت بازۀ زمانی ماهانه، میانگین بازده شاخص، میانگین متحرک، متحرک نمایی و توان نسبی با مقادیر 1146/0 و 1222/0 و 0875/0 بیشترین مقادیر بازده و بیشترین توان را در سوددهی داراست و انحراف معیار تمام شاخص‌ها پایین است؛ یعنی در این شاخص‌ها تصمیم‌گیری برای سیگنال خریدوفروش به‌راحتی انجام می‌‌شود. با توجه به مقادیر سرمایه‌گذاری در حالت هفتگی و ماهانه اطلاعات ماهانه بازده بیشتری نسبت‌به اطلاعات هفتگی دارد؛ یعنی با افزایش دوره، بازده 11 شاخص افزایش چشمگیری داشته است. در حالت داده‌های هفتگی، میانگین متحرک ضریب تغییرات پایین‌تری نسبت‌به شاخص‌های دیگر دارد و دارای عملکرد بهتر است و در حالت داده‌های ماهانه، قدرت واقعی با ضریب تغییرات پایین‌تر نسبت‌به سایر شاخص‌ها و عملکرد بهتر است. شاخص‌های میانگین متحرک نمایی، توان نسبی و میانگین متحرک در هر دو حالت اطلاعات هفتگی و ماهانه بیشترین مقادیر بازده را دارد.

نمودار (2) میانگین بازده 11 شاخص‌ در حالت داده‌های هفتگی و ماهانه

Figure (2) Average returns on 11 indicators in the weekly and monthly periods

 

با توجه به نمودار (2)، در حالت اطلاعات هفتگی و ماهانه میانگین متحرک نمایی، توان نسبی و میانگین متحرک بیشترین مقادیر بازده را دارد.

 

 

نمودار (3) میانگین ریسک 11 شاخص‌ در حالت داده‌های هفتگی و ماهانه

Figure (3) Average risk on 11 indicators in the weekly and monthly periods

 

با توجه به نمودار (3)، در حالت اطلاعات هفتگی و ماهانه میانگین متحرک کمترین مقدار ریسک را دارد.

 

 

نمودار (4) ضریب تغییرات شاخص‌ها‌ در حالت داده‌های هفتگی و ماهانه

Figure (4) Average Coefficient of variation on 11 indicators in the weekly and monthly periods

با توجه به نمودار (4)، در حالت اطلاعات هفتگی میانگین متحرک و در حالت اطلاعات ماهانه قدرت واقعی دارای ضریب تغییرات کمتر و عملکرد بهتر است و تغییرات روند در حالت هفتگی و نرخ تغییرات قیمت بیشترین مقادیر، ضریب تغییرات و عملکرد ضعیف‌تری دارد.

 

جدول (3) آمار توصیفی بازده از نظر شاخص‌ها در دورۀ میان‌مدت (سه‌ماهه و شش‌ماهه)

Table (3) Descriptive statistics of returns in terms of indicators in the medium term (quarterly and six months)

شاخص

نماد

میانگین

انحراف  استاندارد

ضریب تغییرات

چولگی

کشیدگی

مینیمم

ماکزیمم

پانل 1.آمار توصیفی توزیع بازده سیگنال‌های خریدوفروش سه‌ماهه

توان نسبی

RSI

1303/0

4986/0

8265/3

-48/1

385/8

-7078/2

7348/1

میانگین متحرک نمایی

EMA

1319/0

3526/0

673/2

162/3

308/16

-5437/1

8027/2

میانگین متحرک همگرا-واگرا

MACD

-0437/0

0329/1

636/23-

-432/0

826/0

-678/2

6105/2

نرخ تغییر قیمت

ROC

-0423/0

5065/0

974/11-

-807/1

166/7

-442/2

7922/1

کانال کالا

CCI

0179/0

4349/0

296/24

-458/2

775/10

-399/2

6134/1

تغییر روند

Aroon

0894/0

4402/0

923/4

234/0

922/5

-5626/1

098/2

میانگین واقعی بازده

ATR

0163/0

3793/0

269/23

-85/0

595/5

-5828/1

6104/1

قدرت روند

ADX

0877/0

4109/0

685/4

461/0

762/4

-6057/1

5526/1

میانگین متحرک هال

HMA

0506/0

3062/0

051/6

-997/1

76/11

-6343/1

5455/1

قدرت واقعی

TSI

0690/0

4652/0

742/6

818/1

233/13

-2299/1

9212/2

میانگین متحرک

MA

1287/0

3831/0

976/2

-157/1

162/41

-8754/3

8028/2

پانل 2. آمار توصیفی توزیع بازده سیگنال‌های خریدوفروش شش‌ماهه

توان نسبی

RSI

9928/0

1475/2

163/2

644/2

443/2

-5569/1

3834/6

میانگین متحرک نمایی

EMA

5479/0

3533/1

469/2

553/0

915/3

-0123/4

5442/4

میانگین متحرک همگرا-واگرا

MACD

-1394/2

7269/1

807/0-

-212/0

-559/1

-2963/5

-2124/0

نرخ تغییر قیمت

ROC

3808/0

2966/1

404/3

827/0

549/0

-5786/0

4053/4

کانال کالا

CCI

0511/0

1021/0

998/1

-658/1

615/7

-3987/0

2154/0

تغییر روند

Aroon

1064/0

1412/1

725/10

879/0

289/0

5963/0

732/4

میانگین واقعی بازده

ATR

5110/0

4810/1

898/2

933/1

225/4

7243/1-

992/5

قدرت روند

ADX

1695/0

4482/1

543/8

044/0

527/0

-6429/3

368/3

میانگین متحرک هال

HMA

5175/0

9137/1

697/3

36/0

313/1

-6059/4

385/5

قدرت واقعی

TSI

6339/0-

9843/1

130/3-

-206/0

434/0

-9980/3

437/4

میانگین متحرک

MA

6366/0

5315/1

405/2

-412/0

001/4

-4905/5

544/4

 

با توجه به جدول (3) در حالت سرمایه‌گذاری در بازۀ سه‌ماهه، میانگین بازده استراتژی ناشی از به‌کارگیری میانگین متحرک نمایی، توان نسبی و میانگین متحرک با مقادیر معادل 1319/0 و 1303/0 و 1287/0 بیشترین مقادیر بازده و بیشترین توان را در سوددهی داراست و از بین سیگنال‌های خریدوفروش مربوط به 11 شاخص سه‌ماهه، میانگین متحرک همگرا-واگرا و نرخ تغییر قیمت کمترین مقدار بازده را دارد که نشان‌دهندۀ توان سوددهی کمتری است. در حالت سرمایه‌گذاری در بازۀ شش‌ماهه، میانگین بازده شاخص، توان نسبی، متحرک و متحرک نمایی با مقادیر 9928/0و 6366/0و 5479/0 بیشترین مقادیر بازده و بیشترین توان را در سوددهی داراست و از بین سیگنال‌های خریدوفروش مربوط به 11 شاخص شش‌ماهه، قدرت واقعی و میانگین متحرک همگرا-واگرا کمترین مقدار بازده را دارند و تمام شاخص‌ها در حالت سرمایه‌گذاری میان‌مدت انحراف معیار کم دارد؛ یعنی در این شاخص‌ها تصمیم‌گیری برای سیگنال خریدوفروش به‌راحتی انجام می‌‌شود. در حالت داده‌های سه‌ماهه میانگین متحرک همگرا-واگرا ضریب تغییرات پایین‌تری نسبت‌به شاخص‌های دیگر دارد و دارای عملکرد بهتر است. در حالت داده‌های شش‌ماهه نیز قدرت واقعی ضریب تغییرات پایین‌تری نسبت‌به شاخص‌های دیگر دارد و عملکرد بهتر است.

