بررسی کاربرد تحلیل تکنیکی در بازار سرمایه ایران

بررسی کاربرد تحلیل تکنیکی در بازار سرمایه ایران

دکتر سید حسین سجادی[1]، سلمان سفید چیان[2]، ایمان مقدس[3]

چکیده

   این تحقیق در پی یافتن پاسخ این سئوال است که آیا سرمایه گذاران امکان استفاده از روش تحلیل تکنیکی را در بازار سرمایه­ی ایران دارند؟ به همین منظور از روش های میانگین متحرک ساده و شاخص قدرت نسبی استفاده شده است. این بررسی از طریق آزمون قواعد معاملاتی میانگین متحرک ساده و شاخص قدرت نسبی بر روی قیمت سهام انجام شده است.

نتایج تحقیق نشان می دهد که روش های میانگین متحرک ساده و شاخص قدرت نسبی دارای قابلیت پیش بینی است و می توانند الگوهای قیمتی را برای انجام معاملات سودمند شناسایی کند. سودمندی قاعده­ی شاخص قدرت نسبی و میانگین متحرک ساده در 3 و 7روز آینده بوده است.

واژهای کلیدی: تحلیل بنیادی، تحلیل تکنیکی، کارایی بازار سرمایه، شاخص میانگین متحرک ساده، شاخص قدرت نسبی

1. مقدمه

   اصلاحات جزء لاینفک تحولات اقتصادی، در بخش مالی است که شامل شکل دهی دوباره­ی ساختار بازار سرمایه، نوآوری در ابزارها و اقدامات و نیز محیطی با نظم جامع تر است. در بازار سرمایه­ی ایران نیز    اقدام های جدید باعث تحول شده است و حال نیاز است که در این مسیر، سرمایه گذاران و بازیگران اصلی بازار سرمایه نیز تحولاتی را در ابزارهای بررسی و تحلیل خود ایجاد نمایند. دو مکتب فکری که بر ادبیات بازار سهام غالب است، تجزیه و تحلیل های بنیادی و تکنیکی هستند. آشنایی بازار سرمایه ایران با تجزیه و تحلیل تکنیکی چندان دیرپا نیست. در حالی که تجزیه و تحلیل بنیادی از قدیمی ترین ابزار تحلیل سرمایه گذاران است.

بنیادگرایان معتقدند که اوراق بهادار دارای یک ارزش ذاتی است و نیروهای بازار اطمینان می­دهند که قیمت هر سهم این ارزش را در بلند مدت پوشش می­دهد. از سوی دیگر، تکنیکال­ها معتقدند که      قیمت­های گذشته هر سهم (و تغییرات قیمت)، اندازه و حجم معامله­ی سهم گرایش به پیروی از یک الگو دارند. در نتیجه تجزیه، و تحلیل سیستماتیک و نظام مند می­تواند عواید بیش از حد عادی را در کوتاه مدت به بار آورد. نيروي عرضه و تقاضا به طور كلي قيمت هاي سهم را تعيين مي­كنند. در حالي كه بنياد گرايان تصريح مي­كنند كه عرضه و تقاضا تابعي از عوامل عقلايي و منطقي هستند، تكنيكال ها آن را به عوامل روانشناسانه مرتبط مي سازند[25].

   تجزيه و تحليل تكنيكي احتمالاً تنها تكنيك پيش بيني براي يك سرمايه گذار است كه مي­تواند از آن بهره مند شود. تجزيه و تحليل بنيادي، به دليل نياز به حجم انبوه اطلاعات و نيز زمان مورد نياز، احتياج به كسب همه عوامل بنيادين دارد كه معمولا براي سرمايه گذاران خُرد هزينه بر و زمان بر است. از سوي ديگر، عدم دسترسي به اطلاعات سري از جانب سرمايه گذاران خُرد نيز حاشيه­ي رقابتي پاييني را براي تحليل بنيادي فراهم مي كند[22] .

   اين مشكلات در بازار سرمايه ايران حادتر نيز مي شود زيرا، ميزان دسترسي به اطلاعات در سه سطح مورد نياز (کلان اقتصاد، صنعت و شرکت) بسيار ضعيف تر است. در تحليل بنيادي به سه دسته اطلاعات در سه سطح كلان اقتصاد، صنعت و شركت نياز است كه در بازه هاي زماني كوتاه مدت امكان دسترسي به اطلاعات دو سطح اول براي سرمايه گذاران خرد تقريباً محال است. در نتيجه، در تصميم های كوتاه مدت امكان استفاده از آنها وجود ندارد و حتي اطلاعات شركتي نيز در بازار سرمايه ايران چندان به وضوح در اختيار همگان قرار نمي­گيرد و مشكل دو چندان مي­شود. از همين رو، تحليل تكنيكي كه تنها متغيرهاي آن قيمت و حجم است و به راحتی در اختيار سرمايه گذار قرار مي­گيرد، داراي اهميت دو چندان مي­شود.

