Stabilitas Aturan Perdagangan Rata-rata Bergerak Rata-rata di. Indeks Dow Jones Index 1 Stabilitas Aturan Perdagangan Teknis Rata-rata Bergerak pada Indeks Dow Jones Blake LeBaron Brandeis University NBER Agustus 1999 Revisi: November 1999 Abstrak Makalah ini menganalisis perilaku rata-rata peraturan perdagangan teknikal yang diterapkan pada lebih dari 100 tahun Dow Jones Indeks Industri. Ditemukan bahwa perbedaan antara mean bersyarat selama periode beli dan jual telah berubah secara dramatis selama 10 tahun sebelumnya dibandingkan data 90 tahun sebelumnya, namun perbedaan varians bersyarat tidak banyak berubah selama keseluruhan sampel. Cek 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 dan varians kondisional akan menjadi informasi yang berguna. Sekolah Pascasarjana Ekonomi dan Keuangan Internasional, Brandeis University, 415 South Street, Mailstop 021, Waltham, MA. Stanley. feldberg. brandeis. edu 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 sebagai penghinaan, daya tarik baru-baru ini dengan prediktabilitas telah membuka kembali banyak kasus lama melawan analisis teknis. Alih-alih mengabaikan peraturan yang digunakan oleh para teknisi akademisi telah dengan cermat meneliti mereka. 1 Bukti masih tampak agak tidak meyakinkan mengenai kegunaan peraturan ini, namun ini berbeda dengan hasil terdahulu yang menyarankan bahwa setiap orang yang mengikuti ini kurang termotivasi secara rasional. Literatur modern telah bergerak maju dalam membawa tes yang lebih ketat dan metodologi ekonometrik. Pengenalan bootstrap memungkinkan pengujian berbagai hipotesis nol yang kompleks yang pendekatan analitiknya tidak mungkin dilakukan. Ini juga menawarkan metode yang memungkinkan untuk menyesuaikan bias yang disebabkan oleh pengintaian data. Bagi ekonometrik, peraturan perdagangan teknis dapat dipandang hanya sebagai seperangkat kondisi momen yang dapat digunakan dalam pengujian spesifikasi, atau perkiraan. 2 Oleh karena itu, mereka memainkan peran ganda sebagai perilaku menarik yang mungkin memiliki nilai praktis, dan sebagai deskripsi data yang harus diketahui oleh ahli teori ekonomi. Makalah ini menguraikan ulang 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. Baru-baru ini Sullivan, Timmerman amp White (1999) menunjukkan bahwa meskipun tampaknya tidak mungkin peraturan tersebut diintip dari sampel sebelumnya, kinerja peramalan mereka selama beberapa tahun terakhir telah hilang. Hasil penting ini menimbulkan banyak pertanyaan serius tentang peraturan perdagangan, dan stasionitas deret waktu keuangan. Makalah ini selanjutnya mengeksplorasi kinerja peraturan ini dan membandingkan 10 tahun sebelumnya sampai akhir abad ini. Bila dianalisis dengan syarat aturan trading rata-rata bergerak, beberapa persamaan dan perbedaan yang sangat menarik muncul. Makalah ini menguatkan dan memperluas hasil di Sullivan et al. (1999). Pertama, analisis dilakukan dengan varians bersyarat dan juga syarat kondisional. 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 uang tunai. Namun, ada yang langsung 1 Tes paling awal yang mengkritisi peraturan teknis ada di Fama amp Blume (1966). Lihat Brock, Lakonishok amp LeBaron (1992) untuk ringkasan literatur tentang perdagangan teknis. Untuk contoh terbaru dari beberapa bukti terbaru, lihat Acar amp Satchell (1998). 2 Sebagai contoh yang terakhir, lihat LeBaron (1992). 