یک رویکرد فنی برای سرمایه گذاری در حقوق صاحبان سهام در آفریقای جنوبی: یک داستان از دو فهرست

نمایش فرمول:؟فرمول های ریاضی به عنوان MATHML رمزگذاری شده اند و در این نسخه HTML با استفاده از MathJax به منظور بهبود نمایشگر خود نمایش داده می شوند. جعبه را برای خاموش کردن MathJax از آن جدا کنید. این ویژگی به JavaScript نیاز دارد. برای بزرگنمایی روی فرمول کلیک کنید.

این تحقیق از میانگین های متحرک ساده و چهار شاخص مشهور دیگر برای بررسی سودمندی رویکرد تحلیل فنی به بورس یوهانسبورگ (JSE) در آفریقای جنوبی استفاده می کند. شاخص های فنی در دو شاخص JSE که نمایانگر شرکت های بزرگ کلاه و کلاه های کوچک در طی دوره 1/2/2002 تا 12/31/18 است ، اعمال می شود. بهترین قوانین تجارت برای هر دو کلاه کوچک و کلیه شاخص های سهم شامل استفاده از دو میانگین حرکت ساده است. برای شاخص CAP کوچک ، بهترین دو قانون معاملات ما و یک استراتژی کم خطر ، بازده بیش از حد خالص سالانه مثبت در استراتژی خرید و نگهدارنده (B& H) برای کل دوره و هر دوره فرعی دارند ، بنابراین قوانین معاملات می توانند استراتژی B& H را شکست دهندبشربا این حال ، ما نمی توانیم برای همه شاخص سهم (نماینده شرکتهای بزرگ کلاه) یکسان بگوییم.

1. معرفی

تحلیلگران بازار سهام در هنگام تصمیم گیری در مورد سرمایه گذاری پول ، رویکرد اساسی (FA) و رویکرد تحلیل فنی (TA) از دو روش اساسی استفاده می کنند. تحلیلگرانی که از FA استفاده می کنند سعی می کنند با نگاهی به اقتصاد کلی ، صنعت و متغیرهای شرکت مانند درآمد هر سهم ، جریان پول در هر سهم ، فرصت های پروژه ، کیفیت مدیریت و بسیاری دیگر از معیارهای مالی دیگر ، ارزش یک شرکت را تعیین کنند. ارزش ذاتی یا اساسی شرکت. آنها سپس این ارزش ذاتی یا اساسی را با قیمت بازار مقایسه می کنند. اگر قیمت بازار سهام زیر ارزش ذاتی یک شرکت باشد ، یک فرصت سرمایه گذاری خوب و برعکس محسوب می شود. تحلیلگران FA با این نوع شرکت نمونه کارها خود را جمع می کنند و امیدوارند استراتژی Buy and Hold (B& H) را شکست دهند.

تجزیه و تحلیل فنی (TA) روشی برای ارزیابی قیمت سهام با تجزیه و تحلیل آمار حاصل از فعالیت بازار مانند حجم ، بهره باز ، قیمت های گذشته و شاخص های مختلف محاسبه شده از قیمت و حجم است. رویکرد TA فرض می کند که قیمت و حجم گذشته ، بسته شدن قیمت نسبت به بالا و پایین روز آن ، و بسیاری از شاخص های ساخته شده با استفاده از داده ها و حجم های گذشته می توانند حرکات قیمت آینده را نشان دهند. عبارت "Trend Friend شما است" مبتنی بر تجزیه و تحلیل فنی است که از روند و نمودار برای پیش بینی قیمت های آینده استفاده می کند. همانطور که توسط مورفی (1999) ذکر شد ، مفهوم روند برای رویکرد فنی ضروری است. پرینگ (1991) همچنین خاطرنشان می کند که هنر تجزیه و تحلیل فنی ، زیرا این یک هنر است ، شناسایی یک روند معکوس در یک مرحله نسبتاً اولیه و سوار شدن بر روی آن روند تا زمانی که وزن شواهد نشان می دهد یا ثابت می کند که این روند معکوس شده است.