   اقتصاددانان معتقدند كه تحليل تكنيكي از طريق تلاش برای پيش بيني قيمت ها با استفاده از كامپيوتر، به مطالعه­ی رفتار بازار نيز كمك كرد [24]. در مقابل، نقاط ضعف تحليل بنيادي كه ضرورت توجه به تحليل تكنيكي را هويدا مي­كند، توانايي هايي نيز براي تحليل تكنيكي برشمرده اند كه ضرورت توجه به اين روش تحلیلی را بیشتر مي­كند. برخی از اين توانايي­ها عبارتند از: تمركز روي قيمت كه امكان پيش بيني قيمت آينده را فراهم مي­كند، تهيه­ی پيشينه­ی قيمت به صورت تصويري كه حاوي اطلاعات مفيدي است و تسهيل در تشخيص زمان خريد[29].

هر دو روش تحلیل تکنیکی و بنیادی همواره سعي در حل يك مشكل واحد دارند و آن، پيش بيني جهت حركت قيمت ها است. اما، با توجه به مطالب فوق اگر يك معامله­گر مجبور باشد يكي از اين دو را به عنوان روش كار انتخاب كند، منطق مي­گويد در بازار ايران امكان رسيدن به موفقيت با تحليل تكنيكال بيشتر است. به دلیل این كه تحليل تكنيكال در حقيقت تأثير عوامل بنيادي را بررسي ميكند و چون هميشه تأثير بنيادي بر روي قيمت لحاظ شده، به طور حتم بررسي بنيادين،كاري غير ضروري است. اين امكان وجود دارد كه بتوان در يك بازار مالي، صرفأ با دانش تكنيكال خريد و فروش انجام داد اما، تقريبأ بعيد است كه شخصي بتواند صرفأ بر اساس مسائل بنيادي و عدم بررسي تكنيكي بازار، خريد و فروش موفقي انجام دهد[15].

   اگرچه، تحليل تكنيكي را نمي­توان جانشين كاملي براي تحليل بنيادي به حساب آورد اما مي­توان آنها را مكمل هم دانست. با توجه به مباحث فوق كه بيانگر سهولت به كارگيري تحليل تكنيكي است در عمل، نقش اين تحليل در بازار ايران بسيار كمرنگ است. بنابراين، هدف اصلي اين بررسي تلاشي در جهت غناي اين موضوع و نيز بررسي امكان بهره مندي از اين ابزار مهم تحليلي در بازار اوراق بهادار ایران است.

2. پیشینه­ی تحقیق

     تحليل تكنيكي با مقاله­ها و نظرات چارلز داو[4] در سال هاي 1900 تا 1902 و ويليام هاميلتون[5] متولد شد[23]. مروري بر ادبيات اين موضوع بيانگر محققان بيشماري است که در اين زمينه كار كرده اند. پيش از شكل گيري نظام مند اين روش از تجزيه و تحليل، در سال 1989 براون و جنينگ[6] با ارائه­ی مدلي، ارزش تحليل تكنيكي را در ارتباط بين سيگنال ها و قيمت ها نشان دادند. فرانكل و فروت[7] نيز شواهدي را از اهمیت فزاینده چار تیست ها در سال 1990 ارایه کردند[27].

       سوینی[8] (1988) در تحقیق خود نتیجه گرفت که بسته به سطح هزینه های معاملات، قواعد فیلتر (قواعد فیلتر و قواعد میانگین متحرک از قواعد معاملاتی تحلیل تکنیکی هستند) کماکان به نتایج سودآور منجر می شود. لاکونیشوک و یبارون[9] (1992) قواعد میانگین متحرک را مورد استفاده قرار داده و نتیجه گرفتند که این قواعد نیز نتایج سودآوری ایجاد می­کند. هادسون دمپسی و کیسی[10] (1996) به این نتیجه رسیدند که استراتژیهای میانگین متحرک به نتایج سودمندی منجر می شوند [27].

       لویچ و توماس[11] (1993) و خو[12] (1996) نیز استراتژی میانگین متحرک را بررسی کرده و به این نتیجه رسیدند که استراتژیهای مزبور سودمند هستند. راتنر و لیل[13] (1999) در برخی از کشورهای آسیایی و آمریکای لاتین به این نتیجه رسیدند که کاربرد روش های تحلیل تکنیکی به نتایج سود آوری منجر  می­شود. منیگ، مات نو و گورو[14] (2000) به این نتیجه رسیدند که قواعد میانگین متحرک از توانایی پیش بینی و کسب بازده­ی بیشتری برخوردار هستند. وونگ، منظور و چیو[15] (2002) عملکرد بهتر روش میانگین متحرک و شاخص قدرت نسبی را در مقایسه با روش خرید و نگهداری در بورس سنگاپور تایید کردند. [28،20،21].

       امیری (1374) در تحقیق خود به این نتیجه رسید که می­توان در بورس اوراق بهادار تهران برای تجزیه و تحلیل سهام از روش تحلیلی تکنیکی استفاده کرد. خانلو (1375) به این نتیجه رسید که ابزارهای تحلیل فنی در بورس تهران موثر هستند. محمدی (1383) معتقد است که روش های مختلف تحلیل تکنیکی که در بازارهای مالی دنیا مورد استفاده است، در بورس ایران نیز تا اندازه­یی قابل استفاده هستند [13،12،2].