 

 

نمودار (5) میانگین بازده 11 شاخص‌ در حالت داده‌های سه‌ماهه و شش‌ماهه

Figure (5) Average returns on 11 indicators in the quarterly and six-months periods

 

با توجه به نمودار (5)، در حالت اطلاعات سه‌ماهه و شش‌ماهه میانگین متحرک نمایی، توان نسبی و میانگین متحرک بیشترین مقادیر بازده را دارد.

 

 

نمودار (6) میانگین ریسک 11 شاخص‌ در حالت داده‌های سه‌ماهه و شش‌ماهه

Figure (6) Average risk on 11 indicators in the quarterly and six-months periods

 

با توجه به نمودار (6)، در حالت اطلاعات سه‌ماهه میانگین متحرک هال و در حالت اطلاعات شش‌ماهه کانال کالا کمترین مقادیر ریسک را دارد.

 

 

نمودار (7) ضریب تغییرات 11 شاخص‌ در حالت داده‌های سه‌ماهه و شش‌ماهه

Figure (7) Average coefficient of variation on 11 indicators in the quarterly and six-months periods

 

با توجه به نمودار (7)، در حالت اطلاعات سه‌ماهه نرخ تغییرات قیمت و در حالت اطلاعات شش‌ماهه قدرت واقعی ضریب تغییرات کمتری دارد و کانال کالا در حالت اطلاعات سه‌ماهه و میانگین متحرک هال در حالت اطلاعات شش‌ماهه بیشترین مقادیر ضریب تغییرات را دارند. در ادامۀ پژوهش در جداول 4 و 5 همبستگی بین بازده و مقادیر دوره‌های کوتاه‌مدت و میان‌مدت بررسی شده است:  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

جدول (4) نتایج همبستگی براساس سرمایه‌گذاری کوتاه‌مدت

Table (4) Results of correlation based on short-term investment

شاخص

1

2

3

4

5

6

7

8

9

10

11

12

بازده(1)

1

099/0

(00/0)

090/0

(00/0)

169/0

(00/0)

036/0

(00/0)

413/0

(00/0)

255/0

(00/0)

438/0

(00/0)

001/0-

(00/0)

192/0

(00/0)

056/0

(00/0)

091/0

(00/0)

تغییر روند(2)

075/0

(00/0)

1

061/0-

(002/0)

374/0

(00/0)

055/0-

(0071/0)

272/0-

(00/0)

405/0

(00/0)

173/0-

(00/0)

081/0-

(00/0)

612/0

(00/0)

376/0

(00/0)

351/0

(00/0)

میانگین واقعی بازده(3)

033/0

(00/0)

335/0

(00/0)

1

070/0-

(0006/0)

301/0

(00/0)

077/0

(0002/0)

065/0-

(001/0)

081/0

(00/0)

057/0

(005/0)

056/0-

(006/0)

151/0-

(00/0)

112/0-

(00/0)

کانال کالا(4)

166/0

(00/0)

527/0

(00/0)

241/0

(00/0)

1

014/0

(49/0)

391/0-

(00/0)

410/0

(00/0)

308/0-

(00/0)

023/0-

(25/0)

435/0

(00/0)

489/0

(00/0)

168/0

(00/0)

قدرت روند(5)

090/0

(00/0)

242/0

(00/0)

251/0

(00/0)

244/0

(00/0)

1

024/0

(22/0)

049/0-

(017/0)

020/0

(32/0)

029/0-

(15/0)

021/0

(30/0)

108/0-

(00/0)

021/0

(29/0)

میانگین متحرک نمایی(6)

299/0

(00/0)

-234/0

(00/0)

-103/0

(00/0)

-371/0

(00/0)

-179/0

(00/0)

1

56/0-

(00/0)

828/0

(00/0)

025/0-

(00/0)

319/0-

(00/0)

192/0-

(00/0)

106/0-

(00/0)

میانگین متحرک هال(7)

170/0

(00/0)

280/0

(00/0)

191/0

(00/0)

408/0

(00/0)

346/0

(00/0)

-407/0

(00/0)

1

504/0-

(00/0)

014/0-

(47/0)

326/0

(00/0)

218/0

(00/0)

159/0

(00/0)

میانگین متحرک(8)

257/0

(00/0)

-169/0

(00/0)

-14/0

(00/0)

-23/0

(00/0)

-164/0

(00/0)

433/0

(00/0)

-397/0

(00/0)

1

032/0-

(11/0)

245/0-

(00/0)

158/0-

(00/0)

072/0-

(00/0)

میانگین متحرک همگرا-واگرا(9)

-002/0

(76/0)

-008/0

(319/0)

028/0

(00/0)

-064/0

(00/0)

0002/0

(976/0)

010/0

(205/0)

-017/0

(032/0)

130/0

(00/0)

1

092/0-

(00/0)

010/0-

(62/0)

128/0-

(00/0)

نرخ تغییر قیمت(10)

120/0

(00/0)

546/0

(00/0)

079/0

(00/0)

545/0

(00/0)

216/0

(00/0)

-266/0

(00/0)

234/0

(00/0)

-13/0

(00/0)

-072/0

(00/0)

1

343/0

(00/0)

439/0

(00/0)

توان نسبی (11)

082/0

(00/0)

0307/0

(00/0)

169/0

(00/0)

300/0

(00/0)

155/0

(00/0)

-184/0

(00/0)

168/0

(00/0)

-03/0

(00/0)

084/0

(00/0)

230/0

(00/0)

1

270/0

(00/0)

قدرت واقعی(12)

068/0

(00/0)

369/0

(00/0)

052/0

(00/0)

257/0

(00/0)

121/0

(00/0)

-119/0

(00/0)

110/0

(00/0)

-06/0

(00/0)

-018/0

(023/0)

360/0

(00/0)

243/0

(00/0)

1

در جدول مقادیر بالا قطر مریوط به اطلاعات ماهانه و پایین قطر مربوط به اطلاعات هفتگی است./ مقدار اول ضریب همبستگی بین دو متغیر است و مقدار دوم، سطح معناداری بین دو متغیرهاست. / ملاک از معنا‌داری رابطه بین متغیرها این است که سطح معناداری بین متغیرها از سطح خطای 05/0(سطح اطمینان 95/0) کمتر است.

 

نتایج ارائه‌شده در جدول (4) حاکی از آن بود که همبستگی بین بازده و مقادیر ماهانۀ تمام شاخص‌ها معنادار است و روابط بین بازده سهام و تمام شاخص‌های خریدوفروش به‌ غیر از میانگین متحرک همگرا-واگرا مثبت است؛ یعنی با مقادیر شاخص‌های خریدوفروش مبتنی بر شاخص‌های تکنیکال رابطه دارد و از میان شاخص‌ها در حالت سرمایه‌گذاری ماهانه میانگین متحرک نمایی با شدت همبستگی (413/0) ضریب بیشتری با بازده سهام دارد. در جدول (4) پایین قطر اصلی، همبستگی را در حالت سرمایه‌گذاری هفتگی نشان می‌دهد؛ در این حالت همبستگی بین بازده و سیگنال‌های خریدوفروش تمام شاخص‌ها معنادار است و روابط بین بازده سهام و تمام شاخص‌های خریدوفروش به‌ غیر از «میانگین متحرک همگرا-واگرا» رابطۀ مثبت دارد؛ یعنی این سیگنال‌های خریدوفروش به‌درستی بازده سهام را نشان می‌دهد و از میان شاخص‌ها در حالت سرمایه‌گذاری هفتگی شاخص میانگین متحرک نمایی و میانگین متحرک با شدت همبستگی (299/0) و (257/0) ضریب بیشتری با بازده سهام دارد.

