Phân tích kỹ thuật trong đầu tư chứng khoán

[tradingpro8x]

Tổ chức chuyên môn về phân tích kỹ thuật

Ngành công nghiệp này được đại diện trên toàn cầu bởi Liên đoàn quốc tế các nhà phân tích kỹ thuật (IFTA), là một Liên đoàn của các tổ chức khu vực và quốc gia. Tại Hoa Kỳ, ngành công nghiệp này được đại diện bằng cả Hiệp hội các nhà kỹ thuật thị trường (MTA) lẫn Hiệp hội Các nhà phân tích kỹ thuật chuyên nghiệp (AAPTA). Hoa Kỳ cũng được đại diện bởi Hiệp hội các nhà phân tích chứng khoán kỹ thuật của San Francisco (TSAASF). Ở Vương quốc Anh, ngành công nghiệp được đại diện bởi Hội các nhà phân tích kỹ thuật (STA). Tại Canada ngành công nghiệp được đại diện bởi Hội Các nhà phân tích kỹ thuật Canada.[34] Tại Úc, ngành công nghiệp này được đại diện bởi Hiệp hội các nhà phân tích kỹ thuật Úc (ATAA), [35] (hội viên của IFTA) và tổ chức Các nhà phân tích kỹ thuật chuyên nghiệp Australia[36].
Các hội phân tích kỹ thuật chuyên nghiệp đã làm việc trong việc tạo ra một khối kiến thức mô tả lĩnh vực phân tích kỹ thuật. Một khối kiến thức là trung tâm của lĩnh vực này như một cách để xác định cách thức và lý do tại sao phân tích kỹ thuật có thể làm việc. Nó có thể được sử dụng bởi giới học thuật, cũng như các cơ quan quản lý, trong việc phát triển nghiên cứu thích hợp và các tiêu chuẩn cho lĩnh vực.[37] Hiệp hội các nhà kỹ thuật thị trường (MTA) đã xuất bản khối kiến thức, là một cấu trúc cho kỳ sát hạch Kỹ thuật viên thị trường được công nhận (CMT) của MTA.

Hoạt động trao đổi có tính hệ thống

Mạng thần kinh

Kể từ đầu những năm 1990 khi các loại có thể sử dụng thực tế đầu tiên xuất hiện, các mạng thần kinh nhân tạo (ANN) đã nhanh chóng phát triển về mức độ phổ biến. Chúng là các hệ thống phần mềm thích ứng trí tuệ nhân tạo lấy cảm hứng từ cách các mạng thần kinh sinh học làm việc. Chúng được sử dụng bởi vì chúng có thể học hỏi để phát hiện các hình mẫu phức tạp trong dữ liệu. Trong thuật ngữ toán học, chúng là các bộ xấp xỉ hàm phổ quát,[39][40] có nghĩa là được cấp cho các dữ liệu đúng và cấu hình chính xác, chúng có thể nắm bắt và mô hình hóa bất kỳ mối quan hệ đầu vào-đầu ra nào. Điều này không chỉ loại bỏ sự cần thiết của giải thích con người đối với các biểu đồ hoặc các chuỗi quy tắc để tạo ra các tín hiệu vào/ra, mà còn cung cấp một cầu nối với phân tích cơ bản, do các biến được sử dụng trong phân tích cơ bản có thể được sử dụng như là đầu vào.
Do các ANN về cơ bản là các mô hình thống kê phi tuyến tính, độ chính xác và khả năng dự đoán của chúng có thể được kiểm tra cả về mặt toán học và thực nghiệm. Trong các nghiên cứu khác nhau, các tác giả đã cho rằng các mạng thần kinh được sử dụng để tạo ra các tín hiệu trao đổi với các đầu vào kỹ thuật và cơ bản khác nhau đã tốt hơn đáng kể các chiến lược mua và giữ cũng như các phương pháp phân tích kỹ thuật tuyến tính truyền thống khi được kết hợp với các hệ thống chuyên gia dựa trên quy tắc.[41][42][43]
Trong khi bản chất toán học tiên tiến của các hệ thống thích nghi như vậy đã giữ các mạng thần kinh cho các phân tích tài chính chủ yếu trong giới nghiên cứu học thuật, trong những năm gần đây nhiều phần mềm mạng thần kinh thân thiện người dùng đã làm cho công nghệ này dễ tiếp cận hơn đối với các thương nhân. Tuy nhiên, ứng dụng quy mô lớn là có vấn đề vì vấn đề làm phù hợp cấu trúc liên kết mạng thần kinh chính xác với thị trường được nghiên cứu.

