بهبود تجزیه و تحلیل فنی MACD با بهینه سازی پارامترها و اصلاح قوانین معاملات: شواهدی از بازار آتی Nikkei 225 ژاپن

تحقیقات زیادی با استفاده از ابزار تجزیه و تحلیل فنی واگرایی متوسط همگرایی (MACD) عملکرد یا کارایی بازار را بررسی کرده است. با این حال ، بیشتر آزمایشات با تنظیمات پارامتر سنتی 12 ، 26 و 9 روز نتوانستند کارآیی را تأیید کنند. این مطالعه تأیید می کند که استفاده از مدل سنتی در قیمت های آینده Nikkei 225 ژاپن عملکرد منفی را در دوره 2011-2019 ایجاد می کند. با این حال ، همچنین می یابد که ابزار MACD هنگام استفاده از مقادیر پارامتر بهینه شده می تواند بازده مثبت قابل توجهی کسب کند. این نشان می دهد که بازار ژاپن به این معنا که قیمت های آتی تمام اطلاعات عمومی را منعکس نمی کند ، از نظر ضعیف کارآمد نیست. از این رو ، سه مقدار پارامتر ابزار MACD باید برای هر بازار بهینه شود و این باید بر یافتن استراتژی های دیگر برای کاهش سیگنال های تجارت کاذب ، برتری داشته باشد. این مطالعه همچنین آزمایش می کند که مدل ها با استفاده از معیارهای اضافی قادر به بهبود سودآوری برای جلوگیری از سیگنال های تجاری کاذب هستند. از شبیه سازی ها با استفاده از 19456 مدل مختلف MACD ، می فهمیم که تعداد مدل هایی با عملکرد بهبود یافته ناشی از این استراتژی ها برای مدل هایی با مقادیر پارامتر بهینه شده نسبت به مدل هایی با مقادیر غیر بهینه شده بسیار بیشتر است. این رویکرد در ادبیات موجود مورد بحث قرار نگرفته است.

1. مقدمه

MACD (واگرایی متوسط همگرایی در حال حرکت) یکی از محبوب ترین شاخص های حرکت است که در تجزیه و تحلیل فنی قیمت سهام و سایر دارایی های قابل تجارت مورد استفاده قرار می گیرد. این شامل سه پارامتر برای تعریف سه دوره زمانی است: دو پارامتر برای محاسبه سری MACD است که تفاوت بین میانگین های متحرک "کوتاه مدت" و "بلند مدت" (EMA) سری قیمت ها است. مورد دیگر برای "سیگنال" این سریال است که EMA از MACD است. تمام این سریال ها از داده های قیمت تاریخی محاسبه می شوند ، که اغلب با استفاده از قیمت های بسته شدن روزانه ، و به عنوان "خط MACD" و "خط سیگنال" در یک نمودار گرافیکی از شاخص نشان داده می شود. از نظر تولید سیگنال ، تفسیر آن به شرح زیر معمول است: "خرید" وقتی خط MACD از خط سیگنال عبور می کند و هنگام عبور از خط سیگنال ، "فروش" می کند. این قانون تجارت "متقاطع خط سیگنال" نامیده می شود و سیگنال خرید/فروش یک نشانه اصلی است که توسط این شاخص ارائه می شود ، اگرچه روش های واقعی سرمایه گذاران از مدل MACD برای تجارت متنوع هستند.

