Stabilitas Aturan Perdagangan Teknis Rata-rata Bergerak di Indeks Dow Jones.1 Stabilitas Aturan Perdagangan Teknis Rata-rata Bergerak pada Indeks Dow Jones Blake LeBaron Brandeis University NBER Agustus 1999 Direvisi November 1999 Abstrak Makalah ini menganalisis perilaku peraturan perdagangan teknis rata-rata yang bergerak Diterapkan pada lebih dari 100 tahun Indeks Industri Dow Jones Telah ditemukan bahwa perbedaan antara cara bersyarat selama periode beli dan jual telah berubah secara dramatis selama 10 tahun sebelumnya dibandingkan data 90 tahun sebelumnya, namun perbedaan varians bersyarat tidak berubah. Jauh di atas keseluruhan sampel Pemeriksaan ketahanan lebih lanjut menunjukkan bahwa hasil serupa dapat diperoleh dengan strategi berbasis momentum sederhana. Analisis dilakukan pada rangkaian Dow yang sebenarnya, namun teknik ini dapat berguna di pasar derivatif di mana perkiraan yang lebih baik mengenai mean bersyarat dan varians akan bermanfaat. Informasi Graduate School of International Economics dan Keuangan, Brandeis University, 415 South Street, Mailstop 021, Waltham, MA blebaron Penulis berterima kasih kepada dua wasit anonim untuk komentar.2 1 Pendahuluan Kemampuan aturan sederhana untuk memprediksi pergerakan harga aset, atau analisis teknis, telah menjadi topik yang kontroversial. Selama bertahun-tahun Sementara komunitas akademis pada umumnya menganggap analis teknis dalam penghinaan, ketertarikannya yang baru-baru ini dengan prediktabilitas telah membuka kembali banyak kasus lama melawan analisis teknis Daripada mengabaikan peraturan yang digunakan oleh para akademisi teknisi telah secara cermat meneliti mereka 1 Bukti masih terlihat Agak tidak meyakinkan mengenai kegunaan peraturan ini, namun ini berbeda dengan hasil terdahulu yang menyarankan bahwa setiap orang yang mengikuti ini kurang rasional yang rasional. Literatur modern telah bergerak maju dalam membawa tes dan metodologi ekonometrik yang lebih ketat. Pengenalan bootstrap Memungkinkan pengujian berbagai hipotesis nol kompleks yang analnya Pendekatan ytetik tidak mungkin juga menawarkan metode yang memungkinkan untuk menyesuaikan bias yang disebabkan oleh pengintaian data. Bagi ahli ekonomi, peraturan perdagangan teknis dapat dipandang hanya sebagai seperangkat kondisi momen lain yang dapat digunakan dalam pengujian spesifikasi, atau dalam estimasi 2 Oleh karena itu, mereka memainkan peran ganda sebagai perilaku yang menarik yang mungkin memiliki beberapa nilai praktis, dan sebagai deskripsi data yang harus diketahui oleh ahli teori ekonomi Makalah ini menganalisa kembali Dow Jones Industrials sehubungan dengan peraturan rata-rata bergerak sederhana Menggunakan Dow Jones Industrials, Brock Et al 1992 menunjukkan bahwa rata-rata aturan perdagangan teknis bergerak memiliki beberapa kemampuan prediktif dalam kedua cara dan varians bersyarat. Selanjutnya, mereka menunjukkan bahwa hasil ini relatif stabil selama periode sampel 90 tahun mereka. Sullivan, Timmerman White 1999 menunjukkan bahwa meskipun tampaknya tidak mungkin Aturan diintip dari sampel sebelumnya, kinerja peramalannya di atas y baru-baru ini Telinga telah hilang Hasil penting ini menimbulkan banyak pertanyaan serius tentang peraturan perdagangan, dan stasioneritas deret waktu keuangan Makalah ini selanjutnya membahas kinerja peraturan ini dan membandingkan 10 tahun sebelumnya sampai dengan sisa abad ini. Bila dianalisis dengan mempertimbangkan pergerakan rata-rata perdagangan Aturan, beberapa persamaan dan perbedaan yang sangat menarik muncul Makalah ini menguatkan dan memperluas hasil di Sullivan et al 1999 Pertama, analisis dilakukan pada varians bersyarat dan juga persyaratan bersyarat Kedua, beberapa pemeriksaan ketahanan lebih lanjut dilakukan, bersamaan dengan beberapa perbandingan dengan peraturan lainnya. Secara khusus, strategi dinamis berbasis momentum yang sederhana tampaknya sangat mirip dengan aturan rata-rata bergerak. Tes yang diterapkan dalam makalah ini hanya berkaitan dengan pasar tunai. Namun, ada yang langsung. Tes paling awal yang mengkritisi peraturan teknis ada di Fama Blume 1966 See Brock, Lakonishok LeBaron 1992 untuk ringkasan literatur tentang tec Hnical trading Untuk contoh terbaru dari beberapa bukti terbaru, lihat Acar Satchell 1998 2 Sebagai contoh yang terakhir, lihat LeBaron 1992 1.3 dampak teknologi ini di berbagai pasar derivatif Pertama, prediktabilitas prediktif dapat mempengaruhi pilihan harga seperti pada Lo Wang 1995 Juga , Jelas bahwa prediktor detik kedua yang berguna dapat memberikan strategi perdagangan dinamis yang