 

جدول (5) نتایج همبستگی براساس سرمایه‌گذاری میان‌مدت

Table (5) Results of correlation based on medium-term investment

شاخص‌ها

1

2

3

4

5

6

7

8

9

10

11

12

بازده (1) 

1

203/0

(006/0)

186/0

(013/0)

221/0

(003/0)

079/0

(299/0)

271/0

(0003/0)

194/0

(009/0)

441/0

(00/0)

-017/0

(121/0)

229/0

0021/0

024/0

(745/0)

066/0

(382/)

تغییر روند (2) 

 

085/0

(003/0)

1

421/0

(00/0)

338/0

(00/0)

-127/0

(092/0)

-496/0

(00/0)

325/0

(00/0)

-178/0

(018/0)

-438/0

(00/0)

509/0

(00/0)

226/0

(002/0)

173/0

(021/0)

میانگین واقعی بازده (3) 

145/0

(025/0)

225/0

(00/0)

1

156/0

(037/0)

093/0

(215/0)

229/0-

(002/0)

239/0

(001/0)

049/0-

(510/0)

179/0-

(016/0)

321/0

(00/0)

123/0

(101/0)

014/0

(850/0)

کانال کالا (4) 

 

310/0

(00/0)

523/0

(00/0)

167/0

(00/0)

1

020/0-

(787/0)

573/0-

(00/0)

379/0

(00/0)

273/0-

(00/0)

253/0-

(00/0)

783/0

(00/0)

257/0

(00/0)

318/0-

(00/0)

قدرت روند (5) 

031/0

(296/0)

-231/0

(00/0)

133/0

(00/0)

-118/0

(00/0)

1

012/0-

(87/0)

080/0-

(29/0)

019/0-

(79/0)

061/0

(41/0)

061/0-

(41/0)

172/0-

(02/0)

244/0-

(001/0)

میانگین متحرک نمایی (6) 

 

442/0

(00/0)

-347/0

(00/0)

-116/0

(0001/0)

-669/0

(00/0)

027/0

(353/0)

1

480/0-

(00/0)

593/0

(00/0)

268/0

(00/0)

613/0-

(00/0)

179/0-

(01/0)

045/0

(54/0)

میانگین متحرک هال (7) 

 

264/0

(00/0)

406/0

(00/0)

218/0

(00/0)

608/0

(00/0)

0009/0

(742/0)

-650/0

(00/0)

1

520/0-

(00/0)

001/0

(98/0)

307/0

(00/0)

116/0

(12/0)

026/0

(72/0)

میانگین متحرک (8) 

 

452/0

(00/0)

-230/0

(00/0)

-079/0

(007/0)

-523/0

(00/0)

013/0

(660/0)

830/0

(00/0)

-590/0

(00/0)

1

090/0-

(23/0)

22/0-

(003/0)

132/0-

(080/0)

015/0-

(83/0)

میانگین متحرک همگرا-واگرا (9)

-004/0

(882/0)

-025/0

(385/0)

-013/0

(644/0)

-117/0

(00/0)

-004/0

(891/0)

049/0

(095/0)

-025/0

(389/0)

023/0

(430/0)

1

374/0-

(00/0)

114/0-

(13/0)

219/0-

(003/0)

نرخ تغییر قیمت (10) 

204/-0

(00/0)

520/0

(00/0)

113/0

(00/0)

666/0

(00/0)

-200/0

(00/0)

-422/0

(00/0)

344/0

(00/0)

-293/0

(00/0)

-115/0

(00/0)

1

206/0

(005/0)

170/0-

(02/0)

توان نسبی (11) 

 

088/0

(002/0)

408/0

(00/0)

081/0

(006/0)

353/0

(00/0)

-073/0

(013/0)

-253/0

(00/0)

231/0

(00/0)

-192/0

(00/0)

-010/0

(724/0)

374/0

(00/0)

1

181/0

(01/0)

قدرت واقعی (12) 

051/0

(082/0)

234/0

(00/0)

-061/0

(036/0)

110/0

(0002/0)

-051/0

(081/0)

-084/0

(004/0)

048/0

(104/0)

-074/0

(011/0)

-080/0

(006/0)

229/0

(00/0)

184/0

(00/0)

1

در جدول مقادیر بالا قطر مریوط به اطلاعات شش‎ماهه و پایین قطر مربوط به اطلاعات سه‌ماهه است./ مقدار اول ضریب همبستگی بین دو متغیر است و مقدار دوم، سطح معناداری بین دو متغیرهاست. / ملاک از معنا‌داری رابطه بین متغیرها این است، سطح معناداری بین متغیرها از سطح خطای 05/0(سطح اطمینان 95/0) کمتر است.

 

نتایج ارائه‌شده در جدول (5) حاکی از آن بود که همبستگی بین بازده و مقادیر شش‌ماهۀ تمام شاخص‌ها به‌جز قدرت روند، متحرک همگرا-واگرا، قدرت واقعی معنادار است و روابط بین بازده سهام و تمام شاخص‌های خریدوفروش به ‌غیر از میانگین متحرک همگرا-واگرا مثبت است؛ یعنی با مقادیر شاخص‌های خریدوفروش مبتنی بر شاخص‌های تکنیکال رابطه دارد و از میان شاخص‌ها در حالت سرمایه‌گذاری شش‌ماهه میانگین متحرک با شدت همبستگی (441/0) ضریب بیشتری با بازده سهام دارد. پایین قطر اصلی، همبستگی را در حالت سرمایه‌گذاری سه‌ماهه نشان می‌دهد که در این حالت همبستگی بین بازده و سیگنال‌های خریدوفروش تمام شاخص‌ها به‌جز «قدرت روند، متحرک همگرا-واگرا، قدرت واقعی» معنادار است و روابط بین بازده سهام و تمام شاخص‌های خریدوفروش به ‌غیر از «میانگین متحرک همگرا-واگرا، نرخ تغییر قیمت» مثبت است؛ یعنی این سیگنال‌های خریدوفروش به‌درستی بازده سهام را نشان می‌دهد و از میان شاخص‌ها در حالت سرمایه‌گذاری سه‌ماهه شاخص میانگین متحرک نمایی و میانگین متحرک با شدت همبستگی (442/0) و (452/0) ضریب بیشتری با بازده سهام دارد. یعنی با افزایش این شاخص‌های خریدوفروش، بازده افزایش می‌یابد؛ بنابراین قدرت بیشتری نسبت به شاخص‌های دیگر دارد، بهتر می‌تواند بازده سهام را نشان دهد و معرف بهتری برای بازده سهام است.