متداول ترین مقادیر پارامترهای مورد استفاده 12، 26، و 9 روز هستند و این مقادیر معمولاً به شکل MACD نشان داده می شوند (12،26،9). با این حال، فرمت (12،26،9) نه یک استاندارد رسمی است و نه ترکیبی است که توسط Appel (1979) که MACD را توسعه داده است، توصیه شده است. گفته می شود که اپل در ابتدا دو تنظیمات مختلف را در نمودار روزانه پیشنهاد کرد: (8،17،9) برای سیگنال های خرید و (12،25،9) برای سیگنال های فروش. مورفی (1999، ص 253) بعداً به این دو مقدار تنظیم متفاوت Appel اشاره کرد و افزود: "اپل در ابتدا یک مجموعه از اعداد را برای سیگنال های خرید و دیگری را برای سیگنال های فروش توصیه می کرد. با این حال، اکثر معامله‌گران از مقادیر پیش‌فرض 12، 26 و 9 در همه موارد استفاده می‌کنند. در واقع، هر عنصر از (12،26،9) - در مواقعی که هفته کاری شامل 6 روز بود، نه 5 روز - به ترتیب 2 هفته معاملاتی، 1 ماه معاملاتی و یک و نیم هفته معاملاتی را نشان می داد. با این حال، تمام سیگنال های تولید شده توسط نشانگر MACD به سه مقدار پارامتر بستگی دارد. بنابراین، مقادیر دیگر را می توان با توجه به سبک معاملاتی و اهداف فرد جایگزین کرد تا حساسیت فرآیند تولید سیگنال را تغییر دهد.

با این وجود، بسیاری از محققان دانشگاهی اثربخشی رویکرد MACD را آزمایش کرده اند یا از آن برای اندازه گیری کارایی بازار استفاده کرده اند. با این حال، تعداد کمی از این ارزیابی‌ها نتوانستند کارایی را بر اساس نتایج معاملاتی به‌دست‌آمده با سه تنظیمات پارامتر سنتی ۱۲، ۲۶ و ۹ روزه تأیید کنند. آنها توجه خود را بر روی آزمایش اینکه آیا استفاده از ابزارهای تحلیل تکنیکال مانند شاخص MACD در بازارهای مالی می‌تواند بازدهی بهتری نسبت به استراتژی‌های خرید و نگهداری غیرفنی یا نرخ بهره بدون ریسک داشته باشد، متمرکز کردند. از این رو، توجه کمی به توضیح بهینه بودن تنظیمات ارزش پارامتر سنتی MACD داده شده است. برخی از محققان از ترکیبات پارامترهای مختلفی استفاده کردند، اما آنها همچنین هیچ دلیل منطقی برای مقادیر آنها ارائه نکردند، به جز کلمات مبهم مانند "زیرا بیشتر استفاده می شود". این نشان می‌دهد که اگر ارزش‌های دیگری را در نظر گرفته بودند، ممکن است به نتایج بسیار متفاوتی رسیده باشند. بنابراین فضا برای بهبود رویکرد موجود برای آزمایش‌های کارایی بازار با استفاده از MACD وجود دارد.

از سوی دیگر، توجه شاغلانی که از اندیکاتور MACD استفاده می کنند، معطوف به بهبود سودآوری آن است. از این رو، آنها به دنبال مقادیر پارامترهای بهینه برای به دست آوردن بهترین نتیجه هستند. با این حال، آزمایش مقادیر پارامترهای مختلف آسان نیست زیرا ترکیبات بالقوه بسیار زیادی وجود دارد. به طور کلی، دلیل اصلی اصرار در استفاده از مقادیر پارامترهای رایج، حرکت سنت است. در همین حال، زمانی که قدرت پیش‌بینی مدل MACD (12،26،9) کاهش می‌یابد، سیگنال‌های تجاری آن را زیر سوال می‌برند و معیارهای استراتژی تجاری اضافی را برای اصلاح این سیگنال‌های تجاری تخریب‌شده امتحان می‌کنند. در واقع، یک رویکرد برای کاهش سیگنال‌های تجاری نادرست، تغییر تنظیمات پارامتر MACD برای کنترل مستقیم فرکانس تولید سیگنال است. رویکرد دیگر استفاده از معیارهای استراتژی تجاری اضافی برای اصلاح غیر مستقیم سیگنال های تجاری تولید شده توسط قانون معاملات است. با این حال، استراتژی‌های اضافی اغلب مبتنی بر تجربه و شهود فردی بدون سازگاری هستند. در اینجا چند سؤال ساده مطرح می‌شود، «آیا این استراتژی‌های تجاری تکمیلی، بهبود سودآوری را با کاهش سیگنال‌های تجاری نادرست، بدون تغییر مقادیر پارامترهای سنتی ممکن می‌سازد؟یا، آیا باید پارامترهای سنتی مدل MACD برای کاهش سیگنال های تجاری نادرست تغییر کند؟

