Analiza techniczna – liczne dowody na jej skuteczność

Analiza techniczna

W tym artykule wyjaśniamy, czym dokładnie jest analiza techniczna i podajemy liczne dowody na jej zastosowanie i skuteczność. Poniższy artykuł powstał na bazie licznych badań naukowych z całego świata.

Ogólna definicja analizy technicznej

Na wstępie trzeba określić, co stoi dokładnie za pojęciem “analiza techniczna“. Definicja jest szeroka. W piśmiennictwie jednolicie uznawana jest głównie jedna definicja: analiza technicza posługuje się cenami z przeszłości w celu wygenerowania sygnału kupna. Nie ma tutaj mowy z jakiego okresu te ceny mogą być brane – może to być również z dnia wczorajszego, lub nawet dane cenowe sprzed godziny.

“Analizę techniczną uważa się, również za dobrze uzasadnioną metodę prognozowania przyszłych zmian na rynku przez generowanie sygnałów kupna lub sprzedaży opartych na specyficznych informacjach uzyskiwanych z cen, z przeszłości, oraz na psychologii rynku[1]. Stąd analizę techniczną traktuje się, jako badanie zachowań na rynku finansowym. Jego celem jest prognozowanie trendów cenowych w przyszłości[2].”[3]

Tutaj jednak należy mocno podkreślić – bo ten aspekt jest mylony – analiza techniczna nie dyskontuje wszystkiego. Błędnie się mówi, że rynek dyskontuje wszystko[4]. Analiza techniczna sama w sobie dyskontuje jedynie znane lub przewidywalne przez rynek wydarzenia/informacje. Każda informacja, która nie była przez rynek spodziewana, może mieć dynamiczny wpływ na przebieg kursu, a co za tym idzie – na analizę techniczną. Analizę należy przeprowadzić ponownie po kilku dniach, jak rynek już się „ustosunkuje” do danej informacji. Przy analizie technicznej jednak każda sesja – świeca – z osobna jest ważna, więc takie spontaniczne wiadomości nie zmieniają niczego w sposobie przeprowadzania takowych analiz.

Główną zasadą analizy technicznej jest jednak założenie, że ceny podlegają trendom. Trzecią zasadą – która również jest błędnie przedstawiana lub w sposób nieprecyzyjny – że historia powtarza się.[5] Takie nieścisłe sformułowanie jest moim zdaniem zbyt daleko idące. Przebieg kursu – a więc wykres –  to pochodna zachowań akcjonariuszy. Akcjonariusze zmieniają się, ale trzon jest niezmienny przez pewien, ściśle nie do sprecyzowania okres. Można założyć, że zachowanie każdego z nas może się powtórzyć za każdym razem gdy wystąpi podobne wydarzenie. To samo się tyczy nie tylko jednostki, ale całego tłumu. Psychologia tłumu jest zbadanym naukowo obszarem.[6] Stąd właśnie analiza techniczna mówi, że jest większe prawdopodobieństwo danego zdarzenia analizując przeszłość. Historia nie powtarza się, pewne zdarzenia jedynie mogą się powtórzyć. Jednak tutaj musimy operować pojęciem prawdopodobieństwa, gdyż tłum – a więc akcjonariat – może się zmieniać. Trzon akcjonariatu, przy wystąpieniu innego, podobnego wydarzenia, nie musi być identyczny lub podobny. Właśnie dzięki powtarzalności pewnych zachowań analiza techniczna rozwinęła pojęcia formacji technicznych, istnienie wsparć, oporów oraz trendów. Ludzka psychika reaguje niezmiennie na podobne zmiany.[7]

Analiza techniczna jest skuteczniejsza od analizy fundamentalnej w wyznaczaniu punktów zwrotnych trendów cenowych.[8]