در این قسمت از پژوهش به مدل‌سازی بازده مبتنی بر به‌کارگیری شاخص‌های تکنیکال توجه شده است. به‌‌منظور بررسی رابطۀ مقادیر شاخص‌های تکنیکال (ناشی از واکنش‌های رفتاری سرمایه‌گذاران) با بازده سهام از روش رگرسیون با داده‌های تابلویی استفاده‌ شده است که مدل مورد بررسی یک تحلیل حساسیت ارائه‌شده از سوی پژوهشگران این پژوهش می‌باشد و به‌صورت زیر است:

 

رابطۀ 3

 

 

پیش از برآورد مدل باید مانایی تمام متغیرهای مدل پژوهش امتحان شود؛ زیرا نامانایی متغیرها باعث بروز مشکل رگرسیون کاذب می‌شود. در آزمون لوین، لین و چو فرض  بیان می‌کند که متغیر موردبررسی ناماناست و در مقابل فرض  از مانایی داده‌ها بحث می‌کند. مقدار آمارۀ آزمون لوین، لین و چو در بازده هفتگی برابر با «193/73-»، بازده ماهانه «149/43-»، بازده سه‌ماهه «151/29-» و بازده شش‌ماهه «173/41-» است که سطح معنا‌داری تمام متغیرها کمتر از 05/0 است؛ بنابراین متغیرها ماناست. در روش رگرسیون با داده‌های پانلی، به‌منظور برآورد مدل، ابتدا آزمون  Fلیمر انجام شد. با توجه به مقادیر آمارۀF لیمر در حالت اطلاعات هفتگی، ماهانه، سه‌ماهه و شش‌ماهه و معناداری آمارۀ آزمون در سطح خطای کمتر از 5 درصد، امکان استفاده از روش اثرهای تلفیقی میسر نشد.

 در مرحلۀ بعد، برای انتخاب از بین روش‌های اثرات ثابت و تصادفی، از آزمون هاسمن استفاده شد که با توجه به معناداری آمارۀ کای دو در حالت اطلاعات هفتگی و سه‌ماهه و سطح خطای کمتر از 5 درصد، مدل پژوهش با استفاده از روش اثرات ثابت برآورد شد. با توجه به معناداری آمارۀ کای دو در حالت اطلاعات ماهانه و شش‌ماهه و سطح خطای بیشتر از 5 درصد، مدل تحقیق با استفاده از روش اثرات تصادفی برآورد شد. به‌منظور بررسی عدم خودهمبستگی پسماندها از آمارۀ دوربین واتسون استفاده شد. با توجه به مقادیر آماره (بازه 5/1 تا 5/2) نشان از عدم خودهمبستگی پسماندها دارد. برای بررسی عدم ناهمسانی واریانس‌ها از آزمون براش-گودفری[9] استفاده ‌شده است. با توجه به آمارۀ-t  به‌دست‌آمده (کمتر از 96/1) مدل در حالت هفتگی و سه‌ماهه، ناهمسانی واریانس ندارد؛ ولی در حالت ماهانه و شش‎ماهه دارای ناهمسانی واریانس است (آمارۀ-t بیشتر از 96/1) و از رگرسیون GLS (رگرسیون با رویکرد حداقل مربعات تعمیم‌یافته) مدل تخمین زده شده است.

 

 

 

 

 

 

 

جدول (6) نتایج برآورد مدل براساس سرمایه‌گذاری کوتاه‌مدت

Table (6) Results of model estimation based on short-term investment

 

 شاخص

نماد

ضریب

t-آمارۀ

سطح معناداری

ضریب

t-آمارۀ

سطح معناداری

 

اطلاعات هفتگی

اطلاعات ماهانه

توان نسبی

RSI

0006/0

231/2

025/0

006/0

690/3

0002/0

میانگین متحرک

MA

0091/0

948/36

00/0

028/0

636/11

00/0

میانگین متحرک نمایی

EMA

0079/0

136/30

00/0

017/0

479/6

00/0

میانگین متحرک همگرا-واگرا

MACD

0010/0-

980/0-

326/0

0008/0-

517/0-

605/0

نرخ تغییر قیمت

ROC

0013/0

730/4

00/0

007/0

880/3

0001/0

کانال کالا

CCI

0015/0

424/5

00/0

0009/0

536/0

591/0

تغییر روند

Aroon

0027/0

56/5

00/0

003/0

076/2

037/0

میانگین واقعی بازده

ATR

0001/0

654/0

513/0

002/0

023/2

043/0

قدرت روند

ADX

0009/0

007/4

0001/0

002/0

622/1

104/0

میانگین متحرک هال

HMA

0012/0

931/4

00/0

00051/0

028/0

977/0

قدرت واقعی

TSI

0006/0

818/2

004/0

004/0

766/2

005/0

 ضریب ثابت

C

0073/0

473/7

00/0

025/0

494/9

00/0

ضریب تعیین

24/0

21/0

ضریب تعیین تعدیل‌شده

22/0

20/0

آمارۀ دوربین واتسون

263/2

004/2

آمارۀ-F

11/3

076/105

سطح اطمینان - F

00/0

00/0

 

در جدول (6) ارتباط مقادیر شاخص‌های تکنیکال با بازده ارائه ‌شده است. اگر آمارۀ-t بیشتر از 96/1 باشد، رابطه معنادار است. با توجه به آمارۀ-t و ضرایب، ارتباط تمام شاخص‌ها با بازده هفتگی معنادار است؛ اما شاخص‌های میانگین متحرک همگرا-واگرا، میانگین واقعی بازده ارتباط معناداری بر بازده هفتگی ندارد و بیشترین شدت ضریب را میانگین متحرک با مقدار (0091/0) دارد. در بازۀ زمانی ماهانه با توجه به آمارۀ-t و ضرایب، ارتباط تمام شاخص‌ها معنادار است؛ اما شاخص‌های میانگین متحرک همگرا-واگرا، میانگین واقعی بازده و کانال کالا ارتباط معناداری بر بازده ماهانه ندارد و بیشترین شدت ضریب را میانگین متحرک با مقدار (028/0) دارد. بنابراین در دورۀ کوتاه‌مدت، شاخص میانگین متحرک نسبت‌به شاخص‌های دیگر معرف بهتری برای بازده سهام است.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

جدول (7) نتایج برآورد مدل براساس سرمایه‌گذاری میان‌مدت

Table (7) Results of model estimation based on medium-term investment

 

 شاخص

نماد

ضریب

t-آمارۀ

سطح معناداری

ضریب

t-آمارۀ

سطح معناداری

 

اطلاعات سه‌ماهه

اطلاعات شش‌ماهه

توان نسبی

RSI

014/0

438/2

014/0

002/0

761/6

00/0

میانگین متحرک

MA

047/0

951/4

00/0

445/0

205/2

028/0

میانگین متحرک نمایی

EMA

040/0

737/3

0002/0

422/0

837/1

067/0

میانگین متحرک همگرا-واگرا

MACD

005/-

094/1-

274/0

160/0-

946/0-

345/0

نرخ تغییر قیمت

ROC

016/0

083/2

037/0

288/0

794/4

0000/0

کانال کالا

CCI

014/0

582/1

113/0

235/0

917/0

360/0

تغییر روند

Aroon

019/0

977/2

003/0

057/0

53/3

00/0

میانگین واقعی بازده

ATR

0004/0

085/0

931/0

373/0

294/2

023/0

قدرت روند

ADX

024/0

588/3

0003/0

201/0

304/1

193/0

میانگین متحرک هال

HMA

024/0

234/3

001/0

190/0

261/2

00/0

قدرت واقعی

TSL

002/0

347/0

728/0

128/0

76/7

00/0

 ضریب ثابت

C

060/0

585/5

0/00

345/0

138/1

256/0

ضریب تعیین

277/0

357/0

ضریب تعیین تعدیل‌شده

264/0

314/0

آمارۀ دوربین واتسون

032/2

701/1

آمارۀ -F

545/22

211/131

سطح اطمینان - F

00/0

00/0

 

