بررسی و سنجش عوامل مؤثر بر شاخص‌های کارایی تحلیل تکنیکال در بازار سهام ایران؛ رهیافت مدل گشتاورهای تعمیم یافته (GMM)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری گروه حسابداری، دانشگاه آزاد اسلامی واحد بین الملل قشم ، ایران.

2 استادیار گروه حسابداری ومدیریت مالی،واحد قشم،دانشگاه آزاداسلامی،قشم،ایران.

3 استادیار گروه حسابداری، دانشکده حسابداری و مدیریت، دانشگاه هرمزگان ، بندرعباس ، ایران.

4 استادیار گروه حسابداری و مدیریت مالی ، دانشکده علوم انسانی، دانشگاه آزاد اسلامی ، بندرعباس ، ایران.

چکیده

بی‌تردید، پیش‌بینی سود که ممکن است به روش تکنیکال یا بنیادی صورت پذیرد، هنگامی قابلیت کاربرد خواهد داشت که از کارایی بالایی برخوردار باشد. داده‌های مورد نیاز با استفاده از روش نمونه‌گیری حذفی برای 323 شرکت پذیرفته‌ شده در بورس اوراق بهادار تهران بصورت ماهانه طی دوره 98-1392 گردآوری شد. علاوه براین، جهت تجزیه‌وتحلیل داده‌ها از نرم‌افزار استتا و مدل داده‌های تابلویی پویا (GMM) استفاده شد. نتایج نشان داد که اندازه شرکت و شاخص‌های حاکمیت شرکتی از تأثیر معناداری بر شاخص‌های کارایی تحلیل تکنیکال برخوردار نمی‌باشد. علاوه براین، اهرم مالی تأثیر معناداری بر RSI و MACD نداشته و تأثیر معنادار معکوسی بر MA1 و MA2 دارد. از طرف دیگر، بازده دارایی‌ها از تأثیر معنادار معکوسی بر RSI برخوردار بوده و تأثیر معنادار مثبتی بر MA1، MA2 و MACD دارد. همچنین، رکود و رونق اقتصادی تأثیر معناداری بر RSI و MACD نداشته و تأثیر معنادار معکوسی بر MA1 و MA2 دارد. علاوه براین، نوسان نرخ تورم، نوسان نرخ ارز و ریسک سیتماتیک تأثیر معنادار مثبتی بر RSI داشته و تأثیر معنادار معکوسی بر MA1، MA2 و MACD دارند. سپس به سنجش دقت پیش‌بینی شاخص‌های کارایی تحلیل تکنیکال در قالب سه سناریو پرداخته شد. نتایج نشان داد که دقت پیش‌بینی شاخص‌های کارایی تحلیل تکنیکال در بازار سهام ایران برای سناریوهای مورد بررسی مناسب می-باشد.

کلیدواژه‌ها

عنوان مقاله [English]

Investigating and measuring the factors affecting the efficiency indicators of technical analysis in the Iranian stock market;Generalized Torque Model (GMM) approach

نویسندگان [English]

  • hamed tavakolipour 1
  • faegh ahmadi 2
  • bihan abidini 3
  • Mohammad Hossein Ranjbar 4
1 PhD student of Accounting, Qeshm International Branch, Islamic Azad University, Qeshm, Iran.
2 Assistant Professor, Department of Accounting and Finance, Qeshm Branch, Islamic Azad University, Qeshm,
3 Assistant Professor, Department of Accounting, Faculty of Accounting and Management, Hormozgan University, Bandar Abbas, Iran
4 Assistant Professor, Department of Accounting and Finance, Faculty of Humanities, Islamic Azad University, Bandar Abbas, Iran.
چکیده [English]