   نتایج تحقیق نوروش و غلام زاده (1382) نشان داد که فرآیند ایجاد سود سالانه­ی شرکت های ایرانی مورد بررسی، میانگین متحرک بوده است. مهرانی، مهرانی و کرمی (1383) در پیش بینی بازده سهام، از اطلاعات تاریخی مالی و غیر مالی برای تفکیک شرکت های موفق از نا موفق استفاده کرده اند. صادقی شریف و سلطان زارعی (1386) نیز در تحقیق خود به این نتیجه رسیدند که روش های تحلیل تکنیکی برای تحلیل گران و سرمایه گذاران در بورس اوراق بهادار تهران سودمند هستند. [6].

   ساير محققاني كه در این زمینه تحقیق كرده اند عبارتند از :

نفت سي[16] (1991) ، تيلور و آلن[17] (1992) ، بلوم- ايسلي و اُهارا[18] (1994) ، نيلي[19] (1997) ، لويي و مول[20] (1998) ، لي بارون(1999) ، لو- مامايسكي و وانگ[21] (2000) ، رودريگز، مارتل و ريورو[22](2000) ، نيلي و ولر[23] (2001) ، سزاري و كرمونيني[24] (2003) ؛كاوايچ و – وايت[25](2004) [26] .

­­                                                         3.تحليل تكنيكي

     تحليل تكنيكي فرآيند بررسي تاريخي قيمت هاي سهام برای تعيين قيمت هاي احتمالي آينده است. اين كار به وسيله­ي مقايسه­ي روند انتظاري قيمت جاري با حركت قيمت تاريخي انجام مي­شود تا نتیجه­ی معقولی پیش بینی شود[14]. مهم ترین مفروضاتی که می­توان بر اساس نظریات چارلز داو برای تحلیل تکنیکی مطرح کرد، عبارتند از :

! قیمت معرف همه­­ی اطلاعات است. تحلیلگران تکنیکی اعتقاد دارند که قیمت فعلی منعکس کننده­ی تمام اطلاعات است. با توجه به اینکه اطلاعات قبلاً اثر خود را روی قیمت گذاشته است، لذا قیمت نشان دهنده­ی ارزش منصفانه است و باید پایه­ی اساسی تحلیل را تشکیل دهد.

! تغییرات قیمت کاملاً تصادفی نیست: در دوره های زمانی طولانی ممکن است بازار دارای تغییرات قیمت تصادفی باشد، لیکن در داخل این دوره های زمانی، دوره های زمانی کوتاه تری وجود دارند که رفتار قیمت در آنها به طور غیر تصادفی است. هدف تحلیلگران تکنیکی شناسایی این دوره های زمانی (پیدا کردن روندهای کلی قیمت) است.[29] .

       روش های مورد استفاده در تحلیل تکنیکی به دو طبقه­ی کلی روش های مربوط به تحلیل بازار و روش های مربوط به تحلیل مالی به صورت انفرادی تقسیم شده است. در این مقایسه ها نیز تأکید بر دسته­ی دوم است. روش های بسیار فراوانی مانند کانال های روند[26]، خطوط محافظ و مقاوم[27]، دو اوج و دو حضیض[28] و اعداد فیبوناتچی[29] و … در این زمینه وجود دارد. الگو­های مزبور بصری بوده و مقدار عددی معمولاً مورد استفاده قرار نمی­گیرد. همچنین، روش های کمی ساده­یی مانند میانگین متحرک ساده[30]، میانگین های متحرک نمایی[31]، میانگین متحرک متغیر[32](VMA)، نرخ تغییر[33]، شاخص قدرت نسبی[34] و استوکاستیک های K % و D% [35] وجود دارد[13]. نظر غالب این است که شاخص های مختلف مکمل یکدیگر بوده و به هیچ وجه نمی توان با اتکا به یک یا دو شاخص، تغییرات قیمت یا روند حرکتی آن را ردیابی کرد. از میان اسیلاتور های مزبور به دلیل مرسوم بودن، در این بررسی از شاخص قدرت نسبی و میانگین متحرک استفاده شده است.

3.تصریح مدل و گرد آوری داده ها

متغیر های مورد استفاده در این تحقیق عبارتند از:

الف)میانگین متحرک ساده (SMA)

   میانگین متحرک یکی از متداول ترین و پرکاربردترین اندیکاتور(نوسان نما) های تکنیکال است. به دلیل ماهیت و ساختار آن و به دلیل این که کاربرد ساده و قابل گسترشی دارد، پایه و اساس بسیاری از اسیلاتورهای تکنیکی و تعقیب کنندگان روند است که امروزه کاربردهای زیادی یافته اند[15]. این میانگین از طریق تقسیم مجموع قیمت های سهم در یک دوره بر تعداد دوره های زمانی به دست می­آید. به دلیل این که میانگین های متحرک شاخص های پس رو هستند، در دسته­ی شاخص های پیرو روند طبقه بندی می­کند. بنابراین، زمانی که بازار روند دار است، این شاخص سیگنال های مناسبی صادر می­کند اما، در بازار بدون روند، سیگنال های نادرست زیادی وجود دارد[11]. میانگین متحرک را روی هر سری اعداد، شامل قیمت باز، قیمت بسته، قیمت پایین و دیگر نماگرها می­توان به کار برد[14]، اما بر اساس روال معمول، در این بررسی از قیمت بسته استفاده شده است.