lebih baik di pasar pilihan seperti pada Engle Mustafa 1992, atau sebagai alat estimasi risiko. Bagian pertama menggambarkan rangkaian data harian harian Dow harian Bagian kedua terlihat Pada berbagai ukuran sarana kondisional selama periode pra dan pasca 1986 Bagian ketiga melakukan tes serupa mengenai varians bersyarat Bagian keempat memberikan beberapa pengecekan ketahanan pada peraturan perdagangan teknis, dan menunjukkan bahwa ada kemungkinan bahwa peraturan yang lebih sederhana dapat menghasilkan hasil yang serupa. Bagian akhir menyimpulkan dan kembali ke pertanyaan tentang data mengintip, dan data stasioner dalam terang ev baru ini Ence 2 Data Data yang digunakan akan menjadi Dow Jones Industrials harian dari bulan Januari 1897 sampai Februari, Seri ini mencakup seri yang digunakan di Brock et al 1992 untuk selanjutnya BLL sebagai subset, namun menambahkan 10 tahun lagi setelah pemberhentiannya dalam 10 tahun ekstra ini. Data dimulai pada tahun 1988 untuk menghindari kemunculan dan jatuhnya tahun 1987 yang memiliki dampak dramatis pada sampel singkat semacam itu. Seri penuh mencakup total hari Seri yang digunakan tidak mencakup dividen, jadi beberapa perawatan harus dilakukan dengan menggunakan Seri ini dalam mengevaluasi kinerja jangka panjang Karena makalah ini berkonsentrasi pada perilaku mean dan varians bersyarat saja, penambahan proses dividen agregat mungkin tidak akan mempengaruhi hasilnya. Tabel 1 menunjukkan beberapa statistik ringkasan untuk pengembalian harian beberapa subsamples Yang akan dianggap Pengembalian dihitung sebagai perbedaan log, rt log pt log pt 1, 1 untuk semua kasus yang dipertimbangkan dalam makalah ini Tabel menunjukkan sangat sedikit informati baru. On untuk mereka yang akrab dengan seri harga aset frekuensi yang relatif tinggi Ada sejumlah besar kurtosis berlebih di semua subsampel yang merupakan ciri umum Salah satu karakteristik menarik yang agak tidak biasa adalah kembalinya harian besar yang telah terjadi dalam dekade terakhir. Telah diketahui dengan baik bahwa Dow telah meningkat dengan mantap, mengejutkan bahwa pengembalian harian hampir 3 kali rata-rata selama abad ke-2 2.4 3 Sarana Bersyarat Tabel 1 Ringkasan Statistik Feb Feb Mean Var Skewness Kurtosis Makalah ini menggunakan teknik perdagangan rata-rata bergerak yang umum diterapkan. Aturan untuk kebanyakan tes Ini membandingkan harga dengan rata-rata harga yang bergerak di masa lalu, mt 1 NN 1 i 0 P ti 2 Ada banyak kemungkinan kombinasi rata-rata bergerak yang digunakan dalam praktik, namun makalah ini akan berkonsentrasi pada implementasi yang sangat sederhana A Hari dianggap memiliki sinyal beli saat P tmt, dan sinyal jual saat P tmt 3 Aturannya kemudian diterapkan untuk pengembalian dari t ke t 1 Bersyarat berarti a Nd varians akan diperkirakan selama periode ini, dan diklasifikasikan sebagai pembelian atau penjualan tergantung pada waktu t sinyal Salah satu aturan kinerja yang paling konsisten adalah yang menggunakan N 150 hari Aturan ini sendiri akan digunakan. Kertas awal, Brock et al 1992 Dan LeBaron 1998 telah menunjukkan bahwa ia bekerja dengan baik selama periode waktu yang berbeda. LeBaron 1998 menunjukkan bahwa berbagai aturan dari N 50toN 200 menghasilkan hasil yang serupa Tabel 2 menyajikan perkiraan pengembalian rata-rata kondisional selama periode beli dan penjualan yang ditunjukkan oleh Aturan rata-rata bergerak 150 hari Kolom pertama, berlabel Buy-Sell, melaporkan selisih antara mean bersyarat dari periode beli dan jual Kolom kedua, label Buy-All, melaporkan selisih antara periode Beli kembali dan pengembalian rata-rata tanpa syarat Sampel Sell-All yang sesuai melaporkan perkiraan yang sama untuk periode penjualan Angka-angka dalam kurung adalah t-statistik sederhana yang berdasarkan hipotesis nol bahwa Berarti sama akan didistribusikan N 0, 1 4 Angka dalam tanda kurung adalah nilai p yang disimulasikan dari 1000 simulasi bootstrap dari jalan acak Metode ini menghasilkan return baru 3 Hal ini sesuai dengan salah satu himpunan aturan yang digunakan dalam Brock et al, 1992 4 T-stats terbentuk sebagai bsz 2 b N bs 2 Ns Angka yang sama digunakan untuk kasus Buy-All, Sell-All Ada beberapa masalah dengan menggunakan uji t sederhana di sini Hasil pengembalian yang mendasar tidak terdistribusi normal, jadi mereka Hanya berlaku asimtotik Kedua, pengukuran Beli-Semua, Jual-Semua didasarkan pada sampel dengan seperangkat nilai umum yang sama. Ini jauh dari pengambilan yang independen Bootstrap menyesuaikan kedua masalah ini 3.5 seri yang ditarik secara acak dengan penggantian dari pengembalian