تحقیقات زیادی عملکرد یا کارایی بازار را با استفاده از ابزار تحلیل تکنیکی واگرایی میانگین متحرک (MACD) بررسی کرده‌اند. با این حال، اکثر تست ها با تنظیمات پارامترهای سنتی 12، 26 و 9 روزه، کارایی را تأیید نمی کنند. این مطالعه تأیید می‌کند که استفاده از مدل سنتی برای قیمت‌های آتی Nikkei 225 ژاپن عملکرد منفی را در دوره 2011-2019 ایجاد می‌کند. با این حال، همچنین متوجه می‌شود که ابزار MACD زمانی که از مقادیر پارامترهای بهینه‌سازی شده استفاده می‌کند، می‌تواند بازده مثبت قابل توجهی کسب کند. این نشان می‌دهد که بازار ژاپن از این نظر که قیمت‌های آتی تمام اطلاعات عمومی را منعکس نمی‌کنند، کارایی ضعیفی ندارد. از این رو، مقادیر سه پارامتر ابزار MACD باید برای هر بازار بهینه شود و این باید بر یافتن استراتژی‌های دیگر برای کاهش سیگنال‌های تجاری نادرست اولویت داشته باشد. این مطالعه همچنین آزمایش می کند که کدام مدل ها قادر به بهبود سودآوری با اعمال معیارهای اضافی برای جلوگیری از سیگنال های تجاری نادرست هستند. از شبیه‌سازی‌ها با استفاده از ۱۹۴۵۶ مدل MACD مختلف، متوجه می‌شویم که تعداد مدلهایی با عملکرد بهبود یافته ناشی از این استراتژی‌ها برای مدلهایی با مقادیر پارامتر بهینه‌شده بسیار بیشتر از مدلهایی با مقادیر غیربهینه‌شده است. این رویکرد در ادبیات موجود مورد بحث قرار نگرفته است.
1. مقدمه
MACD (میانگین متحرک واگرایی همگرایی) یکی از محبوب ترین شاخص های حرکتی است که در تحلیل فنی قیمت سهام و سایر دارایی های قابل معامله استفاده می شود. این شامل سه پارامتر برای تعریف سه دوره زمانی است: دو پارامتر برای محاسبه سری MACD است که تفاوت بین میانگین متحرک نمایی "کوتاه مدت" و "بلند مدت" (EMA) سری قیمت است. دیگری برای "سیگنال" سری است که یک EMA از MACD است. تمام سری‌ها از داده‌های قیمت تاریخی محاسبه می‌شوند و اغلب از قیمت‌های بسته شدن روزانه استفاده می‌کنند و به‌صورت «خط MACD» و «خط سیگنال» در نمودار گرافیکی نشانگر نشان داده شده‌اند. از نظر تولید سیگنال، معمولاً آن را به صورت زیر تفسیر می کنیم: زمانی که خط MACD از خط سیگنال عبور می کند، «خرید» و هنگامی که از خط سیگنال عبور می کند، «فروش». این قانون معاملاتی "تقاطع خط سیگنال" نامیده می شود و سیگنال خرید/فروش به عنوان نشانه اولیه ارائه شده توسط این اندیکاتور در نظر گرفته می شود، اگرچه روش های واقعی سرمایه گذاران از مدل MACD برای معامله استفاده می کنند.