       با توجه به مطالب مزبور، اگر بازار ایران نیز دارای روند باشد، این نوسان نما دارای کاربرد بسیار بالایی خواهدبود. بنابراین، ضروری است روند قیمت سهام در بازار سهام ایران بررسی شود با ارائه­ی نتایج پژوهش های انجام شده در این زمینه، بررسی می­شود که آیا می­توان از این شاخص و نیز سایر شاخص های تکنیکی استفاده کرد؟ زیرا، شاخص های تکنیکی در بازارهایی پاسخگوست که بتوان در بازه­ی زمانی خاص روندی را طی کرد.

     باید توجه داشت که کارایی بازار مقوله­یی صریح و روشن نیست، بدین معنی که بازار نه کاملاً کاراست و نه یکسره از مفاهیم کارایی بر کنار است بلکه موضوع، مرتبه یا درجه کارایی است که عموماً در سطح ضعیف، نیمه قوی و قوی مطرح می شود که از یکسو در سطح ضعیف، قیمت اوراق، منعکس کننده اطلاعات قیمت های تاریخی است و از سوی دیگر، در سطح قوی کلیه اطلاعات عمومی، داخلی و حتی محرمانه در قیمت منعکس شده است[14]. نتیجه­ی مطالعاتی که در زمینه­ی بورس اوراق بهادار ایران انجام شده است، به صورت خلاصه به شرح زیر است :

1- در سال 1369 با استفاده از شاخص بازار سهام تهران و برای دو دوره­ی زمانی 57-1353 و 68-1364 نتایج تحقیقات دلالت بر عدم کارایی بازار بورس در شکل ضعیف داشت[5].

2- تحقیق دیگری جهت آزمون کارایی در سطح ضعیف در سال 71 و برای دوره­ی زمانی 1370-1368 انجام شد و دوباره عدم کارایی بورس ایران به اثبات رسید[16].

3- مطالعه­یی که بر روی 50 شرکت برتر از نظر حجم معاملاتی در بازه­ی زمانی سال های 68 تا اسفند 72 انجام شد، حاکی از این است که بورس اوراق بهادار تهران در شکل ضعیف فاقد کارایی لازم است و    قیمت ها از فرضیه گشت تصادفی(random walk) پیروی نمی­کنند و روند قابل پیگیری در قیمت ها دیده  می شود[10].

4- بر اساس مطالعه­یی که بر روی کل شرکت های پذیرفته شده در بورس اوراق بهادار انجام شده است در بازه­ی زمانی 68 تا پایان سال 73، تغییرات متوالی قیمت های سهام در بورس تهران از مدل گردش تصادفی تبعیت نمی کنند، بنابراین تغییرات قیمت به صورت مستقل و تصادفی نیستند و روند و الگوی  خاصی در رفتار قیمت ها مشاهده می­شود که این نتایج عدم کارآیی بورس را در سطح ضعیف به        اثبات می رساند[17].

5- در تحقیقی که از شرکت های پذیرفته شده با حجم نمونه­ی 92 شرکت در سال 79 انجام شده است فرضیه­ی گشت تصادفی تأیید نشده و با توجه به روند گذشته­ی قیمت ها قابل پیش بینی است[1].

مطالعات فوق همگی تأکید می­کنند که در بازا تهران می­توان در بازه های خاص زمانی روند قیمت را ردیابی کرد، در نتیجه شاخص های تحلیل تکنیکی و به خصوص میانگین متحرک ساده به عنوان معمول ترین شاخص تکنیکی پاسخگو خواهند بود.

ب) شاخص قدرت نسبی (RSI)

     این شاخص یک نوسان نمای معروف است که توسط ولس ویلدر در کتا ب “مفاهیم جدید در سیستم های معاملاتی تکنیکی” معرفی شده است. RSI ا فزایش و کاهش را در قیمت های پایانی برای یک دوره­ی معین اندازه گیری می­کند [11]. این اندیکاتور از محبوبیت بالایی در بین معامله گران برخوردار است و استفاده از آن به طرز چشمگیری گسترش یافته است و به همین دلیل در مدل این تحقیق قرار گرفته است. رابطه­ی RSI به صورت زیر است:

RSI = 100 – (100/ 1 + RS)

RS = ((میانگین کاهش­ها در قیمت بسته در چند روز / میانگین افزایش ها در قیمت بسته در چند روز

     در محاسبات روزانه از میانگین های 14 روزه استفاده می شود[15] که در این بررسی نیز از همین بازه­ی زمانی استفاده شده است. RSI در مقیاس صفر تا صد رسم می شود. سطوح 30 و 70 به عنوان سطوح سیگنال در نظر گرفته می شوند و برخی نیز سطوح 20 تا 80 را انتخاب می­کنند[11]. بر اساس مبانی تئوریک هر چه قدر RSI در بازه­ی 20 تا 80 به سمت بالا حرکت کند، نشانگر رشد قیمت سهم است[15]. همچنین، خطوط 20 و 80 خطوط واگرایی نیز هستند که در خارج از آن ها ارتباط مستقیم RSI و قیمت سهم معکوس می­شود.