بسیاری از شاخص ها برای تعیین اینکه آیا یک روند تغییر کرده است یا خیر ، استفاده می شود که مهمترین این روند تعیین کننده شاخص ها روش میانگین متحرک (MA) است. در این مقاله ، ما از میانگین های متحرک ساده و چهار شاخص مشهور دیگر برای بررسی سودمندی TA در آفریقای جنوبی استفاده خواهیم کرد. بخش 2 مطالعات پژوهشی را در TA ارائه می دهد در حالی که بخش 3 روش این مطالعه را توصیف می کند. بخش های 4 تا 6 شامل نتایج تجربی مطالعه ، استراتژی های معاملاتی ، هزینه های ریسک و معاملات و نتیجه گیری است.

2. بررسی ادبیات

در دهه 1960 و 1970 ، تقریباً همه اقتصاددانان مالی TA را تحقیر کردند و به نفع نظریه پیاده روی تصادفی و فرضیه بازار کارآمد (EMH) استدلال کردند. EMH استدلال می کند که هیچ سرمایه گذار یا معامله گر نمی توانند بازده غیر طبیعی در سهام را انجام دهند زیرا تمام داده ها و اطلاعات ، گذشته و حال ، در قیمت فعلی کاملاً منعکس شده اند. EMH فرض نمی کند که قیمت ها همیشه درست هستند ، اما فقط می گوید که هیچ کس نمی داند که امنیت کم ارزش باشد یا بیش از حد ارزش داشته باشد و انحراف از قیمت سهام فعلی تصادفی است. بنابراین ، یک احتمال برابر وجود دارد که سهام در هر نقطه از زمان کم ارزش یا بیش از حد ارزش داشته باشد ، و این انحراف تصادفی از قیمت فعلی به این معنی است که هیچ کس نمی تواند به طور مداوم سهام کم ارزش پیدا کند و سود غیر طبیعی کسب کند. با این حال ، برخی از اقتصاددانان مالی نسبت به EMH شک و تردید دارند و سعی می کنند از روشهای مختلف کمی برای ضرب و شتم استراتژی B& H استفاده کنند. در مقاله اخیر ، کیشان (2017) می نویسد که رایانه ها می توانند بازارهای مختلفی را ببینند و قادر به ارزیابی نحوه عملکرد آنها با توانایی تشخیص الگوهای هستند که می توانند استراتژی های تجاری سودآور را نشان دهند.

بیشتر تحقیقات اولیه از EMH حمایت می کردند اما روند در دهه 1980 و 1990 شروع به تغییر کرد که مقالات با استفاده از روش های TA شروع به نشان دادن قدرت پیش بینی کننده آن کردند. در نتیجه ، بسیاری از اقتصاددانان مالی شروع به اجرای روش شناسی TA کردند که منجر به یک جریان تحقیقاتی محکم در مورد TA می شود (نگاه کنید به ین و لی ، 2008 ؛ کرکپاتریک و دالکیست ، 2011). همانطور که توسط پارک و ایروین (2007) ذکر شد ، پس از بررسی 137 مقاله در مورد TA از سال 1960 تا 2004 ، بیشتر مطالعات اولیه (1960 تا 1988) از TA برای بازارهای سهام پشتیبانی نمی کنند. با این حال ، در میان 95 مطالعه مدرن (1988 تا 2004) ، نویسندگان نتیجه می گیرند که 56 مطالعه از سودآوری TA پشتیبانی می کنند ، 19 مطالعه نتایج مختلط را ارائه می دهند و 20 مطالعه از TA پشتیبانی نمی کنند. از مهمترین مطالعات ، کار اصلی Sweeney (1986) است که از روش TA برای بررسی ده ارز از سال 1973 تا 1980 استفاده می کند و نتیجه می گیرد که TA در بیش از 80 ٪ موارد سودآور است. علاوه بر این ، لوکاک و همکاران.(1988) از چهار شاخص TA ، از جمله تغییر میانگین روند روند ، به 12 بازار آینده ایالات متحده استفاده می کند و نتیجه می گیرد که قوانین معاملات دارای قدرت پیش بینی کننده ای هستند و می توانند استراتژی B& H را شکست دهند. در جای دیگر ، بروک و همکاران.(1992) دو شاخص TA بسیار مشهور را در شاخص صنعتی داو جونز به مدت 90 سال اعمال کنید و نتیجه بگیرید که نتایج آنها مطابق با قوانین فنی است که دارای قدرت پیش بینی کننده هستند.