متداول ترین مقادیر پارامترهای مورد استفاده 12، 26، و 9 روز هستند و این مقادیر معمولاً به شکل MACD نشان داده می شوند (12،26،9). با این حال، فرمت (12،26،9) نه یک استاندارد رسمی است و نه ترکیبی است که توسط Appel (1979) که MACD را توسعه داده است، توصیه شده است. گفته می شود که اپل در ابتدا دو تنظیمات مختلف را در نمودار روزانه پیشنهاد کرد: (8،17،9) برای سیگنال های خرید و (12،25،9) برای سیگنال های فروش. مورفی (1999، ص 253) بعداً به این دو مقدار تنظیم متفاوت Appel اشاره کرد و افزود: "اپل در ابتدا یک مجموعه از اعداد را برای سیگنال های خرید و دیگری را برای سیگنال های فروش توصیه می کرد. با این حال، اکثر معامله‌گران از مقادیر پیش‌فرض 12، 26 و 9 در همه موارد استفاده می‌کنند. در واقع، هر عنصر از (12،26،9) - در مواقعی که هفته کاری شامل 6 روز بود، نه 5 روز - به ترتیب 2 هفته معاملاتی، 1 ماه معاملاتی و یک و نیم هفته معاملاتی را نشان می داد. با این حال، تمام سیگنال های تولید شده توسط نشانگر MACD به سه مقدار پارامتر بستگی دارد. بنابراین، مقادیر دیگر را می توان با توجه به سبک معاملاتی و اهداف فرد جایگزین کرد تا حساسیت فرآیند تولید سیگنال را تغییر دهد.
با این وجود، بسیاری از محققان دانشگاهی اثربخشی رویکرد MACD را آزمایش کرده اند یا از آن برای اندازه گیری کارایی بازار استفاده کرده اند. با این حال، تعداد کمی از این ارزیابی‌ها نتوانستند کارایی را بر اساس نتایج معاملاتی به‌دست‌آمده با سه تنظیمات پارامتر سنتی ۱۲، ۲۶ و ۹ روزه تأیید کنند. آنها توجه خود را بر روی آزمایش اینکه آیا استفاده از ابزارهای تحلیل تکنیکال مانند شاخص MACD در بازارهای مالی می‌تواند بازدهی بهتری نسبت به استراتژی‌های خرید و نگهداری غیرفنی یا نرخ بهره بدون ریسک داشته باشد، متمرکز کردند. از این رو، توجه کمی به توضیح بهینه بودن تنظیمات ارزش پارامتر سنتی MACD داده شده است. برخی از محققان از ترکیبات پارامترهای مختلفی استفاده کردند، اما آنها همچنین هیچ دلیل منطقی برای مقادیر آنها ارائه نکردند، به جز کلمات مبهم مانند "زیرا بیشتر استفاده می شود". این نشان می‌دهد که اگر ارزش‌های دیگری را در نظر گرفته بودند، ممکن است به نتایج بسیار متفاوتی رسیده باشند. بنابراین فضا برای بهبود رویکرد موجود برای آزمایش‌های کارایی بازار با استفاده از MACD وجود دارد.
از سوی دیگر، توجه شاغلانی که از اندیکاتور MACD استفاده می کنند، معطوف به بهبود سودآوری آن است. از این رو، آنها به دنبال مقادیر پارامترهای بهینه برای به دست آوردن بهترین نتیجه هستند. با این حال، آزمایش مقادیر پارامترهای مختلف آسان نیست زیرا ترکیبات بالقوه بسیار زیادی وجود دارد. به طور کلی، دلیل اصلی اصرار در استفاده از مقادیر پارامترهای رایج، حرکت سنت است. در همین حال، زمانی که قدرت پیش‌بینی مدل MACD (12،26،9) کاهش می‌یابد، سیگنال‌های تجاری آن را زیر سوال می‌برند و معیارهای استراتژی تجاری اضافی را برای اصلاح این سیگنال‌های تجاری تخریب‌شده امتحان می‌کنند. در واقع، یک رویکرد برای کاهش سیگنال‌های تجاری نادرست، تغییر تنظیمات پارامتر MACD برای کنترل مستقیم فرکانس تولید سیگنال است. رویکرد دیگر استفاده از معیارهای استراتژی تجاری اضافی برای اصلاح غیر مستقیم سیگنال های تجاری تولید شده توسط قانون معاملات است. با این حال، استراتژی‌های اضافی اغلب مبتنی بر تجربه و شهود فردی بدون سازگاری هستند. در اینجا چند سؤال ساده مطرح می‌شود، «آیا این استراتژی‌های تجاری تکمیلی، بهبود سودآوری را با کاهش سیگنال‌های تجاری نادرست، بدون تغییر مقادیر پارامترهای سنتی ممکن می‌سازد؟یا، آیا باید پارامترهای سنتی مدل MACD برای کاهش سیگنال های تجاری نادرست تغییر کند؟
از این منظر ، هدف از این تحقیق بررسی اعتبار سه نکته زیر است:
این که آیا استفاده از مدل سنتی MACD برای سرمایه گذاری در بازار سهام ژاپن سود واقعی ایجاد می کند.
