FACULTEIT ECONOMIE EN BEDRIJFSWETENSCHAPPEN DEPARTEMENT ACCOUNTANCY, FINANCE & INSURANCE
KATHOLIEKE UNIVERSITEIT LEUVEN
DE WINSTGEVENDHEID VAN TECHNISCHE ANALYSE
ALIEN DEVROE Verhandeling aangeboden tot het behalen van de graad van 2de Master HIR
Promotor : Prof. Dr. G. WUYTS
- 2009 -
FACULTEIT ECONOMIE EN BEDRIJFSWETENSCHAPPEN DEPARTEMENT ACCOUNTANCY, FINANCE & INSURANCE
KATHOLIEKE UNIVERSITEIT LEUVEN
Alien Devroe
De winstgevendheid van technische analyse
Abstract: Het doel van deze paper is om na te gaan of technische analyse winstgevend is indien deze investeringsstrategie wordt toegepast op de Franse CAC40 index. Om dit te onderzoeken worden er drie regels getest. Deze regels zijn: variable length moving average, fixed length moving average en trading range break-out. Uit de resultaten blijkt dat er geen enkele aanwijzing is dat de regels winstgevend zijn. Technische analyse werkt dus niet op de Franse aandelenmarkt wat er op wijst dat deze markt efficiënt is in zwakke vorm.
Dankwoord Het schrijven van een masterproef kost veel tijd en energie en kan men moeilijk tot stand brengen zonder de hulp van anderen. Daarom wil ik graag iedereen bedanken die mij heeft bijgestaan bij het schrijven van dit werk.
In de eerste plaats zou ik graag mijn promotor, Prof. Dr. G. Wuyts, en mijn werkleider, B. Bearelle, bedanken. Niet alleen lieten ze mij toe deze masterproef te schrijven, ook waren zij bereid mij te begeleiden en mij raad te geven.
Vervolgens wil ik een dankwoord richten aan G. Vereecke en R. Vandenheede. Zij waren bereid om mijn masterproef kritisch te lezen en mij advies te geven.
Als laatste zou ik ook graag mijn ouders bedanken, die mij de kans gaven om in Leuven te studeren. Ik ben dankbaar voor de inspanningen die zij daarvoor hebben gedaan en de steun die ze mij gaven. Graag draag ik deze masterproef dan ook aan hen op.
Alien Devroe
1
I.
Inleiding
In de Tijd1 verscheen een lijst met de best verdienende beleggers uit 2008 met hun bijhorende verdiensten. Deze lijst wordt aangevoerd door de Amerikaan James Simons, die ook al in 2006 en 2007 deze titel behaalde. Simons incasseerde met zijn beleggingen een tot de verbeelding sprekende 1.8 miljard euro, wat overeenkomt met een jaarlijks rendement van 35%. Deze hoge rendementen werden behaald door het toepassen van een model die in staat is om koersontwikkelingen te voorspellen. Dit voorbeeld toont aan dat het in de praktijk schijnbaar mogelijk is om een idee te krijgen over het toekomstige prijsverloop van aandelen, wat kan leiden tot het behalen van hoge rendementen. Een mogelijke manier om dit te doen is het toepassen van technische analyse. Deze paper onderzoekt de winstgevendheid van deze technische analyse indien deze methode toegepast wordt op de Franse CAC40 index.
Concreet is het doel van technische analyse om toekomstige prijzen te voorspellen. De onderliggende assumptie van deze investeringsstrategie is dat het prijsverloop uit het verleden informatie bevat omtrent het gedrag van de prijzen in de toekomst. Dit wil zeggen dat als men er in slaagt om inzicht te krijgen in de historische prijspatronen men die inzichten kan gebruiken om een excess return te behalen. Deze visie staat pal tegenover de fundamentele analyse waarbij men de intrinsieke waarde berekent van een aandeel op basis van de beschikbare informatie omtrent economische kengetallen. Deze intrinsieke waarde wordt dan vergeleken met de marktprijs om zo te bepalen welke positie er wordt ingenomen. Uit de studie van Oberlechner (2001), die de belangrijkheid van zowel fundamentele als technische analyse nagaat, blijkt dat de meeste beleggers http://netto.tijd.be/actua/economie/Wat_verdienen_de_beste_beleggers_ter_wereld-.81627511619.art 1
2
beide methodes gebruiken in hun analyse maar dat technische analyse het laatste decennium aan belang heeft gewonnen. Uit een onderzoek van Taylor & Allen (1992), waarin wordt nagegaan in welke mate technische analyse gebruikt wordt, concludeert men dat minstens 90% van de ondervraagden er enig belang aan hecht. Dit toont aan dat technische analyse een veel gebruikte tool is en dat het onderzoek naar de winstgevendheid ervan zeker interessant is. In het verleden is er al heel wat onderzoek verricht in dit domein (zie Sectie 2) maar deze studies komen tot tegenstrijdige conclusies en zijn vooral gericht op de Dow Jones Industrial Average (DJIA), de Standard & Poor’s 500 (S&P 500) en de Financial Times Industrial Ordinary Index (FT30). Deze paper gebruikt dan ook een weinig onderzochte dataset om na te gaan of de toepassing van technische regels wel nuttig kan zijn voor een investeerder.
Alhoewel dat technische analyse veel gebruikt wordt als investeringsstrategie staan academici er toch wat sceptisch tegenover. Dit scepticisme kan enerzijds verklaard worden door de efficiënte markthypothese van Fama (1965) die algemeen aanvaard wordt. Hieruit blijkt dat er drie vormen van marktefficiëntie zijn. De eerste vorm is de marktefficiëntie in zwakke vorm waarbij er van uitgegaan wordt dat het onmogelijk is om toekomstige prijzen te voorspellen aan de hand van historische prijzen. Daarnaast is er de marktefficiëntie in semi-sterke vorm. Onder deze vorm wordt alle publieke informatie onmiddellijk weerspiegeld in de aandelenkoersen. De meest extreme vorm is de marktefficiëntie in sterke vorm waarbij zowel publieke als private informatie gereflecteerd wordt in de prijzen. Indien er wordt uitgegaan van de zwakke vorm marktefficiëntie is het onmogelijk om winsten te behalen via technische analyse. Anderzijds heeft dit scepticisme te maken met de gemengde resultaten die voortvloeien uit de verschillende studies.
3
Om de winstgevendheid van technische analyse na te gaan, baseren we ons op de paper van Brock et al. (1992) waarin er geconcludeerd wordt dat toepassing van technische analyse op de DJIA wel degelijk een voorspellende kracht heeft. Net zoals in hun paper testen ook wij de drie van de meest gebruikte technische trading regels. De geteste regels zijn de volgende: de variable-length moving average, de fixed-length moving average en de trading-range breakout regel. Het doel van deze paper is om na te gaan of de bevindingen van Brock et al. (1992) ook opgaan voor de CAC40 index. Om een antwoord te geven op deze vraag wordt er gebruik gemaakt van een eenvoudige tstatistiek. Uit ons onderzoek blijkt dat geen enkel van de geteste regels winstgevender is dan een buy-and-hold strategie2. Technische analyse heeft dus met andere woorden geen voorspellende kracht wanneer de regels worden toegepast op de CAC40. Daaruit kan er besloten worden dat op de Franse aandelenmarkt zeker de marktefficiëntie in zwakke vorm opgaat.
In het vervolg van deze paper wordt er in Sectie 2 een overzicht gegeven van de literatuur met betrekking tot de winstgevendheid van technische analyse. In Sectie 3 worden de hypothesen ontwikkeld. Vervolgens wordt de gebruikte methodologie besproken in Sectie 4. Daarin wordt data die gebruikt wordt tijdens het onderzoek omschreven alsook de technische trading regels die erop worden toegepast. De methodologiesectie behandelt ook de concepten buy-and-hold en double-or-out strategie en licht de t-statistieken toe. In de vijfde Sectie van deze paper worden de empirische resultaten beschreven, gevolgd door de discussiesectie die de conclusies behandelt die uit deze resultaten kunnen getrokken worden alsook de bemerkingen bij dit onderzoek en de mogelijkheden tot verder onderzoek. 2
De buy-and-hold strategie wordt later in meer detail uitgelegd in Sectie 4.