     با توجه به توضیحات فوق دو متغیر مستقل مدل در این بررسی عبارتند از: اختلاف میانگین متحرک ساده و قیمت بسته(MA)، اختلاف RSI هر روز از RSI روز قبل (DRSI) که بر اساس مبانی تئوریک هرگاه متغیر اول بزرگتر از صفر و در حال افزایش باشد و نیز متغیر دوم برای RSIهایی که بین 20 و 80 بوده و بزرگتر از صفر و در حال افزایش هستند، منجر به افزایش قیمت سهام خواهند شد. متغیر وابسته­ی مدل، تغییرات قیمت سهم است که با تأخیر زمانی 3 روزه، 7 روزه و 10 روزه در سه سطح زمانی رگرسیون شدند. دلیل انتخاب این تأخیرات زمانی این است که بر اساس مبانی تحلیل تکنیکی، این تحلیل ابزار بررسی و تحلیل سرمایه گذاری در کوتاه مدت است[15]. علاوه بر توضیحاتی که در مورد چگونگی متغیرهای مدل ارائه شد، نوع مدل اقتصادسنجی مورد استفاده نیز در ادامه تشریح خواهد شد.

     از جمله مسائل مورد توجه در اقتصاد این است که اطلاعات سری های زمانی که دارای خودهمبستگی[36] هستند با سری های مقطعی که دارای واریانس ناهمسانی[37] است، به طور تلفیقی مورد استفاده قرار گیرند[3]. تلفیق داده های سری زمانی و داده های مقطعی در اقتصادسنجی را تحت عنوان پانل(Panel data) می شناسند که حداقل دارای دو مزیت زیر است و به همین دلیل مورد استفاده قرار گرفته اند:

1- لحاظ کردن ناهمگنی گروه ها : سری های زمانی و داده های مقطعی که ناهمگنی ها را لحاظ   نمی کنند با ریسک دستیابی به نتایج تورش دار روبرو هستند.

2- Panel data بهتر می­تواند پویایی های تعدیل را نشان دهد : توزیع های مقطعی که نسبتاً ثابت به نظر می­آیند، تغییرات چندجانبه را نشان نمی دهند اما، این تغییرات توسط پانل بهتر مورد مطالعه قرار می­گیرد.

به طورکلی، تلفیق داده ها بر دو قسم است: 1) تلفیق متوازن که در آن ها سری زمانی(t) برای تمام مقاطع برابر است و 2) تلفیق نامتوازن

در این بررسی از مدل متوازن استفاده شد و به همین دلیل در بازه­ی زمانی دو ماهه تنها داده های 20روز مورد استفاده قرار گرفتند. مدل کلی رگرسیون در پانل به صورت زیر است:

                                                            Y_it = a_{it +} β₁ X_{1it +} β₂ X_{2it +} ……..₊ U _it

     اگر U_i ها ( اثرات فردی) و X_itها، همبستگی داشته باشند، از مدل F.E (fixed effects) و اگر همبستگی نداشته باشند، از مدل R.E (random effects) استفاده می­شود. این دو مورد در نرم افزار Eviews مورد استفاده در این بررسی، تعریف شده اند. البته دو مدل F.E و R.E بیشتر در مدل های تلفیقی کاربرد دارند که در آن ها ضرایب مربوط به متغیرها ثابت بوده و تنها عرض از مبدأ برای واحدهای مختلف مقطعی متفاوت است.

     در این بررسی نیز با توجه به نقش یکسان متغیرهای مستقل در تغییر قیمت برای همه­ی شرکت ها، این مفروضات پذیرفته شده اند. با مفروضات مزبور، مدل کلی این تحقیق عبارت است از[8]:                                                                              Y_it = a_{1i +} Σβ_k X_{kit +} u_it    

       در این بررسی فاصله­ی زمانی 2 ماهه­ی مهر و آبان 1386 در نظر گرفته شد و سه متغیر این مدل مورد محاسبه قرار گرفتند. کل داده های این مدل 120 داده است که دلیل آن در ادامه تشریح می­شود. پیشتر مطرح شد که RSI در صورتی که در بازه­ی 20 تا 80 باشد، رابطه­ی مثبتی با تغییر قیمت دارد. در نتیجه، در این دو ماه تنها ازRSI هایی استفاده شده است که در این بازه قرار    گرفته اند. از سوی دیگر، چون بنا بود تلفیق متوازن باشد، از 50 داده­ی ممکن در این دو ماه، تنها روزهایی مورد استفاده قرار گرفتند که RSI همه شرکت ها در بازه­ی 20 تا 80 بوده است. از سوی دیگر، چون تحلیل تکنیکی تنها در سهم های پرمعامله و با حجم بالا کاربرد دارد[13]، شرکت های انتخابی نیز از میان 10 شرکت برتر از نظر پرمعامله بودن گزینش شده اند که عبارتند از: بانک پارسیان، چادر ملو، سرمایه گذاری بازنشستگی، گل گهر، مس ایران، معادن و فلزات.