Dowody na skuteczność analizy technicznej

Przedstawienie dowodów empirycznych na tezę, że analiza techniczna jest zyskowna, jest ciężkie, z dwóch głównych powodów. Po pierwsze pojęcie „analiza techniczna” jest pojęciem bardzo szerokim. Nie ma jednego narzędzia analizy technicznej. Analiza techniczna to zbiór różnych narzędzi, zbiór różnych aspektów, które są brane do analizy. Do tych aspektów powinien również należeć obrót akcji w danych dniach. Niestety wolumen w dalszym ciągu jest niedoceniany przez większość[9], mimo, że wolumen powinien być podstawą analizy technicznej. Już Murphy w swojej kluczowej pozycji pisał, że każda formacja techniczna oraz trend powinien być potwierdzony przez adekwatny obrót.[10] Niestety w większości badań – które i tak silnie wskazują na korzyści płynące z analizy technicznej – obrót sesyjny jest kompletnie pomijany.

Drugą kwestią jest brak możliwości udowodnienia empirycznego skuteczności analizy technicznej bez jednoczesnego zatracenia zyskownego systemu inwestycyjnego. Udowadniając skuteczność analizy technicznej dany badacz jest zmuszony do opublikowania całego algorytmu, który na bazie danych historycznych uzyskał stopy dodatnie z inwestycji. Publikując szerokiemu gronu takie algorytmy stają się one powoli mniej lub bardziej bezużyteczne. Algorytmy są dlatego wewnątrz instytucji chronione. Do tego algorytmy są dzisiaj tak pisane, że automatycznie analizują najnowsze dane do wprowadzenia zmian we własnym systemie. W skrócie: algorytm sam się „uczy”.

Spośród 95 nowoczesnych badań, 56 badań daje pozytywne wyniki w zakresie skuteczności analizy technicznej, 20 badań daje wyniki negatywne, a 19 badań wskazuje na wyniki mieszane.

Mimo tych kwestii jest wiele badań naukowych, które potwierdzają skuteczność już samej analizy technicznej bez brania pod uwagę – moim zdaniem kluczowego czynnika – obrotu sesyjnego. Spośród 95 nowoczesnych badań, 56 badań daje pozytywne wyniki w zakresie skuteczności analizy technicznej, 20 badań daje wyniki negatywne, a 19 badań wskazuje na wyniki mieszane.[11]

Reguły filtrujące, wprowadzone po raz pierwszy przez Alexander S. (1961[12]), były najpopularniejszym testowanym systemem inwestycyjnym.[13] Udowodniono, że najprostsza metoda może generować większe stopy zwrotu niż sam indeks. Reguła filtrująca generuje sygnał kupna (ew. sprzedaży), kiedy dzisiejsza cena zamknięcia wzrasta (spada) o x% powyżej (poniżej) swojego ostatniego najniższego (ew. najwyższego) poziomu. W szczególności zasada filtrowania 3% generuje roczny zwrot netto w wysokości 115,8% w okresie próbnym. Innym przykładem jest badanie Sweeneya[14] 10 kursów walutowych z wykorzystaniem zasad filtrowania, które pokazuje, że długie pozycje oparte na małych filtrach (0,5 %, 1 % i 2 %) generują dodatnie stopy zwrotu we wszystkich badanych 10 parach walutowych, nawet po skorygowaniu o koszty transakcji. Natomiast reguła filtrująca 1% generuje statystycznie istotne stopy zwrotu, które wynoszą średnio 3,0%-6,75% rocznie dla wszystkich par walutowych w latach 1975-1980.[15]