4
II.
Overzicht Literatuur
In het onderzoek naar de winstgevendheid van technische analyse worden er verschillende regels toegepast. De regels die het meest worden gebruikt zijn de filter rules en de moving averages. Dit overzicht concentreert zich dan ook op deze regels.
2.1 Filter rules Tot de oudere studies op vlak van de winstgevendheid van technische analyse behoren Alexander (1961) en Fama & Blume (1966).
Deze studies bestuderen de
winstgevendheid van de zogenaamde ‘filter rules’. Deze filter rules genereren een koopsignaal als de prijs met een bepaald percentage gestegen is boven een recent minimum en een verkoopsignaal indien de prijs met een bepaald percentage gedaald is onder een recent maximum. Alle prijsveranderingen die kleiner zijn dan het pregedefinieerde percentage worden als het ware gefilterd en dus niet onderzocht. Alexander (1961) past deze regels toe op de dagelijkse slotkoersen van zowel de Dow Jones Industrial Average (DJIA) index in de periode 1897-1929 en de Standard & Poor’s (S&P) 500 index in de periode 1829-1959. Fama & Blume (1966) beperken zich tot 30 individuele aandelen die op de DJIA genoteerd staan in de periode 1956-1962. Beide studies concluderen dat deze filter rules niet winstgevend zijn ten opzichte van een gewone buy-and-hold strategie eens de transactiekosten in acht worden genomen. Sweeney (1988) reproduceert de resultaten van Fama & Blume (1966) en maakt daarvoor gebruik van dezelfde aandelen uit de dataset maar doet de test over een andere periode, namelijk 1970-1982. Hieruit blijkt dat er een winst wordt gerealiseerd ten opzichte van een gewone buy-and-hold strategie. Dezelfde filter rules worden ook getest door Huang (1995). De regels worden hier toegepast op de Taiwanese aandelenmarkt in de periode 1971-1993. Uit deze studie blijkt dat de meest winstgevende filter rules die
5
regels zijn die een koopsignaal (verkoopsignaal) genereren indien de prijs tussen 4.5% en 18% gestegen (gedaald) is ten opzichte van een recent minimum (maximum). Een tegengesteld resultaat werd bekomen door Hunter (1998). Hier worden de filter rules toegepast op de Jamaican Stock Exchange in de periode 1989-1994. Maar de regels blijken het niet beter te doen dan de buy-and-hold strategie. Filfield et al. (2005) testen de filter rule. Deze regels worden toegepast op elf Europese aandelenmarkten in de periode 1991-2000. Zeven van deze aandelenmarkten zijn ontwikkelde markten, vier ervan zijn minder ontwikkelde markten. De regel blijkt enkel voorspellende kracht te hebben in de minder ontwikkelde markten.
2.2 Moving Averages Van Horne & Parker (1967) maken gebruik van variable length moving averages (VMA) om de winstgevendheid van technische analyse na te gaan. Bij deze regel wordt een korte termijn voortschrijdend gemiddelde vergeleken met een lange termijn voortschrijdend gemiddelde. De regels worden toegepast op de dagelijkse slotkoersen van 30 aandelen die genoteerd staan op de NYSE in de periode 1960-1966. Deze regel blijkt geen excess return te genereren ten opzichte van een buy-and-hold strategie, zelfs vooraleer de transactiekosten in acht worden genomen. Ook de studie van James (1968) past variable length moving averages toe op een dataset die werd ontwikkeld door ‘Centre for Research in Security Prices’ in Chicago. Deze dataset bevat de maandelijkse slotkoersen van aandelen die in de periode 1926-1960 genoteerd stonden op de New York Stock Exchange (NYSE). Ook hij komt tot de conclusie dat een investeerder geen voordeel zal halen door het toepassen van moving averages.
6
De meest invloedrijke studie met betrekking tot de winstgevendheid van technische analyse is die van Brock et al. (1992). Deze studie maakt, naast VMA, ook gebruik van fixed length moving average (FMA) en de trading range break-out regel (TRB) om de winstgevendheid van technische analyse na te gaan. Bij FMA ligt de nadruk op de kruising van de gemiddelden terwijl bij TRB de huidige koers vergeleken wordt met lokale maxima en minima3. De drie regels worden toegepast op de dagelijkse slotkoersen van de DJIA in de periode 1897-1986. Hieruit blijkt dat deze eenvoudige regels voorspellende kracht hebben en dus een return genereren die hoger is dan de onvoorwaardelijke return van een gewone buy-and-hold strategie. Als reactie op de studie van Brock et al. (1992) volgen er verschillende nieuwe papers die gelijkaardig onderzoek verrichten. Hudson et al. (1995) gaan na of de resultaten die bekomen werden door Brock et al. (1992) ook opgaan voor data uit de UK. Daarom passen Hudson et al. (1995) dezelfde drie regels toe op de Financial Times Industrial Ordinary Index (FT30) in de periode 1935-1994. Deze studie komt tot de conclusie dat de regels winstgevend zijn als er een lange serie van aandelenkoersen in acht wordt genomen. Deze winstgevendheid blijkt echter niet meer hoger te zijn dan de returns van een buyand-hold strategie in de aanwezigheid van transactiekosten. Mills (1997) voert een gelijkaardig onderzoek als dat van Hudson et al. (1995). Dezelfde drie regels worden uitgeoefend op de dagelijkse slotkoersen van de FT30 in de periode 1932-1994. De conclusie luidt dat de regels werken en dus een grotere return genereren dan een buyand-hold strategie tot de jaren 80. Daarna is het vooral de buy-and-hold strategie die domineert. De paper van LeBaron (1999) heeft als doel na te gaan in welke mate de moving averages toepasbaar zijn op de jaren die volgen op de sample van Brock et al.
3
VMA, FMA en TRB worden in het vervolg van deze paper nader besproken.
7
(1992). Daarom wordt de sample uitgebreid met de dagelijkse slotkoersen van de DJIA uit de periode 1988-1999. Hieruit blijkt dat de regels die het best werkten in het verleden niet meer winstgevend zijn op de huidige markt. Isakov & Hollistein (1998) passen de FMA regel op de Zwitserse aandelenmarkt. Hiervoor gebruiken ze de SBC general index over de periode 1969-1997. Hun studie toont aan dat de FMA regel niet winstgevend is in deze markt eens de transactiekosten worden toegerekend. Sullivan et al. (1999) testen verschillende regels op de DJIA om na te gaan welke van deze regels het best werkt tot 1986, wat het einde aangeeft van de sample van Brock et al. (1992). Het hoofddoel van deze paper is het testen of de regels die winstgevend waren tot 1986 ook winstgevend zijn in de tien jaar die volgen op 1986. Uit het onderzoek blijkt dat de regel die het meest winstgevend was tot 1986 dit niet meer is in een meer recentere periode. Allen & Karjalainen (1999) gebruiken genetische algoritmes om na te gaan wat de optimale moving average trading rules zijn en bestuderen daarna of deze optimale regels ook voorspellende kracht hebben. Zij gebruiken de S&P 500 index in de periode 1928-1995 om deze test te doen. Uit hun studie blijkt dat de regels die gegeneerd worden door deze genetische algoritmes het niet beter doen dan de gewone buy-andhold strategie eens de transactiekosten in acht worden genomen. Ready (2002) bestudeert twee moving average trading rules die volgen uit het genetisch algoritme van Allen & Karjalainen (1999) toegepast op de DJIA in de periode 1970-1995. De regels blijken niet winstgevend te zijn.