این که آیا جایگزین کردن مقادیر پارامتر بهینه تر و بهتر برای نمونه های سنتی می تواند بازده بالاتری نسبت به مدل سنتی داشته باشد.
این که آیا استفاده از استراتژی های اضافی برای جلوگیری از سیگنال های تجارت کاذب به مدل هایی با ارزش پارامتر بهینه شده ، سودآوری را بهبود می بخشد. و خاص تر بودن:
این که آیا یک استراتژی تجاری سیستماتیک سازگار با مدل هایی با مقادیر پارامتر بهینه بهتر ، قادر به تولید بازده قابل توجهی بالاتر در مقایسه با مدل سنتی و یک استراتژی خرید و نگهدارنده غیر فنی است.
این که آیا تأثیر استفاده از یک استراتژی تجاری سیستماتیک می تواند یک پیشرفت باشد ، حتی برای مدلهایی با مقادیر پارامتر غیر بهینه.
بسیاری از مقالات منتشر شده با استفاده از مدل MACD وجود دارد. با این حال ، توجه کمی به نکته سوم ذکر شده در بالا (به ویژه در مورد آخرین زیر) توجه شده است. از این نظر ، این تحقیق یک تجزیه و تحلیل مقایسه ای از تأثیر استفاده از استراتژی های اضافی در تنظیمات پارامتر بهینه شده و تنظیمات غیر بهینه شده است. چندین یافته و پیشنهاد مفید از این تحقیق ناشی می شود.
باقیمانده تحقیق به شرح زیر است: بخش 2 ادبیات موجود مربوط به این تحقیق را بررسی می کند. بخش 3 به طور خلاصه نشانگر حرکت MACD و محدودیت های ناشی از تولید سیگنال کاذب را توضیح می دهد. بخش 4 جزئیات روش استفاده شده در این مطالعه را شرح می دهد. بخش 5 نتایج تجربی را در مورد سه نکته فوق الذکر و اظهار نظر در مورد آنها ارائه می دهد. بخش 6 اظهارات نتیجه گیری را با بحث در مورد پیامدهای تحقیق ارائه می دهد.
2. بررسی ادبیات
بسیاری از محققان دانشگاهی مقادیر پارامتر سنتی را برای آزمایش اثربخشی رویکرد MACD و اندازه گیری کارآیی بازار بر اساس فرضیه بازار کارآمد (EMH) FAMA (1970) اتخاذ کردند. Chong and Ng (2008) مدل MACD و یکی دیگر از ابزارهای تحلیل فنی ، شاخص قدرت نسبی (RSI) را بررسی کردند تا ببینند آیا این قوانین تجاری سودآور هستند یا خیر. آنها با استفاده از 60 سال داده (1935-1935) برای شاخص بورس اوراق بهادار لندن FT30 ، دریافتند که این دو ابزار معاملاتی می توانند بازده بالاتری نسبت به یک استراتژی خرید و نگهدارنده در بازار ایجاد کنند. استراتژی "خرید و نگهدارنده" به عنوان معیار برای آزمایش اثربخشی MACD و RSI اعمال شد ، که بر بازده 10 روزه پس از سیگنال خرید یا فروش متمرکز است و در حالی که تمام سیگنال های معامله دیگر را در طی این 10 روز نادیده می گیردواداز نظر MACD ، آنها یک مدل MACD (12،26،0) را اتخاذ کردند که از یک قانون تجارت "صفر متقاطع" پیروی می کند (برای جزئیات به بخش 3. 2 مراجعه کنید). دلیل اتخاذ این شکل از مدل MACD (12،26،0) صرفاً به این دلیل بود که "12- و 26 روز متداول ترین هستند" ، به نقل از مورفی (1999).