از این منظر ، هدف از این تحقیق بررسی اعتبار سه نکته زیر است:

این که آیا استفاده از مدل سنتی MACD برای سرمایه گذاری در بازار سهام ژاپن سود واقعی ایجاد می کند.

این که آیا جایگزین کردن مقادیر پارامتر بهینه تر و بهتر برای نمونه های سنتی می تواند بازده بالاتری نسبت به مدل سنتی داشته باشد.

این که آیا استفاده از استراتژی های اضافی برای جلوگیری از سیگنال های تجارت کاذب به مدل هایی با ارزش پارامتر بهینه شده ، سودآوری را بهبود می بخشد. و خاص تر بودن:

این که آیا یک استراتژی تجاری سیستماتیک سازگار با مدل هایی با مقادیر پارامتر بهینه بهتر ، قادر به تولید بازده قابل توجهی بالاتر در مقایسه با مدل سنتی و یک استراتژی خرید و نگهدارنده غیر فنی است.

این که آیا تأثیر استفاده از یک استراتژی تجاری سیستماتیک می تواند یک پیشرفت باشد ، حتی برای مدلهایی با مقادیر پارامتر غیر بهینه.

بسیاری از مقالات منتشر شده با استفاده از مدل MACD وجود دارد. با این حال ، توجه کمی به نکته سوم ذکر شده در بالا (به ویژه در مورد آخرین زیر) توجه شده است. از این نظر ، این تحقیق یک تجزیه و تحلیل مقایسه ای از تأثیر استفاده از استراتژی های اضافی در تنظیمات پارامتر بهینه شده و تنظیمات غیر بهینه شده است. چندین یافته و پیشنهاد مفید از این تحقیق ناشی می شود.

باقیمانده تحقیق به شرح زیر است: بخش 2 ادبیات موجود مربوط به این تحقیق را بررسی می کند. بخش 3 به طور خلاصه نشانگر حرکت MACD و محدودیت های ناشی از تولید سیگنال کاذب را توضیح می دهد. بخش 4 جزئیات روش استفاده شده در این مطالعه را شرح می دهد. بخش 5 نتایج تجربی را در مورد سه نکته فوق الذکر و اظهار نظر در مورد آنها ارائه می دهد. بخش 6 اظهارات نتیجه گیری را با بحث در مورد پیامدهای تحقیق ارائه می دهد.

2. بررسی ادبیات

بسیاری از محققان دانشگاهی مقادیر پارامتر سنتی را برای آزمایش اثربخشی رویکرد MACD و اندازه گیری کارآیی بازار بر اساس فرضیه بازار کارآمد (EMH) FAMA (1970) اتخاذ کردند. Chong and Ng (2008) مدل MACD و یکی دیگر از ابزارهای تحلیل فنی ، شاخص قدرت نسبی (RSI) را بررسی کردند تا ببینند آیا این قوانین تجاری سودآور هستند یا خیر. آنها با استفاده از 60 سال داده (1935-1935) برای شاخص بورس اوراق بهادار لندن FT30 ، دریافتند که این دو ابزار معاملاتی می توانند بازده بالاتری نسبت به یک استراتژی خرید و نگهدارنده در بازار ایجاد کنند. استراتژی "خرید و نگهدارنده" به عنوان معیار برای آزمایش اثربخشی MACD و RSI اعمال شد ، که بر بازده 10 روزه پس از سیگنال خرید یا فروش متمرکز است و در حالی که تمام سیگنال های معامله دیگر را در طی این 10 روز نادیده می گیردواداز نظر MACD ، آنها یک مدل MACD (12،26،0) را تصویب کردند که از یک قانون معاملات "صفر متقاطع" پیروی می کند (برای جزئیات به بخش 3. 2 مراجعه کنید). دلیل اتخاذ این شکل از مدل MACD (12،26،0) صرفاً به این دلیل بود که "12- و 26 روز متداول ترین هستند" ، به نقل از مورفی (1999).

