تجدید نظر در مورد عملکرد نوسان سازهای MACD و RSI

Chong and Ng (2008) دریافتند که قوانین متوسط همگرایی و همگرایی (MACD) و شاخص قدرت نسبی (RSI) می توانند بازده اضافی را در بورس اوراق بهادار لندن ایجاد کنند. در این مقاله ، عملکرد دو قانون معاملات در بازار سهام پنج کشور OECD دیگر بازبینی شده است. مشخص شده است که قانون MACD (12،26،0) و RSI (21،50) به طور مداوم بازده غیر طبیعی قابل توجهی در میلان Comit General و شاخص کامپوزیت S&P/TSX ایجاد می کنند. علاوه بر این ، قانون RSI (14،30/70) نیز در شاخص صنعتی داو جونز سودآور است. این نتایج بر اعتقاد سرمایه گذاران به این دو شاخص فنی در بازارهای مختلف توسعه یافته روشن می شود.

1. مقدمه

تجزیه و تحلیل فنی برای چندین دهه به طور گسترده در بازارهای مالی اعمال شده است. این بررسی می کند که چگونه یک سرمایه گذار می تواند از رفتار مشاهده شده در بازارهای مالی سود ببرد. تحلیلگران فنی معتقدند که عملکرد تاریخی بورس سهام نشانه ای از عملکرد آینده است و برای فرد امکان می دهد قوانین تجاری سودآور را با استفاده از قیمت های تاریخی ، نمودارها و آمارهای مرتبط تدوین کند. با این حال ، مطالعات متعارف در قوانین تجارت فنی ، به ندرت توضیحاتی در مورد اینکه چرا این قوانین سودآور هستند ارائه می دهد. اخیراً ، امور مالی رفتاری ، که بررسی می کند که چگونه می توان از روانشناسی و سایر تئوری های رفتاری برای توضیح رفتار سرمایه گذاران استفاده کرد ، به مبنای نظری برای تحلیل فنی تبدیل شده است.

این که آیا به قوانین معاملات فنی می توان برای تصمیم گیری در مورد سرمایه گذاری اعتماد کرد ، بحث برانگیز بوده است. تعداد قابل توجهی از مطالعات عملکرد تجزیه و تحلیل معاملات فنی را بررسی کرده اند. جنسن و بنینگتون [1] نشان می دهند که از اطلاعات گذشته نمی توان برای پیش بینی قیمت های آینده استفاده کرد. Neftçi [2] استدلال می کند که اگر روند اساسی خطی باشد ، تجزیه و تحلیل فنی نمی تواند بازار را شکست دهد. آلن و کرجالینن [3] همچنین نتیجه می گیرند که قوانین تجارت فنی سودهای غیر طبیعی را نسبت به استراتژی خرید و نگهدارنده ، به ویژه پس از کسر هزینه های معامله ، ایجاد نمی کنند. اخیراً ، Tanaka-yamawaki و Tokuoka [4] همچنین گزارش می دهند که اغلب از شاخص های فنی استفاده می کنند ، مانند حرکت متوسط همگرایی-دوری (MACD) و شاخص قدرت نسبی (RSI) ، در پیش بینی قیمت های مختلف سهام انتخاب شده داخل روز ایالات متحده مؤثر نیستندواد

Treynor و Ferguson [5] ، با این حال ، استدلال می کنند که وقتی اطلاعات غیر عمومی در نظر گرفته می شود ، تجزیه و تحلیل فنی می تواند سود قابل توجهی ایجاد کند. Bessembinder و Chan [6] نتیجه می گیرند که قوانین میانگین و دامنه معاملات در حال حرکت از استراتژی خرید و نگهدارنده در بازارهای سهام آسیا بهتر است. سالیوان و همکاران.[7] ، Gunasekarage و Power [8] ، Kwon و Kish [9] و Chong و Ng [10] همچنین بازده اضافی قابل توجهی را به قوانین تجارت فنی گزارش می دهند. چونگ و IP [11] نشان می دهند که استراتژی حرکت بازده قابل توجهی در بازارهای در حال ظهور ارز به همراه دارد. Lui و Chong [12] از رویکرد آزمایش Trader Human برای مقایسه عملکرد معامله گران با تجربه و تازه کار استفاده می کنند. مشخص شده است که معامله گران که از تجزیه و تحلیل فنی آگاهی بیشتری دارند ، به طور قابل توجهی از کسانی که کمتر آگاهی دارند بهتر عمل می کنند.

در این مقاله، سودآوری MACD و RSI مورد ارزیابی قرار گرفته است. در دهه 1980 ثابت شد که MACD یک ابزار ارزشمند برای معامله گران است و RSI نیز از زمان معرفی آن توسط وایلدر در سال 1978 مورد استفاده قرار گرفت [13،14،15]. از امروز، این دو قانون هنوز به طور گسترده به عنوان شاخص های معاملاتی در بازار استفاده می شوند [16،17]. علیرغم محبوبیت و استفاده گسترده آنها در میان بازرگانان و دست اندرکاران، در ادبیات آکادمیک بسیار مورد غفلت قرار گرفته اند [18]. به این ترتیب، عملکرد تجربی آنها هنوز به طور رسمی مورد تجزیه و تحلیل قرار نگرفته است. شایان ذکر است، Chong و Ng [10] قوانین MACD و RSI را برای داده های ماهانه 60 ساله (ژوئیه 1935 تا ژانویه 1994) شاخص FT30 بورس لندن اعمال می کنند. نویسندگان نتیجه می گیرند که MACD و RSI می توانند به طور قابل توجهی بالاتر از استراتژی خرید و نگه داشتن در این بازار تولید کنند. مطالعه حاضر روح Chong و Ng [10] را گسترش می دهد تا بررسی کند که آیا چنین قوانینی می توانند به طور کلی بازده اضافی برای بازارهای بیشتری به غیر از مورد خاص بورس لندن ایجاد کنند. برای این منظور، بازارهای سهام پنج کشور OECD در نظر گرفته شده است. نتایج ما نشان می دهد که قوانین MACD (12،26،0) و RSI (21،50) به طور مداوم بازده غیرعادی قابل توجهی را در میلان Comit General و شاخص ترکیبی S&P/TSX ایجاد می کنند. این احتمالاً به این دلیل است که بازار سهام ایتالیا در مقایسه با بازارهای سهام سایر کشورهای عمده OECD توسعه‌یافته کمتری دارد و بنابراین نسبتاً ناکارآمد است. علاوه بر این، بخش 2 به طور مختصر مجموعه داده ها و قوانین معاملات را شرح می دهد. بخش 3 نتایج تجربی را ارائه می دهد و بخش 4 مطالعه ما را به پایان می رساند.

2. داده ها و روش شناسی

قیمت های بسته شدن روزانه میلان Comit General، S&P/TSX Composite، DAX 30، Dow Jones Industrials و Nikkei 225 از ژانویه 1976 تا دسامبر 2002 از DataStream به دست آمده است. سودآوری قوانین معاملات MACD و RSI برای این شاخص ها خواهد بود. ارزیابی شد. MACD بر اساس میانگین متحرک نمایی ساخته شده است. با کم کردن میانگین متحرک نمایی طولانی تر (EMA) طول پنجره N از EMA کوتاهتر طول پنجره M محاسبه می شود، که در آن EMA به صورت زیر محاسبه می شود:

جایی که EMA_t(N) میانگین متحرک نمایی در زمان t، N طول پنجره EMA و P است._tمقدار شاخص در زمان t است. دو قانون مختلف MACD بررسی می شوند:

سیگنال خرید زمانی تولید می‌شود که MACD از زیر صفر را عبور دهد، در حالی که سیگنال فروش زمانی به دست می‌آید که MACD از بالا از صفر عبور کند. این قانون معاملاتی با MACD (N, M, 0)3 نشان داده می شود.

سیگنال خرید زمانی ایجاد می شود که MACD از متحرک نمایی 9 روزه MACD از پایین عبور کند، در حالی که سیگنال فروش زمانی به دست می آید که MACD از متحرک نمایی 9 روزه MACD از بالا عبور کند. این قانون معاملاتی با MACD (N, M, 9) نشان داده می شود.