aktual. Seri Dari rangkaian waktu simulasi ini, deret harga acak geometris acak diproduksi. Hal ini memungkinkan pengujian hipotesis nol dimana pengembalian mengikuti distribusi tanpa syarat yang sama seperti pengembalian aktual, namun semua ketergantungan dalam rangkaian tersebut adalah dest Royed 5 Nilai p melaporkan fraksi simulasi bootstrap yang memberi nilai sebesar itu dari sampel asli. Untuk keseluruhan sampel, dan contoh awal, hasilnya mengkonfirmasi BLL. Periode pembelian berarti lebih besar, dan periode jual Berarti lebih kecil Hal ini sesuai untuk ketiga langkah menggunakan statistik t dan nilai bootstrap p Pada sampel kemudian hasilnya berubah secara dramatis Tidak hanya pengembalian pembelian yang tidak signifikan secara signifikan lebih besar daripada return penjualan, namun sebenarnya kurang dari Baik hasil penjualan kembali, dan mean tanpa syarat Statistik t, dan nilai p bootstrap dengan tepat memperingatkan kita bahwa ini mungkin tidak signifikan Namun, faktanya tetap bahwa tidak ada lagi perbedaan penting dalam cara bersyarat di sepanjang periode Perbedaan akhir di seluruh Sampel diberikan di kolom berlabel, Beli Fraksi Ini melaporkan sebagian kecil hari yang diberi label sebagai periode pembelian oleh peraturan. Lonjakan dramatis di pasar saham i N periode selanjutnya diwakili oleh peningkatan besar dalam periode beli Ini bergerak dari 62 untuk keseluruhan sampel, ke 81 dramatis di subsampel terakhir Ini seiring dengan peningkatan besar dalam mean return memberikan indikasi bahwa sesuatu yang tidak biasa telah terjadi. Selama 10 tahun terakhir Tabel 2 Conditional Means Series Buy-Sell Buy-All Sell-All Buy Fraction Feb 4 60 2 22 -3 10 0 00 0 00 1 00 4 73 2 36 -3 09 0 00 0 00 1 00 Feb -1 12 -0 37 0 922 0 84 0 80 0 15 Hasil rata-rata bersyarat selama periode beli dan jual menggunakan aturan rata-rata pergerakan 150 hari Buy-Sell adalah selisih antara periode beli dan jual berarti Buy-All dan Sell-All adalah Perbedaan antara periode beli dan mean tanpa syarat, dan periode jual dan angka rata-rata tanpa syarat dalam kurung adalah t-statistik pada mean, dan angka dalam kurung mewakili pecahan dari 1000 simulasi bootstrap berjalan acak yang menghasilkan mean kondisional setara sebesar Sampel Untuk mendapatkan gambar yang lebih rinci Dinamika bagaimana cara bersyarat mengubah angka 1 menunjukkan sebuah jendela bergulir dari t-test sederhana yang dilakukan pada tabel 2 Jendela 5 tahun dipindahkan melintasi keseluruhan 5 See Brock et al 1992 dan LeBaron 1998 untuk aplikasi keuangan Ringkasan yang sangat bagus Untuk keuangan terkandung dalam Maddala Li 1996 Metodologi bootstrap adalah karena Efron 1979, dan referensi yang berguna adalah sampel Efron Tibshirani 1993 4.6, dan uji coba Buy-Sell dicatat di setiap jendela Jendela dipindahkan dalam waktu setengah tahun, Jadi ada tumpang tindih yang besar antara jendela Sosok itu penting dalam menghadirkan beberapa fitur berbeda dari data Pertama, jelas bahwa sesuatu yang tidak biasa tampaknya terjadi selama periode waktu terakhir Tidak hanya perbedaan rata-rata negatif, tapi saat ini Nilai rekaman yang secara historis kecil diberikan dalam 100 tahun terakhir data Hal ini juga menarik untuk dicatat variabilitas relatif dalam hasil Nilai tampaknya membawa perubahan panjang menjadi positif. Nd daerah negatif 4 Varians bersyarat Hasil di BLL bergerak melampaui cara bersyarat dan varians kondisional teruji juga Ini memerlukan penggunaan bootstrap untuk menentukan signifikansi statistik 6 Tabel 3 melaporkan rasio varians perkiraan selama periode beli dan jual, dan relatif terhadap semua Periode Baris pertama menunjukkan bahwa rasio varians antara periode beli dan jual hanya 0 43, menunjukkan bahwa varians beli kurang dari setengah varians selama periode jual Dua nilai di bawahnya dalam kurung adalah nilai p bootstrap Untuk dua model null yang berbeda Pertama, jalan acak diulang seperti yang dilakukan pada bagian sebelumnya. Kedua, karena varians bersyarat sekarang merupakan bagian penting dari apa yang sedang terjadi, model GARCH 1.1 yang sederhana dipasang pada rangkaian pengembalian residu yang dinormalisasi dari Ini diacak dan digunakan untuk membangun perwakilan GARCH 1,1 data 7 Nilai 1 menunjukkan bahwa tidak satupun model simulasi dapat menghasilkan rasio varians sebesar Bahwa dalam data ini berlaku untuk ketiga rasio varians Untuk rasio Sell All, ingatlah bahwa karena ini sangat besar, nilai p yang disimulasikan sekarang nol, menunjukkan bahwa semua nilai simulasi kurang terlihat di seluruh subsamples pola serupa diamati. Yang paling