4. فرضیه ها و تخمین مدل

     با توجه به آنچه در بخش های تحلیل تکنیکی و نیز تصریح مدل مطرح شد، فرضیه های این تحقیق به صورت زیر ارائه شده است:

1- تغییرات RSI (DRSI) و نیز اختلاف میانگین متحرک (MA) با قیمت بسته دارای ارتباط معناداری با نوسان های قیمت هستند.

2- شاخص میانگین متحرک ساده و اسیلاتور قدرت نسبی به تنهایی توانایی توجیه نوسان های قیمت را ندارند.

   مدل ارائه شده در این بررسی که بر پایه­ی مبانی اقتصادسنجی ارائه شده است، با استفاده از نرم افزار Eviews، رگرسیون شده و ستاده های نرم افزار برای سه متغیر وابسته با تأخیر زمانی 3 روزه، 7 روزه و 10 روزه در زیر ارائه شده است. بر اساس این ستاده ها فرضیه ها بررسی می­شوند:

الف) با فرض این که همه­ی مشاهده های این مطالعه دارای وزن یکسانی هستند و نیز از مدلF.E استفاده شده است (چون طبیعتاً بین داده های پانل همبستگی وجود دارد) و نیز متغیر وابسته، نوسانات قیمت سه روز آینده (P₃) است، که این نتایج بدست آمد:

1- هر دو متغیر توضیحی در سطح اطمینان 99 درصد معنادار هستند

2- ضریب تعیین(R-Squared)، 47/0 است، که این دو نتیجه تأیید کننده­ی فرض های اول و دوم است. یعنی معناداری متغیرهای توضیحی و نیز توجیه کنندگی ناکامل دو متغیر توضیحی و دو شاخص تکنیکی است. همچنین، prob متعلق به اعتبار کلی رگرسیون (F-Static) نیز در سطح 99 درصد معنادار است.

ب) با فرض اینکه همه مشاهده ها دارای وزن یکسانی هستند و از مدل F.E استفاده شده است ومتغیر وابسته، نوسانهای قیمت 7 روز آینده (P₇) است، نتیجه­ی زیر به دست آمد:

 1) هر دو متغیر توضیحی در سطح اطمینان 99 درصد معنادار هستند.

2) ضریب تعیین (R²) تنها، 17/0 است که بار دیگر بیانگر معناداری متغیرهای توضیحی و توجیه کنندگی ناقص دو متغیر توضیحی است و هر دو فرضیه پذیرفته می­شوند. همچنین، اعتبار کلی رگرسیون نیز در سطح 99 درصد مورد پذیرش است.

ج) با فرض این که همه­ی مشاهده ها دارای وزن یکسانی هستند و از مدل F.E استفاده شده است و متغیر وابسته، نوسانهای قیمت 10 روز آینده (P₁₀) است نتیجه زیر به دست آمد:

1) تنها متغیر توضیحی DRSI در سطح اطمینان 99% معنادار است؛

2) ضریب تعیین (R²)، 17/0 است در نتیجه، تنها فرضیه­ی دوم مورد پذیرش قرار می­گیرد و در فاصله­ی زمانی 10 روزه هر دو متغیر معنادار نشده اند (نقض فرضیه اول). همچنین اعتبار کلی رگرسیون در سطح 99% باز هم مورد پذیرش است. به دلیل این که در حالت (ج)، شاخص دوربین- واتسون (Durbin-Watson)، 04/1 شده است و براساس dL و du ( با فرض n ₌ 20 و k ₌ 2 )، مدل دارای همبستگی است، از مدل SUR استفاده شد که به صورت خودکار همبستگی و واریانس ناهمسانی را رفع می­کند اما،   اشکال های اولیه هم چنان باقی ماند. در نهایت، ضرایب متغیرهای توضیحی برای متغیرهای وابسته P₃، P₇ و P₁₀ نیز به صورت زیر بوده اند:

