تشخیص الگوهای تحلیل تکنیکال با استفاده از رگرسیون کرنل

نوع مقاله: کاربردی

نویسندگان

1 استادیار گروه اقتصاد، دانشگاه خاتم، تهران، ایران

2 دانشجوی کارشناسی ارشد، مهندسی مالی، دانشگاه خاتم، تهران، ایران

چکیده

در سال‌های 1960-1970 پژوهش‌های بسیاری در مورد فرضیه بازار کارا انجام شد و پس از آن بسیاری از پژوهشگران این فرضیه را به چالش کشیدند. یکی از ابزارها برای رد فرضیه کارا، الگوهای تحلیل تکنیکال هستند. در این پژوهش از الگوهای سر و شانه، کف و سقف، الگوی پرچم مستطیلی صعودی و نزولی، پرچم مثلثی صعودی و نزولی، مستطیل صعودی و نزولی، دوقلوی سقف و کف و سه قلوی سقف و کف استفاده شده است. با استفاده از رگرسیون کرنل که یکی از روش­های هموارسازی برای کاستن خطاهای مشاهده شده است، قیمت­های سهم هموار و اکسترمم‌ها، با استفاده از پنجره غلتان مبتنی بر رگرسیون کرنل و الگوها، متناسب با الگوریتم­های کمی هر الگو شناسایی شدند. بر این اساس شرکت­های ایران‌خودرو، بانک ملت و سرمایه­گذاری صنعت نفت، از ابتدای سال 1390 تا انتهای خرداد 1395 بررسی شدند. یافته­های پژوهش نشان می‌دهند الگوها دارای اطلاعات مفید هستند. به عبارت دیگر در نمونه‌های مورد بررسی، توان غلبه بر استراتژی خرید و نگهداری و با استفاده از آزمون دوجمله­ای توانایی غلبه بر کارایی بازار در سطح ضعیف وجود دارد.
JEL: G14, G17
نحوه استناد به این مقاله : موسوی، م. م.، و پورابراهیم، ح. ر. (1395). تشخیص الگوهای تحلیل تکنیکال با استفاده از رگرسیون کرنل. فصلنامه مدلسازی ریسک و مهندسی مالی، 1(2)، 166-184.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

A Kernel Regression Method for Technical Pattern Recognition

نویسندگان [English]

  • Mohammad Mahdi Mousavi 1
  • hamidreza pourebrahim 2
1 Assistant Prof., Faculty of Management, Khatam University, Tehran, Iran
2 MSc. Student in financial engineering, Faculty of Management, University of Khatam, Tehran, Iran
چکیده [English]

During 1960-1970, several studies were done base on efficient market hypothesis but the researchers sought to challenge this hypothesis. One of the tools that use to reject this hypothesis is Technical analysis. Technical analysis is intuitive and visual approach based on past information. One of the tools of Technical analysis is patterns that are geometric shapes. In this paper, we propose a systematic and automatic approach to technical pattern recognition using nonparametric kernel regression and we apply this method to bank mellat, iran khodro and oil industry investment stocks from March 2011 to May 2016. Finally we assess the ability to predict correct trends by using patterns. We find that patterns do provide incremental information and can overbear the weak form of efficient market. The patterns that we investigate on, are head & shoulder top and bottom, ascending & descending flag, bullish & bearish pennant, rectangle tops & bottoms, double tops & bottoms, triple top & bottoms patterns.
JEL: G14, G17
How to cite this paper: Mousavi, M. M., & Pourebrahim, H. (2016). Kernel Regression Method for Technical Pattern Recognition. Quarterly Journal of Risk Modeling and Financial Engineering, 1(2), 166–184. (In Persian)

کلیدواژه‌ها [English]

  • Technical Analysis
  • Kernel Regression
  • Efficient Market

شباهنگ، ر.، و حسنی، ف. (1382). نحوه به‌کارگیری الگوی معامله تکنیکی در بورس اوراق بهادار تهران. فصلنامه آینده پژوهی مدیریت، 15(4)، 17-37.

محمدی، ش. (1383). تحلیل تکنیکی در بورس اوراق بهادار تهران. فصلنامه علمی و پژوهشی تحقیقات مالی، 6 (1)، 97-129.