menarik, adalah bahwa sangat berbeda dengan tabel 2 perbedaan varians tidak berubah dalam periode 10 tahun terakhir Rasio varians pembelian untuk menjual adalah 0 51 dalam periode 10 tahun terakhir yang sangat dekat dengan itu. Seluruh sampel Simulasi lagi menunjukkan bahwa perbedaannya signifikan Untuk varians bersyarat pola varians yang lebih rendah selama periode beli tetap relatif konstan selama keseluruhan sampel, tidak seperti pola untuk sarana bersyarat Tabel 4 mengulang hasil tabel sebelumnya untuk penyimpangan absolut. Varians sekarang diganti dengan deviasi absolut yang diharapkan, E rt E rt Diperkirakan menggunakan momen sampel yang tepat 6 Mungkin saja Tes topi untuk varians bersyarat dapat dikembangkan dengan menggunakan uji F seperti benda, namun nonnormalitas rangkaian pengembalian harian membuat model GARCH yang tidak mungkin ini dikembangkan oleh Bollerslev 1986, dan terkait dengan model ARCH Engle 1982 yang umum digunakan di bidang keuangan untuk Model pergerakan varians bersyarat Bollerslev, Engle Nelson 1995 dan Bollerslev, Chou, Jayaraman Kroner 1990 adalah survei yang berguna untuk literatur besar ini 5.7 Tabel 3 Rasio Variance Bersyarat Seri Beli Jual Beli Semua Jual Semua Feb GARCH bootstrap 1 00 1 00 0 00 GARCH bootstrap 1 00 1 00 0 00 Feb RW bootstrap 1 00 1 00 0 001 GARCH bootstrap 1 00 0 999 0 00 Jual Beli menunjukkan rasio varians bersyarat selama periode beli dan jual Beli Semua, dan Jual Semua adalah rasio dengan varians tanpa syarat Numbers Dalam kurung adalah, seperti berlabel, random walk, dan GARCH 1,1 bootstraps p-values, memberikan fraksi 1000 simulasi menghasilkan nilai sebesar itu dalam data selama periode beli dan jual T Ini adalah pemeriksaan ketahanan yang penting untuk hasil sebelumnya Mereka mungkin telah didorong oleh beberapa outlier besar yang menyebabkan beberapa perkiraan varian menjadi sangat besar Penyimpangan mutlak kurang sensitif terhadap outlier Tabel ini mengulangi semua hasil untuk varians bersyarat dengan tepat, Menunjukkan bahwa outlier pada salah satu subsampel mungkin bukan penyebabnya. Tabel 4 Rasio Deviasi Deviasi Rata-rata Berantai Rata-rata Buy Sell Buy Mean Sell Mean GARCH bootstrap 1 00 1 00 0 00 GARCH bootstrap 1 00 1 00 0 00 Feb RW bootstrap 1 00 1 00 0 001 GARCH bootstrap 1 00 0 999 0 00 Buy Sell menunjukkan rasio penyimpangan absolut bersyarat selama periode beli dan beli Beli Semua, dan Jual Semua adalah rasio dengan penyimpangan absolut tanpa syarat Angka dalam kurung adalah, seperti berlabel, berjalan acak, Dan GARCH 1,1 bootstraps p-values, memberikan fraksi 1000 simulasi menghasilkan nilai sebesar itu dalam data Perubahan varians bersyarat yang dilaporkan disini terkait dengan Efek leverage yang terkenal yang aslinya didokumentasikan dalam Black 1976 8 Tabel 5 memberikan pemeriksaan cepat mengenai apakah ramalan berbasis peraturan perdagangan hanya memungut informasi yang berasal dari kenaikan atau penurunan hari sebelumnya Tabel tersebut melaporkan varians bersyarat untuk t 1 baik untuk semua Periode beli dan jual, dan kondisi lebih lanjut pada tanda kembalinya hari sebelumnya Tabel tersebut menunjukkan bahwa pengkondisian pada pengembalian hari sebelumnya tidak menghilangkan perbedaannya. 8 Lihat juga Nelson 1991, dan Bollerslev et al 1995 untuk informasi lebih lanjut dan pemodelan. Teknik 6.8 dalam volatilitas antara periode beli dan jual baik dalam sampel penuh, atau subperiod baru-baru ini Tampaknya masih ada dampak dari rt untuk kedua subset, namun relatif kecil Meskipun tidak ada tes statistik yang diberikan di sini, tabel ini sugestif Bahwa rata-rata bergerak memberikan lebih banyak informasi daripada yang datang dari hari sebelumnya saja dalam hal varians prakiraan Tabel 5 Variabel bersyarat Ser Î rt Buy Variance Sell Variance Semua rtrt Feb Semua rtrt Varians untuk rt 1 dikondisikan pada kolom sinyal teknis, dan tanda pada baris kembali hari sebelumnya Kedua bagian ini dan yang sebelumnya menyiratkan bahwa prediktabilitas pengembalian dapat digunakan dalam tabel strategi perdagangan yang dinamis. 