Abstract
Undoubtedly, profit forecasting, which may be done technically or fundamentally, will be applicable when it is highly efficient. The required data were collected using the sampling method for 323 companies listed on the Tehran Stock Exchange on a monthly basis during the period 2013-2019. In addition, static software and dynamic panel data model (GMM) were used to analyze the data. The results showed that company size and corporate governance indicators did not have a significant effect on technical analysis performance indicators. In addition, financial leverage does not have a significant effect on RSI and MACD and has a significant inverse effect on MA1 and MA2. On the other hand, return on assets has a significant inverse effect on RSI and has a significant positive effect on MA1, MA2 and MACD. Also, recession and economic prosperity do not have a significant effect on RSI and MACD and have a significant inverse effect on MA1 and MA2. In addition, inflation fluctuations, exchange rate fluctuations and systemic risk have a significant positive effect on RSI and have a significant inverse effect on MA1, MA2 and MACD. Then, the accuracy of predicting the performance indicators of technical analysis in the form of three scenarios was assessed. The results showed that the accuracy of predicting the performance indicators of technical analysis in the Iranian stock market is appropriate for the studied scenarios.

کلیدواژه‌ها [English]

  • Keywords: Technical analysis efficiency
  • Macroeconomic conditions
  • Risk conditions
  • Dynamic panel data model