Kolejne dowody na zyskowność analizy technicznej wniósł Brock, Lakonishock oraz LeBaron badając oscylatory średnich kroczących oraz standardowe poziomy wsparć i oporów.[16] Przedstawione w tych badaniach algorytmy dały stopę zwrotu przewyższającą strategię „kup i trzymaj z tego samego okresu czasowego dając roczną stopę zwrotu w wysokości 12%. Średnie kroczące również były przedmiotem badań Han, Yang oraz Zhou[17]. W swych badaniach udowadniają, że zastosowanie prostych średnich kroczących (10-, 20-, 50-, 100- oraz 200-dniowe/okresowe) „znacznie” potęgują stopę zwrotu uzyskiwaną w ramach zwykłej strategii „kup i trzymal” (ang. buy-and-hold strategy). Roczne stopy zwrotu były wyższe o 8,42% – 18,70% od strategii „kup i trzymaj”. Im mniejsza średnia krocząca była zastosowana, tym większe wyniki uzyskiwano. Jednak 200-okresowa średnia krocząca również pobiła strategię „kup i trzymaj” o ponad 5% rocznej stopy zwrotu. Do swych badań wykorzystane były giełdowe dane historyczne NYSE (dawniej Amex) z okresu od 1 lipca 1963 do 31 grudnia 2009. Autorzy piszą, że szczególne średnie kroczące oraz w tym szeroko pojęta analiza techniczna ma duże zastosowanie – już proste średnie kroczące „znacznie” przebijają strategię „kup i trzymaj”, w szczególnści jeżeli mamy do czynienia z brakiem dostępu do informacji lub/oraz zmienność na rynkach jest duża.[18] Autorzy podkreślają, że strategia podążania za średnimi kroczącymi to strategia podążania za trendem, a to jest jedno z podstawowych założeń analizy technicznej.

Z kolei przykładem na dowody zyskowności formacji technicznych takich między innymi jak głowa i ramiona oraz podwójne dno były badania Lo, Mamaysky oraz Wang.[19]

Natomiast prace Smith’a, N. Wang, Y. Wang oraz Zychowicza[20] doszły do wniosku, że najlepsze zastosowanie analizy technicznej jest w przypadku okresów z wysokim sentymentem inwestorów (gdy nastroje są pozytywne na szerokim rynku). Do wyznaczenia poziomu sentymentu użyto indeksu sentymentu Bakera i Wurglera, do którego tworzenia użyto 6 czynników: wycena funduszy zamkniętych, obrót giełdowy na NYSE, liczba oraz stopa zwrotu w pierwszym dniu IPO, wielkość emisji akcji oraz róznica w wycenie C/WK wśród spółek wypłacających dywidendę i tych niewypłacających (ang. wskaźnik dividend premium). Poziomy indeksu sentymentu inwestorów od 1927 można śledzić w tej tabeli: http://people.stern.nyu.edu/jwurgler/data/Investor_Sentiment_Data_v23_POST.xlsx (jest to tabela EXCELL udostępniana przez Wurglera). W badaniach porównał – jego zdaniem najbardziej profesjonalną instytucję giełdową – fundusze hedgingowe używające analizę techniczną w swych inwestycjach, z tymi, które nie deklarują używania tej metody. Autorzy wykazali, że w okresach wysokiego sentymentu fundusze hedgingowe wykorzystujące analizę techniczną wykazują wyższe wyniki, niższe ryzyko i lepszą zdolność do optymalizacji niż fundusze, które nie stosują analizy technicznej. Zalety stosowania analizy technicznej jednak są znikome w okresach niskiego sentymentu. Przy stosowaniu analizy fundamentalnej stosunek ten jest odwrotny. Badacze twierdzą, że fundusze hedgingowe, które raportują wykorzystywanie analizy fundamentalnej w wycenie spółek, w okresach wysokiego sentymentu nie osiągają takich wyników jak fundusze niestosujące analizy fundamentalnej; istnieją jednak pewne dowody na to, że fundusze stosujące analizę fundamentalą osiągają lepsze wyniki od innych w okresach niskiego sentymentu.[21] Badania empiryczne Neely, Rapach, Tu oraz Zhou[22] potwierdzają tę tezę. Udowadniają oni, że wskaźniki techniczne są bardziej przydatne w wykrywaniu spadków na rynku w pobliżu szczytów cyklu koniunkturalnego (tj. w następstwie wysokich nastrojów), ale nie są tak skuteczne jak zmienne/wskaźniki makroekonomiczne w wykrywaniu wzrostów na rynku w pobliżu tzw. fazy depresji w cyklu koniunkturalnym (tj. w następstwie niskich nastrojów. Podobnego zdania są Shen i Yu, którzy ukazali, że czynniki makroekonomiczne mają głównie pozytywne zastosowanie jedynie w okresach niskiego sentymentu, a więc w okresach fazy depresji.[23] Autorzy artykułu stawiają tezę, że najlepszym wyjściem jest stosowanie analizy technicznej I fundamentalnej jednocześnie. Analiza techniczna sprawdza się najlepiej w rynkach, gdzie nastroje są bardzo mocne. Analiza fundamentalna natomiast w „low sentiment periods”.