در جدول (7) ارتباط مقادیر شاخص‌های تکنیکال با بازده ارائه ‌شده است. اگر آمارۀ-t بیشتر از 96/1 باشد، رابطه معنادار است. با توجه به آمارۀ-t و ضرایب، ارتباط تمام شاخص‌ها بر بازده سه‌ماهه معنا‌دار است؛ اما شاخص‌های میانگین متحرک همگرا-واگرا، کانال کالا و قدرت واقعی ارتباط معناداری با بازده سه‌ماهه ندارد و بیشترین شدت ضریب را میانگین متحرک با مقدار (047/0) دارد. در بازۀ زمانی شش‌ماهه با توجه به آمارۀ-t و ضرایب، ارتباط تمام شاخص‌ها معنا‌دار است؛ اما شاخص‌های میانگین متحرک همگرا-واگرا، قدرت روند، کانال کالا و میانگین متحرک نمایی ارتباط معناداری با بازده شش‌ماهه ندارند و بیشترین شدت ضریب را میانگین متحرک با مقدار (445/0) دارد؛ بنابراین در دورۀ میان‌مدت، شاخص میانگین متحرک نسبت‌به شاخص‌های دیگر معرف بهتری برای بازده سهام است.

در این بخش از پژوهش عملکرد (هفتگی، ماهانه، سه‌ماهه و شش‌ماهه) ناشی از به‌کارگیری شاخص‌های تکنیکال با استفاده از آزمون (ANOVA) بررسی می‌شود.

 

 

 

 

 

 

 

جدول (8) نتایج آزمون (ANOVA) از نظر شاخص‌ها براساس داده‌های هفتگی و ماهانه

Table (8) Results of (ANOVA) test in terms of indicators based on weekly and monthly data

 

میانگین انحرافات

Fآمارۀ -

سطح معناداری

پانل 1: نتایج آزمون (ANOVA) در توزیع بازده سیگنال‌های خریدوفروش هفتگی

تغییرات واریانس بین گروهی

752/0

702/13

00/0

تغییرات واریانس درون‌گروهی

055/0

پانل 2: نتایج آزمون (ANOVA) در توزیع بازده سیگنال‌های خریدوفروش ماهانه

تغییرات واریانس بین گروهی

939/1

994/16

00/0

تغییرات واریانس درون‌گروهی

114/0

 

نتایج ارائه‌شده در جدول (8) حاکی از آن است که در سطح معناداری (00/0)، تفاوت معناداری بین بازده شاخص‌ها (در حالت اطلاعات هفتگی و ماهانه) وجود دارد.

 

جدول (9) نتایج مقایسۀ میانگین بازده شاخص‌ها براساس داده‌های (هفتگی و ماهانه)

Table (9) A comparison of the average returns for different (weekly and monthly) index

شاخصها

1

2

3

4

5

6

7

8

9

10

11

توان نسبی(1)

00/0

-005/0

(44/0)

019/0

(29/0)

039/0

(00/0)

042/0

(00/0)

016/0

(04/0)

036/0

(00/0)

020/0

(007/0)

028/0

(00/0)

049/0

(00/0)

004/0

(53/0)

میانگین متحرک نمایی(2)

035/0-

(13/0)

 

00/0

025/0

(16/0)

045/0

(00/0)

048/0

(00/0)

022/0

(001/0)

042/0

(00/0)

026/0

(00/0)

034/0

(00/0)

054/0

(00/0)

009/0

(053/0)

میانگین متحرک همگرا-واگرا (3)

28/0

(00/0)

321/0

(00/0)

 

00/0

020/0

(28/0)

022/0

(21/0)

-003/0

(86/0)

016/0

(36/0)

0007/0

(96/0)

0008/0

(63/0)

029/0

(13/0)

015/0-

(39/0)

نرخ تغییر قیمت (4)

076/0

(003/0)

111/0

(00/0)

211/0-

(00/0)

 

00/0

002/0

(69/0)

023/0-

(003/0)

-003/0

(64/0)

-019/0

(005/0)

-011/0

(093/0)

009/0

(36/0)

354/0-

(00/0)

کانال کالا (5)

066/0

(012/0)

102/0

(00/0)

221/0-

(00/0)

010/0-

(64/0)

 

00/0

026/0-

(001/0)

-006/0

(371/0)

022/0-

(001/0)

014/0-

(02/0)

006/0

(52/0)

384/0-

(00/0)

تغییر روند (6)

028/0

(30/0)

063/0

(003/0)

259/0-

(00/0)

484/0-

(044/0)

037/0-

(11/0)

 

00/0

019/0

(009/0)

003/0

(58/0)

011/0

(087/0)

032/0

(002/0)

012/0-

(068/0)

میانگین واقعی (7)

077/0

(00/0)

111/0

(00/0)

210/0-0

(00/0)

001/0

(96/0)

011/0

(60/0)

049/0

(034/0)

 

00/0

015/0-

(01/0)

-007/0

(208/0)

012/0

(203/0)

032/0-

(00/0)

قدرت روند (8)

011/

(63/0)

047/0

(007/0)

275/0-

(00/0)

064/0-

(002/0)

054/0-

(010/0)

016/0-

(46/0)

065/0-

(001/0)

00/0

008/0

(16/0)

028/0

(003/0)

016/0-

(004/0)

میانگین متحرک هال (9)

062/0

(010/0)

097/0

(00/0)

225/0-

(00/0)

014/0-

(49/0)

003/0-

(86/0)

034/0

(11/0)

015/0-

(44/0)

050/0

(006/0)

 

00/0

020/0

(030/0)

024/0-

(00/0)

قدرت واقعی (10)

160/0

(00/0)

204/0

(00/0)

118/0-

(012/0)

092/0

(011/0)

102/0

(005/0)

140/0

(0/00)

091/0

(011/0)

157/0

(00/0)

106/0

(002/0)

 

00/0

044/0-

(00/0)

میانگین متحرک (11)

028/0-

(21/0)

007/0

(64/0)

316/0-

(00/0)

104/0-

(00/0)

094/0-

(00/0)

056/0-

(006/0)

105/0-

(00/0)

040/0-

(017/0)

090/0-

(00/0)

19/0-

(00/0)

00/0

در جدول مقدار اول تفاوت میانگین بین دو متغیر است و مقدار دوم، سطح معناداری بین دو متغیرهاست./ بالای قطر اصلی نتایج مقایسۀ میانگین بازده 11 شاخص در حالت اطلاعات هفتگی، زیر قطر اصلی نتایج مقایسۀ میانگین بازده 11 شاخص در حالت اطلاعات ماهانه

نتایج جدول (9) حاکی از آن است که در داده‌های هفتگی کمترین تفاوت معنادار را بازده میانگین متحرک نمایی با بازده تغییر روند دارد. بازده میانگین متحرک همگرا-واگرا با هیچ‌یک از شاخص‌ها تفاوت معناداری ندارد و بازده بیشتر شاخص‌ها با هم تفاوت معناداری ندارد؛ ولی توان نسبتی و میانگین متحرک نمایی تفاوت مثبت معنادار بیشتری براساس داده‌های هفتگی دارد؛ یعنی بازده آنها بهتر سیگنال (خرید) می‌دهد. براساس داده‌های ماهانه نیز بیشترین تفاوت معنادار را بازده میانگین متحرک با بازده میانگین متحرک همگرا-واگرا دارد. توان نسبتی و میانگین متحرک نمایی، میانگین متحرک و متحرک همگرا-واگرا تفاوت معنادار بیشتری در حالت داده‌های ماهانه دارد؛ یعنی بازده آنها بهتر سیگنال (خرید) می‌دهد و براساس داده‌های ماهانه نسبت‌به هفتگی تعداد بیشتر بازده شاخص‌ها تفاوت معناداری با بازده شاخص‌های دیگر داشته است.