In het verleden werd er niet alleen onderzoek verricht naar wat de impact is van de regels op de meer ontwikkelde markten, maar er werd ook onderzoek gedaan naar de winstgevendheid van de regels in minder ontwikkelde markten. Een voorbeeld van een dergelijk onderzoek is dat van Bessembinder & Chan (1995). Zij testen de VMA, de
8
FMA en de TRB regel in de Aziatische aandelenmarkt. Deze regels blijken succesvol te zijn in de minder ontwikkelde markten zoals die van Maleisië, Thailand en Taiwan. De regels zijn daarentegen minder succesvol in de meer ontwikkelde markten zoals die van Hong Kong en Japan. Ito (1999) pas dezelfde set van regels toe als Brock et al. (1992) op Japanse, Amerikaanse, Canadese, Indonesische, Mexicaanse en Taiwanese aandelenindexen. De bevindingen van Ito (1999) tonen aan dat de regels een voorspellende kracht hebben voor alle markten met uitzondering van de Amerikaanse markt. Daarbovenop blijkt dat de regels meer voorspellende kracht hebben in minder ontwikkelde markten dan in de meer ontwikkelde markten. Ratner & Leal (1999) testen de VMA regel en doen dit voor 10 minder ontwikkelde markets in Zuid-Amerika en Azië. De data die gebruikt wordt zijn dagelijkse slotkoersen van deze markten over de periode 1982-1995. Zij concluderen dat de regel enkel winstgevend is in de markt van Taiwan, Thailand en Mexico. Er zijn echter geen aanwijzingen dat de regel werkt in de andere bestudeerde markten. Coutts & Cheung (2000) gaan na of de VMA en de TRB regel enige voorspellende kracht hebben op de aandelenmarkt van Hong Kong. Om dit te doen gebruiken ze de Hang Seng index over de periode 1985-1997. Men concludeert dat zowel de VMA als de TRB regel positieve returns genereren en dat de TRB regel sterker blijkt te zijn dan de VMA regel. Als daarentegen de transactiekosten in acht worden genomen, vallen voor beide regels de positieve returns weg. Parisi & Vasquez (2000) onderzoeken of de VMA en de TRB regel opgaat in de Chileense markt. Daarvoor gebruiken ze de dagelijkse slotkoersen van de IPSA index over de periode 1987-1998. Men komt tot een zelfde conclusie als Brock et al. (1992), met name dat de regels blijken te werken. Gunasekarage & Power (2001) passen de VMA en de FMA regel toe op Zuid-Aziatische kapitaalmarkten. De resultaten tonen aan dat investeerders voordeel kunnen halen in deze markten door deze twee moving average regels toe te
9
passen. Ready (2002) bestudeert dezelfde drie regels als Brock et al. (1992). De data die wordt gebruikt zijn de dagelijkse slotkoersen van de DJIA in de periode 1970-1995. Uit deze studie blijkt dat het gebruik van deze regels geen hogere returns genereert dan een gewone buy-and-hold strategie. Tian et al. (2002) berekenen de returns die behaald worden op de Amerikaanse en de Chinese aandelenmarkt door toepassing van VMA, FMA en TRB. Men gebruikt voor de studie van de Chinese markt de slotkoersen van de Shangai ‘A’, Shangai ‘B’, Schenzhen ‘A’ en Schenzhen ‘B’ index over de periode 1992-2000. Voor de Amerikaanse studie gebruikt men de DJIA in de periode 19262000. Men concludeert dat de regels na 1975 geen voorspellingskracht meer hebben in de Amerikaanse markten terwijl de regels het wel goed doen in de Chinese markt, zelfs na toerekening van de transactiekosten. Lai (2002) onderzoekt de winstgevendheid van de moving average rules op de Maleisische markt. Hij gebruikt daarvoor de dagelijkse slotkoersen van de Kuala Lumpur Stock Exchange Composite Index over de periode 1977-1999. Hieruit blijkt dat de regels een goede voorspellingskracht hebben, ook als de transactiekosten in acht worden genomen. Chang et al. (2004) passen de VMA en de TRB regel toe op de minder ontwikkelde aandelenmarkten van Latijns-Amerika en Azië over de periode 1991-2004. Deze testen tonen aan dat er enige indicatie is van winstgevendheid maar deze verdwijnt indien de transactiekosten worden toegerekend. Hun paper verwijst ook naar de studie van Ratner & Leal (1999) en toont aan dat de winstgevendheid in de markt van Mexico die werd vastgesteld niet meer opgaat in meer recentere periodes. Er wordt ook verwezen naar de paper van Parisi & Vasquez (2000). Chang et al. (2004) tonen aan dat de winstopportuniteiten die er in het verleden waren in de Chileense markt sterk gereduceerd zijn. Filfield et al. (2005) testen niet enkel de filter rule maar ook de VMA regel. Hun sample bestond uit zeven ontwikkelde en vier minder ontwikkelde markets. Net zoals bij de filter rule, moet er bij de VMA regel een
10
onderscheid gemaakt worden tussen de minder ontwikkelde markten, waar de regels winstgevend blijken te zijn, en de meer ontwikkelde markten, waar de regels geen voorspellingskracht hebben. Muhannad et al. (2006) passen de VMA regel toe op de Jordaanse aandelenmarkt, wat een minder ontwikkelde markt is, over de periode 19922001. Daarvoor worden de dagelijkse slotkoersen van de General index of Amman stock market gebruikt. De meeste variaties op de VMA regel blijken niet te werken hoewel er enkele kortere regels zijn die wel voorspellende kracht hebben, zelfs na toerekening van de transactiekosten.
III.
Hypotheses
In deze paper wordt er nagegaan of technische analyse al dan niet winstgevend is indien deze investeringsstrategie wordt toegepast op de Franse CAC40 index. Daartoe worden volgende nul- en alternatieve hypothese geformuleerd: Ho: Technische analyse is niet winstgevend Ha: Technische analyse is winstgevend Indien technische analyse winstgevend is, wil dit zeggen dat informatie maar traag wordt geïncorporeerd in de prijzen zodat er winsten kunnen gemaakt worden indien de koersen uit het verleden worden bestudeerd. Dit staat pal tegenover de efficiënte markthypothese van Fama (1965). Indien technische analyse niet winstgevend blijkt te zijn, is de markt op zijn minst marktefficiënt in zwakke vorm.
11
IV.
Methodologie
4.1 Data In deze paper worden de dagelijkse slotkoersen van de CAC40 gebruikt. De CAC404 is de aandelenindex die de 40 belangrijkste Franse bedrijven bevat, waarvan de aandelen genoteerd staan op de Parijse beurs. De index wordt als volgt berekend: N
∑ I t = 1000 ×
Qi ,t × Fi ,t × f i ,t × C i ,t
i =1 N
K t × ∑ Qi , 0 × C i , 0 i =1
met t de dag waarop de index wordt berekend, N het aantal aandelen in de index, Qi,t het aantal aandelen van aandeel i in de index op dag t, Fi,t de free float5 van aandeel i op dag t, Ci,t de prijs van aandeel i op dag t, Qi,0 het aantal aandelen van aandeel i op de basisdatum van de index, Ci,0 de prijs van aandeel i op de basisdatum van de index, zijnde 31 december 1987, fi,t de capping factor6 van aandeel i op dag t, basisdatum van de index, zijnde 31 december 1987, en Kt de aanpassingscoëfficiënt7 voor basiskapitalisatie op dag t.
De dataset beschouwt de index over een periode van 21 jaar, namelijk van 22 juli 1987 tot 9 juli 2008. Dit leidt tot 5471 observaties. De gebruikte slotkoersen zijn aangepast voor kapitaalveranderingen (zoals bijvoorbeeld de uitkering van dividenden). Deze
4
Cotation Assistée en continue.
5
De free float is het percentage aandelen van een bedrijf dat vrij verhandelbaar is.
6
In de CAC40 wordt het gewicht van een individueel aandeel beperkt tot 15% om te vermijden dat er te veel gewicht wordt toegewezen per aandeel. Indien het gewicht van een individueel aandeel deze 15% overstijgt, wordt het teruggebracht tot deze 15% door middel van de capping factor. 7
Deze aanpassingscoëfficiënt weerspiegelt de overschakeling van de Franse frank naar de euro in 1999.
12
aanpassing wordt gemaakt omdat er een verkeerd signaal zou kunnen gegenereerd worden omwille van deze ingrepen. De slotkoersen werden gedownload via Datastream.