از زمان بررسی پارک و ایروین (2007) ، اکثر تحقیقات نشان می دهد که TA دارای قدرت پیش بینی کننده است. با این حال ، یک سؤال اساسی که این مطالعات مشترک است این است که آیا یک معامله گر می تواند از قدرت پیش بینی TA برای ضرب و شتم سودآوری استراتژی B& H با توجه به ریسک و هزینه های معامله استفاده کند. پاسخ به این سؤال مختلط است ، جایی که برخی تحقیقات نشان می دهد که می توان استراتژی B& H را حتی در نظر گرفتن ریسک و هزینه های معامله ، به ویژه در مورد بازارهای در حال ظهور ، ضرب و شتم کرد. از طرف دیگر ، تحقیقات دیگر نتیجه می گیرد که ضرب و شتم استراتژی B& H ، به ویژه برای بازارهای توسعه یافته امکان پذیر نیست. مطالعات مربوط به سودآوری TA شامل بالسارا و همکاران است.(2009) ، چن و همکاران.(2011) ، چن و لی (2006) ، چونگ و همکاران.(2010) ، هان و همکاران.(2013) ، Hsu و Kuan (2005) ، Lesmond و همکاران.(2004) ، منخوف و تیلور (2007) ، متگالشی و همکاران.(2008) ، Metghalchi و همکاران.(2012) ، Metghalchi و همکاران.(2015) ، میترا (2011) ، Mobarek و Angelo Fiorante (2014) ، Teixeira and Inácio de Oliveira (2010) ، Shynkevich (2016) و Shynkevich (2017). حدود 25 ٪ از این مطالعات تحقیقاتی قدرت پیش بینی TA را رد می کنند ، در حالی که 75 ٪ دیگر از قدرت پیش بینی TA پشتیبانی می کنند. با این حال ، نیمی از 75 ٪ تحقیقاتی که از قدرت پیش بینی کننده TA پشتیبانی می کنند ، سودآوری TA را هنگام در نظر گرفتن هزینه های معامله و ریسک رد می کند. این مطالعه TA را برای دو شاخص سهام آفریقای جنوبی که در بورس اوراق بهادار ژوهانسبورگ در آفریقای جنوبی معامله می شود ، اعمال می شود.

2. 1راندمان بازار بازارهای سهام آفریقا

FAMA (1970) راندمان ضعیف در بازارهای مالی را به عنوان موردی تعریف می کند که در آن قیمت های امنیتی همیشه تمام اطلاعات گذشته موجود را منعکس می کنند ، در حالی که قیمت های امنیتی کارآمد نیمه قوی کاملاً منعکس کننده اطلاعات گذشته و حال است ، و قیمت های امنیتی کارآمد با فرم قوی همه را منعکس می کند (گذشته، حال و آینده) اطلاعات موجود. برخی از مطالعات با تمرکز بر بازارهای نوظهور ، به ویژه بازار سهام آفریقا ، از فرضیه بازار کارآمد "شکل ضعیف" پشتیبانی می کنند (Maggenusson & Wydick ، 2002 ؛ Ntim et al. ، 2011 ؛ Vitali & Mollah ، 2010). این مطالعات از EMH پشتیبانی می کند و استدلال می کند که قیمت سهام از فرضیه پیاده روی تصادفی پیروی می کند و هیچ اطلاعات سودآور توسط سرمایه گذاران برای دستیابی به سود بالاتر از استراتژی B& H حاصل نمی شود.