 

جدول (10) نتایج آزمون (ANOVA) از نظر شاخص‌ها براساس داده‌های سه‌ماهه و شش‌ماهه

Table (10) Results of (ANOVA) test in terms of index based on quarterly, six-month data

 

میانگین انحرافات

Fآمارۀ -

سطح معناداری

پانل 1: نتایج آزمون (ANOVA) در توزیع بازده سیگنال‌های خریدوفروش سه‌ماهه

تغییرات واریانس بین گروهی

734/0

959/3

00/0

تغییرات واریانس درون‌گروهی

185/0

پانل 2: نتایج آزمون (ANOVA) در توزیع بازده سیگنال‌های خریدوفروش شش‌ماهه

بین گروهی

6734/0

704/2

00/0

درون گروهی

249/0

 

نتایج ارائه‌شده در جدول (10) حاکی از آن است که در سطح معناداری (00/0)، تفاوت معناداری بین بازده فاصلۀ شاخص‌ها (در حالت اطلاعات سه‌ماهه و شش‌ماهه) وجود دارد.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

جدول (11) نتایج مقایسۀ میانگین بازده شاخص‌ها براساس داده‌های (سه‌ماهه و شش‌ماهه)

Table (11) A comparison of the average returns for different(quarterly and six-month) index

شاخص

1

2

3

4

5

6

7

8

9

10

11

توان نسبی (1)

 

 0/00

-001/0

(86/0)

174/0

(01/0)

173/0

(001/0)

112/0

(01/0)

047/0

(32/0)

113/0

(009/0)

042/0

(351/0)

079/0

(06/0)

061/0

(23/0)

-001/0

(98/0)

میانگین متحرک نمایی (2)

444/0

(02/0)

 

 0/00

180/0

(004/0)

180/0

(0/00)

119/0

(002/0)

054/0

(17/0)

120/0

(001/0)

049/0

(18/0)

086/0

(012/0)

068/0

(12/0)

005/0

(85/0)

میانگین متحرک همگرا-واگرا (3)

132/3

(00/0)

687/2-

(00/0)

0/00

-0005/0

(99/0)

-061/0

(35/0)

-126/0

(058/0)

-060/0

(34/0)

-13/0

(04/0)

-094/0

(13/0)

-112/0

(10/0)

175/0-

(005/0)

نرخ تغییر قیمت (4)

612/0

(00/0)

167/0

(321/0)

520/2-

(00/0)

  0/00

-061/0

(28/0)

126/0-

(01/0)

059/0-

(19/0)

131/0-

(006/0)

093/0-

(04/0)

112/0-

(03/0)

174/0-

(0/00)

کانال کالا (5)

941/0

(00/0)

4968/0

(00/0)

1905/2-

 (00/0)

329/0

(00/0)

  0/00

-064/0

(15/0)

001/0

(97/0)

-070/0

(10/0)

-032/0

(43/0)

-050/0

(31/0)

113/0-

(004/0)

تغییر روند (6)

886/0

(00/0)

4415/0

(00/0)

245/2-

(00/0)

274/0

(062/0)

-0553/0

(23/0)

  0/00

066/0

(119/0)

-005/0

(90/0)

032/0

(44/0)

013/0

(78/0)

-048/0

(22/0)

میانگین واقعی (7)

481/0

(03/0)

036/0

(371/0)

650/2-

(00/0)

-130/0

(098/0)

459/0-

(00/0)

404/0-

(00/0)

  0/00

-071/0

(07/0)

-034/0

(36/0)

-052/0

(26/0)

115/0-

(001/0)

قدرت روند (8)

823/0

(00/0)

378/0

(063/0)

308/2-

(00/0)

211/0

(061/0)

-118/0

(42/0)

-063/0

(921/0)

341/0

(058/0)

  0/00

037/0

(34/0)

019/0

(69/0)

-043/0

(24/0)

میانگین متحرک هال (9)

475/0

(001/0)

030/0

(450/0)

656/2-

(00/0)

-136/0

(071/0)

-6462/0

(00/0)

411/0-

(00/0)

-006/0

(921/0)

348/0-

(073/0)

0/00

-018/0

(69/0)

080/0-

(02/0)

قدرت واقعی (10)

626/1

(00/0)

181/1

(00/0)

505/1-

(00/0)

014/1

(00/0)

685/0

(00/0)

740/0

(00/0)

144/1

(00/0)

803/0

(00/0)

151/1

(00/0)

  0/00

-062/0

(16/0)

میانگین متحرک (11)

356/0

(059/0)

356/0

(059/0)

-776/2

(00/0)

255/0-

(054/0)

585/0-

(00/0)

-530/0

(00/0)

125/0-

(13/0)

467/0-

(00/0)

-119/0

(15/0)

-270/1

(00/0)

  0/00

در جدول مقدار اول تفاوت میانگین بین دو متغیر است و مقدار دوم، سطح معناداری بین دو متغیرهاست./ بالای قطر اصلی  نتایج مقایسۀ میانگین بازده 11 شاخص در حالت اطلاعات سه‌ماهه، زیر قطر اصلی نتایج مقایسۀ میانگین بازده 11 شاخص در حالت اطلاعات شش‌ماهه

 

نتایج جدول (11) نشان‌دهندۀ آن است که در داده‌های سه‌ماهه کمترین تفاوت معنادار را بازده میانگین متحرک نمایی با بازده کانال کالا دارد. بازده میانگین متحرک همگرا-واگرا با هیچ‌یک از شاخص‌ها (به‌جز قدرت روند و میانگین متحرک) تفاوت معناداری ندارد. همچنین بازده بیشتر شاخص‌ها با هم تفاوت معناداری ندارد؛ ولی توان نسبتی و میانگین متحرک نمایی تفاوت مثبت معنادار بیشتری براساس داده‌های سه‌ماهه دارد که نشان‌دهندۀ این است که بازده آنها بهتر سیگنال (خرید) می‌دهد. براساس داده‌های شش‌ماهه کمترین تفاوت معنادار را بازده میانگین متحرک نمایی با بازده تغییر روند دارد. بازده میانگین متحرک همگرا-واگرا با تمام شاخص‌ها تفاوت معنادار منفی دارد؛ یعنی میانگین بازده میانگین متحرک همگرا- واگر کوچک‌تر از شاخص‌های دیگر است. تفاوت میانگین بین بازده میانگین متحرک و بازده تمام شاخص‌ها به‌جز میانگین متحرک نمایی، توان نسبی، نرخ تغییر قیمت، میانگین واقعی و میانگین متحرک هال معنادار است. توان نسبتی و میانگین متحرک نمایی، متحرک و متحرک همگرا-واگرا تفاوت معنادار بیشتری در حالت داده‌های شش‌ماهه دارد؛ یعنی بازده آنها بهتر سیگنال (خرید) می‌دهد و براساس داده‌های شش‌ماهه نسبت‌به سه‌ماهه تعداد بیشتری از بازده شاخص‌ها تفاوت معناداری با بازده شاخص‌های دیگر داشته است.