Thử nghiệm ngược

Trao đổi có hệ thống thường được sử dụng sau khi thử nghiệm một chiến lược đầu tư trên dữ liệu lịch sử. Điều này được gọi là thử nghiệm ngược (backtesting). Thử nghiệm ngược thường được thực hiện cho các chỉ số kỹ thuật, nhưng có thể được áp dụng cho hầu hết các chiến lược đầu tư (ví dụ như phân tích cơ bản). Trong khi thử nghiệm ngược truyền thống được thực hiện thủ công, điều này thường chỉ được thực hiện trên các cổ phiếu do con người lựa chọn, và như vậy dễ bị thiên về kiến thức đã biết trong lựa chọn cổ phiếu. Với sự ra đời của máy tính, thử nghiệm ngược có thể được thực hiện trên toàn bộ các trao đổi trong nhiều thập kỷ dữ liệu lịch sử trong một lượng thời gian rất ngắn.
Việc sử dụng các máy tính cũng có nhược điểm của nó, bị giới hạn đối với các thuật toán mà máy tính có thể thực hiện. Một số chiến lược trao đổi dựa vào diễn giải của con người,[44] và không thích hợp đối với xử lý máy tính. Chỉ có các chỉ báo kỹ thuật là thuật toán hoàn toàn có thể được lập trình trên máy tính cho thử nghiệm ngược tự động.

Kết hợp với các phương pháp dự báo thị trường khác

John Murphy nói rằng những nguồn thông tin sẵn có cho các nhà kỹ thuật là giá, khối lượng và hợp đồng mở. Các dữ liệu khác, chẳng hạn như các chỉ báo và phân tích cảm tính, được coi là thứ yếu.
Tuy nhiên, nhiều nhà phân tích kỹ thuật vươn ra ngoài phân tích kỹ thuật thuần túy, bằng cách kết hợp các phương pháp dự báo thị trường khác với công việc kỹ thuật của họ. Một người ủng hộ cho cách tiếp cận này là John Bollinger, người đã đặt ra thuật ngữ phân tích hợp lý vào giữa những năm 1980 cho dường giao nhau của phân tích kỹ thuật và phân tích cơ bản.[46] Một cách tiếp cận khác như vậy, phân tích hợp nhất,[47] che phủ phân tích cơ bản bằng phân tích kỹ thuật, trong nỗ lực nhằm cải thiện hiệu suất quản lý danh mục đầu tư.
Phân tích kỹ thuật cũng thường được kết hợp với phân tích định lượng và kinh tế học. Ví dụ, các mạng thần kinh có thể được sử dụng để giúp xác định các mối quan hệ liên thị trường.[48] Một vài nhà dự báo thị trường kết hợp chiêm tinh học tài chính với phân tích kỹ thuật. Bài viết của Chris Carolan "Hoảng loạn mùa thu và Hiện tượng lịch", giành được Giải thưởng Dow của Hiệp hội các nhà kỹ thuật thị trường cho bài báo phân tích kỹ thuật tốt nhất trong năm 1998, trình bày cách phân tích kỹ thuật và các chu kỳ trăng có thể được kết hợp.[49] Hiện tượng lịch, chẳng hạn như hiệu ứng tháng Một trong thị trường chứng khoán, thường được cho là gây ra bởi các nghiệp vụ liên quan đến thuế và kế toán, và không liên quan đến chủ đề của chiêm tinh học tài chính.
Các cuộc thăm dò nhà đầu tư và bản tin, và các chỉ báo cảm tính trên bìa tạp chí, cũng được các nhà phân tích kỹ thuật sử dụng.