با این حال، مطالعات دیگر در مورد بازارهای سهام آفریقا از کارایی بازارهای سهام آفریقا پشتیبانی نمی کند. این مطالعات استدلال می کنند که تشخیص الگوهای قیمت تکرارشونده برای تجارت سودآور با استفاده از رویکرد TA ممکن است. به عنوان مثال، Ogieva و Ogbeide (2017) با مطالعه داده های روزانه از 2003 تا 2015 برای بازار سرمایه نیجریه به این نتیجه رسیدند که رویکرد TA دارای قدرت پیش بینی برای بازار سهام نیجریه است. این یافته ها با مطالعه منطقه ای Magnusson و Wydick (2002) برای تعدادی از بازارهای آفریقا در دوره 1992-1998، مطالعه Appiah-Kusi و Menyah (2003) از 11 بازار سهام آفریقا، و Vitali و Mollah (2010) مطابقت دارد.) مطالعه بازار سهام نیجریه برای دوره 1999-2009.

مطالعه ویتالی و مولا (2010) از همبستگی ها، اجراها و آزمون های نسبت واریانس بر روی داده های روزانه از بازارهای سهام منتخب آفریقا برای دوره 1999-2009 استفاده می کند. نتایج حاصل از مطالعه آنها نشان می دهد که بازارهای مصر، کنیا، مراکش، نیجریه و تونس کارآمدی ضعیفی ندارند، به این معنی که رویکرد TA قیمت های امنیتی آینده را در این بازارها تشخیص می دهد. در مقابل، مطالعه آنها آفریقای جنوبی را به شکل ضعیف کارآمد نشان می دهد که نشان می دهد قیمت های اوراق بهادار در بورس اوراق بهادار ژوهانسبورگ از فرضیه پیاده روی تصادفی پیروی می کنند. Magnusson و Wydick (2002) با استفاده از روش همبستگی سریال بر روی داده های ماهانه از سال 1992 تا 1998 برای بازارهای سهام منتخب آفریقا، پشتیبانی تجربی برای TA در غنا، نیجریه و زیمبابوه پیدا کردند. از سوی دیگر بازارهای مالی بوتسوانا، ساحل عاج، کنیا، موریس و آفریقای جنوبی دارای کارایی ضعیفی هستند.

NTIM و همکاران.(2011) مطالعه یک شاخص قیمت سهام در سطح قاره آفریقا (آفریقا همه شاخص سهم) از 16 کشور آفریقایی است و آزمایش های نسبت واریانس را در داده های روزانه برای دوره 2000-2007 برای آزمایش کارآیی بازار اعمال می کند. مطالعه آنها نشان می دهد که همه شاخص سهم آفریقا با فرم ضعیف کارآمد بود. با این حال ، این نتیجه خلاف شاخص های قیمت سهام ملی کشورهای مربوطه است که به نظر می رسد با فرم ضعیف کارآمد نیستند. یافته های متضاد تا حد زیادی به رویکرد روش شناختی اتخاذ شده در ساخت شاخص سهم آفریقا مربوط می شود. NTIM ، و همکاران.(2007) مطالعه نشان می دهد که بورس سهام غنا با استفاده از تست های نسبت واریانس غیر پارامتری با فرم ضعیف کارآمد نیست. در جای دیگر ، جفریس و اسمیت (2005) از روشهای هفتگی از سال 1990 تا 2001 برای هشت کشور آفریقایی استفاده می کنند. نتایج حاصل از مطالعه آنها با NTIM و همکاران مغایرت دارد.(2011) یافته های مربوط به شاخص های قیمت سهام ملی آفریقای جنوبی ، مصر ، مراکش و نیجریه و نتیجه گیری می کند که بازارها دارای فرم ضعیف هستند. با این حال ، دو نتیجه مطالعه در مورد کنیا ، زیمبابوه و موریس سازگار نیستند که از نظر ضعیف کارآمد نیستند. به طور مشابه ، Chigozie (2010) از رویکرد GARCH در داده های هفتگی بورس اوراق بهادار نیجریه از سال 1984 تا 2006 استفاده می کند و می داند که بازار سهام به صورت ضعیف کارآمد است. نتایج متضاد توسط Appiah - Kusi و Menyah (2003) یافت می شود که همچنین از رویکرد GARCH در داده های هفتگی برای 11 کشور آفریقایی استفاده می کنند. نتایج مطالعه آنها نشان می دهد که نیجریه ، آفریقای جنوبی ، بوتسوانا ، غنا ، ساحل عاج و سوازیلند از نظر ضعیف کارآمد نیستند زیرا TA قدرت پیش بینی کننده قیمت های امنیتی آینده را داشت. با این حال ، برای مصر ، کنیا ، زیمبابوه ، موریس و مراکش ، قیمت های امنیتی از فرضیه پیاده روی تصادفی پیروی می کنند و از این رو ، از نظر ضعیف کارآمد هستند.