چونگ و همکاران.(2014) بعداً بررسی كرد كه آیا مدل MACD و RSI به طور کلی می توانند بازده اضافی را برای سهام سهام پنج كشور OECD دیگر (ایتالیا ، كانادا ، آلمان ، ایالات متحده و ژاپن) ایجاد كنند. آنها MACD (12،26،0) ، MACD (12،26،9) و MACD (8،17،9) را برای داده های بازار طی 27 سال (2002-2002) به کار بردند. یافته های آنها عبارتند از: (1) مدل MACD (12،26،0) از یک استراتژی خرید و نگهدارنده در ایتالیایی (Milan Comit General) و کانادا (شاخص کامپوزیت S&P/TSX) بهتر است.(2) با استفاده از مدل سنتی MACD (12،26،9) منجر به بازده منفی قابل توجهی برای بازار سهام آلمانی (DAX 30) شد و این مدل هیچ قدرت پیش بینی کننده ای برای بازارهای سایر کشورها نداشت. و (3) بازده مدل MACD (8،17،9) که توسط Appel معرفی شده است - در بازارهای ایتالیایی و آلمان به طور قابل توجهی منفی بود در حالی که هیچ قدرت پیش بینی ای برای سایر بازارهای دیگر نداشت. بر اساس این یافته ها ، آنها نتیجه گرفتند که MACD (12،26،0) ، MACD (12،26،9) و MACD (8،17،9) قوانین تجاری "برای انتخاب بازار قوی نیستند". اما آنچه در اینجا نباید از آن غافل شویم این است که در حالی که قانون تجارت MACD (12،26،0) از استراتژی خرید و نگهدارنده در بازار ایتالیا بهتر است ، مدل MACD (12،26،9) پتانسیل سود را درهمان بازاراین شواهد قوی است که نشان می دهد سودآوری رویکرد MACD به تنظیمات ارزش پارامتر آن بستگی دارد. برای افزودن اظهارات در بیان به همین دلیل که آنها مدل MACD (8،17،9) را امتحان کردند ، فقط به دلیل ادعای زیر بود که "این می تواند سیگنال های خرید قابل اطمینان تری تولید کند" در Pring (2002).

NOR و Wickremasinghe (2014) با استفاده از داده های نسبتاً اخیر (1996 تا اواسط سال 2014) برای شاخص همه ادهای استرالیا (XOA) ، سودآوری مدل MACD (12،26،9) را بررسی کردند. آنها بازده قانون معاملات MACD (12،26،9) را با بازده 10 روزه برای یک استراتژی خرید و نگهدارنده با استفاده از همان رویکرد چونگ و نگ (2008) و چونگ و همکاران مقایسه کردند.(2014). آنها دریافتند که مدل سنتی MACD به طور کلی در بازار عملکرد ضعیفی دارد اما مدل RSI پتانسیل سود را نشان می دهد. بنابراین ، آنها نتیجه گرفتند که به طور کلی "بورس اوراق بهادار استرالیا به صورت ضعیف کارآمد نیست". این سؤال را مطرح می کند ، "چرا مدل سنتی (12،26،9) تنها تعیین کننده سودآوری همه مدل های MACD و کارآیی بازار است؟"هیچ دلیل قانع کننده ای وجود ندارد که همیشه از تنظیمات پارامتر (12،26،9) استفاده کنید.