چونگ و همکاران.(2014) بعداً بررسی كرد كه آیا مدل MACD و RSI به طور کلی می توانند بازده اضافی را برای سهام سهام پنج كشور OECD دیگر (ایتالیا ، كانادا ، آلمان ، ایالات متحده و ژاپن) ایجاد كنند. آنها MACD (12،26،0) ، MACD (12،26،9) و MACD (8،17،9) را برای داده های بازار طی 27 سال (2002-2002) به کار بردند. یافته های آنها عبارتند از: (1) مدل MACD (12،26،0) از یک استراتژی خرید و نگهدارنده در ایتالیایی (Milan Comit General) و کانادا (شاخص کامپوزیت S&P/TSX) بهتر است.(2) با استفاده از مدل سنتی MACD (12،26،9) منجر به بازده منفی قابل توجهی برای بازار سهام آلمانی (DAX 30) شد و این مدل هیچ قدرت پیش بینی کننده ای برای بازارهای سایر کشورها نداشت. و (3) بازده مدل MACD (8،17،9) که توسط Appel معرفی شده است - در بازارهای ایتالیایی و آلمان به طور قابل توجهی منفی بود در حالی که هیچ قدرت پیش بینی ای برای سایر بازارهای دیگر نداشت. بر اساس این یافته ها ، آنها نتیجه گرفتند که MACD (12،26،0) ، MACD (12،26،9) و MACD (8،17،9) قوانین تجاری "برای انتخاب بازار قوی نیستند". اما آنچه در اینجا نباید از آن غافل شویم این است که در حالی که قانون تجارت MACD (12،26،0) از استراتژی خرید و نگهدارنده در بازار ایتالیا بهتر است ، مدل MACD (12،26،9) پتانسیل سود را درهمان بازاراین شواهد قوی است که نشان می دهد سودآوری رویکرد MACD به تنظیمات ارزش پارامتر آن بستگی دارد. برای افزودن اظهارات در بیان به همین دلیل که آنها مدل MACD (8،17،9) را امتحان کردند ، فقط به دلیل ادعای زیر بود که "این می تواند سیگنال های خرید قابل اطمینان تری تولید کند" در Pring (2002).
NOR و Wickremasinghe (2014) با استفاده از داده های نسبتاً اخیر (1996 تا اواسط سال 2014) برای شاخص همه ادهای استرالیا (XOA) ، سودآوری مدل MACD (12،26،9) را بررسی کردند. آنها بازده قانون معاملات MACD (12،26،9) را با بازده 10 روزه برای یک استراتژی خرید و نگهدارنده با استفاده از همان رویکرد چونگ و نگ (2008) و چونگ و همکاران مقایسه کردند.(2014). آنها دریافتند که مدل سنتی MACD به طور کلی در بازار عملکرد ضعیفی دارد اما مدل RSI پتانسیل سود را نشان می دهد. بنابراین ، آنها نتیجه گرفتند که به طور کلی "بورس اوراق بهادار استرالیا به صورت ضعیف کارآمد نیست". این سؤال را مطرح می کند ، "چرا مدل سنتی (12،26،9) تنها تعیین کننده سودآوری همه مدل های MACD و کارآیی بازار است؟"هیچ دلیل قانع کننده ای وجود ندارد که همیشه از تنظیمات پارامتر (12،26،9) استفاده کنید.