مراجع

  • ابراهیمی سروعلیا، محمدحسن. باباجانی، جعفر. حنفی­زاده، پیام. عبادپور، بهرام. (1396)، عوامل تعیین کننده رفتار سهامداران جزء در بورس اوراق بهادار تهران بر مبنای مدل­سازی معادلات ساختاری، دانش سرمایه­گذاری، 6(22): 145-131.
  • احمدی، احمد. نصیرزاده، فرزانه. عباس­زاده، محمدرضا. (1397)، مدل­سازی پیش­بینی وجه نقد آتی، دانش حسابداری مالی، 5(4): 48-25.
  • آقایی، محمدعلی. مختاریان، امید. (1393)، بررسی عوامل موثر بر تصمیم­گیری سرمایه­گذاران در برس اوراق بهادار تهران، بررسی های حسابداری و حسابرسی، 11(2): 25-3.
  • برادران حسن­زاده، رسول. بادآور نهندی، یونس. پورغفار، جواد. (1394)، عوامل مؤثر بر انتخاب سهام در بورس اوراق بهادار تهران بر اساس تحلیل سلسله مراتبی (AHP)، سیاست­های مالی و اقتصادی، 3(11): 132-109.
  • بشیرخداپرستی، رامین. جهانگیری، خلیل. برومندزاده، حسین. صبا، مینا. (1398)، مقایسه کارایی اندیکاتورهای تحلیل تکنیکال بر دوره رکود و رونق بازار سرمایه در شرکت­های تولیدی فعال­تر بورس اوراق بهادار تهران، دانش مالی تحلیل اوراق بهادار، 12(42): 161-147.
  • پورزمانی، زهرا. رضوانی مقدم، محسن. (1394)، مقایسه کارائی استراتژی­های تکنیکال میانگین متحرک نمایی و شاخص قدرت اندازه حرکت با روش خرید و نگهداری برای خرید سهام، فصلنامه دانش سرمایه­گذاری، 4(16): 43-27.
  • تهرانی، رضا. اسماعیلی، محمد. (1391)، بررسی تأثیر استفاده از شاخص­های مهم تحلیل تکنیکی بر بازدهی کوتاه­مدت سرمایه­گذاران در بورس اوراق بهادارتهران، فصلنامه دانش مالی تحلیل اوراق بهادار، 5(13): 33-21.
  • تهرانی، رضا. کارگری، یاسر. داورزاده، مهتاب. (1393)، بررسی سودمندی تحلیل تکنیکی قیمت جهانی طلا رویکردی بر شاخص­های هدایتگر یا نوسانگرها)، دانش سرمایه­گذاری، 3(9): 64-43.
  • جوادی، جواد. (1377)، بررسی تأثیر متغیرهای کلان اقتصادی بر روی شاخص قیمت سهام و تصمیم­گیری سرمایه­گذاران در بورس اوراق بهادار تهران طی سال­های 72-1369، پایان­نامه کارشناسی ارشد، دانشگاه شهید بهشتی، دانشکده علوم اداری.
  • حامدیان، مهدی. (١٣٧٩)، بررسی عوامل مؤثر بر قیمت سهام و تصمیم­گیری سرمایه­گذاران در بورس اوراق بهادار تهران پایان­نامه کارشناسی ارشد،. تهران: دانشگاه شهید بهشتی، دانشکده علوم اداری.
  • خادمی گراشی، مهدی. قاضی­زاده، مصطفی. (1386)، بررسی عوامل مؤثر بر تصمیمگیری سهامداران در بورس اوراق بهادار تهران بر مبنای مدل معادلات ساختاری، دانشور رفتار، دانشگاه شاهد، 14(23): 12-1.
  • خنجرپناه، حسین. دوروش، داود. شوال­پور، سعید. جبارزاده، آرمین. (1397)، کاربرد روش تکنیکال برای پیش­بینی قیمت سهام: رویکرد مدل­های احتمال غیرخطی و شبکه­های عصبی مصنوعی، راهبرد مدیریت مالی، 6(22): 79-59.
  • رافعی، سمیه. اسماعیلیان، مجید. بت­شکن، محمود. (1396)، بررسی کارایی و پیش‌بینی‌پذیری کالاهای صنعتی با رویکردهای بنیادین و تکنیکال، چشم انداز مدیریت صنعتی، 28: 135-107.
  • رزمی، جعفر. جولای، فریبرز. توکلی مقدم، رضا. امامی کورعباسلو، امیرعلی. (1388)، بررسی کارایی روش­های تحلیل تکنیکی در بورس اوراق بهادار تهران، نشریه مهندسی صنایع، 43(1): 49-37.
  • زحمتکش، علیرضا. (1392)، پیش‌بینی کوتاه مدت قیمت سهام با استفاده از پردازش داده‌‌های تحلیل تکنیکال و شبکه‌های عصبی، پایان­نامه کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه یزد.
  • داوری، مجیدرضا. ابزری، مهدی. مهدوی نیا، محسن. (1390)، بررسی عوامل مؤثر بر تحلیل بنیادی سهام در بورس منطقه­ای اصفهان، مجله اقتصادی- ماهنامه بررسی مسائل و سیاست­های اقتصادی، 3 و 4: 30-7.
  • صفانور، محمد. (1391)، تحلیل تفاوت سودآوری روش­های تحلیل تکنیکی و تحلیل بنیادی در انتخاب سهام شرکت­های فعال­تر بورس اوراق بهادار تهران، پایان­نامه کارشناسی ارشد رشته مدیریت بازرگانی گرایش مالی، دانشکده علوم اداری و اقتصاد،گروه مدیریت.
  • فتحی، سعید. پرویزی، ناهید. (1395)، سودآوری تحلیل تکنیکال: تلفیق اسیلاتورها با قوانین میانگین متحرک، مهندسی مالی و مدیریت اوراق بهادار، 7(28): 53-41.
  • موسوی، سیدعلیرضا. زارعی، حمید. هنربخش، سمیرا. (1390)، بررسی ارتباط بین خطاهای سود پیش­بینی شده توسط مدیریت و ساختار حاکمیت شرکتی در شرکت­های پذیرفته شده در بورس اوراق بهادار تهران، حسابداری مدیریت، 4(10): 35-49.
  • نمازی، محمد. شمس­الدینی، کاظم. (1386)، بررسی سازه­های مؤثر بر دقت پیش­بینی سود توسط مدیریت شرکت­های پذیرفته شده در بورس اوراق بهادار تهران، توسعه و سرمایه، 1(1): 25-1.
  • هادوی­نژاد، مصطفی. (1383)، شناسایی عوامل مؤثر بر انتخاب سهام در بورس اوراق بهادار تهران (محدود به شرکت­های سیمان) با استفاده از رویکرد MADM، پایان­نامه کارشناسی ارشد مدیریت بازرگانی، دانشگاه امام صادق (ع).