حجاسه و همکاران(2017) همچنین از مدل سنتی MACD (12،26،9) برای قیمت سهام شش بانک لبنانی و یک شرکت املاک و مستغلات استفاده کرده اند تا تعیین کنند که آیا ابزار MACD قادر به ارائه سودهای بالاتر به معامله گران سهام لبنان است یا خیر. نکته جالب این است که برای جلوگیری از سیگنال‌های نادرست پس از فیلتر کردن نتایج تجربی در طول 10 سال داده (2004-2014)، آنها سه استراتژی معاملاتی متفاوت از قانون معاملاتی معمولی «تقاطع خط سیگنال» مدل MACD را آزمایش کردند. اولین مورد این است که تراکنش «خرید (فروش)» را تنها زمانی اجرا کنید که سه سیگنال «خرید (فروش)» در سه روز متوالی تولید شود. مورد دوم اجرای تراکنش «خرید (فروش)» تنها زمانی است که مقدار خط MACD بیش از 0. 03 از مقدار خط سیگنال تجاوز کند (زیر می‌رود) که مربوط به حاشیه ایمنی 3 درصد است. استراتژی سوم اجرای تراکنش «خرید (فروش)» تنها زمانی است که حداقل تفاوت بین ارزش خط MACD و مقدار خط سیگنال از 0. 5، 1. 1 یا 3. 5 درصد قیمت بسته شدن پس از انتظار برای سه سیگنال مشابه متوالی فراتر رود. بر اساس منطق آنها، «راهبرد سوم به این دلیل پیشنهاد شد که به کارگیری دو استراتژی فوق الذکر کمک قابل توجهی به کاهش سیگنال‌های غلط نداشته است». با این وجود، آنها دریافتند که هر سه استراتژی غیر متعارف از استراتژی «خرید و نگهداری» که شامل خرید سهام در ابتدای دوره و سپس فروش آنها در پایان دوره بود، عملکرد بهتری نداشتند. از این رو، آنها به این نتیجه رسیدند که، "در دراز مدت، معاملات پویا MACD منطقی نیست زیرا سود بالقوه آنها کمتر از رویکرد ایستا "خرید و نگه داشتن" است. در اینجا دوباره این سوال مطرح می شود، "چرا در استفاده از تنظیمات پارامتر سنتی (12،26،9) اصرار داریم؟"اگر ارزش‌های دیگری را در نظر می‌گرفتند، شاید به نتایج متفاوتی می‌رسیدند.

در واقع، قبل از مطالعات فوق الذکر، بسیاری از محققین قبلاً گزارش داده اند که MACD با تنظیم پارامترهای خود بر روی مقادیر سنتی نتایج خوبی ایجاد نمی کند. آنها نتوانستند با استفاده از مدل سنتی MACD (12،26،9) به نتایج خوبی دست یابند.