هاژاز و همکاران.(2017) همچنین مدل سنتی MACD (12،26،9) را به قیمت سهام شش بانک لبنانی و یک شرکت املاک و مستغلات اعمال کرده است تا مشخص کند آیا ابزار MACD قادر به ارائه سود بالاتری به معامله گران سهام لبنان است. نکته جالب این است که ، برای جلوگیری از سیگنال های کاذب پس از فیلتر کردن نتایج تجربی بیش از 10 سال از داده ها (2004-2014) ، آنها سه استراتژی معاملاتی متفاوت از قانون معاملات معمولی "خط سیگنال" مدل MACD را آزمایش کردند. اولین مورد اجرای یک معامله "خرید (فروش)" فقط در هنگام تولید سه سیگنال "خرید (فروش)" در سه روز متوالی است. دوم اجرای یک معامله "خرید (فروش)" فقط زمانی است که مقدار خط MACD از بیش از 0. 03 بیش از 0. 03 باشد که مربوط به حاشیه ایمنی 3 درصدی باشد. استراتژی سوم اجرای یک معامله "خرید (فروش)" فقط زمانی است که حداقل اختلاف بین مقدار خط MACD و مقدار خط سیگنال از 0. 5 ، 1. 1 یا 3. 5 درصد از قیمت بسته شدن پس از انتظار برای سه سیگنال مشابه متوالی فراتر رود. با توجه به منطق آنها ، "استراتژی سوم به دلیل این واقعیت که استفاده از دو استراتژی فوق الذکر به طور قابل توجهی در کاهش سیگنال های کاذب کمک نمی کند" ارائه شد. با این وجود ، آنها دریافتند که هر سه استراتژی غیر متعارف از یک استراتژی "خرید و نگهدارنده" که شامل صرفاً خرید سهام در ابتدای دوره و سپس فروش آنها در پایان دوره بود ، پیشی نمی گرفت. از این رو ، آنها نتیجه گرفتند که ، "در دراز مدت ، معاملات پویا MACD معنی ندارد زیرا سود بالقوه آنها کمتر از رویکرد استاتیک" خرید و نگهدارنده "است". در اینجا دوباره این سؤال مطرح می شود ، "چرا در استفاده از تنظیمات سنتی (12،26،9) پارامتر ادامه می دهید؟"اگر آنها ارزش های دیگری را در نظر گرفته بودند ، ممکن است به نتیجه گیری های مختلفی رسیده باشند.
در حقیقت ، قبل از مطالعات فوق ، بسیاری از محققان قبلاً گزارش داده اند كه MACD با تعیین پارامترهای خود به مقادیر سنتی ، نتایج خوبی به دست نمی آورد. آنها با استفاده از مدل سنتی MACD (12،26،9) قادر به دستیابی به نتایج خوب نبودند.