P_{3 =} (-4.288) DRSI ₊ (-0.1864) MA

P_{7 =} (-3.864) ₊ (-0.11) MA

P_{10 =} (-3.888) ₊ (-0.0145) MA

5. نتیجه گیری

       در جریان اصلاح زیرساخت های اقتصادی، تحول بازار سرمایه از ضروری ترین اولویت هاست. سرمایه گذاران مهم ترین بازیگران در بازار سرمایه هستند و تصمیم های آن ها مهم ترین نیروی شکل دهنده­ی بازار است. مهم ترین شیوه های تجزیه و تحلیل در تصمیم های سرمایه گذاری، تحلیل های بنیادی و تکنیکی است که برخلاف تحلیل بنیادی، تحلیل تکنیکی در بازار ایران بسیار نوپاست. مبانی تئوریک حکایت از آن دارند که تحلیل تکنیکی به عنوان مکمل تحلیل بنیادی (ونه جانشین آن) در بازارهایی کاربرد دارد که بتوان در آن روند قیمت را در بازه های خاص زمانی پی­گیری کرد. مطالعات متعدد انجام شده در زمینه کارایی بازار سرمایه­ی ایران موید وجود روند در قیمت ها و رد نظریه­ی گشت تصادفی است. در نتیجه، انتظار می­رود که کاربرد این تحلیل مناسب باشد. به دلیل این که این ابزار تحلیل در سهام پر معامله و پرحجم پاسخگوست، باید برای شرکت های محدودی قابل بکارگیری باشد. مطابق انتظار، نتایج حاصل از مدل های اقتصادسنجی در این بررسی حاکی از این است که دو شاخص DRSI (تغییرات شاخص قدرت نسبی) و MA (اختلاف میانگین متحرک ساده و قیمت بسته) در توضیح تغییرات قیمت با فاصله زمانی 3 و 7 روزه در سطح 99% معنادار هستند، اما قدرت توجیه کنندگی آن ها پائین تر از 50 درصد است که موید اصل تئوریک دیگری است که شاخص های تکنیکی مکمل هم بوده و در صورت استفاده­ی چند شاخص در کنار هم می­تواند قدرت توجیه بالایی را برای تغییرات قیمت داشته باشند. اما، با اختلاف زمانی 10 روزه تنها متغیر DRSI معنادار شده است. همچنین، اعتبار کلی مدل رگرسیون در هر سه فاصله­ی زمانی و در هر سه مدل تخمینی در سطح 99% مورد پذیرش قرار گرفته است. جالب ترین و منحصر به فرد ترین نکته­ی این بررسی نیز ضرایب متغیرهای توضیحی است که در هر سه سطح زمانی منفی شده اند در حالی که براساس مبانی تئوریک، میان متغیرهای توضیحی و تغییر قیمت ارتباط مثبت وجود دارد. ادبیات بسیار فقیر تحلیل تکنیکی و نیز نکته­ی عجیب حاصل از این بررسی بیانگر لزوم توجه گسترده به این بحث است.

 منابع و مأخذ

1- افشاری، حسین، (1382)، “بررسی ساختار قابلیت پیش بینی قیمت سهام در بورس اوراق بهادار تهران”، بررسی های حسابداری و حسابرسی، شماره 32، ص ص 126-103

2- امیری هنزکی، حسن، (1374)،”بررسی نقش تحلیل تکنیکی در تجزیه و تحلیل اوراق بهادار” پایان نامه­ی کارشناسی ارشد، دانشکده­ی مدیریت دانشگاه تهران، ایران

3- توکلی، اکبر، (1373)، “اقتصاد سنجی”، چاپ اول، جلد دوم، انتشارات جهاد دانشگاهی، تهران، ایران

4- جمالی، سید جواد و واعظ، محمد. (1384)، “قابلیت پیش بینی قیمت سهام در بازار بورس اوراق بهادار تهران”، پایان نامه کارشناسی ارشد رشته اقتصاد، دانشگاه اصفهان، ایران

5- درامامی، علی اصغر، (1369)، “بررسی نوسان پذیری و ریسک سهام پذیرفته شده در بورس تهران”، پایان نامه کارشناسی ارشد مدیریت بازرگانی، دانشکده مدیریت، دانشگاه تهران، ایران

6- صادقی شریف، سید جلال، سلطان زارعی، مسعود، (1386)، “سودمندی روش های تحلیل تکنیکی در بورس تهران”، مجله­ی بررسی های حسابداری و حسابرسی شماره­ی 49.

7- شیرین بخش، شمس اله و حسن خوانساری، زهرا، (1384) ، “کاربرد Eviews در اقتصاد سنجی”، چاپ دوم، انتشارات پژوهشکده امور اقتصادی، تهران،ایران

8- شهنازی، روح اله و سامتی، مرتضی، (1384) ،”تأثیر آزادی اقتصادی بر رشد اقتصادی و درآمد سرانه”، پایان نامه کارشناسی ارشد رشته اقتصاد، دانشگاه اصفهان، ایران

9- عرب مازار، عباس، (1369)، “اقتصادسنجی عمومی”، چاپ اول، انتشارات کویر، تهران، ایران

10- فدایی نژاد، محمد اسماعیل، (1374) ، “آزمون شکل ضعیف نظریه بازار کارآی سرمایه”، تحقیقات مالی، سال دوم، شماره 5 و 6، ص ص 26-6

11- لطفی، علی، (1385) ، “شاخص های تکنیکال”، چاپ اول، انتشارات ترمه، تهران، ایران

12- محمد خانلو، ناصر، (1375) ، “ارزیابی اثر بخشی تحلیل فنی در تجزیه و تحلیل بازدهی اوراق بهادار در بورس تهران” ، پایان نامه کارشناسی ارشد، دانشکده مدیریت دانشگاه تهران، ایران

13- محمدی، شاپور، (1383) ، “تحلیل تکنیکی در بورس اوراق بهادار تهران”، تحقیقات مالی، شماره 17، ص ص 129-97

14- مساح، محمد، (1384) ، “تحلیل تکنیکی (از الف تا ی)” چاپ اول، انتشارات نشر چالش، تهران، ایران

15- مورفی، جان جی، مترجمان: فراهانی فرد، کامیار و قاسمیان لنگرودی، رضا، (1384) ، “تحلیل تکنیکال در بازار سرمایه”، چاپ دوم، انتشارات نشرچالش، تهران، ایران

16- نصراللهی، زهرا، (1371) ، “تجزیه و تحلیل عملکرد دربورس اوراق بهادار ایران”، پایان نامه کارشناسی ارشد اقتصاد، دانشگاه تربیت مدرس تهران، ایران

17- نمازی، محمد و شوشتریان، زکیه، (1374) ، “بررسی کارایی بازار بورس اوراق بهادار ایران”، تحقیقات مالی، شماره 7و 8، ص ص 104-82

18- Brock, W. Lalkonishok, j. and Le Baron, B. (1992).”Simple Technical Trading Rules and the Stochastic Properties of Stock Returns”, Journal of Finance, Vol. 47,No.5,pp:1731-1764.