مایسنر و همکاران(2001) اثربخشی مدل سنتی MACD (12،26،9) را آزمایش کرد و دریافت که منجر به نرخ موفقیت شگفت‌آور ضعیف 32. 14 درصد برای سهام DOW 30 و 32. 73 درصد برای سهام NASDAQ-100 آزمایش‌شده به‌صورت جداگانه می‌شود. دوره 1989-1999. از این نتایج، آنها به این نتیجه رسیدند که شاخص MACD سنتی تقریباً می تواند به عنوان یک ضد شاخص در نظر گرفته شود. آرمور و همکاران(2010، به نقل از Anghel 2015) همچنین قانون سنتی معاملات MACD (12،26،9)، از جمله یک قانون میانگین متحرک ساده روی داده های 20 ساله برای شاخص اصلی بازار سهام ایرلند را آزمایش کرد و متوجه شد که قانون MACD نسبت به خرید ضعیف عمل می کند. استراتژ ی-و نگه داریدچن و متقالچی (2012) قدرت پیش‌بینی 32 مدل از ترکیب‌های شاخص تک، دو یا سه‌گانه را بر اساس محبوب‌ترین شاخص‌های فنی شش‌گانه برای شاخص سهام برزیل (BOVESPA) طی دوره 1996 تا 2011 بررسی کردند و دریافتند که هیچ یک ازمدل های معاملاتی، از جمله مدل MACD (12،26،9)، می توانند استراتژی خرید و نگه داشتن را شکست دهند. نتایج از قدرت پیش‌بینی تحلیل تکنیکال پشتیبانی نمی‌کنند، بنابراین آنها به این نتیجه رسیدند که شاخص سهام برزیل کارایی ضعیفی دارد. Abbey و Doukas (2012) آزمایش کردند که آیا مدل MACD (12،24) و سه شاخص تحلیل تکنیکال شناخته شده دیگر برای پنج ارز برای معامله گران ارز فردی سودآور هستند یا خیر. با استفاده از یک پایگاه داده اختصاصی از 428 معامله‌گر ارز فردی در دوره مارس 2004 تا سپتامبر 2009، آنها دریافتند که چهار شاخص فنی محبوب عملکرد منفی دارند و به این نتیجه رسیدند که این نتیجه به این دلیل است که معامله‌گران ارز از شاخص‌های فنی شناخته شده برای معامله ارزها استفاده می‌کنند. اشاره کرد که چنین معامله گران ارز از کاهش عملکرد رنج می برند. روزیلو و همکاران(2013) بررسی کرد که کدام یک از چهار ابزار تحلیل تکنیکی رایج، از جمله مدل سنتی MACD (12،26،9) سود بیشتری را برای شرکت‌های بازار پیوسته اسپانیا از سال 1986 تا 2009 به دست آورد. اگرچه آنها فقط یک نمونه از نتایج را برایشرکت تلفونیکا، مجموع سود خالص ایجاد شده با استفاده از مدل MACD، 2. 48 درصد نامطلوب بود. دو پلسیس (2013) مدل MACD (12،26،9) و یک استراتژی خرید و نگهداری را بررسی کرد تا مشخص کند کدامیک برای شاخص بازار سهام آفریقای جنوبی (FTSE/JSE Top 40) در دوره 2001 تا 2001 موثرتر است. 2010. او دریافت که مدل سنتی MACD کمتر از استراتژی خرید و نگه داشتن موثر است. بر اساس این نتیجه، وی اظهار داشت که MACD یک استراتژی سرمایه گذاری موثر با استفاده از تنظیمات پیش فرض در بازار نیست.

همانطور که از بحث بالا پیداست، بسیاری از محققین با استفاده از تنظیمات پارامترهای سنتی شاخص MACD نتوانسته اند نتایج رضایت بخشی برای آن بیابند و نتایج منفی برای آن گرفته اند. با این حال، این محققان بهینه بودن پارامترهای سنتی MACD را بررسی نکردند.

بر اساس نکات ذکر شده در بالا، واضح است که: (1) نیازی قانع کننده به پایبندی به تنظیمات ارزش پارامتر سنتی وجود ندارد، زیرا این مقادیر پارامتر یک استاندارد واقعی نیستند، و علاوه بر این، ارزش سودآورتری وجود دارد. ترکیبات؛(2) سه مقدار پارامتر باید به روشی سیستماتیک انتخاب شوند و به طور خاص برای هر بازار طراحی شوند، زیرا سیگنال های معاملاتی مدل MACD به مقادیر پارامتر بستگی دارد و سودآوری آنها نتیجه این مقادیر است. و (3) بهینه سازی سه مقدار پارامتر باید بر جستجوی استراتژی های تجاری تکمیلی برای جلوگیری از سیگنال های تجاری نادرست اولویت داشته باشد. چنین رویکردی هم محتاطانه و هم بسیار کارآمدتر از جستجوی کورکورانه استراتژی ها به صورت تصادفی و بدون بهره مندی از بهینه سازی پارامتر است.

3. مقدمات

فرمول عناصر اندیکاتور MACD و نکات مختصری در مورد محدودیت های اندیکاتور در این بخش ارائه شده است.