1 3 dampak teknologi ini di berbagai pasar derivatif. Pertama, mean prediktabilitas dapat mempengaruhi pilihan harga seperti pada Lo amp Wang (1995). Juga, jelas bahwa prediktor detik kedua yang berguna dapat memberikan strategi perdagangan dinamis yang lebih baik di pasar pilihan seperti pada Engle amp Mustafa (1992), atau sebagai nilai pada alat perkiraan risiko. Bagian pertama menggambarkan deret harian data Dow harian. Bagian kedua melihat berbagai ukuran sarana kondisional selama periode pra dan pasca 1986. Bagian ketiga melakukan tes serupa mengenai varians bersyarat. Bagian keempat memberikan beberapa cek ketahanan pada peraturan perdagangan teknis, dan menunjukkan bahwa ada kemungkinan bahwa peraturan yang lebih sederhana pun dapat menghasilkan hasil yang serupa. Bagian akhir menyimpulkan dan kembali ke pertanyaan tentang data mengintip, dan data stasioner dalam terang bukti baru ini. 2 Data Data yang digunakan adalah Dow Jones Industrials harian dari Januari 1897 sampai Februari, Seri ini mencakup seri yang digunakan di Brock et al. (1992) (mulai saat ini BLL) sebagai subset, namun menambahkan 10 tahun lagi setelah pemberhentiannya dalam data ekstra 10 tahun ini dimulai pada tahun 1988 untuk menghindari kemunculan dan jatuhnya tahun 1987 yang memiliki dampak dramatis pada waktu yang singkat. mencicipi. Seri penuh mencakup total hari. Seri yang digunakan tidak termasuk dividen, jadi beberapa perawatan harus dilakukan dalam menggunakan seri ini dalam mengevaluasi kinerja jangka panjang. Karena makalah ini berkonsentrasi pada perilaku sarana dan varians bersyarat saja, penambahan proses dividen agregat mungkin tidak akan mempengaruhi hasilnya. Tabel 1 menunjukkan beberapa statistik ringkasan untuk pengembalian harian untuk beberapa subsampel yang akan dipertimbangkan. Pengembalian dihitung sebagai perbedaan log, r t log (p t) log (p t 1), (1) untuk semua kasus yang dipertimbangkan dalam makalah ini. Tabel tersebut menunjukkan sedikit sekali informasi baru bagi mereka yang terbiasa dengan deret harga aset frekuensi yang relatif tinggi. Ada sejumlah besar kelebihan kurtosis 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. Meskipun diketahui bahwa Dow terus meningkat, mengejutkan bahwa pengembalian harian hampir 3 kali lipat rata-rata sepanjang abad ini. 2 4 3 Sarana Bersyarat Tabel 1: Ringkasan Statistik (Feb) (Feb) Mean () Var Skewness Kurtosis Makalah ini menggunakan aturan perdagangan rata-rata perdagangan rata-rata yang berlaku umum untuk sebagian besar pengujian. Ini membandingkan harga dengan rata-rata harga yang bergerak di masa lalu, m t 1 N N 1 i0 P t i. (2) Ada banyak kemungkinan kombinasi rata-rata bergerak yang digunakan dalam praktik, namun makalah ini akan berkonsentrasi pada implementasi yang sangat sederhana. Sehari dianggap memiliki sinyal beli saat P t m t, dan sinyal jual saat P t ttm t. 3 Aturan ini kemudian diterapkan untuk pengembalian dari t ke t 1. Sarana dan varians bersyarat akan diperkirakan selama periode ini, dan diklasifikasikan sebagai pembelian atau penjualan tergantung pada sinyal t waktu. Salah satu aturan pelaksanaan yang paling konsisten adalah salah satu yang menggunakan N 150 hari. Aturan ini sendiri akan digunakan. Sebelumnya makalah, Brock et al. (1992) dan LeBaron (1998) telah menunjukkan bahwa ia bekerja dengan baik selama periode waktu yang berbeda. Selanjutnya, 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 jual yang ditunjukkan oleh peraturan rata-rata pergerakan 150 hari. Kolom pertama, diberi label Buy-Sell, melaporkan selisih antara mean bersyarat dari periode beli dan jual. Kolom kedua, berlabel Buy-All, melaporkan perbedaan antara periode Beli kembali dan pengembalian rata-rata tanpa syarat atas sampel yang sesuai. Sell-All melaporkan perkiraan yang sama untuk periode jual. Angka dalam kurung adalah t-statistik sederhana yang dengan hipotesis nol berarti meannya sama dengan N (0, 1). 4 Angka dalam kurung adalah nilai p yang disimulasikan dari 1000 simulasi bootstrap dari random walk. Metode ini menghasilkan return baru 3 Ini sesuai dengan salah satu himpunan aturan yang digunakan dalam Brock et al. (1992). 4 T-stats dibentuk sebagai micro b micro s z sigma 2 b N b sigmas 2Ns. Angka yang sama digunakan untuk Buy-All, Sell-All cases. Ada beberapa masalah dengan menggunakan simple t-test disini. Return yang mendasarinya tidak terdistribusi normal, jadi hanya berlaku asimtotik. Kedua, pengukuran Buy-All, Sell-All didasarkan pada sampel dengan seperangkat nilai umum yang sama. Ini jauh dari undian independen. Bootstrap menyesuaikan kedua masalah ini. Seri 3 5 ditarik secara acak dengan penggantian dari seri pengembalian aktual. Dari rangkaian waktu simulasi ini, sebuah rangkaian harga berjalan acak geometris baru diproduksi. Hal ini memungkinkan pengujian hipotesis nol dimana return mengikuti distribusi tanpa syarat yang sama dengan return aktual, namun semua ketergantungan dalam seri akan hancur. 5 Nilai p melaporkan fraksi simulasi bootstrap yang memberi nilai sebesar itu dari sampel aslinya. Untuk keseluruhan sampel, dan contoh awal, hasilnya mengkonfirmasi BLL. Periode pembelian berarti lebih besar, dan jangka waktu jualnya lebih kecil. Ini sesuai untuk ketiga langkah menggunakan statistik t, dan nilai p bootstrap. Pada contoh selanjutnya hasilnya berubah drastis. Tidak hanya buy return yang tidak signifikan secara signifikan lebih besar daripada sell return, sebenarnya tidak lebih baik dari sell return, dan mean unconditional. T-statistik, 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 sepanjang periode. Perbedaan akhir di seluruh sampel diberikan pada kolom yang diberi label, Buy Fraction. Ini melaporkan sebagian kecil hari yang diberi label sebagai periode beli oleh peraturan. Perkembangan dramatis di pasar saham pada periode selanjutnya diwakili oleh kenaikan besar dalam periode beli. Ini bergerak dari 62 untuk keseluruhan sampel, ke 81 dramatis di subsampel terakhir. Ini seiring dengan kenaikan besar dalam mean return memberikan indikasi bahwa sesuatu yang tidak biasa telah terjadi selama 10 tahun terakhir. Tabel 2: Angka Berikat Bersyarat 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 waktu beli dan jual. Buy-All and Sell-All adalah perbedaan antara periode beli dan mean tanpa syarat, dan periode jual dan mean tanpa syarat. Angka 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 gambaran yang lebih rinci tentang dinamika bagaimana cara bersyarat mengubah gambar 1 menunjukkan sebuah jendela bergulir dari uji t 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 amp Li (1996). Metodologi bootstrap adalah karena Efron (1979), dan referensi yang berguna adalah Efron amp Tibshirani (1993). 4 6 sampel, dan tes Beli-Sell dicatat di setiap jendela. Jendela dipindahkan dalam setengah tahun, jadi ada tumpang tindih yang besar di antara jendela. Angka tersebut 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 mencatat nilai historis yang kecil mengingat data 100 tahun terakhir. Hal ini juga menarik untuk dicatat variabilitas relatif dalam hasil. Nilai tampaknya membawa perubahan panjang ke daerah positif dan negatif. 4 Varians bersyarat Hasil di BLL bergerak melampaui sarana kondisional 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) sederhana dipasang pada seri pengembalian. Residu yang dinormalisasi dari sini teracak dan digunakan untuk membuat data GARCH (1,1) representatif. 7 Nilai 1 menunjukkan bahwa tidak satupun model simulasi dapat menghasilkan rasio variansi sebesar itu dalam data. Ini berlaku untuk ketiga rasio varians. Untuk rasio SellAll, ingatlah bahwa karena ini sangat besar, nilai p yang disimulasikan sekarang nol, menunjukkan bahwa semua nilai simulasi kurang. Melihat 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 buy to sell adalah 0,51 dalam periode 10 tahun terakhir yang sangat dekat dengan keseluruhan sampel. Simulasi lagi menunjukkan bahwa perbedaannya signifikan. Untuk varians bersyarat pola varians yang lebih rendah selama periode pembelian 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 r t E (r t). Ini diperkirakan menggunakan momen sampel yang tepat 6 Ada kemungkinan bahwa tes untuk varians bersyarat dapat dikembangkan dengan menggunakan uji F seperti benda, namun ketidaknormalan seri pengembalian harian membuat hal ini menjadi tidak mungkin. 7 Model GARCH yang dikembangkan oleh Bollerslev (1986), dan terkait dengan model ARCH Engle (1982) biasanya digunakan di bidang keuangan untuk memodelkan pergerakan varians bersyarat. Bollerslev, Engle amp Nelson (1995) dan Bollerslev, Chou, Jayaraman amp Kroner (1990) adalah survei yang berguna untuk literatur besar ini. 5 7 Tabel 3: Variabel Rasio Conditional Rasio BuySell BuyAll SellAll (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 BuySell menunjukkan rasio varians bersyarat saat membeli dan menjual Periode. BuyAll, dan SellAll adalah rasionya 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. Selama periode beli dan jual. Ini adalah pemeriksaan ketahanan yang penting untuk hasil sebelumnya. Mereka mungkin didorong oleh beberapa outlier besar yang menyebabkan beberapa varians diperkirakan menjadi sangat besar. Penyimpangan absolut kurang sensitif terhadap outlier. Tabel mengulangi semua hasil untuk varians kondisional dengan tepat, menunjukkan bahwa outlier pada salah satu subsampel mungkin bukan penyebabnya. Tabel 4: Rasio Deviasi Absolut Beragun Bersyarat Rata-rata BuySell BuyMean SellMean 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 BuySell menunjukkan rasio penyimpangan absolut bersyarat selama periode beli dan jual. BuyAll, dan SellAll adalah rasionya dengan penyimpangan absolut 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. Perubahan varians bersyarat yang dilaporkan di sini terkait dengan efek leverage yang terkenal yang aslinya didokumentasikan dalam Black (1976). 8 Tabel 5 memberikan pengecekan cepat mengenai apakah ramalan berbasis aturan 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 pengembalian hari sebelumnya. Tabel menunjukkan bahwa pengkondisian pada hari sebelumnya tidak menghilangkan perbedaan. Lihat juga (Nelson 1991), dan (Bollerslev et al 1995) untuk informasi lebih lanjut dan teknik pemodelan. 6 8 dalam volatilitas antara periode beli dan jual baik dalam sampel penuh, atau subperiod baru-baru ini. Tampaknya masih ada dampak dari r t untuk kedua subset, namun relatif kecil. Meskipun tidak ada tes statistik yang diberikan di sini, tabel ini menunjukkan bahwa rata-rata bergerak memberikan lebih banyak informasi daripada yang datang dari hari sebelumnya saja dalam hal variasi prakiraan. Tabel 5: Variabel Bersyarat Seri r t Varians Beli () Menjual Variance () Semua r t r t lt (Feb) Semua r t r t l Rasio untuk r t1 dikondisikan pada sinyal teknis (kolom), dan tanda kembalinya hari sebelumnya (baris). Kedua bagian ini dan yang sebelumnya menyiratkan bahwa prediktabilitas pengembalian dapat digunakan dalam strategi perdagangan dinamis. Tabel 6 memberikan informasi mengenai rasio Sharpe tanpa syarat dari mengikuti beberapa strategi dinamis sederhana selama periode waktu yang berbeda. Angka yang disajikan adalah rasio Sharpe tahunan (Sharpe 1994). Buy and Hold mengikuti strategi buy and hold. BuySell mengambil posisi panjang atau pendek tergantung pada apakah sinyal beli atau jual diberikan. 9 Buy sesuai dengan strategi pembelian selama periode beli, dan memiliki aset bebas risiko yang menghasilkan return 3 persen selama periode jual. Rasio Sharpe diperkirakan menggunakan varians nol selama periode jual. Kolom berlabel membeli menggunakan varians harian tanpa syarat sebagai estimasi varians dalam periode pembelian, dan varian label varians beli menggunakan varians kondisional selama periode pembelian. Langkah terakhir ini harus menjadi rasio Sharpe sejati untuk strategi ini, namun ukuran lainnya berguna untuk perbandingan. Tabel menunjukkan bahwa untuk keseluruhan sampel, strategi tersebut mengungguli buy and hold, dan sebaiknya dilakukan hanya dengan mengaktifkan hanya selama periode pembelian. Akhirnya, penurunan varians bersyarat selama periode pembelian berdampak 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, tapi semuanya negatif seperti yang ditunjukkan untuk membeli hasil sebelumnya dengan cara bersyarat. Tabel 6: Rasio Rasio Sharpe Beli dan Tunggu BuySell Beli Varian BuyBuy (Feb) Hal ini dilakukan terutama untuk perbandingan. Hal ini tidak mungkin bahwa strategi ini mungkin bisa dilakukan selama sebagian besar periode waktu karena akan sulit membuat Dow pendek. 7 9 5 Strategi Momentum Jelas bahwa strategi rata-rata bergerak tidak mencari sesuatu yang lebih rumit daripada persistensi sederhana dalam seri pengembalian. Ini mungkin kegigihan yang sulit dilihat dengan 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 seiring 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 satu sama lain. Selama subperiod 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: Cara Bersyarat: Metode Perbandingan Momentum Perbandingan 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 aturan pergerakan rata-rata 150 hari dan aturan momentum. Buy-Sell adalah selisih antara waktu beli dan jual. Buy-All and Sell-All adalah perbedaan antara periode beli dan mean tanpa syarat, dan periode jual dan mean tanpa syarat. Angka dalam kurung adalah t-statistik pada mean. Tabel 8 mengulangi hasilnya untuk varians bersyarat menggunakan informasi pengkondisian momentum. Tabel ini menunjukkan bahwa ada sedikit perubahan dari strategi moving average ke strategi momentum. Sebagai contoh, rasio buysell bergerak dari 0,43 untuk moving average menjadi 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 penting mengenai representasi rata-rata bergerak. Hal ini terkait dengan tes yang lebih sensitif untuk perilaku jalan acak yang dikembangkan di (Lo amp MacKinlay, 1988). Juga, proses dengan sifat-sifat ini telah dimodelkan oleh (Taylor 1992) dan (LeBaron 1992). 11 Acar (1993) menunjukkan bagaimana memetakan aturan teknis dari ruang harga menjadi ruang kembali. Aturan rata-rata bergerak dapat dirumuskan sebagai jumlah tertimbang dari tingkat pengembalian yang lalu, namun strategi momentum adalah jumlah sederhana dari tingkat pengembalian yang lalu. Ini adalah eksperimen yang menarik untuk melihat apakah aturan ini mengambil sesuatu yang berbeda dari aturan rata-rata bergerak. Juga, lihat Chan, Jegadeesh amp Lakonishok (1996) dan Jegadeesh amp Titman (1993) untuk contoh dari penampang kembali. 12 Hasil ini sesuai dengan temuan di Acar amp Lequeux (1996) yang menemukan bahwa bahkan untuk perjalanan acak, korelasi antara strategi moving average dan momentum adalah 10 Tabel 8: Varian Bersyarat: Metode Perbandingan Momentum Series BuySell BuyMean () Sell - Mean () (Feb) Moving Average GARCH bootstrap 1.00 1.00 0.00 (Feb) Momentum GARCH bootstrap 1.000 1.00 0.000 (Feb) Moving Average GARCH bootstrap 1.00 1.00 0.00 (Feb) Momentum GARCH bootstrap 1.00 0.99 0.00 BuySell menunjukkan rasio varians bersyarat selama Beli dan jual menggunakan strategi momentum 150 hari. BuyAll, dan SellAll adalah rasionya 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 di tahun-tahun berikutnya. Peneliti lain telah menunjukkan perubahan dramatis dalam cara bersyarat, dan hal tersebut diulang di sini. Makalah ini melakukan diagnosa lebih lanjut dengan memeriksa hubungan varians. Berbeda dengan cara mereka tampaknya cukup konsisten dari waktu ke waktu, dan kuat untuk menggunakan ukuran volatilitas nilai absolut. Akhirnya, terlihat bahwa banyak hasil serupa dapat diperoleh dengan menggunakan jenis strategi perdagangan sederhana. Di sisi praktis penggunaan peraturan perdagangan, makalah ini menunjukkan bahwa menggunakan mereka untuk meramalkan sarana bersyarat dapat 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 memprediksi volatilitas strategi dapat memberikan keunggulan dalam opsi perdagangan, atau manajemen risiko. Makalah ini menunjukkan bahwa studi semacam itu mungkin sangat menarik, mengingat prediktabilitas varians bersyarat sangat kuat sepanjang periode waktu. Gambar 1 membuat titik visual yang dramatis tentang stabilitas peraturan perdagangan teknis. Ini membuka pertanyaan filosofis mendalam tentang data yang mengintip, dan stasioneritas. Apakah ada sesuatu tentang dinamika harga saham yang berubah selama 10 tahun terakhir, atau merupakan tren awal mengikuti strategi yang diambil dari data 90 tahun sebelumnya. Hasil dalam (Sullivan et al., 1999) menunjukkan bahwa itu adalah perubahan dalam data, Sejak pengujian mereka mencoba menyesuaikan data mining pada sampel sebelumnya. Namun, tidak ada tes untuk data mining yang sempurna, 9 11 karena bergantung 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 ekstra atas sampel mereka. Beberapa peraturan ini telah digunakan sejak awal abad ini. Mengingat bahwa mereka tidak sesuai dengan sampel 90 tahun sebelumnya, hasilnya selama 10 tahun terakhir bahkan lebih menarik. Fitur sewenang-wenang dari data ini telah berubah secara dramatis, dan dalam konteks ini tampaknya tidak mungkin 10 tahun terakhir dapat ditarik 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 secara dramatis. Hasil akhir dari studi singkat ini menunjukkan bahwa peraturan yang digunakan di Brock et al. (1992) bisa saja diganti dengan yang sederhana. Strategi berbasis momentum sederhana menunjukkan kinerja yang sama dengan menggunakan kedua ukuran prediktabilitas. Kesederhanaan dan parsimoni sama seperti kebajikan untuk aturan perdagangan teknis seperti pada metode deret waktu tradisional lainnya, jadi penting untuk melihat bahwa peraturan yang lebih sederhana mungkin telah dilakukan dengan baik. Banyak aturan teknis menggunakan kombinasi pola moving average yang lebih kompleks, dan akan menarik untuk mengetahui berapa nilai tambahnya. Namun, di dunia nonstasioner yang disarankan oleh hasil ini, ketahanan bisa menjadi kebajikan yang jauh lebih besar daripada yang diperkirakan sebelumnya. 14 Hasilnya dilaporkan di Brock et al. (1992) telah berubah dengan jelas dalam beberapa tahun terakhir. Namun, hasil mereka dalam memprediksi varians bersyarat tetap stabil. Penyebab perubahan pertama tetap menjadi pertanyaan terbuka yang menarik. Mereka mungkin berkaitan dengan teknologi, informasi harga yang lebih baik, 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 tentang bagaimana fungsi pasar. Jika pedagang memang telah menukar keuntungannya, maka sebuah studi menarik adalah melihat sisi volatilitas 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 ini akan menjadi pertanyaan yang sangat menarik untuk dijawab. 13 Ingat, bahwa data yang mengintip ke ini adalah peraturan tersebut disetel selama 90 tahun sejarah sebelumnya untuk memaksimalkan perbedaan jual beli bersyarat. Dalam hal ini tidak begitu menakjubkan bahwa 10 tahun terakhir terlihat berbeda. 14 Lihat (Bookstaber 1999) untuk contoh aturan keputusan ketahanan dan aturan di bidang keuangan. 10 12 Referensi Acar, E. (1993), Evaluasi Ekonomi Peramalan Keuangan, tesis PhD, City University Business School, London, Inggris. Acar, E. amp Lequeux, P. (1996), strategi Dinamis, studi korelasi, di C. Dunis, ed. Peramalan pasar keuangan, Wiley, pp Acar, E. amp Satchell, S. (1998), Aturan Perdagangan Tingkat Tinggi, 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. amp Kroner, KF (1990), pemodelan ARCH di bidang keuangan: Tinjauan teori dan bukti empiris, Journal of Econometrics 52 (1), Bollerslev, T. Engle, RF amp Nelson, DB (1995) , Model ARCH, di Handbook of Econometrics, Vol. 4, Belanda Utara, New York, NY. Bookstaber, R. (1999), Manajemen risiko dalam organisasi yang kompleks, Jurnal Analis Keuangan 55 (2), Brock, WA Lakonishok, J. amp LeBaron, B. (1992), peraturan perdagangan teknis sederhana dan sifat stokastik pengembalian saham, Jurnal Keuangan 47, Chan, LKC Jegadeesh, N. amp Lakonishok, J. (1996), strategi Momentum, Jurnal Keuangan 51, Efron, B. (1979), metode Bootstrap: Lain melihat pisau lipat, The Annals of Statistics 7, Efron, B. amp Tibshirani, R. (1993), Pengantar Bootstrap, Chapman and Hall, New York. Engle, RF (1982), heteroskedastisitas bersyarat Autoregresif dengan perkiraan variansi inflasi kerajaan terpadu, Economistrica 50, Engle, RF amp Mustafa, C. (1992), model ARCH yang tersirat dari harga opsi, Journal of Econometrics 52, 13 Fama, EF amp Blume, M. (1966), Aturan Filter dan keuntungan perdagangan pasar saham, Jurnal Bisnis 39, Jegadeesh, N. amp Titman, S. (1993), Returns to buy winner and selling pecer: Implikasi efisiensi pasar saham, Jurnal Keuangan 48, LeBaron, B. (1992), Apakah hasil peraturan perdagangan rata-rata bergerak menyiratkan nonlinier di pasar valuta asing. Laporan teknis, Universitas Wisconsin - Madison, Madison, Wisconsin. LeBaron, B. (1998), peraturan perdagangan teknis dan pergeseran rezim dalam valuta asing, di E. Acar amp S. Satchell, eds, Aturan Perdagangan Lanjutan, Butterworth-Heinemann, pp Lo, AW amp MacKinlay, AC (1988), Stock Harga tidak mengikuti jalan-jalan acak: Bukti dari sebuah uji spesifikasi sederhana, Review of Financial Studies 1, Lo, AW amp Wang, J. (1995), Menerapkan model penetapan harga opsi ketika pengembalian aset dapat diprediksi, Journal of Finance 50, Maddala, GS Amp Li, H. (1996), tes berbasis Bootstrap pada model keuangan, di GS Maddala amp CR Rao, eds, Handbook of Statistics, Vol. 14, Belanda Utara, 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. amp 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 tidak efisien Harga. Catatan Ekonomi 68, 14 Uji T: Tahun Jual Beli Gambar 1: Uji T-Rolling: Perbedaan Buy-Sell, jendela rolling 5 tahun 13 Kestabilan aturan perdagangan rata-rata perdagangan rata-rata pada Oleh Blake Lebaron Makalah ini menganalisis perilaku perdagangan rata-rata teknikal rules applied to over 100 years of the Dow Jones Industrial Index. 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: oai:CiteSeerX. psu:10.1.1.419.6910Golden Crosses: The Bible I asked my friend Pete from Trade With Pete to do a guest post for me on Golden Crosses. Pete melakukan banyak pekerjaan teknis di blognya yang berurusan dengan topik dan ada sejumlah besar kontroversi seputar apakah mereka penting untuk diperhatikan. Periksa anak nakal ini out8230 8211 JB Sejarah crossover rata-rata 50 dan 200 hari Perajin dan komentator keuangan sering mengacu pada pola silang salib dan kematian emas yang terlihat pada grafik harga. For example: The golden cross and the death cross The cross refers to two simple moving averages crossing over each other. Salib emas dianggap sebagai tanda bullish terjadi ketika moving average 50 hari naik di atas rata-rata pergerakan 200 hari. Salib kematian dianggap sebagai tanda bearish yang terjadi ketika moving average 50 hari turun di bawah rata-rata pergerakan 200 hari. Penyebutan awal perpindahan rata-rata bergerak ditemukan pada buku tahun 1935, Keuntungan di Pasar Saham. Oleh H. M. Gartley: 8220 Salah satu fenomena teknis yang paling berguna dalam penentuan pembalikan utama adalah tren utama pergerakan rata-rata. Untuk tujuan ini, penulis lebih suka menggunakan aveage bergerak 200 hari, walaupun hasil yang memuaskan juga dapat diperoleh dengan menggunakan rata-rata pergerakan 20-30 minggu yang diterapkan pada grafik mingguan, atau rata-rata pergerakan 4-6 bulan yang diterapkan pada Grafik bulanan.88 Sejak saat itu, teknisi telah mempopulerkan penggunaan berbagai moving averages. Selama tahun 1970an, Rahasia Stan Weinsteins untuk Keuntungan di Bull and Bear Markets adalah penjual besar. Dia menulis, 8220Semua yang benar-benar bergerak rata-rata adalah memperlancar tren utama sehingga perputaran sehari-hari liar yang program pembelian dan penjualan baru bahkan membuat tindakan liar tidak membuang perspektif pasar Anda. Selama bertahun-tahun, saya telah menemukan bahwa rata-rata pergerakan 30 minggu (MA) adalah yang terbaik untuk investor jangka panjang, sementara MA 10 minggu paling baik digunakan oleh pedagang. Analisis tahap menggunakan harga relatif terhadap rata-rata bergerak untuk mengidentifikasi empat tahap siklus harga.8221 John Murphy, analis CNBC yang terkenal dari tahun 1990an, menulis dalam The Visual Investor, 8220 Dua rata-rata bergerak biasanya digunakan untuk menganalisis tren pasar. Bagaimana dua rata-rata yang terkait satu sama lain banyak bercerita tentang kecenderungan atau kelemahan suatu tren. Dua nomor yang umum digunakan di antara investor saham adalah kombinasi 50 hari (10 minggu) dan kombinasi 200 hari (40 minggu). Tren ini dianggap bullihs (ke atas) asalkan rata-rata lebih pendek di atas lebih lama. Setiap persimpangan dengan rata-rata yang lebih pendek di bawah yang lebih lama dianggap negatif. Beberapa analis menggunakan rata-rata 10 minggu dan 30 minggu untuk tujuan yang sama.8221 Penggunaan moving averages menjadi sangat umum sehingga mereka disebutkan dalam McGraw-Hill Investors Desk Reference. Apakah sinyal silang yang dapat diandalkan Seberapa efektif perpindahan rata-rata perpindahan rata-rata sebagai aturan perdagangan teknis Tiga makalah akademis penting menceritakan kisah tersebut. In 1991 Simple Technical Trading Rules And The Stochastic Properties Of Stock Returns researchers Brock, Lakonishok and LeBaron tested two of the simplest and most popular trading rulesmoving average and trading range breakby utilizing the Dow Jones Index from 1897 to 1986 and found strong support for the technical strategies. Pada tahun 1999, Stabilitas Aturan Perdagangan Teknis Bergerak Rata-rata pada Indeks Dow Jones LeBaron meninjau kembali studi ini dengan satu dekade data lagi. Temuan ini cukup mengganggu baginya untuk bertanya, Apakah ada sesuatu tentang dinamika harga saham yang berubah selama 10 tahun terakhir, atau merupakan tren awal mengikuti strategi yang diambil dari data sebelumnya 90 tahun LeBaron lebih jauh mencatat bahwa Sullivan, Timmerman amp White (1999) Data-Snooping, Technical Trading Rule Performance, dan Bootstrap menunjukkan bahwa walaupun tampaknya tidak mungkin peraturan ini diintip dari sampel sebelumnya, kinerja peramalan mereka selama beberapa tahun terakhir telah hilang. We would like to offer two possible explanations of why the crosses appear to work less than they used to. Bisa jadi proliferasi komputer pribadi telah membuat grafik harga dan bergerak rata-rata di mana-mana, dan karena itu, mengikis potensi tepi yang pernah diberikannya. Moving average adalah teknik perataan yang dirancang untuk detrended data dalam analisis deret waktu sehingga indikator berdasarkan perbedaan antara harga dan moving average mungkin lebih efektif daripada crossover. Analisis Teknis Stock Trends Edwards, Magee dan Bassetti menyimpulkannya dengan baik, Rata-rata pergerakan 200 hari diyakini secara luas sebagai indikator tren jangka panjang, dan percaya terkadang membuatnya menjadi kenyataan. Kami di TradeWithPete menggunakan salib emas dan kematian sebagai filter untuk membantu mempersempit bidang simbol ticker untuk analisis sentimen dan aksi harga lebih lanjut.
No comments:
Post a Comment