جایی که RSI_t ( N ) is the Relative Strength Index at time t , and N is the bandwidth. 1 is an indicator function, which equals one when the statement inside the bracket is true, and is zero otherwise. | x | is the absolute value of x . The values of the RSI range from 0 to 100 inclusively. A stock is considered as fairly priced if its RSI is at the centerline 50. Thus, whenever the RSI is above 50, it indicates a bullish market, while the market is considered to be bearish when the RSI is below 50. RSI may also be used to identify overbought ( RSI >70) و فروش بیش از حد (RSI< 30) markets. Two different RSI rules are studied in this paper:

هنگامی که RSI از خط مرکزی (RSI = 50) از پایین عبور می کند، سیگنال خرید ایجاد می شود، در حالی که سیگنال فروش زمانی که RSI از خط مرکزی از بالا عبور می کند، به دست می آید. این قانون معاملاتی با RSI (N, 50) نشان داده می شود. در این مقاله، RSI (7، 50)، RSI (14، 50) و RSI (21، 50) مورد بررسی قرار خواهند گرفت.

قانون چهارم از مناطق فروش بیش از حد و بیش از حد خرید استفاده می کند. وقتی RSI به زیر منطقه اشباع فروش سقوط کرد (RSI< 30) and rises above 30 again, a buy signal is obtained. A sell signal is produced when the RSI rises above the overbought zone ( RSI >70) و دوباره به زیر 70 می رسد. در این مقاله، RSI (14، 30/70) و RSI (21، 30/70) را مطالعه می کنیم.

ما رویه براک و همکاران را اتخاذ می کنیم.[20] که هرگاه سیگنال خرید یا فروش وجود داشته باشد، تمام سیگنال های دیگر در ده روز آینده نادیده گرفته می شود. به این ترتیب، عملکرد MACD و RSI و بازده خرید و نگهداری بر اساس بازده ده روزه ارزیابی می شوند (r_t10) که به صورت زیر محاسبه می شود:

جدول 1. آمار خلاصه برای بازده ده روزه.

3. نتایج تجربی

3. 1. خرید و نگه دارید

آمار خلاصه برای بازده ده روزه، که بازده استراتژی خرید و نگهداری نیز می باشد، در جدول 1 گزارش شده است. میانگین بازده ده روزه پنج شاخص بورس از 0. 096% متغیر است (Nikkei 225 Stock Average) به 0. 39٪ (Milan Comit General). توجه داشته باشید که چولگی تمام پنج سری مورد بررسی به طور قابل توجهی منفی است. علاوه بر این، بازده ده روزه برای این شاخص ها به شدت لپتوکورتیک است، با قوی ترین مقدار کشیدگی که برای صنایع داوجونز ثبت شده است. این یافته ها با یافته های ادبیات موجود مطابقت دارد [8].

3. 2. قوانین تجارت

بازده ده روزه قوانین معاملاتی MACD و RSI ما در جدول 2A تا جدول 3F خلاصه شده است. در این جداول، «N (خرید)» و «N (فروش)» در ستون‌های دوم و سوم به ترتیب تعداد سیگنال‌های خرید و فروش تولید شده در دوره نمونه را نشان می‌دهند."خرید" و "فروش" در دو ستون بعدی در هر جدول به میانگین بازده ده روزه تولید شده توسط سیگنال های خرید و فروش مربوطه اشاره دارد. توجه داشته باشید که بازده منفی از سیگنال فروش به معنای سود مثبت است. آمارهای t گزارش شده در این دو ستون، فرضیه صفر برابری بین بازده تولید شده توسط قانون معاملات ( μ_r) و بازده خرید و نگهداری ( μ )، یعنی : μ_r= μ، جایی که r نشان دهنده خرید یا فروش است. با پیروی از براک و همکاران.(1992)، آمار t برای بازده خرید یا فروش به صورت زیر محاسبه می شود:

که در آن μ میانگین بازده ده روزه نمونه، μ است_rمیانگین بازده ده روزه سیگنال خرید یا فروش است و N_r is the number of buy or sell signals. σ 2 and N are the estimated variances and the number of observations of the sample, respectively. “Buy > 0” and “Sell > 0” in the sixth and seventh columns refer to the fractions of times that the associated buy-and-sell signals are higher than zero. “Buy–Sell” in the last column contains the returns from buy signals less those from their sell signal counterparts. The null hypothesis of zero profit ( =0) against the alternative of positive profit ( >0) با استفاده از آمار تست زیر آزمایش می شود:

جایی که μ_bو μ_sبه ترتیب میانگین بازده ده روزه سیگنال های خرید و فروش را نشان می دهد، در حالی که N_bو N_sبه تعداد سیگنال های خرید و فروش مربوطه مراجعه کنید.

جدول 2A میانگین بازده ده روزه از قانون MACD(12, 26, 0) را خلاصه می کند. قانون MACD (12،26،0) در شاخص‌های میلان Comit General و S&P/TSX Composite به خوبی عمل می‌کند. فرضیه صفر برابری بین بازده از شاخص‌های بازار و استراتژی خرید و نگه‌داری در سطوح اهمیت متعارف رد می‌شود. این نشان می دهد که استراتژی معاملاتی از استراتژی خرید و نگه داشتن عملکرد بهتری دارد. سودآورترین سیگنال خرید (فروش) در شاخص Comit General Milan با میانگین بازده ده روزه 1. 379% ظاهر می شود. توجه داشته باشید که بازده خرید و فروش به طور قابل توجهی مثبت است. برای شاخص ترکیبی S&P/TSX، هر دو فرضیه صفر در سطح معنی‌داری 5 درصد رد می‌شوند.

جدول 2A. میانگین بازده ده روزه از MACD (12،26،0).

جدول 2B نتایج قانون MACD(12, 26, 9) را نشان می دهد. برای آلمان، عملکرد این قانون چندان رضایت بخش نیست. این قانون نمی‌تواند سودی بالاتر از استراتژی خرید و نگه‌داشتن داشته باشد. بازده خرید و فروش به طور قابل توجهی در سطح 5٪ منفی است، که نشان می دهد سرمایه گذارانی که سیگنال های معاملاتی MACD (12, 26, 9) را دنبال می کنند، بازده منفی 0. 944٪ از یک جفت سیگنال خرید و فروش را متحمل خواهند شد. این ضرر در مقایسه با بازده مثبت خرید و نگهداری 0. 249٪ قابل توجه است.

جدول 2B. میانگین بازده ده روزه از MACD (12،26،9).

در میان پنج سری بررسی شده، قوانین معاملاتی بدترین عملکرد را در DAX 30 دارند. برای سری های باقی مانده، MACD (12،26،9) قابل پیش بینی نیست. از آنجایی که ترکیب EMA های هشت روزه، هفده روزه و متقاطع خط سیگنال می تواند سیگنال های خرید قابل اعتمادتری تولید کند [21]، ما همچنین قانون MACD (8،17،9) را در این مقاله بررسی می کنیم. از جدول 2C، بازده سیگنال های خرید برای ایتالیا منفی است. برای آلمان، قانون MACD (8،17،9) سیگنال‌های فروش را تولید می‌کند که بازدهی منفی را به همراه دارد. بازده خرید و فروش نیز به طور قابل توجهی در سطح 5 درصد برای هر دو کشور منفی است.

جدول 2C. میانگین بازده ده روزه از MACD (8،17،9).

از جدول 3A، قانون RSI(7،50) بازدهی منفی را در میلان Comit General ایجاد می کند. نتایج جدول 3B نشان می دهد که قانون RSI 14 روزه نیز دارای قابلیت پیش بینی است. به طور کلی، ارزش خرید و فروش مثبت است، که به معنای سودآوری این قانون است. در بیشتر موارد، قانون RSI (14،50) قادر به ایجاد سود است. قابل پیش بینی بودن قانون معاملات برای RSI 21 روزه در جدول 3C گزارش شده است. این قانون استراتژی خرید و نگه داشتن را در میلان Comit General و S&P/TSX Composite شکست می دهد.

جدول 3A. میانگین بازده ده روزه از RSI (7، 50).

جدول 3B. میانگین بازده ده روزه از RSI (14، 50).

جدول 3C. میانگین بازده ده روزه از RSI (21، 50).

جدول 3 بعدی. میانگین بازده ده روزه از RSI (7، 30/70).

جدول 3E. میانگین بازده ده روزه از RSI (14، 30/70).

جدول 3F. میانگین بازده ده روزه از RSI (21، 30/70).

از جدول 3D، اکثر سری ها تحت قانون RSI (7، 30/70) بازده منفی دارند. بازگشت در میلان Comit General به طور قابل توجهی منفی است. زیان 1. 163 درصد از یک جفت تراکنش خرید و فروش است. برای سایر کشورها، هیچ یک از بازده ها به طور قابل توجهی بالاتر از استراتژی خرید و نگه داشتن نیست. قانون RSI (14، 30/70) بازدهی منفی برای سه سری دارد. برای میلان Comit General، یک جفت تراکنش خرید و فروش بازدهی منفی 1. 03 درصدی ایجاد می‌کند، در حالی که برای DAX30 0. 91- درصد است. توجه داشته باشید که سیگنال فروش ضرر قابل توجهی به میزان 1. 049% برای DAX30 ایجاد می کند. با این حال، این قانون کمی بهتر از استراتژی خرید و نگه داشتن در صنایع داوجونز است. برای همه قوانین دیگر، بازده قابل توجهی یافت نمی شود. قانون RSI (21، 30/70) بازدهی منفی برای General Comit میلان ایجاد می کند.

3. 3. هزینه تراکنش

نتایج فوق در غیاب هزینه های معامله بدست می آید. در این بخش ، این فرض را آرام می کنیم. طبق نظرسنجی هادسون و همکاران.[22] در مورد کارگزاران سهام و بخش های کارگزار سهام بانکهای بزرگ پاکسازی ، حداقل هزینه کمیسیون حداقل 0. 1 ٪ است. هنگامی که پیشنهاد پیشنهادی 0. 5 ٪ و وظیفه تمبر دولت 0. 5 ٪ درج می شود ، هزینه معاملات دور رفت و برگشت حداقل 1 ٪ است . 5 آنها نشان می دهد که قوانین معاملات فنی بروک و همکاران.[20] پس از در نظر گرفتن هزینه معاملات دور 1 ٪ ، بازده اضافی را در بازار انگلیس ایجاد نکنید. میلز [23] همچنین نشان می دهد که قوانین متوسط و محدوده معاملات در حال حرکت نمی توانند بازده بالاتر از استراتژی خرید و نگهدارنده را در هنگام در نظر گرفتن هزینه 1 ٪ معامله ایجاد کنند. بنابراین ، در این مقاله ، هزینه 1 ٪ معامله برای محاسبه سود خالص از هر یک از قانون معاملات درج شده است . 6 ما روی بازارهای ایتالیایی و کانادا تمرکز خواهیم کرد که حاوی بیشترین تعداد قوانین سودآور تجارت است. مشخص شده است که با حضور 1 ٪ هزینه معامله ، MACD (12،26،0) که برای این دو کشور اعمال می شود هنوز هم سودآور است. برای شاخص عمومی Milan Comit و شاخص کامپوزیت S&P/TSX ، سود خالص MACD (12،26،0) به ترتیب 1. 021 ٪ 7 و 0. 776 ٪ است. علاوه بر این ، میانگین بازده سالانه RSI (21،50) خالص خالص 1 ٪ هزینه معامله دور برای شاخص عمومی Milan Comit 5. 069 ٪ است.

4. نتیجه گیری

نظم و انضباط مالی به مدت چهار دهه توسط فرضیه بازار کارآمد (EMH) تحت سلطه قرار گرفته است. با این حال ، EMH بر این فرض ساخته شده است که سرمایه گذاران منطقی و کاملاً آگاه هستند. اگر تجزیه و تحلیل فنی بتواند بازده غیرطبیعی داشته باشد ، این بدان معنی است که EMH و فرضیات اساسی آن نتوانسته اند. در سالهای اخیر ، محققان تلاش کرده اند قوانین تجاری سودآور ناشی از الگوهای رفتار انسان را شناسایی کنند. این مطالعه با گزارش سودآوری دو نوسان ساز ، یعنی میانگین همگرایی متحرک (MACD) و شاخص قدرت نسبی (RSI) در پنج بازار اصلی OECD ، به ادبیات موجود در تأمین مالی رفتاری کمک می کند. این دو قانون به طور گسترده توسط سرمایه گذاران مورد استفاده قرار گرفته است ، اما عملکرد تجربی آنها نسبتاً ناشناخته است.

این مطالعه نشان می دهد که متقاطع خط مرکزی RSI توانایی پیش بینی کننده ای در بازارهای سهام ایتالیایی و کانادا دارد. به طور خاص ، قانون RSI (21،50) در شاخص عمومی میلان Comit عملکرد خوبی دارد. قانون RSI (14،30/70) نیز در شاخص صنعتی داو جونز سودآور است. سود با حضور 1 ٪ هزینه معاملات دور رفت و برگشت پایدار است. این یافته ها مطابق با Chong و Ng [10] است که قوانین MACD و RSI می توانند سود قابل توجهی را برای FT30 ایجاد کنند. با این حال ، برای میانگین سهام Nikkei 225 ، هیچ یک از قوانین نمی توانند استراتژی خرید و نگهدارنده را شکست دهند. هنگامی که دو قانون RSI مقایسه می شوند ، مشخص می شود که عملکرد متقاطع خط مرکزی بهتر است. نتایج ما اعتقاد سرمایه گذاران به این دو شاخص فنی در بازارهای مختلف توسعه یافته را روشن می کند. وجود سود قانون معاملات همچنین نشان می دهد که سرمایه گذاران در این بازارها فقط ممکن است کاملاً منطقی باشند.

نکته قابل توجه ، چونگ و NG [10] نشان می دهند که قوانین MACD و RSI نسبت به انتخاب نمونه قوی هستند. با این حال ، توجه به این نکته حائز اهمیت است که مطالعه حاضر نشان می دهد که این قوانین برای انتخاب بازار قوی نیستند. با هم در کنار هم ، قبل از تصویب این قوانین ، برای معامله گران و دست اندرکاران توصیه می شود که حداقل سودآوری این قوانین را در بازارهای خود با استفاده از داده های تاریخی مشخص کنند. علاوه بر این ، یک نمونه کارها معاملات شبیه سازی می تواند به منظور کشف پتانسیل کامل این شاخص ها در یک وضعیت واقعی ایجاد شود. واد

منابع ذکر نشده

1. M. C. جنسن ، و G. A. بنینگتون"پیاده روی تصادفی و نظریه های فنی: برخی از شواهد اضافی."J. مالی. 25 (1970): 469-482.[Google Scholar] [CrossRef]
2. s. n. نفتچی"قوانین تجارت ساده در بازارهای مالی و تئوری پیش بینی وینر-کلموگوروف: مطالعه" تحلیل فنی ". J. Bus. 64 (1991): 549-571.[Google Scholar]
3. F. Allen ، and R. Karjalainen."استفاده از الگوریتم های ژنتیکی برای یافتن قوانین تجارت فنی."J. مالی. ECON51 (1999): 245–271.[Google Scholar] [CrossRef]
4. M. Tanaka-Yamawaki ، و S. Tokuoka."استفاده تطبیقی از شاخص های فنی برای پیش بینی قیمت سهام داخل روز."فیزیکA 383 (2007): 125-133.[Google Scholar] [CrossRef]
5. J. L. Treynor ، و R. Ferguson."در دفاع از تحلیل فنی."J. مالی. 40 (1985): 757-773.[Google Scholar] [CrossRef]
6. H. Bessembinder ، و K. Chan."سودآوری قوانین فنی در بازارهای سهام آسیا."pac. بودجه حوضه. J. 3 (1995): 257–284.[Google Scholar] [CrossRef]
7. R. Sullivan ، A. Timmerman و H. White."داده ها ، عملکرد قانون تجارت فنی و بوت استرپ."J. مالی. 54 (1999): 1647-1691.[Google Scholar] [CrossRef]
8. A. Gunasekarage ، و D. M. قدرت."سودآوری قوانین متوسط معاملات در بازارهای سهام آسیای جنوبی."ظهورعلامت. وحی 2 (2001): 17-33.[Google Scholar] [CrossRef]
9. K. Y. Kwon ، و R. J. کیش"استراتژی های معاملاتی فنی و پیش بینی بازگشت: NYSE."کاربردمالی. ECON12 (2002): 639-653.[Google Scholar] [CrossRef]
10. T. T.-L. چونگ ، و W. K. ng"تجزیه و تحلیل فنی و بورس اوراق بهادار لندن: آزمایش قوانین MACD و RSI با استفاده از FT30."کاربردECONکاهنده15 (2008): 1111-1114.[Google Scholar] [CrossRef]
11. T. T.-L. چونگ ، و H. ip."آیا استراتژی های مبتنی بر حرکت در بازارهای نوظهور کار می کنند؟"PAC. بودجه حوضه. J. 17 (2009): 479-493.[Google Scholar] [CrossRef]
12. K. M. LUI ، و T. T.-L. چونگ"آیا تحلیلگران فنی نسبت به معامله گران تازه کار: شواهد تجربی."ECONگاو نر. 33 (2013): 3080-3087.[Google Scholar]
13. J. W. وحشی ترمفاهیم جدید در سیستم های معاملاتی فنی. Greensboro ، NC ، USA: Trend Research ، 1978. [Google Scholar]
14. S. P. Stawicki."استفاده از تکنیک های تجزیه و تحلیل مالی برای داده های نشانه حیاتی: یک روش جدید از تفسیر روند در بخش مراقبت های ویژه."OPUS12 SCI. 1 (2007): 14-16.[Google Scholar]
15. H. Ni ، و H. Yin."پیش بینی نرخ ارز با استفاده از شبکه های عصبی ترکیبی و شاخص های معاملاتی."Neurocomputing 72 (2009): 2815–2823.[Google Scholar] [CrossRef]
16. R. White."شاخص تجزیه و تحلیل فنی که کار می کند برای این سهام مثبت می شود."فوربس15 آوریل 2013. در دسترس آنلاین: http://www. forbes. com/sites/greatspeculations/2013/04/15/technical-analysis-indicator-works-works-works-positive-for-these-stocks/27 دسامبر 2013).
17. R. Rosillo ، D. de la Fuente ، and J. A. L. بروگوس"تجزیه و تحلیل فنی و بورس اوراق بهادار اسپانیا: آزمایش قوانین RSI ، MACD ، حرکت و تصادفی با استفاده از شرکت های بازار اسپانیا."کاربردECON45 (2013): 1541-1550.[Google Scholar] [CrossRef]
18. N. ülkü ، و E. Prodan."محرک های فنی روند پیروی از روند فنی" در بازارهای جهانی سهام. "int. Rev. Financ. مقعد30 (2013): 214-229.[Google Scholar] [CrossRef]
19. J. J. مورفیتجزیه و تحلیل فنی بازارهای مالی: یک راهنمای جامع برای روش ها و برنامه های معاملاتی. نیویورک ، نیویورک ، ایالات متحده: انستیتوی دارایی نیویورک ، 1999. [Google Scholar]
20. دبلیو بروک ، جی. لاکونیشوک ، و ب. لبارون."قوانین ساده تجارت فنی و خصوصیات تصادفی بازده سهام."J. مالی. 5 (1992): 1731-1764.[Google Scholar]
21. M. J. Pring. حرکت توضیح داد. نیویورک ، نیویورک ، ایالات متحده: مک گرا-هیل ، 2002 ، دوره 1 و 2. [Google Scholar]
22. R. Hudson ، M. Dempsey و K. Keasey."یادداشتی در مورد کارآیی ضعیف در بازارهای سرمایه: استفاده از قوانین ساده تجارت فنی در قیمت سهام انگلیس تا 1995 تا 1994."J. Bank. مالی. 20 (1996): 1121-1132.[Google Scholar] [CrossRef]
23. T. C. آسیاب ها"تجزیه و تحلیل فنی و بورس اوراق بهادار لندن: آزمایش قوانین معاملات با استفاده از FT30."int. J. مالی. ECON2 (1997): 319-331.[Google Scholar] [CrossRef]
24. کیلوگرم. Rouwenhorst."استراتژی های بین المللی حرکت."J. مالی. 53 (1998): 267–284.[Google Scholar] [CrossRef]
25. E. F. Fama."بازار سرمایه کارآمد ، مروری بر تئوری و کار تجربی."J. مالی. 25 (1970): 383-417.[Google Scholar] [CrossRef]

1 به [18] مراجعه کنید ، در میان معدودی برای استفاده اخیر از این شاخص های فنی در بازار سهام اسپانیا.

2 در بررسی پیش بینی قوانین MACD و RSI در زیر نمونه های مختلف ، چونگ و NG [6] نشان می دهد که این قوانین نسبت به انتخاب دوره نمونه قوی هستند.

5 به دلیل افزایش رقابت بین کارگزاران سهام و معرفی معاملات اینترنتی ، هزینه های معاملات در سالهای اخیر به شدت کاهش یافته است. پیش بینی می شود که روند این کاهش هزینه معاملات ادامه یابد ، که فضای بیشتری برای توسعه قوانین معاملات فنی در آینده فراهم می کند.

6 Rouwenhorst [19] خاطرنشان می کند که برای بازارهای سهام بزرگ و نقدی در اروپا ، هزینه معامله کمتر از 1 ٪ است.

7 توجه داشته باشید که در طی 27 ساله 75 سیگنال خرید و 79 سیگنال فروش وجود دارد. بنابراین ، خالص بازده سالانه هزینه معامله (1. 093 ٪ - 0. 5 ٪) 75/27 + (0. 286 ٪ - 0. 5 ٪) 79/79/27 = 1. 021 ٪ است.