19-Hudson, R., Dempsey, M. and Keasey, K.(1996).”A Note on the Weak Form Efficiency of Capital Markets: The Application of Simple Technical Trading Rules to UK Stock Prices-1935 to 1994″, Journal of Banking and Finance, Vol. 20,pp:1121-1132.

20-Kho, B. C. (1996). “Time-Varying Risk Premia, Volatility and Technical Trading Rule Profits: Evidence from foreign currency futures markets”, Journal of Financial Economics, Vol.41.pp:249-290.

21-Levich, R. and Thomas, L. (1993) “The Significance of Technical-Trading rules Profits in the Foreign Exchange Market: A bootstrap approach”, Journal of International Money and Finance, Vol. 12, No. 5, pp:451-474.

22-Mitra, Subrata Kumar. (2002); “Profiting Technical Analysis in Indian Stock Market”, Finance India, No.1, pp 109-120

23- Moosa, Imad A. (2000); “Exchange Rate Forecasting: Techniques and Applications”, MacMillan Buisiness, London, Great Britain

24- Pruden, Henru O. and Rice, Douglas. (2005); “Catastrophe Theory and Technical Analysis Applied to a Cal Tech Experiment on Irrational Exuberance”, Managerial Finance, Vol.31, No.5, pg.38

25- Sehgal, Sanji and Garhyan, Anurag. (2002); “Abnormal Return Using Technical Analysis: The Indian Experience”, Finance India, No.16, pg81

26-Sewell, Martin. (2007); “Technical Analysis”, Department of Computer

Science, University College London, www.google.com

27-Sweeney, R. J. (1988). “Some New Filter Tests: Methods and Results”, Journal of Financial and Quantitative Analysis, Vol. 23, pp:285-300.

28-Wong, W. K., Manzur, M. and Chew, B. K. (2002). “How Rewarding is Technical Analysis? Evidence from Singapore Stoch Market” , Departmental Working Paper, No. 0216, Dept. of Economics, National, University of Singapore.

http://www.cybertex.ir/images/Forex29-

Test of Aplication of Technical Analysis in TSE

Seyed Hossein SaJadi, Salman Safidchian, Eman Moghadas

Abstract

This Research is going to answer the question if the technical analysis help the people gain much return in Tehran Stock Exchange (TSE). Actually it wants to determine the benefits of using the technical analysis as tools to predict the price Models & trends in TSE.

There for , The Moving Average (MA) and Relative strength Index (RSI) is used for this purpose.

The result show that MA and RSI can predict the price Models & trends helps the investors to have better transactions and more chance to make profit in TSE.

Key words: Tehran stock exchange , Technical analysis , Moving average , Relative strength Index.

1- دانشیار گروه حسابداری دانشگاه شهید چمران اهواز (@ scu.Ac.ir Sajadi

2- دانشجوی کارشناسی ارشد

3- دانشجوی کارشناسی ارشد

1-charls dow

2- William Hamilton

1- brown & Jennings

2 – frankel & froot

3 -Sweeney

4 -Lakonishok & Lebaron

5-Hudson & Dempsey & keasey

6-Levich & Thomas

7-Kho

8-Ratner &Lill

9-Menig & Matno & Goro

10-Wang & Manzur & Chew

1- Neftci

2-Taylor & Allen

3-Blume& Easley & OHara

4-Neely

5-Lui & Mole

6-Lo Mamaysky &Wang

7-Rodriguze & Martel & Rivero

8-Weller

9-Cesare & Cremonini

10-Kavajecz & White

1-Trend Channels

2-Support and Resistance Lines

3-Double Tops and Double Bottoms

4 –Fibonacci Numbers

5-Simple Moving Average

6- Exponential Moving Averages

7-Variable Moving Averages

8- Rate of Change

9- Relative Strength Index

10-%K and %D Stochastic

1- خود همبستگی (Auto Correlation) را می توان به صورت “همبستگی بین عناصر یک سری از مشاهدات که بر حسب زمان (مانند داده های سری زمانی ) یا مکان (مانند داده های مقطعی) مرتب شده اند” ، تعریف کرد[7]

2- واریانس ناهمسانی (Heteroscedasticity)، مربوط به جمله­ی خطا (اخلال) است. بدین معنی که بین جملات خطای داده ها همبستگی وجود دارد که در داده های مقطعی معمول تر است، در حالی که خود همبستگی در داده های سری زمانی معمول تر است[9]