Bằng chứng thực nghiệm

Liệu phân tích kỹ thuật có thực sự hoạt động hay không là một vấn đề tranh cãi. Các phương pháp khác nhau rất nhiều, và các nhà phân tích kỹ thuật khác nhau đôi khi có thể đưa ra các dự đoán trái ngược nhau từ cùng một dữ liệu. Nhiều nhà đầu tư cho rằng họ trải nghiệm hoàn vốn tích cực, nhưng việc đánh giá học thuật thường thấy rằng nó có rất ít sức mạnh dự đoán.[51] Trong 95 nghiên cứu hiện đại, 56 kết luận rằng phân tích kỹ thuật đã có kết quả tích cực, mặc dù thiên vị rình mò dữ liệu và các vấn đề khác làm cho các phân tích khó khăn.[13] Dự đoán phi tuyến sử dụng mạng thần kinh đôi khi tạo ra các kết quả dự đoán mang ý nghĩa thống kê.[52] Một bài báo của Cục Dự trữ Liên bang[21] liên quan đến các mức hỗ trợ và kháng cự tỷ giá hối đoái trong ngắn hạn "cung cấp bằng chứng rõ ràng rằng các mức này giúp dự đoán các gián đoạn xu hướng trong ngày," mặc dù "sức mạnh tiên đoán" của những ngưỡng này đã được "tìm thấy thay đổi theo tỷ giá hối đoái và được kiểm tra ngặt nghèo".
Các chiến lược trao đổi kỹ thuật đã được thấy có hiệu quả trong thị trường Trung Quốc bởi một nghiên cứu gần đây khẳng định, "Cuối cùng, chúng ta thấy hoàn vốn tích cực đáng kể đối với các trao đổi mua được tạo ra bởi các phiên bản trái ngược của quy luật cắt chéo trung bình động, quy tắc bùng nổ kênh, và quy tắc trao đổi dải Bollinger, sau khi hạch toán chi phí giao dịch 0,50 phần trăm."
Một nghiên cứu có ảnh hưởng năm 1992 bởi Brock et al. xuất hiện để tìm hỗ trợ cho các quy tắc trao đổi kỹ thuật đã được thử nghiệm đối với can thiệp dữ liệu và các vấn đề khác trong năm 1999;[54] việc lấy mẫu của Brock et al. là đủ mạnh đối với can thiệp dữ liệu.
Sau đó, một nghiên cứu toàn diện về câu hỏi này bởi nhà kinh tế trường phái Amsterdam Gerwin Griffioen kết luận rằng: "đối với các chỉ số thị trường chứng khoán Mỹ, Nhật Bản và Tây Âu hầu hết các thủ tục dự báo không-theo-mẫu đệ quy không cho thấy khả năng có lợi nhuận, sau khi thực hiện các chi phí giao dịch ít. Hơn nữa, đối với chi phí giao dịch đủ cao nó được tìm thấy, bằng cách ước tính các CAPM, mà trao đổi kỹ thuật cho thấy không có sức mạnh dự báo không-theo-mẫu được điều chỉnh rủi ro có ý nghĩa thống kê đối với gần như tất cả các chỉ số thị trường chứng khoán."[16] Chi phí giao dịch đặc biệt áp dụng đối với "các chiến lược xung lượng"; một đánh giá toàn diện năm 1996 của các dữ liệu và nghiên cứu kết luận rằng ngay cả chi phí giao dịch nhỏ sẽ có thể dẫn đến không có khả năng để nắm bắt bất kỳ dư thừa nào từ các chiến lược như vậy.[55]
Trong một bài báo được công bố trên Tạp chí Tài chính, Tiến sĩ Andrew W. Lo, giám đốc Phòng thí nghiệm Kỹ thuật tài chính của MIT, làm việc với Harry Mamaysky và Giang Wang phát hiện ra rằng "
Phân tích kỹ thuật, còn được gọi là "lập biểu đồ," đã là một phần của hoạt động tài chính trong nhiều thập kỷ, nhưng môn học này đã không nhận được cùng một mức độ giám sát và chấp nhận học thuật như các phương pháp tiếp cận truyền thống hơn chẳng hạn phân tích cơ bản. Một trong những trở ngại chính là bản chất rất chủ quan của phân tích kỹ thuật – sự hiện diện của các hình dạng hình học trong các biểu đồ giá lịch sử thường là trong mắt của khán giả. Trong bài báo này, chúng tôi đề xuất một cách tiếp cận có hệ thống và tự động tới việc nhận dạng mẫu kỹ thuật bằng cách sử dụng hồi quy hạt nhân phi tham số, và áp dụng phương pháp này cho một số lượng lớn chứng khoán Mỹ từ năm 1962 đến năm 1996 để đánh giá hiệu quả của phân tích kỹ thuật. Bằng cách so sánh phân bố thực nghiệm vô điều kiện của hoàn vốn chứng khoán hàng ngày với phân phối có điều kiện – điều kiện trên các chỉ báo kỹ thuật cụ thể như đầu-và-vai hoặc đáy kép – chúng tôi thấy rằng qua 31 năm giai đoạn lấy mẫu, một số chỉ báo kỹ thuật cung cấp thông tin gia tăng và có thể có giá trị thực tế.[56]
Trong cùng bài báo đó Tiến sĩ Lo đã viết rằng "một số nghiên cứu học thuật cho thấy rằng ... phân tích kỹ thuật cũng có thể là một phương tiện hiệu quả để trích xuất thông tin hữu ích từ giá cả thị trường." Một số kỹ thuật như Hình học Drummond cố gắng khắc phục thiên vị dữ liệu quá khứ bằng cách dự phóng các mức hỗ trợ và kháng cự từ các khung thời gian khác nhau vào tương lai ngắn hạn và bằng cách kết hợp điều đó với đổi trở lại các kỹ thuật ý nghĩa.