میسنر و همکاران.(2001) اثربخشی مدل سنتی MACD (12،26،9) را آزمایش کرد و دریافت که منجر به موفقیت شگفت آور ضعیف 32. 14 درصد برای سهام Dow 30 و 32. 73 درصد برای سهام NASDAQ-100 آزمایش شده نسبت به سهامدوره 1989-1999. از این نتایج ، آنها نتیجه گرفتند که نشانگر سنتی MACD تقریباً می تواند به عنوان یک قانونگذار در نظر گرفته شود. زره و همکاران.(2010 ، به نقل از Anghel 2015) همچنین قانون معاملاتی سنتی MACD (12،26،9) را آزمایش کرد ، از جمله یک قانون متوسط در حال حرکت ساده در 20 سال داده برای شاخص اصلی بازار سهام ایرلنداستراتژی نگهدارنده. چن و متگالچی (2012) قدرت پیش بینی 32 مدل از ترکیبات تک ، دو یا سه گانه را بر اساس محبوب ترین شش شاخص فنی برای شاخص سهام برزیل (BOVESPA) در دوره 1996 تا 2011 بررسی کردند و هیچ یک از این مواردمدل های معاملاتی ، از جمله مدل MACD (12،26،9) می توانند یک استراتژی خرید و نگهدارنده را شکست دهند. نتایج از قدرت پیش بینی آنالیز فنی پشتیبانی نمی کند ، بنابراین آنها نتیجه گرفتند که شاخص سهام برزیل با فرم ضعیف کارآمد است. ابی و دوکاس (2012) آزمایش کردند که آیا مدل MACD (12،24) و سه شاخص تجزیه و تحلیل فنی مشهور دیگر برای پنج ارز برای معامله گران ارزهای فردی سودآور هستند. آنها با استفاده از یک بانک اطلاعاتی اختصاصی از 428 معامله گر ارز فردی در طی دوره مارس 2004 تا سپتامبر 2009 ، دریافتند که چهار شاخص فنی محبوب عملکرد منفی دارند و نتیجه گرفتند که این نتیجه به وجود آمده است زیرا معامله گران ارزهای فردی از شاخص های فنی مشهور برای ارزهای تجاری استفاده می کردند ، کهدلالت دارد که چنین معامله گران ارز از کاهش عملکرد رنج می برند. روزیلو و همکاران.(2013) بررسی کرد که از چهار ابزار تجزیه و تحلیل فنی محبوب ، از جمله مدل سنتی MACD (12،26،9) سودآوری بیشتری را برای شرکت های بازار مداوم اسپانیا از سال 1986 تا 2009 بدست آورد. اگرچه آنها فقط یک نمونه از نتایج را ارائه دادندشرکت Telefonica ، کل مزایای خالص حاصل از استفاده از مدل MACD 2. 48 درصد رضایت بخش نبود. Du Plessis (2013) مدل MACD (12،26،9) و یک استراتژی خرید و نگهدارنده را بررسی کرد تا تعیین کند که برای شاخص بورس اوراق بهادار آفریقای جنوبی (FTSE/JSE Top 40) در دوره 2001 مؤثر است2010. وی دریافت که مدل سنتی MACD نسبت به یک استراتژی خرید و نگهدارنده کمتر است. بر اساس این نتیجه ، وی اظهار داشت که MACD با استفاده از تنظیمات پیش فرض در بازار یک استراتژی سرمایه گذاری مؤثر نبود.
همانطور که از بحث فوق مشاهده می شود ، بسیاری از محققان با استفاده از تنظیمات پارامتر سنتی آن نتوانسته اند نتایج رضایت بخش را برای نشانگر MACD پیدا کنند و نتیجه گیری منفی برای آن داشته اند. با این حال ، این محققان بهینه بودن پارامترهای سنتی MACD را کشف نکردند.
بر اساس نکات فوق ، واضح است که: (1) نیازی به قانع کننده وجود ندارد که به تنظیمات ارزش پارامتر سنتی بچسبید ، زیرا این مقادیر پارامتر یک استاندارد واقعی نیستند و علاوه بر این ، می تواند ارزش سودآور تری داشته باشدترکیبات ؛(2) سه مقدار پارامتر باید به روشی منظم تر انتخاب شود و به طور خاص برای هر بازار طراحی شود ، زیرا سیگنال های معاملاتی مدل MACD به مقادیر پارامتر بستگی دارد و سودآوری آنها نتیجه ای از این مقادیر است. و ، (3) بهینه سازی سه مقدار پارامتر باید بر جستجوی استراتژی های معاملاتی تکمیلی برای جلوگیری از سیگنال های تجاری کاذب ، اولویت داشته باشد. چنین رویکردی هم محتاطانه و هم بسیار کارآمدتر از جستجوی کورکورانه برای جستجوی استراتژی ها به طور تصادفی و بدون مزایای بهینه سازی پارامتر است.
3. مقدمات
فرمول های عناصر نشانگر MACD و اظهارات مختصر در مورد محدودیت های شاخص در این بخش ارائه شده است.
