بازدهی معامله‌ها بر اساس نمودارهای شمعی در بورس اوراق بهادار تهران

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار، گروه مالی و بانکداری، دانشگاه علامه طباطبائی، تهران، ایران.

2 دانشجوی کارشناسی ارشد، گروه مهندسی مالی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.

چکیده

هدف: سرمایه‌گذاران برای کسب بازده متناسب با ریسک در پی پیش‌بینی قیمت سهام هستند. یکی از روش‌های پیش‌بینی، استفاده از نمودارهای شمعی است که به‌دلیل سادگی در بین تحلیلگران رواج زیادی دارد. بر این اساس در این پژوهش به بررسی سودآوری این نمودارها در شرایط مختلف می‌پردازیم.
روش: بدین منظور از داده‌های مربوط به قیمت‌های روزانه سهام شرکت‌های پذیرفته‌ شده در بورس اوراق بهادار تهران طی 15سال از آبان 1382 تا آبان 1397 استفاده شده است. میزان بازدهی و درصد موفقیت سرمایه‌گذاری بر اساس 13 نمودار شمعی مختلف در دو افق زمانی 1 و 10‌روزه و در شرایط مختلف صعودی و نزولی و حالت‌های مختلف گردش معامله‌ها اندازه‌گیری شده است.
یافته‌ها: بدون مدنظر قرار دادن روند یا گردش معامله‌ها، شمعِ فروش در دوره نگهداری 1‌روزه و شمع‌های خرید در دوره نگهداری 10‌روزه، بیشترین بازدهی را (بیش از هزینه‌های معامله‌ها) به‌همراه دارند. با بررسی نمودارها در روندهای صعودی و نزولی، عملکرد نمودارها افزایش خواهد یافت. همچنین با در نظر گرفتن گردش معامله‌ها، بهترین بازدهی، مربوط به شمعِ خرید در روند صعودی و در گروه شرکت‌های با ارزش معامله‌های متوسط و دوره نگهداری 10‌روزه است. از سوی دیگر، نتایج پژوهش دلیلی بر توصیه به اتخاذ دیدگاه کوتاه‌مدت در دوره‌های نزولی است.
نتیجه‌گیری: با توجه به نتایج، سرمایه‌گذاران می‌توانند بر مبنای افق زمانی مد نظر خود و بر اساس شرایط صعودی و نزولی و از بین شرکت‌های با گردش معامله‌های مختلف از الگوی منتخب ذکرشده برای کسب بازدهی در بورس اوراق بهادار تهران استفاده کنند.

کلیدواژه‌ها


عنوان مقاله [English]

Trades Return Based on Candlestick Charts in Tehran Stock Exchange

نویسندگان [English]

  • Moslem Peymany Foroushany 1
  • Amir Hossein Erzae 1
  • Mehdi Salehi 2
  • Ahmad Salehi 2
1 Assistant Prof., Department of Finance, Faculty of Management and Accounting, Allameh Tabataba’i University, Tehran, Iran.
2 M.Sc. Student, Department of Finance Engineering, Faculty of Management and Accounting, Allameh Tabataba’i University, Tehran, Iran.
چکیده [English]

Objective: Investors are always trying to predict stock prices in order to earn returns proportional to risk. One way to predict price is using candlestick charting which is common among analysts mainly due to its simplicity. So in this research we examine its profitability in different conditions.
Methods: For this purpose, daily stock price data of companies listed in Tehran Stock Exchange during 15 years from October 2003 to October 2018is used to calculate returns and winning rates of investment based on thirteen different candlestick charts in two horizon times of one day and ten days in different conditions of uptrends and downtrends for different turnover values.
Results: The research findings show that regardless of the trend or trading turnover, the sell candlestick, when holding for one day, and the buy candlestick, when holding for ten days, have the highest returns (more than transaction costs). By examining candlesticks in uptrends and downtrends their performance will improve. Buy candlestick in uptrends for companies with medium turnover value has the best return when holding for ten days if we consider the trading turnover value. The results of the research can also be considered as a recommendation for adopting a short-term outlook in the bearish periods.
Conclusion: Based on the findings, investors can use the mentioned patterns to gain returns in the Tehran Stock Exchange based on their preferred time horizon, as well as ascending and descending conditions among the companies with different trading turnover value.