Konkluzja

Teza, że analiza techniczna lepiej się sprawuje w okresach, gdzie nastroje są wygórowane, jest logiczna. Stwierdzenie, że analiza fundamentalna wyprzedza rynek, jest także właściwe. Próbuje znaleźć punkt, gdzie cena „wewnętrzna” przewyższa tę giełdową (rynkową). Osoby, które stosują analizę techniczną przed zainwestowaniem w dany walor czekają na wyraźny sygnał techniczny. Tym sygnałem może być początek trendu wzrostowego, którego ukształtowanie się może trwać kilka miesięcy. Analiza techniczna, to w głównej mierze śledzenie większego kapitału między innymi, poprzez analizowanie wielkości obrotów sesyjnych i wewnątrzsesyjnych. Mniejszy kapitał – a więc inwestorzy indywidualni – siłą rzeczy zainwestują z reguły dopiero po pierwszym ruchu inwestorów instytucjonalnych.

Gyby wykazano jasno, które narzędzia analizy fundamnetalnej są obiektywnie skuteczne, każdy z nas mógłby być od razu milionerem. Jest to prosty argument, ale mocno ukazujący prawdę. Tak samo jest z analizą techniczną. Nie ma i nie będzie jednoznacznych dowodów, na skuteczność analizy fundamentalnej, czy też technicznej. Stwierdzam zatem jak na górze artykułu. Osoba, która „wynajdzie” dany algorytm, który będzie przynosił pozytywną stopę zwrotu przez x lat, nie będzie chciała się nim dzielić tylko i wyłącznie w purystycznym celu udowodnienia, że analiza techniczna się sprawdza. Większość badaczy jednak jednoznacznie twierdzi, że analiza technicza jest skutecznym narzędziem zarządzania ryzykiem i tak samo skuteczną metodą jak analiza fundamentalna. Obie formy analizy powinny “żyć” w symbiozie – tego dowodzi większość badań.

Radosław Michał Suchy

Pascal Bodnar

Przypisy

[1] Chen Ch.-W., Huang Ch.-S., Lai H.-W. (2009). The impact of date snooping on the testing of technical analysis: An empirical study of Asian stock markets. Journal of Asian Economics, 5 (20), s. 580.

[2] Nawrocki T., Jabłoński B (2011). Inwestowanie na rynku akcji: jako ocenić potencjał rozwojowy spółek notowanych na GPW w Warszawie. Warszawa: CeDeWu, s. 5.

[3] Paluszak G., Wiśniewska-Paluszak J. (2018). Hipoteza efektywnego rynku versus analiza techniczna rynku finansowego. Polityki Europejskie, Finanse i Marketing, 19 (68), s. 187-188.

[4] Przykład takiego stwierdzenia znajdziemy między innymi w polskiej pracy naukowej: Paluszak G., Wiśniewska-Paluszak J. (2018). Hipoteza efektywnego rynku versus analiza techniczna rynku finansowego. Polityki Europejskie, Finanse i Marketing, 19 (68), s. 188.

[5] Przykład takiego stwierdzenia znajdziemy między innymi w polskiej pracy naukowej: Paluszak G., Wiśniewska-Paluszak J. (2018). Hipoteza efektywnego rynku versus analiza techniczna rynku finansowego. Polityki Europejskie, Finanse i Marketing, 19 (68), s. 188.

[6] Freud S. (2010). Massenpsychologie und Ich-Analyse. Wydawnictwo: Nikol.