نمازی، م.، و شوشتریان، ز. (1374). بررسی کارایی بازار بورس اوراق بهادار ایران. فصلنامه علمی و پژوهشی تحقیقات مالی، 2(7)، 82-104.

Alexander, S. (1964). Price Movement in Speculative Markets: Trends or Random Walks, No. 2. Industrial Management Review, 5(2), 25-46.

Bulkowski, T. (2005). Encyclopedia of Chart Patterns, 2nd Edition. New Jersey: Wiley & Sons.

Brooks, C. (2008). Introductory Econometrics for Finance (Second Edition). Cambridge University Press.

Campbell, J., Lo, AW., & MacKinlay, AC. (1997). The Econometrics of Financial Markets. New Jersey: Princeton University Press.

Chong, T., & Poon, K. (2014). A New Recognition Algorithm for “Head-and-Shoulders” Price Patterns.

Dawson, E., & Steeley, J. (2003). On the Existence of Visual Technical Patterns in the UK Stock Market. Journal of Business Finance & Accounting, 30(1), 263-293.

Edwards, RD., Magee, J. (1997). Technical Analysis of Stock Trends, 7th Edn. Boston: John Magee.

Fama, E. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. Journal of Finance, 25(2), 383–417.

Fama, E., & Blume, M. (1966). Filter Rules and Stock Market Trading Profits. Journal of Business, 39(1), 226-241.

Fox, J. (2005). Introduction to Nonparametric Regression. McMaster University, Canada.

Wang J., & Chan S. (2007). Stock Market Trading Rule Discovery Using Pattern Recognition and Technical Analysis. Expert Systems with Applications, 33(2), 304–315.

Jensen, M., & Bennington, G. (1970). Random Walks and Technical Theories: Some Additional Evidences. Journal of Finance, 25(2), 469–482.

Levy, R. (1971). The Predictive Significance of Five-Point Chart Patterns. Journal of Business, 44(3), 316-323.

Lo, AW., Mamaysky, H., & Wang, J. (2000). Foundations of Technical Analysis: Computational Algorithms, Statistical Inference, and Empirical Implementation. The Journal of Finance, 55(4), 1705-1765.

Malkeil, B. G. (1996). A Random Walk Down Wall Street. New York: W. W. Norton.

Mohammadi, S. (2004). Technical Analysis in Tehran Securities Exchange.The Journal of financial research, 6(1), 97-129. (In Persian)

Murphy, J. (1986). Technical Analysis of The Future Markets: A Comprehensive Guide to Trading Methods and Applications. New York: Prentice Hall.

Namazi, M., & Shooshtarian, Z. (1995). The Investigation of the Efficiency of Iran's Stock Exchange.The Journal of financial research. 2(7), 82-104. (In Persian)

Neftci, S. (1991). Naive Trading Rules in Financial Markets and Wiener-Kolmogorov Prediction Theory: A Study of "Technical Analysis". The Journal of Business, 64(4), 549-571.

Osler, CL & Chang, PH. (1995). Head and Shoulders: Not Just a Flaky Pattern. Federal Reserve Bank of New York Staff Reports, 4, August 1995.

Savin, G., Weller, P., & Zvingelis, J. (2007). The Predictive Power of ‘‘Head-and-Shoulders’’ Price Patterns in the U.S. Stock Market. Journal of Financial Econometrics, 5(2), 243-265.

Shabahang, R., & Hassani, F. (2004). How Technical Patterns are used in the Tehran Securities Exchange. Scientific Journal Management System, 15(4), 17-37. (In Persian)

Sweeney, R. (1988). Some New Filter Rule Tests: Methods and Results. Journal of Financial and Quantitative Analysis, 23 (3), 87-92.

Tsinaslanidis, P., & Zapranis, A. (2016). Technical Analysis for Algorithmic Pattern Recognition. Switzerland:Springer International Publishing.

White, R. E. & Pruitt, S. W. (1988). The CRISMA Trading System: Who Says Technical Analysis Can’t Beat the Market? Journal of Portfolio Management, 14 (3), 55–58.