 

نتایج و پیشنهادها

در این پژوهش راهبردهای سرمایه‌گذاری مبتنی بر شاخص‌های تکنیکال با استفاده از واکنش رفتاری سرمایه‌گذاران در بورس اوراق بهادار تهران در بازۀ زمانی 1389 الی 1398 بررسی شد. نتایج آمار توصیفی نشان‌دهندۀ آن بود که در داده‌های بازۀ زمانی هفتگی، میانگین بازده شاخص‌های میانگین متحرک نمایی، توان نسبی و میانگین متحرک بیشترین بازده و سود را داشتند و شاخص‌های قدرت واقعی و کانال کالا دارای کمترین بازده و سود بودند. در داده‌های بازۀ زمانی ماهانه نیز میانگین بازده شاخص‌های میانگین متحرک، متحرک نمایی و توان نسبی بیشترین بازده و سود را داشتند و شاخص‌های قدرت واقعی و میانگین همگرا-واگرا دارای کمترین بازده و سود بودند. در داده‌های بازۀ زمانی سه‌ماهه نیز میانگین بازده شاخص‌های میانگین متحرک نمایی، توان نسبی و میانگین متحرک بیشترین بازده وسود را داشتند و شاخص‌های نرخ تغییر قیمت و میانگین همگرا-واگرا دارای کمترین بازده و سود بودند. در داده‌های بازۀ زمانی شش‌ماهه نیز میانگین بازده شاخص‌های توان نسبی، میانگین متحرک و متحرک نمایی بیشترین بازده و سود را داشتند و شاخص‌های قدرت واقعی و میانگین همگرا-واگرا دارای کمترین بازده و سود بودند. در بررسی اثر مقادیر شاخص‌های تکنیکال بر بازده سهام، در تمام دوره‌ها، بیشترین اثر را میانگین متحرک بر بازده سهام داشت؛ بنابراین در همۀ دوره‌های سرمایه‌گذاری این شاخص، قدرت اثرگذاری بیشتری نسبت‌به شاخص‌های دیگر بر بازده داشت و معرف بهتری برای بازده سهام بود.

در بررسی و مقایسۀ میانگین بازده شاخص‌های تکنیکال در حالت داده‌های هفتگی شاخص‌های توان نسبی و میانگین متحرک نمایی، در حالت داده‌های ماهانه شاخص‌های توان نسبی، میانگین متحرک نمایی، میانگین متحرک، متحرک همگرا-واگرا، در حالت داده‌های سه‌ماهه شاخص‌های توان نسبتی و میانگین متحرک نمایی و در حالت داده‌های شش‌ماهه، توان نسبتی، میانگین متحرک نمایی، میانگین متحرک و متحرک همگرا-واگرا تفاوت معنادار بیشتری داشتند که نشان‌دهندۀ این بود که بازده آنها بهتر سیگنال (خرید) می‌دهد.در حالت داده‌های ماهانه نسبت‌به هفتگی و داده‌های شش‌ماهه نسبت‌به سه‌ماهه تعداد بیشتری از بازده شاخص‌ها تفاوت معناداری با بازده شاخص‌های دیگر داشته است. بنابراین می‌توان نتیجه گرفت سیگنال‌هایی که سه شاخص میانگین متحرک، متحرک نمایی و توان نسبی در بازۀ زمانی مختلف (کوتاه‌مدت و میان‌مدت) برای خرید یا فروش سهام (به‌عنوان یک راهبرد) می‌دهد، بیشتر نشان‌دهندۀ واکنش‌های رفتاری سرمایه‌گذاران است؛ بنابراین می‌توان با ضریب اعتماد بیشتری نسبت‌به سایر شاخص‌ها استفاده کرد و به بازده و سوددهی بالاتری دست یافت. درنتیجه سرمایه‌گذاران می‌توانند از ترکیب سه شاخص (EMA, RSI, MA) به‌عنوان مؤثرترین راهبرد معاملاتی در افق‌های زمانی مختلف (هفتگی تا شش‌ماهه) استفاده کنند که ریسک کمتری را متوجه سرمایه‌گذاری آنان می‌کند. همچنین روند تغییرات بازده شاخص‌ها از هفتگی به‌سمت شش‌ماهه باعث تفاوت معناداری‌ها بزرگ‌تر می‌شود و نشان‌دهندۀ این است که رابطۀ مقادیر شاخص‌های تکنیکال با بازده سهام در حالت دورۀ طولانی‌تر بهتر سیگنال (خریدوفروش) می‌دهد. نتایج این پژوهش با پژوهش‌های دای و همکاران (2021)، لیو و پان (2020) و بشیر خداپرستی و همکاران (2019) هم‌سو و هم‌جهت است. بنابراین پیشنهاد می‌شود سرمایه‌گذاران افق زمانی سرمایه‌گذاری خود را بلندمدت قرار دهند و از ترکیب این سه شاخص به‌عنوان یک راهبرد برای سرمایه‌گذاری استفاده کنند. پیشنهاد می‌شود در پژوهش‌های آینده راهبردهای سرمایه‌گذاری با استفاده از الگوریتم ژنتیک و سیگنال‌های ترکیبی این سه شاخص بررسی شود.

 

[1]. Dai et al.

[2]. Liu & Pan

[3]. Abdolbaghi et al.

[4]. Abbasi et al.

[5]. Park & Irwin

[6]. Jasdeep et al.

[7]. Pramudya & Ichsani

[8]. به دلیل اینکه این شاخص‌ها مهم‌ترین و پرکاربردترین اندیکاتورها و اسیلاتورها در بین سرمایه‌گذاران و همچنین پرکاربردترین تحلیل در پژوهش‌های مختلف بوده است و مبنای بیشتر شاخص‌ها حجم و میانگین متحرک است، انتخاب شدند.

[9]. Breusch-Godfrey - test

ابراهیمی سروعلیا، محمدحسن.، باباجانی، جعفر.، حنفی زاده، پیام. و عبادپور، بهرام (1396). عوامل تعیین‌کنندۀ رفتار سهامداران جزء در بورس اوراق بهادار تهران بر مبنای مدل‌سازی معادلات ساختاری، دانش سرمایه‌گذاری، 6(22)، 145-131.
آذربویه، نرگس (1399). مروری بر منشأ رفتار احساسی سرمایه‌گذاران و تأثیرات آن بر بازار بورس، ششمین کنفرانس ملی پژوهش‌های کاربردی در مدیریت، حسابداری و اقتصاد سالم در بانک، بورس و بیمه، تهران، https://civilica.com/doc/1122124
اصولیان، محمد. و بازچی، مژگان (1398). سوگیری‌های رفتاری، حجم غیر نرمال معاملات و بازده غیرعادی سهام، فصلنامۀ علمی مدیریت دارایی و تأمین مالی، 7 (27)، 96-81. https://doi:10.22108/amf.2019.112224.1282
بشیر خداپرستی، رامین.، جهانگیری، خلیل. و برومندزاده، حسین (1398). مقایسۀ کارایی اندیکارهای تحلیل تکنیکال در دورۀ رکود و رونق بازار سرمایه در شرکت‌های تولیدی فعال‌تر بورس اوراق بهادار تهران، دانش مالی تحلیل اوراق بهادار، 12(42)، 161-147.
توحیدی، محمد (1399). استخراج شاخص ترکیبی گرایش احساسی در بورس اوراق بهادار تهران، فصلنامۀ علمی مدیریت دارایی و تأمین مالی، 8(29)، 68-49 https://doi:10.22108/amf.2019.116219.1402.
حسینی، سیدعلی. و مرشدی، فاطمه (1398). تأثیر احساسات سرمایه‌گذاران بر پویایی معاملات بورس اوراق بهادار تهران، پژوهش‌های حسابداری مالی و حسابرسی، سال یازدهم، شمارۀ 44 ، 22-1.
حیدرپور، فرزانه.، تاری وردی، یدالله. و محرابی، مریم (1392). تأثیر گرایش‌های احساسی سرمایه‌گذاران بر بازده سهام، فصلنامۀ علمی دانش مالی تحلیل اوراق بهادار، 6(17)، 13-1.
کنی، امیرعباس (1383). مبانی تحلیل تکنیکی بازار سرمایه، ناشر امیرعباس کنی.
 
References
Abbasi, E., Samavi, M.E., Koosha, E. (2020). Performance evaluation of the technical analysis indicators in comparison with the buy and hold strategy in tehran stock exchange indices, Advances in Mathematical Finance & Applications, 5(3), 285-301. https://doi:10.22034/amfa.2020.1893194.1376.
Abdolbaghi A, A., Davoodi, Sayyed M.R., & Salimi Bani, M. (2019). The effectiveness of the automatic system of fuzzy logic-based technical patterns recognition: evidence from tehran stock exchange, Advances in mathematical finance & applications, 4(3), 107- https://doi:10.22034/AMFA.2019.585179.1185..
Ahmar, A. S. (2017). Sutte indicator: A technical indicator in stock market. International Journal of Economics and Financial Issues, 7(2), 223-226. Available at SSRN: https://ssrn.com/abstract=2924309.
Alfonso, G., & Ramirez, D.R. (2020). A nonlinear technical indicator selection approach for stock markets. Application to the Chinese Stock Market, Mathematics, 8, 1301, 1-15.  https://doi.org/10.3390/math8081301.
Asha, T.E. (2014). A study on technical analysis and its usefulness in indian stock market. Mirror, 3(2), 159-165. SSRN: https://ssrn.com/abstract=3138554.
Azarbouyeh, N. (2020). A review of the source of sensitive behavior of investors and its impacts on the stock market, Sixth National Conference on Applied Research in Management, Accounting and Healthy Economy, Bank, Stock Exchange and Insurance, Tehran, https://civilica.com/doc/1122124. (In Persian).
Bashir Khodaparasti, R., Jahangiri, K., Boroumandzadeh, H., & Saba, M. (2019). Comparison of the Efficiency of Technical Analysis Indicators in in the capital market periods of the boom and depression in the active Manufacturing companies at the Tehran Stock Exchange. Financial Knowledge of Securities Analysis, 12(42), 161 -147, (In Persian).
Dai, Zh., Zhu, H., & Kang, J. (2021). New technical indicators and stock returns predictability, International Review of Economics and Finance, 71, 127–142. https://doi:10.1016/j.iref.2020.09.006.
Ebrahimi Sarve Olia, M.A., Babajani, J., Hanafizadeh, P., & Ebadpour, B. (2017). Assessment of the behavioral determinants of individual investors in Tehran Stock Exchange based on structural equation modeling. Investment Knowledge, 6(22), 145-131, (In Persian).
Fama, E. (1970). Efficient Capital Market: A Review of Theory and Empirical Work., The Journal of Finance, 25(2), 382-417. https://doi.org/10.2307/2325486.
Haidarpour, F., Tari Verdi, Y., & Mehrabi, M. (2013). The effect of Investors' emotional tendencies on stock returns, Financial Knowledge of  securiities analysis, 6(17), 1-13. (In Persian).
Hosseini, S. A., & Morshedi, F. (2019). The effect of investors' feelings on the dynamics of transactions on the tehran stock exchange, Financial Accounting and Auditing Research,11(44), Winter, 1-22. (In Persian).
Izadikhah, M., Saen, RF., & Ahmadi, K. (2017). How to assess sustainability of suppliers in the presence of dualrole factor and volume discounts? A data envelopment analysis approach, Asia-Pacific Journal of Operational Research, 34 (03),­241-267. https://doi.org/10.1142/S0217595917400164.
Jasdeep, S., Banga, B., & Wade, B. (2019). Profitability of alternative methods of combining the signals from technical trading systems, Intelligent Systems in Accounting, Finance and Management.26(1), 32–45. https://doi.org/10.1002/isaf.1442.
Kampouridis, M., & Otero, E. B. (2017). Evolving trading strategies using directional changes, Expert Systems With Applications, 73 (2017) 145–160, https://doi:10.1016/j.eswa.2016.12.032.
Kenny, A. (2005). Basics Technical analysis of the capital market, Publisher Abbas Kenny.
Kristjanpoller, W., & Minutolo, M. (2018). A hybrid volatility forecasting framework integrating Garch, artificial neural network, technical analysis and principal components analysis, Expert Systems with Applications, 109(4), 1-11.  https://doi:10.1016/j.eswa.2018.05.011.
Liston Perez, D. (2016). Stock returns and investor ientiment. The Quarterly Review of Economics and Finance, 59(C), 63-70. https://doi:10.1016/j.qref.2015.08.004.
Liu, L., & Pan, Z. (2020). Forecasting stock market volatility: the role of technical variables, Economic Modelling, 84, 55-65. https://doi:10.1016/j.econmod.2019.03.007. Nobre, J., & Neves, R. F. (2019). Combining principal component analysis, discrete wavelet transform and XGboost to trade in the financial markets, Expert Systems With Applications, 125, 181–194, https://doi.org/10.1016/j.eswa.2019.01.083.
Osulian, M., & Bazchi, M. (2020). Behavioral bias, abnormal volume, and abnormal return, Asset Management and Financing, 7( 27), 81-96. https://doi:10.22108/amf.2019.112224.1282. (In Persian).
Park, C. H., & Irwin, S. H. (2007). What do we know about the profitability of technical analysis? Journal of Economic Surveys, 21(4), 786–826. https://doi.org/10.1111/j.1467-6419.2007.00519.x.
Pramudya, R., & Ichsani, S. (2020). Efficiency of  technical analysis for the stock trading, International Journal of Finance & Banking Studies, 9(1), 58-67. https://doi.org/10.20525/ijfbs.v9i1.666.
Rekik, Y. M., Hachicha, W., & Boujelbene, Y. (2014). Agent-based modeling and investors behavior explanation of asset price dynamics on artificial financial markets. Procedia Economics and Finance, 13, 30-46. https://doi:10.1016/S2212-5671(14)00428-6. Tohidi, H. (2020). Extracting composite sentiment index for tehran stock exchange, Asset Management and Financing, 8(29), 49-68. https://doi:10.22108/amf.2019.116219.1402. (In Persian).
Turner, T. (2007). A Beginner’s Guide to Day Trading Online, 2nd edition, Adams Media.