مطالعاتی که به سایر شاخص های سهام کشور آفریقا نگاه می کنند قطعی نیستند. MLAMBO و BIEKPE (2007) روش آزمایشی را برای وابستگی به سریال برای اندازه گیری کارآیی بورس سهام منتخب آفریقا اعمال می کنند. نتایج آنها نشان می دهد که نامیبیا ، بوتسوانا ، کنیا و زیمبابوه از نظر ضعیف کارآمد هستند در حالی که موریس و غنا از نظر ضعف کارآمد نیستند. علاوه بر این ، داده های مصر ، بوتسوانا و BRVM (بورس اوراق بهادار منطقه ای که هشت کشور آفریقای غربی را ارائه می دهد) حاکی از وجود همبستگی سریال در بازده سهام است. تحقیقات آنها مطالعه بیشتر با استفاده از مدلهای خطی برای تأیید ناکارآمدی شکل ضعیف را توصیه می کند ، و خاطرنشان می کند که یافته های بهره وری ضعیف در نامیبیا و بوتسوانا می تواند به لیست دوگانه بنگاه های دو کشور در بورس آفریقای جنوبی نسبت داده شود. همچنین ، Alagidede و Panagiotidis (2009) رفتار بازده سهام در هفت بازار بزرگ سهام در آفریقا را با استفاده از مدلهای نوسانات مشروط بررسی می کنند و وجود خوشه بندی نوسانات ، لپتوکورتوز و تأثیر اهرم را در داده های بازار سهام آفریقا می یابند. Nwosu و همکاران.(2013) مدل های خطی و غیر خطی را در چهار بازار سهام اصلی آفریقا و ایالات متحده با استفاده از داده های 1998-2008 اعمال کنید. نتایج حاصل از مطالعه آنها نشان می دهد که قیمت های امنیتی مصر ، کنیا و آفریقای جنوبی فرضیه پیاده روی تصادفی را دنبال نمی کنند ، در حالی که قیمت های امنیتی نیجریه و ایالات متحده آمریکا فرضیه پیاده روی تصادفی را دنبال می کنند ، از این رو ضعیف از کارآمد هستند.

شواهد تجربی از بورس اوراق بهادار آفریقا هنوز در مورد کاربرد TA ، به ویژه در بازارهای در حال ظهور ، قطعی نیست. این امر تا حد زیادی به تفاوت در دوره های مطالعه ، فرکانس داده های مورد استفاده و رویکرد روش شناختی اتخاذ شده است ، جایی که از یک باتری از آزمایشات برای اندازه گیری کارآیی بازار استفاده شده است. این آزمایشات شامل GARCH ، تست های نسبت واریانس ، تست های اجرا ، تست های ریشه واحد و مدل های خطی و غیر خطی ARIMA است. مطالعه حاضر تلاشی برای پر کردن این شکاف است. جدول 1 مطالعات عمده در مورد راندمان بازار آفریقا را خلاصه می کند: