عملکرد قوانین فنی معاملاتی در سرمایه گذاری های مسئولیت اجتماعی

این مطالعه برای اولین بار به بررسی عملکرد معاملات فنی در شاخص های سرمایه گذاری مسئولیت پذیر اجتماعی (SRI) می پردازد. ما تعدادی از قوانین تجاری تکنیکی مبتنی بر روند و برگرداندن میانگین را به کار می گیریم و متوجه می شویم که قوانین معاملات فنی پیروی از روند، قدرت پیش بینی بسیار کمی یا بازده قابل توجهی را برای سرمایه گذاران ارائه می دهند. با این حال، قوانین معاملات فنی بازگرداندن میانگین، بازده قابل توجهی را ارائه می دهند، حتی پس از کنترل داده ها، ریسک، هزینه های تراکنش و آزمایش های خارج از نمونه. بنابراین، نتایج ما با نشان دادن این که قوانین معاملات فنی برگشت دهنده میانگین، قدرت پیش بینی قابل توجهی در شاخص های SRI ارائه می دهند، به ادبیات اضافه می شوند، اما قوانین سنتی پیروی از روند، قدرت پیش بینی بسیار کمی را ارائه می دهند.

معرفی

سرمایه گذاری های مسئولیت پذیر اجتماعی (SRI) سرمایه گذاری هایی هستند که مبتنی بر معیارهای حاکمیتی، زیست محیطی و اجتماعی هستند و در نتیجه سرمایه گذاری در شرکت هایی که محیط زیست را آلوده می کنند، الکل، تنباکو و اسلحه می فروشند، و همچنین شرکت هایی که حکمرانی ضعیفی دارند، حذف می شوند. آن ها از صندوق های متعارف متمایز هستند و همانطور که توسط Kempf و Osthoff (2008) نشان داده شده است، صندوق های مخفی معمولی نیستند. سرمایه گذاری های SRI به طور قابل توجهی رشد کرده است، به ویژه در انگلستان که در آن صنعت صندوق سرمایه گذاری SRI به رشد قابل توجهی ادامه می دهد و از رشد سرمایه گذاری جهانی پیشی می گیرد. در سال 2016، بیش از یک پنجم کل سرمایه تحت مدیریت حرفه ای در ایالات متحده در صندوق های SRI سرمایه گذاری شد. 1 این نوع سرمایه گذاری بسیار بین المللی است و نزدیک به 40 درصد از 5. 5 تریلیون دارایی تحت مدیریت سرمایه گذاران خارجی است. 2 رتبه بندی SRI برای سرمایه گذاران مهم است همانطور که توسط Cellier، Chollet و JF (2016) نشان داده شده است، که نشان می دهد معاملات قبل از اعلامیه ها کاهش می یابد و پس از آن افزایش می یابد، که نشان می دهد سرمایه گذاران به اعلام رتبه های خارج از مالی اهمیت می دهند. علاوه بر این، امان، بائر، فیشر و مولر (2018) نشان می دهند که رتبه بندی پایداری مورنینگ استار تأثیر زیادی بر جریان های صندوق های سرمایه گذاری مشترک دارد، جایی که در سال اول پس از انتشار، صندوق های دارای رتبه بالاتر بین 4. 1 تا 10. 1 میلیون دلار جریان خالص بیشتری دریافت می کنند در حالی که دارای رتبه پایین هستند. وجوه بین 1. 0 میلیون دلار تا 5. 0 میلیون دلار جریان خالص کمتری نسبت به وجوه متوسط دریافت می کنند. همچنین، کیم، لی و لیو (2018) خاطرنشان می کنند که سرمایه گذاران بیشتر به شرکت هایی با رتبه بندی CSR بالاتر جذب می شوند. بنابراین سهام و صندوق های سرمایه گذاری SRI به طور قابل توجهی با صندوق های معمولی متفاوت است.

با توجه به اهمیت و وسعت بخش بخش SRI ، تعدادی از مقالات در مورد عملکرد صندوق های SRI با وجوه معمولی و اینکه آیا سرمایه گذاری در سهام SRI از سهام غیر SRI بهتر است ، بررسی شده است ، اگرچه نتایج بی نتیجه باقی مانده است. به عنوان مثال ، شواهدی وجود دارد که نشان می دهد سهام با رتبه بندی بالای SRI از سهام سنتی بهتر است (Kempf و Osthoff (2007) ؛ Chan and Walter (2014)) در حالی که برخی از مطالعات تفاوت قابل توجهی پیدا نکرده اند (Statman and Glushkov (2009) ؛ Humphrey and Tan (2014)). شواهدی وجود دارد که نشان می دهد صندوق های SRI از بودجه سنتی بهتر عمل می کنند (گیل بازو ، رویز-ورید و سانتوس (2010) ؛ OOI و Lajbcygier (2013) ؛ Nofsinger and Varma (2014) ؛ Muñoz ، Vargas ، and Marco (2014)). در حالی که شواهد متناقض وجود دارد مبنی بر اینکه آنها بودجه سنتی را تحت عمل قرار می دهند (جونز ، ون در لان ، فراست و لفتوس (2008) ؛ لایت و کورتز (2015)) ، در حالیعملکرد بین صندوق های SRI و صندوق های معمولی (کاممینگز (2000) ؛ بائر ، کوئدیجک و اوتن (2005) ؛ گرگوری و ویتاکر (2008) ؛ بلو (2005) ؛ کرندر ، گری ، پاور و سینکلر (2005) ؛ بنسون ، بریلسفوردفوردفوردفوردفوردفوردفوردفوردفوردفورد، و همفری (2006) ؛ بائر ، درروال ، و اوتن (2007) فرناندز-ایزوکردو و ماتالین-سائز (2008) ؛ Derwall and Koedijk (2009) ؛ Climent و Soriano (2011) ؛ Humphrey ، Warren و Boon (2016)). به تازگی ، Oikonomou ، Platanakis و Sutcliffe (2018) نمونه کارها SRI را تشکیل می دهند و برای پرتفوی SRI نشان می دهند ، سرمایه گذاران باید از رویکردهای بهینه سازی رسمی تر (مانند مارکوویتز ، سیاه پوست و برآورد قوی) استفاده کنند زیرا آنها در مقایسه با رویکردهای بهینه سازی ساده تر ، بازده برتر را تولید می کنند.(مانند تنوع ساده ، برابری ریسک و پاداش به خطر).