[7] Paluszak G., Wiśniewska-Paluszak J. (2018), Hipoteza efektywnego rynku versus analiza techniczna rynku finansowego. Polityki Europejskie, Finanse i Marketing, 19 (68), s. 188; Murphy J.J. (1999). Analiza techniczna rynków finansowych. Warszawa: Wyd. Finansowe WIG-Press, s. 2-4; Elder A. (2001). Zawód inwestor giełdowy. Kraków: Wyd. Oficyna ekonomiczna, s. 80; Achelis S. B. (1998). Analiza techniczna od A do Z. Warszawa: Oficyna Wydawnicza LT&P, s. 2; Jóźwicki R. (2010). Strategie Inwestycyjne. Warszawa: Wyd. CeDeWu, s. 2-4; Fang J., Y. Qin, B. Jacobsen (2014). Technical market indicators: An overview. Journal of Behavioral and Experimental Finance, vol. 4, , s. 25-56.

[8] Lui Y.H., Mole D. (1998). The use of fundamental and technical analyses by foreign Exchange dealers: Hong Kong evidence. Journal of International Money and Finance, 17 (3), s. 535.

[9] Moje subiektywne obserwacje. Jednak prowadząc portal giełdowy przez 5 lat spotykam się codziennie z różnymi inwestorami, analitykami i instytucjami.

[10] Murphy J. J. (1999). Analiza techniczna rynków finansowych. Warszawa: Wyd. Finansowe WIG-Press, s. 144 – 146.

[11] Park C.-H., oraz S. H. Irwin (2007). What Do We Know About the Profitability of Technical Analysis?. Journal of Economic Surveys, 21, s. 786.

[12] Alexander, S.S. (1991). Price movements in speculative markets: trends or random walks. Industrial Management Review, 2, s. 7–26.

[13] Park, C.-H., oraz S. H. Irwin (2007). What Do We Know About the Profitability of Technical Analysis? Journal of Economic Surveys, 21, s. 790.

[14] Sweeny R. J. (1986). Beating the foreign exchange market. Journal of Finance, 41, s. 163–182.

[15] Park, C.-H., oraz S. H. Irwin (2007). What Do We Know About the Profitability of Technical Analysis? Journal of Economic Surveys, 21, s. 790.

[16] Brock W., Lakonishock J. oraz LeBaron B. (1992). Simple technical trading rules and the stochastic properties of stock returns. Journal of Finance, 47, s. 1731–1764; Park C.-H. oraz S. H. Irwin (2007). What Do We Know About the Profitability of Technical Analysis? Journal of Economic Surveys, 21, s. 795.

[17] Han Y., Yang K. oraz Zhou G. (2013). A New Anomaly: The Cross-Sectional Profitability of Technical Analysis. Journal of Financial and Quantitative Analysis, s. 1433 – 1461.

[18] Han Y., Yang K. oraz Zhou G. (2013). A New Anomaly: The Cross-Sectional Profitability of Technical Analysis. Journal of Financial and Quantitative Analysis, s. 1458.

[19] Lo A., W. Mamaysky H. oraz Wang J (2000). Foundations of Technical Analysis: Computational Algorithms, Statistical Inference, and Empirical Implementation. Journal of Finance, 55, s. 1705 -1770.

[20] Smith D. M., Wang N., Wang Y., Zychowicz E. J. (2016). Sentiment and the Effectiveness of Technical Analysis: Evidence from Hedge Fund Industry. Journal of Financial and Quantitative Analysis, s. 1991 – 2013.

[21] Smith D. M., Wang N., Wang Y., Zychowicz E. J. (2016). Sentiment and the Effectiveness of Technical Analysis: Evidence from Hedge Fund Industry. Journal of Financial and Quantitative Analysis, s. 1993.

[22] Neely C. J., Rapach D. E., Tu J., Zhu G. (2014). Forecasting the Equity Risk Premium: The Role of Technical Indicators. Management Science, 60, s. 1772-1791.

[23] Shen J. oraz J. Yu (2014). Investor Sentiment and Economic Forces. Working Paper, University of Minnesota.