Technische analyse, of de statistische analyse van eerdere prijswijzigingen met als doel toekomstige prijsveranderingen te voorspellen, is een veelbesproken onderwerp dat in veel financiële kringen sceptisch is. De meeste handelaren en investeerders vallen in een van de drie kampen: zij die geloven dat het een wetenschap is die werkt, die volhouden dat het een self-fulfilling prophecy is en die ervan overtuigd zijn dat het waardeloos is als voorspellingsinstrument.
TUTORIAL: Technische analyse: Inleiding

De technische analyse van vandaag is niet te vergelijken met wat er in het verleden was. De ontwikkeling van neurale netwerken, genetische algoritmen en vergelijkbare technologieën heeft de nauwkeurigheid van voorspellingen dramatisch verbeterd en kan een verschuiving in de industrie markeren. In dit artikel zullen we een aantal empirische gegevens bekijken om deze vraag uiteindelijk te laten rusten, met een specifieke focus op de valutamarkt (vreemde valuta). (Lees voor meer informatie over genetische algoritmen: Genetische algoritmen gebruiken om financiële markten te voorspellen .)

Werkt technische analyse echt? Onderzoekers staan ​​sceptisch tegenover technische analyse sinds Eugene Fama en Marshall Blume buy-and-hold vonden die de voorkeur verdienden boven filtertechnieken in 'Filterregels en handel in effectenbeurzen'. Onderzoek gericht op valutamarkten heeft echter ongewoon grote winsten laten zien, gedreven door technische analyse, die de efficiënte markthypothese hebben aangevochten.

In 1995 publiceerde Blake LeBaron een studie met de titel 'Technische rentabiliteit van de handelsregels en deviezeninterventie', waarin een mogelijke reden werd voorgesteld waarom technische analyse zo effectief was op valutamarkten. Het rapport ontdekte dat de voorspelbaarheid grotendeels wordt verminderd, zo niet geëlimineerd, bij het verdisconteren van dagen dat de Federal Reserve actief tussenbeide kwam.

De onderliggende reden voor de effectiviteit van technische analyse op valutamarkten kan daarom zijn dat de prioriteiten verschillen tussen grote spelers. In tegenstelling tot onvoorspelbare aandelenmarkten, hebben centrale banken een sterke prikkel om de valutaprijzen op bepaalde niveaus te houden, wat prijsbewegingen voorspelbaarder kan maken, vooral als ze tussenbeide komen. (Om meer te weten te komen over technische analyse, lees: The Pioneers Of Technical Analysis .)

Neurale netwerken en technische analyse Met hun vermogen om obscure patronen in gegevens te identificeren, hebben neurale netwerkmodellen groeide in populariteit. De modellen kunnen elke niet-lineaire functie benaderen tot een willekeurige mate van nauwkeurigheid, waardoor ze ideaal zijn voor prognoses in veel verschillende instellingen. Bovendien heeft moderne software deze netwerken toegankelijk gemaakt voor zelfs individuele handelaren en investeerders.

Recente onderzoeken zijn gericht op het gebruik van neurale netwerken om onderliggende technische handelsregels te identificeren.In "Een casestudy over het gebruik van neurale netwerken om technische forecasting van forex uit te voeren", ontdekten Jingtao Yao en Chew Lim Tan dat buy-and-hold-strategieën misschien beter zijn dan trendvolgende, maar neurale netwerkmodellen deden het beter dan beide, zelfs bij gebruik van slechts eenvoudige indicatoren zoals voortschrijdende gemiddelden.

Een andere studie genaamd "Het gebruik van terugkerende neurale netwerken voor forecasting van forex," biedt meer empirisch bewijs dat neurale netwerken een statistisch betrouwbare voorspelling van de wisselkoersen kunnen bieden. Het model dat in de studie werd gebruikt, heeft naar verluidt een voorspellende waarde van 80% in de voorspelling verkregen, wat bevestigt dat neurale netwerken zeer effectief kunnen zijn bij het maken van valutawaarvoorspellingen. (Voor meer informatie over neurale netwerken, kijk op: Neural Networks: Forecasting Profits .)

Componenten van een effectief systeem Er zijn verschillende belangrijke overwegingen waarmee rekening moet worden gehouden bij het ontwikkelen van een technische analyse- gebaseerd handelssysteem voor de valutamarkten, volgens de bovengenoemde studies over het onderwerp. Hier zijn een paar belangrijke punten om in gedachten te houden bij het ontwikkelen van een systeem:

• Blijf bij de Zwitserse Frank en de Japanse Yen. Verschillende studies hebben aangetoond dat de CHF en JPY de twee valuta zijn die het gemakkelijkst te voorspellen zijn. De heersende theorie achter dit fenomeen lijkt het feit te zijn dat deze valuta's het meest vatbaar zijn voor interventie, wat waarschijnlijk is omdat ze zowel veilige-havenvaluta's zijn voor internationale beleggers.
• Gebruik Neurale netwerken om systemen te optimaliseren. Neurale netwerken hebben het vermogen om obscure patronen in gegevens te identificeren, waardoor ze perfect zijn voor valutamarkten. Dientengevolge is het grootste deel van het huidige onderzoek naar het onderwerp gericht op neurale netwerken.
• Gemiddelden verplaatsen en logaritmische returns . Ten minste één onderzoek suggereerde dat voortschrijdende gemiddelden en logaritmische rendementen de twee beste inputs zijn voor modellen voor valutahandel, met name bij het analyseren van CHF of JPY.

Een woord uit de oppositie De effectiviteit van op technische analyse gebaseerde handelssystemen wordt door veel onderzoekers nog steeds betwist. Door verdachte monsters van testgegevens of overmatig aangepaste handelssystemen te gebruiken, zijn deze onderzoekers van mening dat de resultaten van deze onderzoeken misleidend kunnen zijn. Uiteindelijk is dit moeilijk te zeggen zonder het systeem toe te passen op nieuwe gegevenssets, maar handelaren moeten zich bewust zijn van de zorgen.

De twee belangrijkste aandachtspunten zijn:

• Data Dredging . Sommige onderzoeken hebben mogelijk technieken voor datamining gebruikt om misleidende relaties in data te identificeren. In dit geval kan de werking van een testsysteem geldig zijn binnen de testgegevens, maar het zou geen statistische significantie hebben in een breder populatiemonster.
• Curve-fitting . Sommige studies hebben mogelijk technieken voor curve-aanpassing gebruikt die betrouwbare resultaten kunnen opleveren voor één dataset, maar nogmaals, niet voor een breder bevolkingsmonster.

De bottom line Technische analyse is mogelijk niet bewezen op de aandelenmarkten, maar er zijn steeds meer aanwijzingen voor de efficiëntie ervan op de valutamarkten.Het succes werd grotendeels toegeschreven aan de voorspelbaarheid van interventies die de centrale banken grotendeels in veilige-havenvaluta's zagen. Sommige onderzoekers blijven echter sceptisch, gezien het potentieel voor ten minste twee soorten misleidende analysetechnieken.