کلیدواژه‌ها [English]

  • Candlestick charts
  • Tehran stock exchange market
  • Technical analysis
آسیما، مهدی؛ عباس زاده اصل، امیرعلی (1398). ارائه مدل ترکیبی برآورد بازده مورد انتظار با استفاده از الگوریتم ژنتیک. تحقیقات مالی، 21(1)، 101- 120.
اسلامی بیدگلی، غلامرضا؛ نبی‌زاده، احمد (1389). بررسی اثر آخر هفته و مقایسه رفتار سرمایه‌گذاران حقیقی و نهادی در بورس اوراق بهادار تهران بین سال‌های 1385-1381. تحقیقات مالی، 11(28)، 21-34.
افشاری ‌راد، الهام؛ علوی، سید عنایت‌اله؛ سینایی، حسنعلی (1397). مدلی هوشمند برای پیشبینی روند سهام با استفاده از روش‌های تحلیل تکنیکال. تحقیقات مالی،20(2)، 249- 264.
امیری، مقصود؛ بیگلری کامی، مهدی (1393). پیش‌بینی رفتار سهام با استفاده از مدل زنجیره مارکوف. مهندسی مالی و مدیریت اوراق بهادار، 5(20)، 79-97.
بشیرخداپرستی، رامین؛ جهانگیری، خلیل؛ برومندزاده، حسین؛ صبا، مینا (1398). مقایسه کارایی اندیکاتورهای تحلیل تکنیکال در دوره رکود و رونق بازار سرمایه در شرکت‌های تولیدی فعال‌تر بورس اوراق بهادار تهران. دانش مالی تحلیل اوراق بهادار، 12(42)، 147 -161.
پورزمانی، زهرا؛ رضوانی اقدم، محسن (1394). مقایسه کارایی استراتژی‌های تکنیکال میانگین متحرک نمایی و شاخص قدرت اندازه حرکت با روش خرید و نگهداری برای خرید سهام. فصل‌نامه علمی پژوهشی دانش سرمایه‌گذاری، 4(16)، 27-43.
تهرانی، رضا؛ مدرس، احمد؛ تحریری، آرش (1389). ارزیابی تأثیر استفاده از شاخص‎های تحلیل تکنیکی بر بازده‎ی سهام‎داران. تحقیقات اقتصادی, 45(3).
خنجرپناه، حسین؛ دوروش، داود؛ شوال پور، سعید؛ جبارزاده، آرمین (1397). کاربرد روش تکنیکال برای پیش‌بینی قیمت سهام: رویکرد مدل‌های احتمال غیرخطی و شبکه‌های عصبی مصنوعی. راهبرد مدیریت مالی، 6(3)، 59-79.
رستگار، محمد علی، دستپاک، محسن (1397). ارائه مدل معامله‌های با فراوانی زیاد، همراه با مدیریت پویای سبد سهام به روش یادگیری تقویتی در بورس اوراق بهادار تهران. تحقیقات مالی، 20(1)، 1-16.
رستگار، محمد علی؛ آشوری، فرح (1397). بهینه‌سازی پارامترهای اندیکاتورهای تحلیل تکنیکال برای داده‌های درون‌روزی با استفاده از الگوریتم الهام‌گرفته از پدیده‌های نوری: مطالعه موردی بورس تهران. مهندسی مالی و مدیریت اوراق بهادار، 9(35)، 153- 178.
رضوانی اقدم، محسن؛ پورزمانی، زهرا (1396). مقایسه کارآمدی استراتژی‌های ترکیبی تحلیل تکنیکال با روش خرید و نگهداری برای خرید سهام در دوره‌های صعودی و نزولی. دانش مالی تحلیل اوراق بهادار،10(33)، 17-31.
صالح اردستانی، عباس (1394). بررسی مقایسه‌ای اثربخشی اندیکاتورهای تحلیل تکنیکال از نوع روند با نوسانگر تصادفی در تحلیل اوراق بهادار شرکت‌های دارویی. مدیریت بهداشت و درمان، 6(4)، 41-47.
غلامیان، الهام؛ داودی، سید محمدرضا (1397). پیش‌بینی روند قیمت در بازار سهام با استفاده از الگوریتم جنگل تصادفی. مهندسی مالی و مدیریت اوراق بهادار، 9(35)، 301-322.
فتحی، سعید؛ پرویزی، ناهید (1395). سودآوری تحلیل تکنیکال: تلفیق اسیلاتورها با قوانین میانگین متحرک. مهندسی مالی و مدیریت اوراق بهادار، 7(28)، 41-53.
کیمیاگری، علی ‌محمد؛ تیژری، مهتاب (1385). ارائه مدلی برای آزمون و ارتقای کارایی بازار سهام. تحقیقات مالی، 8(22).
محمدی، علی (1395). مرجع کامل تحلیل تکنیکال در بازارهای سرمایه. تهران: کتاب مهربان.
میرزائی، حمیدرضا؛ خدامی‌پور، احمد؛ پورحیدری، امید (1395). بررسی کاربرد الگوریتم ژنتیک چند هدفه در بهینه‌سازی پرتفوی سهام با استفاده از شاخص‌های تکنیکال. مهندسی مالی و مدیریت اوراق بهادار, 7(29)، 67-84.
نصرالهی، خدیجه؛ ثقفی، رضا؛ صمدی، سعید؛ برزانی، محمدرضا (1392). ارزیابی سودمندی الگوهای شمعی ژاپنی در بورس اوراق بهادار تهران؛ نشریه پژوهش‌های حسابداری و مالی، 5(3)، 59-72.
نیکوسخن، معین (1397). ارائه یک مدل ترکیبی بهبود‌یافته با انتخاب وقفه‌های خودکار برای پیش‎بینی بازار سهام. تحقیقات مالی، 20(3)، 389-408.
وکیلی، سید حجت؛ عمادی، سید مرتضی؛ ابراهیمی، سیدبابک (1398). سیستم سبد‌گردان خودکار با استفاده از ترکیب مدل‌های پیش‌بینی تلاطم و مبانی تحلیل تکنیکال. راهبرد مدیریت مالی، 7(1)، 145-164.
 