4.2 Technische trading regels In navolging van de paper van Brock et al. (1992), worden ook in deze paper de meest eenvoudige en tevens meest gebruikte technische regels onderzocht: de moving average en de trading range break-out regel. Volgens de definitie van Brock et al. (1992) worden er bij de moving average regel koop- en verkoopsignalen gegenereerd door het korte termijn voortschrijdend gemiddelde en het lange termijn voortschrijdend gemiddelde met elkaar te vergelijken. Het korte termijn voortschrijdend gemiddelde is een gemiddelde berekend op basis van de slotkoersen van de laatste dag, de laatste twee of vijf dagen. Het lange termijn voortschrijdend gemiddelde wordt berekend op basis van de slotkoersen van de laatste 50,150 of 200 dagen. Concreet worden deze voortschrijdende gemiddelden mn als volgt berekend:
mn =
1 n −1 ∑ Pt −i n i =0
met Pt-i de slotkoers van de CAC 40 op tijdstip t-i en n de lengte van de periode waarover het moving average wordt berekend. Zo wordt met m50 het voortschrijdende gemiddelde over de laatste 50 dagen bedoeld.
Concreet kan de moving average regel verschillende vormen aannemen. In zijn meest eenvoudige vorm ligt de nadruk op de posities van de gemiddelden ten opzichte van elkaar. Hierbij wordt er een koopsignaal gegenereerd als het korte termijn voortschrijdend gemiddelde groter is dan het lange termijn voortschrijdend gemiddelde. Omgekeerd wordt er een verkoopsignaal gegenereerd indien het korte termijn
13
voortschrijdend gemiddelde kleiner is dan het lange termijn voortschrijdend gemiddelde. Deze vorm wordt de variable length moving average (VMA) regel genoemd. Een tweede vorm van de moving average regel is de fixed length moving average (FMA) regel waarbij de nadruk ligt op de kruising van de twee gemiddelden. Als het korte termijn voortschrijdend gemiddelde het lange termijn voortschrijdend gemiddelde van langs onder snijdt, dan volgt er een koopsignaal, indien het korte termijn voortschrijdend gemiddelde het lange termijn voortschrijdend gemiddelde van langs boven snijdt dan volgt er een verkoopsignaal (zie Figuur 1). Bij deze FMA regel wordt er gebruik gemaakt van een 10 day holding period na de kruising van de voortschrijdende gemiddelden. Daarbij wordt er geen rekening gehouden met de signalen die gegenereerd worden in de 10 dagen die volgen op een signaal.
Figuur 1: Werking FMA regel Deze figuur geeft de werking weer van de FMA regel. Concreet wordt er een koopsignaal (verkoopsignaal) gegenereerd indien het korte termijn voortschrijdend gemiddelde het lange termijn voortschrijdend gemiddelde van langs onder (boven) snijdt.
Het idee achter deze twee regels is dat er zich een trend zal voordoen als de prijs van het aandeel het lange termijn voortschrijdend gemiddelde binnendringt. Het lange termijn voortschrijdend gemiddelde geeft immers de gemiddelde koers weer van de
14
aandelenindex op lange termijn. Als het korte termijn voortschrijdend gemiddelde zich anders gedraagt dan het lange termijn voortschrijdend gemiddelde is dit een indicatie dat er een trend op til is. Er zijn verschillende variaties mogelijk op deze twee regels afhankelijk van de definitie van de korte en lange termijn voortschrijdende gemiddelden. De meest populaire regels, die ook in het vervolg van deze paper zullen getest worden, zijn de 1-50, 1-150, 1-200, 2-200 en 5-200 regels. Het eerste cijfer duidt op de lengte van het korte termijn voortschrijdend gemiddelde, terwijl het tweede cijfer de lengte van het lange termijn voortschrijdend gemiddelde weergeeft. Als de 1-50 regel getest wordt, wordt met andere woorden de openingskoers van vandaag vergeleken met het gemiddelde van de slotkoersen over de laatste 50 dagen. Daarnaast kan er een ‘band’ geïntroduceerd worden zodat de zogenaamde ‘whiplash’ signalen, die voorkomen als het korte termijn en lange termijn voortschrijdend gemiddelde dicht bij elkaar liggen, geëlimineerd worden. Als bijvoorbeeld de band 1% bedraagt, zal er enkel een koopsignaal (verkoopsignaal) volgen als het korte termijn voortschrijdend gemiddelde zich ten minste 1% boven (onder) het lange termijn voortschrijdend gemiddelde bevindt. Als de band 0% is, wordt iedere dag als een koop of verkoop geklasseerd indien de VMA regel wordt toegepast. Net zoals in de paper van Brock et al. (1992) worden ook hier de regels zowel zonder als met een 1%-band getest.
In tegenstelling tot de moving average regels, genereert de trading range break-out (TRB) regel een koopsignaal als de prijs een ‘resistance level’ binnendringt. Dit resistance level wordt gedefinieerd als het lokaal maximum (zie Figuur 2). Het idee hierachter is dat de meeste investeerders willen verkopen bij een piek. Dit zal ervoor zorgen dat het moeilijk wordt voor de prijs om uit te stijgen boven de vorige piekwaarde. Als de prijs daarentegen wel de vorige piek overschrijdt, wordt er verwacht
15
dat er zich een trend van stijgende prijzen zal voordoen en zal er een koopsignaal volgen. Analoog wordt er een verkoopsignaal gegenereerd als de prijs een ‘support level’, gedefinieerd door het lokaal minimum, binnendringt. Gelijkaardig aan het koopsignaal is het idee hierachter dat de meeste investeerders willen kopen als de prijs laag is. Dit zorgt ervoor dat het moeilijk wordt voor de prijs om te dalen tot een prijs lager dan het lokale minimum. Als dit lokaal minimum wel wordt overschreden, dan volgt er een verkoopsignaal omdat er een dalende trend in de prijzen wordt verwacht. Net zoals bij de FMA regel wordt ook hier met een 10-day holding period gewerkt en zijn er verschillende variaties van deze regel mogelijk naargelang de definitie van het lokaal maximum (minimum) en het al dan niet introduceren van een band. Net zoals bij Brock et al. (1992) worden ook in deze studie de volgende regels getest: 1-50, 1-150 en 1-200. Zo wordt bij de 1-50 regel de slotkoers van vandaag vergeleken met de maximum (minimum) koers over de laatste 50 dagen. Ook hier worden de regels zowel met als zonder 1%-band getest.
Figuur 2: Werking TRB regel Deze figuur geeft de werking weer van de TRB regel. Concreet wordt er een koopsignaal (verkoopsignaal) gegenereerd indien het korte termijn voortschrijdend gemiddelde het resistance (support) level binnendringt.
16
4.3 Buy-and-hold strategie De regels die hierboven zijn besproken genereren koop- en verkoopsignalen. Om na te gaan of deze regels winstgevend zijn, worden de gemiddelde dagelijkse returns die eruit voorvloeien, de voorwaardelijke returns, vergeleken met de onvoorwaardelijke return. Deze onvoorwaardelijke return is de gemiddelde dagelijkse return die wordt behaald indien een gewone buy-and-hold strategie wordt toegepast. Deze strategie houdt in dat de CAC40 index wordt aangekocht aan het begin van de periode en wordt aangehouden tot op het einde van de periode. Als bijvoorbeeld 1-50 VMA wordt toegepast, wordt de index aangekocht aan de slotkoers van dag 50, dit is de eerste dag waarop een signaal kan gegenereerd worden, en terug verkocht op de laatste dag van de dataset. De onvoorwaardelijke return is dan de gemiddelde dagelijkse return die behaald wordt over deze periode.
4.4 Double-or-out strategie Concreet worden de drie regels toegepast via een double-or-out strategie. Bij deze strategie wordt de CAC40 index aangehouden indien er een neutraal signaal wordt gegenereerd, als antwoord op een koopsignaal wordt de positie in de index verdubbeld en de index wordt verkocht indien er een verkoopsignaal heeft plaatsgevonden.
Neem Rt de return behaald op de CAC40 index op dag t, dit is ook de onvoorwaardelijke return op dag t. Indien er een koopsignaal gegenereerd wordt op dag t dan verdient de belegger een return van 2*Rt op die dag. Als dit vergeleken wordt met de onvoorwaardelijke return, dan wordt er een excess return verdiend van Rt. Indien er een verkoopsignaal plaats vindt, dan verdient de belegger niets vermits de index wordt verkocht. Dit leidt tot een excess return van –Rt. Bij een neutraal signaal wordt de index
17
aangehouden en verdient de belegger een return Rt, wat overeenkomt met een excess return van 0. In dit onderzoek wordt er nagegaan of deze returns significant verschillend zijn van de onvoorwaardelijke returns via een t-statistiek.
4.5 T-statistieken In de zoektocht naar een antwoord op de vraag of technische analyse winstgevend is worden de drie regels getest die hierboven werden aangehaald. Elk van deze regels genereren koop- en verkoopsignalen. Om na te gaan of de regels wel degelijk winstgevend zijn worden de gemiddelde dagelijkse returns horende bij deze koop- en verkoopsignalen, de dagelijkse voorwaardelijke returns, vergeleken met de dagelijkse onvoorwaardelijke return. De hypotheses die gehanteerd worden bij het vergelijken van de voorwaardelijke en onvoorwaardelijke return zijn de volgende: Ho: De gemiddelde voorwaardelijke koopreturn (verkoopreturn) zijn niet significant verschillend van de gemiddelde onvoorwaardelijke return. Ha: De gemiddelde voorwaardelijke koopreturn (verkoopreturn) zijn significant verschillend van de gemiddelde onvoorwaardelijke return. Om te onderzoeken of deze returns significant verschillend zijn van elkaar wordt er gebruik gemaakt van de volgende t-statistiek voor de koopsignalen:
µb − µ 2
σ b / Nb + σ 2 / N
[1]
met µ b en Nb respectievelijk de gemiddelde return van de koopsignalen en hun aantal, µ en N respectievelijk de onvoorwaardelijke return en het aantal dagen dat de index wordt aangehouden bij het uitoefenen van de buy-and-hold strategie. σb en σ zijn
18
respectievelijk de standaarddeviatie van de returns horende bij de koopsignalen en de standaarddeviatie van de onvoorwaardelijke return van een gewone buy-and-hold strategie. De t-statistiek voor de verkoopsignalen wordt op een gelijkaardige manier berekend door µ b, σb en Nb te vervangen door µ s, σs en Ns. Indien de voorwaardelijke koopreturn (verkoopreturn) en onvoorwaardelijke return significant verschillend zijn van elkaar, wil dit zeggen dat de regel in staat is om koopperiodes (verkoopperiodes) te onderscheiden van de gehele periode.
Naast het testen van de gelijkheid van de voorwaardelijke returns van de koop- en verkoopsignalen met de onvoorwaardelijke return van de buy-and-hold strategie, wordt ook de gemiddelde return horende bij de koopsignalen vergeleken met de gemiddelde return horende bij de verkoopsignalen. Daarvoor worden de volgende hypotheses gehanteerd: H0: Het verschil tussen de gemiddelde return van de koopsignalen en de gemiddelde return van de verkoopsignalen verschillen niet significant van 0. Ha: Het verschil tussen de gemiddelde return van de koopsignalen en de gemiddelde return van de verkoopsignalen verschillen significant van 0. Om te onderzoeken of deze gemiddelde returns significant verschillend zijn van elkaar wordt de volgende t-statistiek toegepast:
µb − µ s 2
σ b / Nb + σ s 2 / Ns
[2]
met µ b en Nb de gemiddelde return van de koopsignalen en hun aantal, µ s en Ns de gemiddelde return horende bij de verkoopsignalen en hun aantal. σb is de
19
standaarddeviatie van de koopreturns terwijl σr de standaarddeviatie is van de verkoopreturns. Als technische analyse voorspellende kracht heeft, dan zouden de returns horende bij de koopsignalen significant verschillend moeten zijn van de returns horende bij de verkoopsignalen.
V.
Empirische resultaten
In deze sectie worden de resultaten nader besproken. Sectie 5.1 behandelt de descriptieve statistieken. Vervolgens worden de resultaten van de moving-average regel weergegeven in Sectie 5.2. Daarin worden in respectievelijk Sectie 5.2.1 en Sectie 5.2.2 de variable length moving average en de fixed length moving average behandeld. Tot slot geeft Sectie 5.3 de resultaten van de trading range break-out regel weer.
5.1 Descriptieve statistieken
Tabel I bevat de beschrijvende statistieken van de dagelijkse en de 10-day returns over de gehele periode waarover de CAC40 beschouwd wordt. De dagelijkse return Rt worden gerapporteerd in functie van de VMA regel en worden als volgt berekend: Rt = log[Pt ] − log[Pt −1 ] met Pt en Pt-1 de slotkoers op respectievelijk dag t en dag t-1.
De descriptieve statistieken van de dagelijkse returns worden weergegeven in kolom 2 van Tabel I. Uit de statistieken kan er besloten worden dat de gemiddelde dagelijkse return over de gehele periode waarover de index wordt beschouwd 0.02% bedraagt met een standaarddeviatie van 0.0130. De scheefheidcoëfficiënt is -0.2898 en dus negatief. Dit wijst er op dat de verdeling van de return asymmetrisch is naar links toe. De kurtosis
20
bedraagt 7.6962. Deze waarde is veel groter dan 3 wat inhoudt dat de returns zwaar leptokurtisch zijn. Zowel de scheefheidcoëfficiënt als de kurtosis doen vermoeden dat de dagelijkse returns niet normaal verdeeld zijn. Dit wordt bevestigd door de JarqueBera test die de nulhypothese van normaliteit verwerpt. De seriële autocorrelaties zijn niet significant voor lag 1 en 2. De correlaties zijn daarentegen wel significant voor lag 3, 4 en 5.
Kolom 3 bevat de niet overlappende cumulatieve 10-day returns die worden weergegeven in functie van de FMA en de TRB regel. Deze 10-day return Rt,10 worden als volgt bekomen: 9
Rt ,10 = ∑ Rt + i met t=1,11,21,31,…,5461 i =0
met Rt+i de dagelijkse return op dag t+i. Tabel I: Descriptieve statistieken dagelijkse en 10-day return De returns worden beschouwd over de periode 1987-2008. De dagelijkse returns worden berekend als het verschil van de logaritmes van de prijzen van de CAC40. De 10-day returns zijn cumulatieve, niet overlappende returns. De Jarque-Bera test hanteert de nulhypothese van normaliteit van de returns. ρ(i) is de geschatte seriële autocorrelatie voor lag i.
N Gemiddelde Standaarddeviatie Scheefheid Kurtosis Jarque-Bera p-waarde Autocorrelatie ρ (1) ρ (2) ρ (3) ρ (4) ρ (5) *Significant op 5% significantieniveau.
Dagelijkse returns
10 day returns
5470 0.0002 0.0130 -0.2898 7.6962 5091.5321 0.0000
547 0.0020 0.0408 -1.2231 10.2135 1296.4951 0.0000
0.006 0.001 -0.045* 0.003* -0.023*
0.042 -0.048 0.036 -0.053 0.072
21
De beschrijvende statistieken tonen aan dat de gemiddelde 10-day return 0.2% bedraagt met een standaarddeviatie van 0.0408. De verdeling van de 10-day returns is ook asymmetrisch naar links toe en zwaar leptokurtisch met een scheefheidcoëfficiënt en kurtosis van respectievelijk -1.2231 en 10.2135. De Jarque-Bera test bedraagt 1296.4951 met een bijhorende p-waarde van 0. Daarmee wordt de nulhypothese van normaliteit van de 10-day returns sterk verworpen. De seriële correlaties zijn niet significant.
5.2 De Moving-average regel 5.2.1 Variable length moving average
Zoals eerder vermeld, wordt er bij de variabele moving average regel (VMA) een koopsignaal gegenereerd als het korte termijn voortschrijdend gemiddelde groter is dan het lange termijn voortschrijdend gemiddelde en een verkoopsignaal indien het korte termijn voortschrijdend gemiddelde kleiner is dan het lange termijn voortschrijdend gemiddelde. In Tabel II kunnen de resultaten voor de VMA regel teruggevonden worden. Er worden tien variaties op de regel getest afhankelijk van de lengte van het korte termijn en lange termijn voortschrijdend gemiddelde en afhankelijk van het al dan niet introduceren van een band van 1%. Zo wordt er bijvoorbeeld met (1,50,0) bedoeld dat het korte termijn voortschrijdend gemiddelde 1 dag bedraagt, het lange termijn voortschrijdend gemiddelde 50 dagen en dat de band 0% is. In de tabel kan per regel het aantal koop- en verkoopsignalen, de gemiddelde dagelijkse return van de buy-and-hold strategie, de gemiddelde dagelijkse return van het signaal en de bijhorende t-statistiek, die wordt berekend zoals in vergelijking [1], teruggevonden worden. Zoals vermeld bij de hypotheses, test deze t-statistiek de gelijkheid van de returns horende bij de koopsignalen (verkoopsignalen) met de onvoorwaardelijke gemiddelde return van een
22
buy-and-hold strategie toegepast op de testperiode. De laatste kolom toont het verschil tussen de gemiddelde return van een koop- en verkoopsignaal met de daarbij horende tstatistiek. Deze t-statistiek wordt berekend zoals in vergelijking [2] en test de gelijkheid van de gemiddelde return van de koopsignalen en de gemiddelde return van de verkoopsignalen. Tabel II: Resultaten VMA regel De regels zijn gedefinieerd als (S, L, B) met S en L respectievelijk het korte termijn en lange termijn voortschrijdend gemiddelde en B de band. N(buy) en N(sell) zijn het aantal koop- en verkoopsignalen. Kolom 4 geeft de onvoorwaardelijke return van de buy-and-hold strategie. Kolom 5 en 6 rapporteren de gemiddelde return van respectievelijk de koop- en verkoopsignalen met tussen haakjes hun bijhorende tstatistiek die de gelijkheid met de return van een buy-and-hold strategie nagaat. De laatste kolom bevat het verschil tussen de return van de koop- en verkoopsignalen en de bijhorende t-statistiek die de gelijkheid met 0 test. Test
N(buy)
N(sell)
B&H
Buy
Sell
Buy-sell
(1,50,0)
3396
2025
0.00020
(1,50,0.01)
2904
1659
0.00020
(1,150,0)
3415
1906
0.00027
(1,150,0.01)
3223
1721
0.00027
(5,150,0)
3418
1903
0.00027
(5,150,0.01)
3235
1725
0.00027
(1,200,0)
3500
1771
0.00025
(1,200,0.01)
3329
1627
0.00025
(2,200,0)
3491
1780
0.00025
(2,200,0.01)
3325
1628
0.00025
0.00035 (0.58142) 0.00034 (0.52433) 0.00049 (0.90358) 0.00053 (1.06883) 0.00051 (1.00520) 0.00051 (0.96561) 0.00045 (0.79750) 0.00047 (0.85709) 0.00046 (0.82229) 0.00051 (-1.01334) 0.00046
-0.00005 (-0.60496) -0.00021 (-0.88986) -0.00013 (-0.97257) -0.00019 (-1.05192) -0.00017 (-1.08910) -0.00032 (-1.36347) -0.00013 (-0.91187) -0.00010 (-0.79157) -0.00014 (-0.93163) -0.00010 (-0.78750) -0.00015
0.00039 (0.96209) 0.00055 (1.17027) 0.00062 (1.50983) 0.00072 (1.65426) 0.00069 (1.68787) 0.00083 (1.90895) 0.00058 (1.36839) 0.00057 (1.26389) 0.00059 (1.40247) 0.00061 (1.34667) 0.00061
gemiddelde *Significant op 5% significantieniveau
0.00025
Als de resultaten van Tabel II naderbij bekeken worden, zien we dat voor iedere variatie het aantal koopsignalen beduidend hoger ligt dan het aantal verkoopsignalen. Dit wijst op een stijgende markt. De onvoorwaardelijke return behaald door het toepassen van
23
een buy-and-hold strategie is 0.025%. In kolom 5 en 6 kunnen de gemiddelde returns van de koop- en verkoopsignalen teruggevonden worden. Bij alle variaties zijn de returns horende bij een koopsignaal positief met een gemiddelde van 0.046% terwijl de returns bij de verkoopsignalen negatief zijn met een gemiddelde van -0.015%. Opvallend is dat zowel bij de koop- als verkoopsignalen geen enkele t-test de nulhypothese van gelijkheid met de gemiddelde return van een gewone buy and hold strategie verwerpt op een significantieniveau van 5%. Uit de laatste kolom kan er besloten worden dat het verschil tussen de koop- en verkoopsignalen positief zijn voor alle variaties op de regel met een gemiddelde van 0.061%. Deze verschillen zijn niet significant zodat ook hier de nulhypothese van gelijkheid met nul aanvaard wordt. Net zoals bij Brock et al. (1992) zorgt de band ervoor dat het verschil tussen de return van een koop- en verkoopsignaal groter wordt maar ondanks deze toename van dit verschil wordt het nog altijd niet significant.
5.2.2 Fixed length moving average
Naast de variable length moving average regel wordt ook de fixed length moving average regel getest. Bij de FMA regel ligt de nadruk op de kruising van de gemiddelden. Zo wordt er een koopsignaal gegenereerd als het korte termijn voortschrijdend gemiddelde het lange termijn voortschrijdend gemiddelde van beneden snijdt en een verkoopsignaal als het korte termijn voortschrijdend gemiddelde het lange termijn voortschrijdend gemiddelde van boven snijdt. Belangrijk bij deze regel is dat er geen rekening wordt gehouden met alle signalen die gegenereerd worden in de tien die volgen op het signaal. Dit wil zeggen dat eenzelfde koop- of verkoopsignaal voor tien dagen wordt aangehouden zonder rekening te houden met de signalen die erop volgen.
24
Bijgevolg wordt er gebruik gemaakt van 10-day returns in plaats van de dagelijkse returns die gebruikt worden bij de VMA regel. Tabel III: Resultaten FMA regel De regels zijn gedefinieerd als (S, L, B) met S en L respectievelijk het korte termijn en lange termijn voortschrijdend gemiddelde en B de band. N(buy) en N(sell) zijn het aantal koop- en verkoopsignalen. Kolom 4 geeft de onvoorwaardelijke 10-day return van de buy-and-hold strategie. Kolom 5 en 6 rapporteren de gemiddelde 10-day return van respectievelijk de koop- en verkoopsignalen met tussen haakjes hun bijhorende t-statistiek die de gelijkheid met de return van een buy-and-hold strategie nagaat. De laatste kolom bevat het verschil tussen de return van de koop- en verkoopsignalen en de bijhorende t-statistiek die de gelijkheid met 0 test. Test
N(buy)
N(sell)
B&H
Buy
(1,50,0)
65
83
0.00203
(1,50,0.01)
70
73
0.00203
(1,150,0)
29
31
0.00265
(1,150,0.01)
25
32
0.00265
(5,150,0)
19
28
0.00265
(5,150,0.01)
26
17
0.00265
(1,200,0)
23
28
0.00254
(1,200,0.01)
21
30
0.00254
(2,200,0)
22
26
0.00254
(2,200,0.01)
18
29
0.00254
0.00470 (0.47936) 0.00453 (0.57955) -0.00093 (-0.47551) 0.01034 (1.15129) 0.00642 (0.43523) 0.00704 (0.60022) -0.00184 (-0.44455) 0.00202 (-0.05553) -0.00225 (-0.47012) 0.00594 (0.29264) 0.00360
gemiddelde
0.00248
Sell
Buy-sell
0.00402 0.00068 (0.47166) (0.10435) 0.00267 0.00186 (0.13435) (0.31287) 0.00781 -0.00874 (0.79698) (-0.90557) 0.00225 0.00809 (-0.06076) (0.89347) 0.00931 -0.00289 (1.00032) (-0.27042) 0.00254 0.00450 (-0.01176) (0.39815) -0.00680 0.00496 (-1.00295) (0.37135) -0.00490 0.00692 (-0.73803) (0.50949) -0.00127 -0.00098 (-0.45673) (-0.07577) -0.00379 0.00973 (-0.84413) (0.71406) 0.00118 0.00242
*Significant op 5% significantieniveau
Uit Tabel III blijkt dat het aantal signalen bij de FMA regel beduidend lager ligt dan bij de VMA regel. Dit is logisch omdat een signaal tien dagen moet worden aangehouden terwijl er bij de VMA regel nagenoeg iedere dag een signaal gegeneerd wordt. Uit kolom 4 blijkt dat de gemiddelde 10-day return van de buy-and-hold strategie 0.248% bedraagt. Als kolom 5 naderbij bekeken wordt, dan blijkt hieruit dat de returns horende
25
bij de koopsignalen in zeven van de tien gevallen positief zijn en in drie gevallen zijn deze returns negatief. De gemiddelde return bij een koopsignaal bedraagt 0.36%. Wat de verkoopsignalen betreft, zijn de returns in zes van de tien testen positief terwijl ze in vier gevallen negatief zijn. De gemiddelde return horende bij een verkoopsignaal is 0.118%. Net zoals bij de VMA regel wordt ook bij de FMA regel de nulhypothese van gelijkheid met de gemiddelde return van een buy-and-hold strategie bij geen enkele test verworpen. Uit de laatste kolom blijkt dat het verschil tussen returns van de koop- en verkoopsignalen bij zeven tests positief zijn en bij drie tests negatief met een gemiddelde van 0.242%. Dit verschil is evenwel bij geen enkele test significant verschillend van nul.
5.3 De Trading range break-out regel
Bij de trading range break-out regel wordt er een koopsignaal gegenereerd indien het huidige prijsniveau hoger wordt dan het resistance level en een verkoopsignaal indien het huidige prijsniveau lager is dan het support level. Dit resistance (support) level wordt gedefinieerd als het lokaal maximum (minimum) van de laatste 50, 150 of 200 dagen. Net zoals bij de FMA regel wordt er in de 10 dagen die op een signaal volgen geen rekening gehouden met andere signalen die in deze periode gegenereerd worden.
Uit Tabel IV blijkt ook dat voor iedere variatie op de regel het aantal koopsignalen groter is dan het aantal verkoopsignalen. De gemiddelde onvoorwaardelijke return bedraagt 0.241%. De koopreturns zijn voor alle testen positief, op één na, met een gemiddelde van 0.325%. Geen enkele return is significant wat er op wijst dat de returns niet significant verschillen met de gemiddelde 10-day returns van een gewone buy-andhold strategie. Uit kolom 6 blijkt dat, op één na, de returns horende bij de
26
verkoopsignalen ook positief zijn voor alle testen met een gemiddelde van 0.78%. De tstatistieken tonen aan dat de nulhypothese niet verworpen wordt voor de verkoopsignalen. Het verschil in de returns is negatief voor alle variaties van de regel met een gemiddelde van -0.455%. Deze returns zijn niet significant zodat de nulhypothese van gelijkheid met nul niet wordt verworpen. Tabel IV: Resultaten TRB regel De regels zijn gedefinieerd als (S, L, B) met S en L respectievelijk het korte termijn en lange termijn voortschrijdend gemiddelde en B de band. N(buy) en N(sell) zijn het aantal koop- en verkoopsignalen. Kolom 4 geeft de onvoorwaardelijke returns van de buy-and-hold strategie. Kolom 5 en 6 rapporteren de gemiddelde cumulatieve 10-day return van respectievelijk de koop- en verkoopsignalen met tussen haakjes hun bijhorende t-statistiek die de gelijkheid met de return van een buy-and-hold strategie nagaat. De laatste kolom bevat het verschil tussen de return van de koop- en verkoopsignalen en de bijhorende tstatistiek die de gelijkheid met 0 test. Test
N(buy)
N(sell)
B&H
(1,50,0)
169
89
0.00203
(1,50,0.01)
78
66
0.00203
(1,150,0)
130
38
0.00265
(1,150,0.01)
57
30
0.00265
(1,200,0)
119
31
0.00254
(1,200,0.01)
49
24
0.00254
gemiddelde
0.00241
Buy
Sell
Buy-sell
-0.00040 -0.00146 0.00106 (0.82287) (-0.57687) (0.16939) 0.00255 0.00603 -0.00348 (0.13398) (0.53963) (-0.43431) 0.00217 0.00426 -0.00209 (-0.15986) (0.16852) (-0.21420) 0.00749 0.01599 -0.00851 (1.13782) (1.18814) (-0.72179) 0.00155 0.00765 -0.00611 (-0.32561) (0.48383) (0.56814) 0.00615 0.01430 -0.00815 (0.80560) (0.98073) (-0.64789) 0.00325 0.00780 -0.00455
*Significant op 5% significantieniveau
VI.
Discussie
6.1 Bespreking resultaten
In deze paper gingen we op zoek naar een antwoord op de vraag of technische analyse winstgevend is. Daartoe werden de variable length moving average, de fixed length moving average en trading range break-out regel getest. Uit de resultaten kan er afgeleid worden dat zowel voor de VMA, de FMA en de TRB regel geen enkele keer de
27
nulhypothese
van
gelijkheid
van
de
voorwaardelijke
koopreturn
en
de
onvoorwaardelijke buy-and-hold return wordt verworpen. Dit betekent dat de regels blijkbaar niet in staat zijn om de koopperiodes te onderscheiden uit de gehele periode. Ook bij de verkoopsignalen wordt geen enkele keer de nulhypothese van gelijkheid met de onvoorwaardelijke return verworpen. De regels zijn dus ook niet in staat om de verkoopperiodes uit de gehele periode te halen. In onze analyse werd ook het verschil tussen de returns van de koopsignalen en de returns van de verkoopsignalen gerapporteerd. Vermits er geen aanwijzingen zijn dat deze returns significant verschillend zijn van elkaar is het zo dat technische analyse geen enkele voorspellende kracht heeft. In het algemeen kan er dus uit de resultaten geconcludeerd worden dat technische analyse geen voorspellende kracht heeft indien toegepast op de Franse CAC40 index en dat het geen winstgevende strategie is. We verwerpen dus onze nulhypothese, die zegt dat technische analyse niet winstgevend is, niet. Dit resultaat is compleet tegengesteld aan dat van Brock et al. (1992) waar de regels wel winstgevend bleken te zijn.
Deze resultaten kunnen geassocieerd worden met de efficiënte markt hypothese van Fama (1965). Vermits er uit de resultaten kan geconcludeerd worden dat technische analyse niet winstgevend is, en dus de koersen niet kunnen voorspeld worden aan de hand van het historische prijsverloop, kan er geconcludeerd worden dat de Franse aandelenmarkt marktefficiënt is in zwakke vorm. Om na te gaan of de markt ook semisterk efficiënt is zou er moeten nagegaan worden of fundamentele analyse winstgevend is vermits deze investeringsstrategie gebruik maakt van informatie omtrent de macro- en micro-economische kengetallen die publiek beschikbaar zijn.
28
6.2 Bemerkingen
In de deze paper wordt een eenvoudige t-statistiek gebruikt om na te gaan of de regels al dan niet winstgevend zijn. Deze t-statistiek baseert zich op de assumptie van een normale verdeling van de returns. Uit de descriptieve statistieken van Tabel I blijkt deze assumptie echter niet op te gaan vermits de Jarque-Bera test de nulhypothese van normaliteit verwerpt. Hieruit volgt dat de t-statistieken met enige voorzichtigheid moeten geïnterpreteerd worden.
Een volgende bemerking bij dit onderzoek is dat er in deze paper impliciet de veronderstelling wordt gemaakt dat de slotkoers op dag t-1 gelijk is aan de openingskoers op dag t. Deze veronderstelling komt er omwille van het feit dat er pas verhandeld kan worden de dag nadat het signaal werd gegeneerd. Bijvoorbeeld bij 1-50 VMA wordt het eerste signaal op het einde van dag 50 gegenereerd door de slotkoers op dag 50 te vergelijken met de gemiddelde slotkoers over de laatste 50 dagen. Dit signaal kan pas uitgevoerd worden aan het begin van dag 51 vermits bij de ontwikkeling van het signaal op dag 50 de beurs gesloten is. Opdat deze veronderstelling zou opgaan, mag er geen verhandeling van aandelen plaatsvinden na de sluiting of voor de opening van de beurs. In realiteit wordt er op Euronext Parijs gewerkt met een pre-opening. Bij deze pre-opening kunnen er orders worden ingegeven vooraleer de beurs opent maar deze orders worden nog niet uitgevoerd. Bij de opening van de beurs worden de ingegeven orders met elkaar gelinkt en wordt er een openingkoers vastgelegd. Dit mechanisme zorgt ervoor dat de openingskeurs kan afwijken van de slotkoers van de vorige dag.
29
Een laatste bemerking bij dit onderzoek naar de winstgevendheid van technische analyse heeft te maken met de toerekening van de transactiekosten. In de vorige secties werd de winstgevendheid van de VMA, FMA en TRB regel nagegaan. Daarin werd echter geen rekening gehouden met deze transactiekosten. Vermits er veel transacties plaats vinden bij de verschillende regels kunnen deze hoog oplopen. Daarom kan het nuttig zijn om deze in rekening te brengen. Het in acht nemen van deze kosten zal echter geen invloed hebben op de conclusie van deze paper vermits de regels al niet winstgevend blijken te zijn zonder er rekening mee te houden.
6.3 Toekomstig onderzoek
In dit onderzoek naar de winstgevendheid van technische analyse wordt er gebruik gemaakt van een t-statistiek. Uit vorige paragraaf blijkt dat de assumptie van normaliteit, waarop deze t-statistiek gebaseerd is, niet opgaat. Daarom kan het interessant zijn om als uitbreiding van dit onderzoek een andere statistische methode, zoals bijvoorbeeld te bootstrap methode, toe te passen.
VII.
Conclusie
Het doel van deze studie is om na te gaan of technische analyse winstgevend is indien deze investeringsstrategie wordt toegepast op de Franse CAC40 index. In navolging van Brock et al. (1992) werden de drie meest eenvoudige en tevens meest gebruikte technische trading regels getest om een antwoord te kunnen geven op deze vraag. Deze regels zijn de variable length moving average, de fixed length moving average en de trading range break-out regel. De nulhypothese die bij ons onderzoek wordt gehanteerd is de volgende: technische analyse is niet winstgevend. Om de winstgevendheid na te
30
gaan, wordt er gebruik gemaakt van een eenvoudige t-statistiek. Uit ons onderzoek blijkt dat geen enkele regel winstgevender is dan het toepassen van een gewone buyand-hold strategie waarbij de index gekocht wordt in het begin van de periode en terug verkocht op het einde van de periode. Onze nulhypothese wordt met andere woorden niet verworpen. Dit resultaat wijst er op dat de Franse aandelenmarkt marktefficiënt in zwakke vorm is.
Bronnen Alexander S. (1961). Price movements in speculative markets: Trends or random walks. Industrial Management Review, 2, pp. 7-26.
Allen F. & Karjalainen R. (1999). Using genetic algorithms to find technical trading rules. Journal of Financial Economics, 51, pp. 245-271.
Bessembinder H. & Chan K. (1995). The profitability of technical trading rules in the Asian stock markets. Pacific-Basin Finance Journal, 3, pp. 257-284.
Brock et al. (1992). Simple technical trading rules and the stochastic properties of stock returns. Journal of Finance, 47, pp. 1731-1764.
Chang et al. (2004). Testing for predictability in emerging equity markets. Emerging markets review, 5, pp. 295-316.
Coutts J. & Cheung K. (2000). Trading rules and stock returns: some preliminary short run evidence from the Hang Seng 1985-1997. Applied Financial Economics, 10, pp. 579-586.
Fama E. (1965). The behaviour of stock market prices. Journal of Business, 38, pp. 34105.
Fama E. & Blume M. (1966). Filter rules and stock-market trading. Journal of Business, 39, pp. 226-241.
Filfield et al. (2005). An analysis of trading strategies in eleven European stock markets. The European Journal of Finance, 11, pp. 531-548.
Gunasekarage A. & Power D. (2001). The profitability of moving average trading rules in South Asian stock markets. Emerging Markets Review, 2, pp. 17-33.
Huang Y. (1995). The trading performance of filter rules on the Taiwan stock exchange. Applied Financial Economics, 5, pp. 391-395.
Hudson et al. (1995). A note on the weak form efficiency of capital markets: The application of simple technical trading rules to UK stock prices – 1935 to 1994. Journal of Banking and Finance, 20, pp. 1121-1132.
Hunter D. (1998). The performance of filter rules on the Jamaican Stock Exchange. Applied Economics Letter,. 5, pp. 297-300.
Isakov D. & Hollistein M. (1998). Application of simple technical trading rules to Swiss stock prices: Is it profitable? Working paper. HEC. University of Geneva. Geneva.
Ito A. (1999). Profits on technical trading rules and time-varying expected returns: evidence from Pacific-Basin equity markets. Pacific-Basin Finance Journal, 7, pp. 283330.
Jensen M. & Benington G. (1970). Random walks and technical theories: some additional evidence. Journal of Finance, 25, pp. 469-482.
James F. (1968). Monthly moving averages – an effective investment tool? Journal of Financial and Quantitative Analysis, 3, pp. 315-326.
Lai M. (2002). An examination of the random walk model and technical trading rules in the Malaysian stock market. Quarterly Journal of Business and Economics, 41, pp. 81104.
LeBaron B. (1999). The stability of moving average technical trading rules on the Dow Jones Index. Working paper. Brandeis University.
Mills T. (1997). Technical analysis and the London Stock Exchange: Testing Trading Rules Using the FT30. International Journal of Finance & Economics, 2, pp. 319-331.
Muhannad A. et al. (2006). Technical analysis and the stochastic properties of the Jordanian stock market index return. Studies in Economics and Finance, 23, pp. 119140.
Oberlechner T. (2001). Importance of technical and fundamental analysis in the European foreign exchange market. Journal of Financial Economics, 6, pp. 81-93.
Olson D. (2004). Have trading rule profits in the currency markets declined over time? Journal of Banking & Finance, 28, pp. 85-105.
Parisi F. & Vasquez A. (2000). Simple technical trading rules of stock returns: evidence from 1987 to 1998 in Chile. Emerging market review, 1, pp. 152-164.
Park C. (2007). What do we know about the profitability of technical analysis? Journal of economic surveys, 21, pp. 786-826.
Ratner M. & Leal R. (1999). Test of technical trading strategies in the emerging equity markets of Latin-America and Asia. Journal of Banking and Finance, 23, pp. 18871905.
Ready M. (2002). Profits from Technical Trading Rules. Financial Management, 31, pp. 43-61.
Sweeney R. (1988). Some new filter rule tests: methods and results. Journal of Financial and Quantitative Analysis, 23, pp. 285-300.
Sullivan R. et al. (1999). Data-snooping. technical trading rule performance and the bootstrap. Journal of Finance, 56, pp. 1647-1691.
Taylor M. & Allen H. (1992). H. The use of technical analysis in the foreign exchange market. Journal of International Money and finance, 113, pp. 301-314.
Tian G. et al. (2002). Market efficiency and the returns to simple technical trading rules: new evidence from U.S. equity market and Chinese equity markets. Asia-Pacific Financial Markets, 9, pp. 241-258.
Van Horne J. & Parker G. (1967). The random walk theory: an empirical test. Financial Analysts Journal, 23, pp. 87-92.
http://netto.tijd.be/actua/economie/Wat_verdienen_de_beste_beleggers_ter_wereld.8162751-1619.art [30/03/2009]