6 memberikan informasi tentang rasio Sharpe tanpa syarat dari mengikuti beberapa strategi dinamis sederhana selama periode waktu yang berbeda. Angka-angka yang disajikan adalah rasio Sharpe tahunan Sharpe 1994 Buy and Hold mengikuti strategi buy and hold Buy Sell mengambil posisi panjang atau pendek tergantung pada apakah membeli Atau sinyal jual diberikan 9 Buy sesuai dengan strategi pembelian selama periode pembelian, dan memiliki aset bebas risiko yang menghasilkan pengembalian 3 persen selama periode jual Rasio Sharpe diperkirakan menggunakan varians nol selama periode penjualan Kolom berlabel membeli menggunakan tanpa syarat Varians harian sebagai varians estimasi dalam periode pembelian, dan kolom label beli varian beli menggunakan syarat Varians selama periode pembelian Ukuran yang terakhir ini harus menjadi rasio Sharpe sejati untuk strategi ini, namun ukuran lainnya berguna untuk perbandingan Tabel tersebut menunjukkan bahwa untuk keseluruhan sampel strategi tersebut mengungguli buy and hold, dan ini akan terbaik dilakukan hanya dengan mengaktifkan Selama periode pembelian Akhirnya, penurunan varians bersyarat selama periode pembelian memiliki dampak pada rasio Sharpe Baris kedua menunjukkan bahwa tidak satu pun hasil ini bertahan selama 10 tahun terakhir. Rasio Sharpe sebenarnya dalam kisaran yang mungkin menarik, namun juga Semua negatif seperti yang ditunjukkan membeli hasil sebelumnya pada syarat bersyarat Tabel 6 Rasio Sharpe Series Beli dan Tahan Buy Sell Buy Buy Buy Variance Feb Hal ini dilakukan terutama untuk perbandingan Kemungkinan strategi ini tidak mungkin dilakukan selama sebagian besar periode sejak Akan sulit untuk singkat Dow 7.9 5 Momentum Strategi Jelas bahwa strategi rata-rata bergerak tidak mencari sesuatu yang lebih rumit Ated dari kegigihan sederhana dalam seri pengembalian Ini mungkin merupakan ketekunan yang sulit dilihat menggunakan autokorelasi tradisional 10 Pendekatan yang sedikit lebih sederhana untuk menyiapkan sinyal perdagangan adalah melihat pengembalian selama 150 hari terakhir daripada menggunakan perbandingan harga rata-rata bergerak. 11 Tabel 7 menunjukkan hasil untuk strategi momentum 150 hari bersamaan dengan strategi rata-rata bergerak Strategi ini mencatat pembelian pada saat t, jika P t P t 150, dan sell sebaliknya Untuk keseluruhan sampel, kedua strategi tersebut sangat dekat dengan masing-masing Lain-lain Selama subperiode yang lebih baru, strategi momentum membalikkan tanda-tanda seperti halnya rata-rata pergerakan, namun sebenarnya sangat negatif untuk perbedaan antara harga jual beli Tabel 7 Metode Perbandingan Perbandingan Momentum Bersyarat Rata-rata Buy-All Sell-All Feb Moving Average 4 60 2 22 -3 10 Momentum 4 21 2 04 -2 86 Feb Moving Average -1 12 -0 37 0 922 Momentum -2 55 -0 73 2 18 Hasil rata-rata bersyarat selama periode beli dan jual menggunakan movi 150 hari Rata-rata dan aturan momentum Buy-Sell adalah selisih antara periode beli dan jual berarti Buy-All dan Sell-All adalah perbedaan antara periode beli dan mean tanpa syarat, dan periode jual dan angka mean tanpa syarat dalam kurung adalah t - Statistik pada alat Tabel 8 mengulangi hasil untuk varians bersyarat menggunakan informasi pendinginan momentum Tabel ini menunjukkan bahwa hanya ada sedikit perubahan dari strategi rata-rata bergerak ke strategi momentum Misalnya, rasio jual beli berkisar dari 0 43 untuk rata-rata bergerak Ke 0 44 untuk ukuran momentum selama keseluruhan sampel. Fitur serupa diberikan untuk tindakan lain, dan kedua subperiod tampak sangat mirip. Hasil ini menunjukkan bahwa kedua peraturan teknis ini mungkin sangat mirip dalam praktiknya, dan tidak ada yang istimewa atau khusus. Penting tentang representasi rata-rata bergerak Hal ini terkait dengan tes yang lebih sensitif untuk perilaku jalan acak yang dikembangkan di Lo MacKinlay 1988 Selain itu, Proses dengan sifat-sifat ini telah dimodelkan oleh Taylor 1992 dan LeBaron 1992 11 Acar 1993 menunjukkan bagaimana memetakan peraturan teknis dari ruang harga menjadi ruang kembali Aturan rata-rata bergerak dapat dirumuskan sebagai jumlah tertimbang dari pengembalian masa lalu, namun strategi momentumnya sederhana. Jumlah pengembalian masa lalu Ini adalah eksperimen yang menarik untuk melihat apakah peraturan ini mengambil sesuatu yang berbeda dari peraturan rata-rata bergerak Juga, lihat Chan, Jegadeesh Lakonishok 1996 dan Jegadeesh Titman 1993 untuk contoh dari penampang kembali 12 Hasil ini sesuai dengan temuan di Acar Lequeux 1996 yang menemukan bahwa bahkan untuk random walk korelasi antara moving average dan momentum strategy adalah.10 Tabel 8 Variabel Conditional Momentum Comparison Series Method Buy Sell Buy Mean Sell-Mean Feb Moving Average GARCH bootstrap 1 00 1 00 0 00 Feb Momentum GARCH bootstrap 1 000 1 00 0 000 Feb Pindah Rata-rata GARCH bootstrap 1 00 1 00 0 00 Feb Momentum GARCH bootstrap 1 00 0 99 0 00 Jual Beli menunjukkan tikusnya Io varians kondisional selama periode beli dan jual menggunakan strategi momentum 150 hari Buy All, dan Sell All adalah rasio dengan varians tanpa syarat Angka dalam kurung adalah, seperti berlabel, random walk, dan GARCH 1,1 bootstraps p-values, Memberikan fraksi 1000 simulasi menghasilkan nilai sebesar itu dalam data 6 Kesimpulan Makalah ini merupakan tindak lanjut singkat untuk Brock et al 1992 memeriksa apa yang telah terjadi pada beberapa strategi yang mereka gunakan pada tahun-tahun intervensi Peneliti lain telah menunjukkan hasil yang dramatis. Perubahan dalam sarana kondisional, dan yang diulang di sini Makalah ini melakukan diagnostik lebih lanjut dengan memeriksa hubungan varians Berbeda dengan mean yang tampaknya cukup konsisten dari waktu ke waktu, dan kuat untuk menggunakan ukuran volatilitas nilai mutlak Akhirnya, ditunjukkan bahwa banyak Hasil yang serupa dapat diperoleh dengan menggunakan jenis strategi perdagangan sederhana. Di sisi praktis penggunaan peraturan perdagangan, makalah ini menunjukkan bahwa menggunakannya Perkiraan sarana kondisional bisa sangat berbahaya di pasar saat ini Bahaya ini di atas dan di luar masalah biaya transaksi biasa, dan isu-isu yang berkaitan dengan benar-benar menerapkan strategi Namun, tetap harus dilihat apakah kemampuan volatilitas memprediksi kemampuan dapat menawarkan keunggulan. Baik dalam opsi perdagangan, atau manajemen risiko Makalah ini menyarankan bahwa studi semacam itu mungkin sangat menarik, mengingat prediktabilitas varians bersyarat sangat kuat sepanjang periode waktu Gambar 1 membuat titik visual yang dramatis mengenai stabilitas peraturan perdagangan teknis. Ini membuka pertanyaan filosofis mendalam tentang Data mengintip, dan stasioneritasi Memiliki sesuatu tentang dinamika harga saham berubah selama 10 tahun terakhir, atau merupakan tren awal mengikuti strategi yang diambil dari data 90 tahun sebelumnya Hasil di Sullivan et al 1999 menunjukkan bahwa ini adalah perubahan dalam Data, karena pengujian mereka mencoba untuk menyesuaikan data mining pada sampel sebelumnya Namun, tidak ada tes untuk data mi Ning sangat sempurna, 9.11 karena tergantung pada simulasi proses pengintaian yang mungkin telah terjadi. Tidak ada tes formal yang dapat dilakukan untuk menjawab pertanyaan ini, namun angka 1 bersama beberapa fakta sejarah tentang perdagangan teknis yang diberikan dalam BLL tampaknya mempertahankan kesimpulan. Sullivan et al 1999 BLL berhati-hati untuk menggunakan peraturan yang telah ada di komunitas perdagangan teknis untuk beberapa waktu, dan tidak mencoba melakukan penyetelan parameter tambahan atas sampel mereka Beberapa peraturan ini telah digunakan sejak awal Abad Mengingat bahwa mereka tidak sesuai dengan sampel 90 tahun sebelumnya, hasilnya selama 10 tahun terakhir bahkan lebih menarik. Gambaran sewenang-wenang dari data ini telah berubah secara dramatis, dan dalam konteks ini tampaknya tidak mungkin bahwa 10 tahun terakhir dapat menjadi Menarik dari periode 10 tahun dalam sejarah 90 tahun 13 Meskipun tidak mungkin untuk benar-benar menghindari masalah data yang mengintip hasil di sini menunjukkan bahwa ada sesuatu yang berubah dram Secara atik Hasil akhir dari studi singkat ini menunjukkan bahwa peraturan yang digunakan di Brock et al 1992 dapat diganti dengan yang sederhana. Strategi berbasis momentum sederhana menunjukkan kinerja yang sama dengan menggunakan kedua ukuran prediktabilitas Kesederhanaan dan kekhasan sama seperti kebajikan untuk teknis. Aturan perdagangan seperti untuk metode seri waktu tradisional lainnya, jadi penting untuk melihat bahwa peraturan yang lebih sederhana mungkin telah dilakukan dengan baik. Banyak peraturan teknis menggunakan kombinasi pola moving average yang lebih kompleks, dan akan menarik untuk mencari tahu. Apa nilai tambah dari ini Namun, di dunia nonstasioner yang disarankan oleh hasil ini, ketahanan bisa menjadi kebajikan yang jauh lebih besar daripada yang diperkirakan sebelumnya. Hasil yang dilaporkan di Brock et al 1992 telah berubah dengan jelas dalam beberapa tahun terakhir. Namun, hasil mereka dalam memprediksi persyaratan Varians tetap stabil Penyebab perubahan pertama tetap menjadi pertanyaan terbuka yang menarik Mereka mungkin berhubungan dengan teknologi, bette R harga informasi, dan biaya transaksi yang lebih rendah, atau mungkin perhatian yang lebih besar sekarang diberikan pada peraturan perdagangan teknis. Dalam semua kasus, perubahan dalam profitabilitas strategi dinamis ini memberikan informasi penting mengenai bagaimana fungsi pasar Jika pedagang benar-benar telah memperdagangkan keuntungan Jauh, maka sebuah studi menarik adalah melihat sisi ketidakstabilan gambar dalam cahaya yang serupa. Adakah strategi dinamis yang akan mendorong varians bersyarat ke arah masing-masing Ini adalah pertanyaan yang jauh lebih rumit daripada cara, tapi akan menjadi Pertanyaan yang sangat menarik untuk dijawab 13 Ingat, bahwa data yang mengintip kontra ini akan menjadi peraturan yang disetel selama 90 tahun sejarah sebelumnya untuk memaksimalkan perbedaan jual beli bersyarat. Dalam hal ini tidak mengherankan bahwa 10 tahun terakhir Terlihat berbeda 14 Lihat Bookstaber 1999 untuk contoh aturan keputusan ketahanan dan peraturan di bidang keuangan 10.12 Referensi Acar, E 1993, Evaluasi Ekonomi Fina Peramalan ncial, tesis PhD, City University Business School, London, Inggris Acar, E Lequeux, P 1996, strategi dinamis, studi korelasi, di C Dunis, ed Peramalan pasar keuangan, Wiley, pp Acar, E Satchell, S 1998, Advanced Aturan Perdagangan, Butterworth-Heinemann, Oxford, Inggris Black, F 1976, Studi perubahan volatilitas harga saham, Prosiding Statistik Statistik Amerika, Sesi Statistik Bisnis dan Ekonomi Bollerslev, T 1986, heteroskedastisitas bersyarat autoregresif generalisasi, Journal of Econometrics 21, Bollerslev , T Chou, RY Jayaraman, N Kroner, KF 1990, pemodelan ARCH di bidang keuangan Tinjauan teori dan bukti empiris, Journal of Econometrics 52 1, Bollerslev, T Engle, RF Nelson, DB 1995, model ARCH, di Handbook of Econometrics , Vol 4, North-Holland, New York, NY Bookstaber, R 1999, Manajemen risiko dalam organisasi yang kompleks, Jurnal Analis Keuangan 55 2, Brock, WA Lakonishok, J LeBaron, B 1992, Aturan perdagangan teknis sederhana dan Sifat stokastik return saham, Journal of Finance 47, Chan, LKC Jegadeesh, N Lakonishok, J 1996, strategi Momentum, Journal of Finance 51, Efron, B 1979, metode Bootstrap Lain melihat pisau lipat, The Annals of Statistics 7, Efron, B Tibshirani, R 1993, Pengantar Bootstrap, Chapman and Hall, New York Engle, RF 1982, heteroskedastisitas bersyarat Autoregresif dengan perkiraan variansi inflasi kerajaan terpadu, Econometrica 50, Engle, RF Mustafa, C 1992, tersirat Model ARCH dari harga opsi, Journal of Econometrics 52.13 Fama, EF Blume, M 1966, Aturan filter dan keuntungan perdagangan pasar saham, Journal of Business 39, Jegadeesh, N Titman, S 1993, Mengembalikan ke membeli pemenang dan menjual pecundang Implikasi untuk pasar saham Efisiensi, Journal of Finance 48, LeBaron, B 1992, Apakah pergerakan rata-rata hasil peraturan perdagangan menyiratkan nonlinearities di pasar valuta asing Laporan teknis, University of Wisconsin - Madison, Madison, Wisconsin LeB Aron, B 1998, peraturan perdagangan teknik dan pergeseran rezim dalam valuta asing, di E Acar S Satchell, eds, Aturan Perdagangan Tingkat Lanjut, Butterworth-Heinemann, pp Lo, AW MacKinlay, AC 1988, Harga saham tidak mengikuti jalan-jalan acak Bukti dari Uji spesifikasi sederhana, Review of Financial Studies 1, Lo, AW Wang, J 1995, Menerapkan model penetapan harga opsi ketika pengembalian aset dapat diprediksi, Journal of Finance 50, Maddala, GS Li, H 1996, tes berbasis Bootstrap pada model keuangan, di GS Maddala CR Rao, eds, Handbook of Statistics, Vol 14, North-Holland, Amsterdam, pp Nelson, DB 1991, heteroskedastisitas bersyarat dalam pengembalian aset Pendekatan baru, Econometrica 59, Sharpe, WA 1994, Rasio Sharpe, Journal of Portfolio Management Pp Sullivan, R Timmerman, A White, H 1999, Data-snooping, kinerja aturan perdagangan teknis dan bootstrap, Journal of Finance 54, Taylor, SJ 1992, Hadiah tersedia untuk spekulator berjangka mata uang Kompensasi untuk risiko atau bukti pr tidak efisien Icing Rekor Ekonomi 68.14 Uji T Jual Beli Tahun Gambar 1 Perbedaan T-test Buy-Sell Rolling, jendela rolling 5 tahun 13.Golden Crosses Bible. I bertanya kepada teman saya Pete dari Trade With Pete untuk melakukan posting tamu untuk saya di Golden Crosses Pete melakukan banyak pekerjaan teknis di blognya yang membahas topik ini dan ada sejumlah besar kontroversi seputar apakah mereka penting untuk memperhatikan Memeriksa anak laki-laki jahat ini keluar dari JB. History bergerak 50 dan 200 hari Crossover rata-rata. Penggagas dan komentator keuangan sering menyebut salib emas dan pola silang kematian yang terlihat pada grafik harga. Misalnya salib emas dan salib kematian. Salib mengacu pada dua rata-rata bergerak sederhana yang saling bersilangan. Salib emas dianggap sebagai bullish sign it occurs when the 50-day moving average rises above 200-day moving average A death cross is considered a bearish sign it occurs when the 50-day moving average drops below 200-day moving average. An early mention of moving average crossovers is found in the 1935 book, Profits in the Stock Market by H M Gartley. One of the most useful technical phenomena in the determination of major reversals is the major trend moving average For this purpose, the author prefers to use a 200-day moving aveage, although equally satisfactory results can also be obtained with the use of a 20-30 week moving average applied to weekly charts, or a 4-6 month moving average applied to monthly charts. Since then, technicians have popularized the use of various moving averages During the 1970s, Stan Weinstein s Secrets for Profiting in Bull and Bear Markets was a big seller He wrote. All that a moving average really does is smooth out the major trend so the wild day-to-day gyrations which the new buying and selling programs have made even wilder do not throw off your market perspective Over the years, I ve found that a 30-week moving average MA is the best one for long-term investors, while the 10-week MA is best for traders to use. Stage analysis used the price relative to the moving average to identify four stages of a price cycle. John Murphy, the famous CNBC analyst from the 1990s, wrote in The Visual Investor. Two moving averages are commonly used to analyze market trends How the two averages related to each other tells a lot about the stength or weakness of a trend Two commonly employed numbers among stock investors are the 50-day 10-week and the 200-day 40-week combination The trend is considered bullihs upwards as long as the shorter average is above the longer Any crossing by the shorter average below the longer is considered negative Some analysts use a 10-week and a 30-week average for the same purpose. The use of moving averages became so common that they are mentioned in the McGraw-Hill Investor s Desk Reference. Is the cross a reliable signal. How effective are moving average crossovers as technical trading rules Three landmark academic papers tell the tale. In 1991 Simple Technical Trading Rules And The S tochastic Properties Of Stock Returns researchers Brock, Lakonishok and LeBaron tested two of the simplest and most popular trading rules moving average and trading range break by utilizing the Dow Jones Index from 1897 to 1986 and found strong support for the technical strategies. In 1999 The Stability of Moving Average Technical Trading Rules on the Dow Jones Index LeBaron revisited the study with one more decade of data The findings were disturbing enough for him to ask, Has something about the dynamics of stock prices changed over the past 10 years, or was the original trend following strategy mined out of the previous 90 years of data. LeBaron further noted that Sullivan, Timmerman White 1999 Data-Snooping, Technical Trading Rule Performance, and the Bootstrap demonstrated that while it appears unlikely that these rules were snooped from the earlier sample, their forecasting performance over recent years has disappeared. We would like to offer two possible explanations of why the cro sses appear to work less than they used to. It could be that proliferation of personal computers has made price charts and moving averages ubiquitous, and therefore, eroded the potential edge it once conferred. Moving averages are smoothing techniques designed for detrended data in time series analysis therefore, indicators based on the difference between the price and moving average may be more effective than a crossover. The Edwards, Magee and Bassetti edition of Technical Analysis of Stock Trends summed it up nicely, The 200-day moving average is widely believed to be the long-term trend indicator, and believing will sometimes make it come true. We at use the golden and death crosses as filters to help narrow the field of ticker symbols for further sentiment and price action analysis. The stability of moving average technical trading rules on. By Blake Lebaron. This paper analyzes the behavior of moving average technical trading rules applied to over 100 years of the Dow Jones Industrial I ndex It is found that the differences between conditional means during buy and sell periods has changed dramatically over the previous 10 years relative to the previous 90 years of data, but differences in conditional variances have not changed much over the entire sample Further robustness checks indicate that similar results could be obtained with simple momentum based strategies The analysis is performed on the actual Dow series, but these techniques could be useful in derivative markets where better estimates of conditional means and variances would be useful information. OAI identifier.
No comments:
Post a Comment