References
Afsharirad, E., Alavi, S.E., Sinaei, H. (2018). Developing an Intelligent Model to Predict Stock Trend Using the Technical Analysis. Financial Research Journal, 20(2), 249-264.
 (in Persian)
Asima, M., Ali Abbaszadeh Asl, A. (2019). Developing a Hybrid Model to Estimate Expected Return Based on Genetic Algorithm. Financial Research Journal, 21(1), 101-120.
(in Persian)
Bashir Khodaparasti, R., Jahangardi, K., Boroomandzadeh, H., Saba, M. (2019). Comparison of the Efficiency of Technical Analysis Indicators in in the capital market periods of the boom and depression in the active Manufacturing companies at the Tehran Stock Exchange. Financial Knowledge of Securities Analysis, 12(42), 147-161. (in Persian)
Blume, L., Easley, D., & O'hara, M. (1994). Market statistics and technical analysis: The role of volume. The Journal of Finance, 49(1), 153-181.
Boobalan, C. (2014). Technical analysis in select stocks of Indian companies. International Journal of Business and Administration Research Review, 2(4), 26-36.
Chen, S., Bao, S., & Zhou, Y. (2016). The predictive power of Japanese candlestick charting in Chinese stock market. Physica A: Statistical Mechanics and its Applications, 457, 148-165.
Eslami Bidgoli, GH. R., Nabizade, A. (2011). Examination of Weekend Effect and Caparison of Individual and Legal Investor's Behavior During 1381-85 in Tehran Stock Exchange. Financial Research Journal, 11(28), 21-34. (in Persian)
Fathi, S., Parvizi, N. (2016). Profitability of Technical Analysis: Combining Oscillators with Moving Average Rules. Financial Engineering and Securities Management, 7(28), 41-53. (in Persian)
Frankel, J. A., & Froot, K. (1990). Chartists, fundamentalists, and trading in the foreign exchange market. NBER Working Paper, (R1512).
Gholamian, E., davoodi, S. (2018). Predicting the Direction of Stock Market Prices Using Random Forest. Financial Engineering and Securities Management, 9(35), 301-322.
(in Persian)
Khanjarpanah, H., Dourvash, D., Shavvalpour, S., Jabbarzadeh, A. (2018). The Application of Technical Analysis in Stock Price Forecasting: Non-linear Probability Models and Artificial Neural Networks. Financial Management Strategy, 6(3), 59-79. (in Persian)
Kimiagari, M., Tizhari, M. (2006). A Model for Testing and Improving Stock Market Efficiency. Financial Research Journal, 8(22). (in Persian)
Ko, K.C., Lin, S.J., Su, H.J., Chang, H.H. (2014). Value investing and technical analysis in Taiwan stock market. Pacific-Basin Finance Journal, 26, 14-36.
Logan, T. (2008). Getting Started in Candlestick Charting. John Wiley & Sons, New Jersey.
Lu, T. H. (2014). The profitability of candlestick charting in the Taiwan stock market. Pacific-Basin Finance Journal, 26, 65-78.
Masry, M. (2017). The Impact of Technical Analysis on Stock Returns in an Emerging Capital Markets (ECM¡¯s) Country: Theoretical and Empirical Study. International Journal of Economics and Finance, Canadian Center of Science and Education, 9(3), 91-107.
Mirzaei, H., Khodamipour, A., Pourheidari, O. (2016). Applying Multi objective Genetic Algorithms in Portfolio Optimization by Technical Indicators. Financial Engineering and Securities Management, 7(29), 67-84. (in Persian)
Mohamadi, A. (2017). A complete reference to technical analysis in capital markets. Tehran: Mehraban Book. (in Persian)
Murphy, J. J. (1999). Technical Analusis of the Financial Markets. New York: John Wiley & Sons.
Nasrolahi, KH., Saghafi Killvangh, R., Samadi, S., Vaez Barzani, M. (2013). An Appraisal of the Merit of Candlestick Technical Trading Strategies in Tehran Stock Exchange. Journal of Financial Accounting Research, 59-72. (in Persian)
Nikusokhan, M. (2018). An Improved Hybrid Model with Automated Lag Selection to Forecast Stock Market. Financial Research Journal, 20(3), 389-408. (in Persian)
Nison, S. (1991). Japanese candlestick charting techniques: a contemporary guide to the ancient investment techniques of the Far East. Penguin.
Park, C. H., & Irwin, S. H. (2007). What do we know about the profitability of technical analysis? Journal of Economic Surveys, 21(4), 786-826.
Poorzamani, Z., Rezvaniaghdam, M. (2015). Compare efficiency technical strategies containing exponential moving average and relative strength index with buy and hold method. Journal of Investment Knowledge, 4(16), 27-44. (in Persian)
Rastegar, M., Ashuri, F. (2018). Optimization of technical indicators’ parameters for intraday data using optics – inspired optimization (OIO): a case study of Tehran stock exchange. Financial Engineering and Securities Management, 9(35), 153-178. (in Persian)
Rastegar, M., Dastpak, M. (2018). Developing a High-Frequency Trading system with Dynamic Portfolio Management using Reinforcement Learning in Iran Stock Market. Financial Research Journal, 20(1), 1-16. (in Persian)
Rezaeian, A., Fadaei Nejad, M. E., Joshan, E. (2016). The effect of behavioral financial factors on the value of transactions in different stock market conditions. Quantitative Researches in Management, 7(3), 27-37. (in Persian)
Rezvani Aghdam, M., Pourzamani, Z. (2017). Compare the Efficiency of Technical Analysis Strategies with Buy and Hold Rule for the Stock Purchase in Bullish and Bearish periods. Financial Knowledge of Securities Analysis, 10(33), 17-31. (in Persian)
Saleh Ardestani, A. (2016). Comparative Study of Eeffectiveness of Technical Analysis Indicators with Type of Trend with Accidental Oscillator in Securities Analysis Pharmaceutical Companies. Journal of healthcare management, 6(4), 41-47. (in Persian)
Stankovic, J., Markovic, I., Stojanovic, M. (2015). Investment Strategy Optimization Using Technical Analysis and Predictive Modeling in Emerging Markets. Procedia Economics and Finance, 19, 51-62.
Tehrani, R., Modarres, A., Tahriri, A. (2010). Evaluation of the Effect of using Technical Analysis Indexes on the Returns of Investors. Journal of Economic Research, 45(3).
(in Persian)
Treynor, J. L., & Ferguson, R. (1985). In defense of technical analysis. The Journal of Finance, 40(3), 757-773.
Vakili, S., Emadi, S., Ebrahimi, S. (2019). Automatic Portfolio Rebalancing System Design Using Volatility Prediction Models and Technical Analysis Combination. Financial Management Strategy, 7(1), 145-164. (in Persian)