 

  • Baltagi, B.H. (2005) Econometric Analysis of Panel Data, 3rd Edition, John Wiley & Sons Inc., New York.
  • Beyaz, E. Tekiner, F.Zeng, X.and Keane. J. (2019), Comparing technical and fundamental indicators in stock price forecasting. In 2019 IEEE 20th International Conference on High Performance Computing and Communications, pages 1607–1613, June 2018.
  • Block, S. (1999), A Study of Financial Analysts: Practice & Theory. Financial Analysts Journal, pp: 86-95.
  • Chen،، Cora، S.، & Millie، T. (1996), "Possible Factors of the Accuracy of Prospe-ctus Earnings Forecasts in Hong Kong." The International Journal of Accounting، No. 31، pp. 381-398.
  • Clayer A. H. (1997), The political determinants of investors behavior, Uniwin University.
  • Clement, M. Frankel, R. Jeffrey M. (2003), “Confirming Management Earnings Forecasts, Earning Uncertainty, and Stock Returns.”, Journal of Accounting Research, Vol. 41, No. 4, pp. 653-679.
  • De Souza, M.J.S., Ramos, D.G.F., Pena, M.G. Sobreiro, V. A. Kimura, H. (2018), Examination of the profitability of technical analysis based on moving average strategies in BRICS. Financ Innov, 4, 3.
  • Garcı´a-Meca, E. Sa´nchez-Ballesta, J. P. (2006), Influences on financial analyst forecast errors: A meta-analysis, International Business Review 15: 29–52.
  • Hunton, J. E. (2005), Toward an Understanding of the Risky Choice Behavior of Professional Financial Analysts, Journal of Psychology and Financial Markets, , Vol. 2, No. 4, 182–189.
  • Khanifar, H. Jamshidi, N. Mohammadinejad, M. (2014), Studying Affecting Factors on Analysts’ Decisions Regarding Share Analysis in Tehran Stock Exchange: A Fundamental Analysis Approach, European Journal of Economics, Finance and Administrative Sciences, ISSN 1450-2275 Issue 44 (2012).
  • Kung, J. J. Wang, W. K. (2009), Profitability of technical analysis in the Singapor stock market: before and after the Asian financial crisis, Journal of Economic Intergration, Vol.24, No.1, pp: 135-150
  • Levin, A. Lin, C. Chu, J. (2002), Unit root tests in panel data: asymptotic and finite-sample properties, Journal of Econometrics, Elsevier, vol. 108(1), pages 1-24.
  • Masry, M. (2017). “The Impact of Technical Analysis on Stock Returns in an Capital Markets (ECM, s) Country: Theoretical and Empirical Study “. International Journal of Economics and Finance, Vol.9, No.3, pp, 91-107.
  • McKenzie, M. D. (2007), "Technical Trading Rules in Emerging Markets and the 1997 Asian Currency Crises," Emerging Markets Finance and Trade, Taylor & Francis Journals, vol. 43(4), pages 46-73, August.
  • Mitra, S. K. (2011), How rewarding is technical analysis in the Indian stock market, Quantitative Finance, Vol.11, No.2, pp: 287-297.
  • Nti, I. K. Adekoya, A. F. Weyori, B. A. (2020), A systematic review of fundamental and technical analysis of stock market predictions, Artificial Intelligence Review, 53: 3007–3057.
  • Parisi, F. & Vasquez A. (2000) Simple technical rules of stock returns: Evidence from 1987 to 1998 in Chile; Emerging Markets Review, 1, 152-164.
  • Patrick, V., Lombardi, Y. (2018), Life Cycle Models and Forecasting Growth and Profitability, The Accounting Review, In-Press.
  • Tiryaki, F. Ahlatcioglu, B. (2009), Fuzzy portfolio selection using fuzzy analytic hierarchy process, Information Sciences, 179(1): 53-69.
  • Yu, H., Nartea, G.V., Christopher, G., Yao, L. J. (2013), Predictive ability and profitability of simple technical trading rules: Recent evidence from Southeast Asian stock markets. International Review of Economics and Finance, 25, 356-371

فایل ها

هم رسانی

ارجاع به این مقاله

آمار