بدنه تحقیق کمی عملکرد شاخص های SRI ، مانند شاخص FTSE4Good را بررسی کرده است ، که یک جهان سرمایه گذاری SRI را برای مناطق مختلف در سراسر جهان فراهم می کند و شاخص های قابل معامله است. شاخص های مطالعه ممکن است مناسب تر باشد زیرا سرمایه گذاران احتمالاً سبد سهام SRI را برای بهره مندی از تنوع در اختیار دارند تا فقط چند سهام SRI را در اختیار داشته باشند. Statman (2006) نشان می دهد که شاخص های SRI در اواخر دهه 1990 از S& P500 بهتر عمل می کردند اما در اوایل دهه 2000 بدتر از S& P500 عمل کردند در حالی که شرودر (2007) نشان می دهد که بین SRI و شاخص های معمولی هیچ تفاوتی وجود ندارد. Consolandi ، Jaiswal-Dale ، Poggiani و Vercelli (2009) نشان می دهد که شاخص پایداری داو جونز STOXX (DJSSI) کمی از معیارها فراتر می رود. Belghitar ، Clark و Deshmukh (2014) عملکرد شاخص های FTSE4Good را بررسی می کنند و می دانند که برای سرمایه گذاری مسئول اجتماعی در این شاخص ها قیمتی وجود دارد در حالی که Brzeszczyński و McIntosh (2014) نشان می دهد که بازده نمونه کارها SRI در انگلستان از FTSE100 بیشتر است. 3

منطقه ای که ناشناخته باقی مانده است ، این است که آیا تجارت فعال در SRI بازده بالاتری را نسبت به تجارت در سرمایه گذاری های معمولی ایجاد می کند. یک نوع محبوب تجارت فعال که توجه زیادی در صنعت و همچنین ادبیات دانشگاهی به خود جلب کرده است ، تجارت فنی است که از اطلاعات قیمت گذشته برای تعیین قیمت های آینده از طریق تجزیه و تحلیل روند استفاده می کند. مشخص شده است که پزشکان از تجزیه و تحلیل فنی به طور گسترده استفاده می کنند ، با این که اسمیت ، وانگ ، وانگ و Zychowicz (2016) نشان می دهند که 21. 6 ٪ از صندوق های پرچین زنده از تجزیه و تحلیل فنی استفاده می کنند در حالی که منخوف (2007) گزارش می دهد که تجزیه و تحلیل فنی در بازار ارز گسترده است. این هدف برای یافتن و روندهای زمانی (معکوس) در بازار برای به دست آوردن بازده غیر طبیعی برای سرمایه گذاران است. مشخص شده است که بیشتر بازارهای مالی روند و الگویی دارند که در آن سرمایه گذاران توانسته اند از آن بهره مند شوند. در ادبیات دانشگاهی ، مقاله اصلی براک ، لاکونیشوک و لبارون (1992) می یابد که تجارت فنی پیش بینی قابل توجهی را در طول 90 سال در DJIA ایجاد می کند ، با Bessembinder و Chan (1998) ، Sullivan ، Timmerma و White (1999) و White White(2000) حمایت از یافته ها و نشان دادن نتایج بروک و همکاران.(1992) ناشی از داده های مختلف نیست. یافته های قابل توجهی نیز در بازارهای سهام توسط Hsu ، Hsu و Kuan (2010) ، Shynkevich (2012) ، Han ، Yang ، and Zhou (2013) و Neely ، Rapach ، Tu و Zhou (2014) ، بازارهای آتی کالاها یافت شده است. توسط Szakmary ، Shen و Sharma (2010) ، Narayan ، Mishra و Thuraisamy (2015) و Han ، Hu و Yang (2016)) ، در بازارهای ارز توسط Neely ، Weller و Dittmar (1997) ، Qi and Wu(2006) ، نیلی ، ولر و اولریش (2009) ، HSU ، تیلور و وانگ (2016) و زرابی ، اسنایت و کوکلی (2017) و اخیراً در بازارهای باند توسط شینکویچ (2016). 4

با توجه به اهمیت و اندازه صنعت SRI و همچنین ادبیات گسترده ای که پیش بینی و سودآوری قوانین تجارت فنی را بررسی می کند ، این مقاله یک بررسی جامع از عملکرد قوانین تجارت فنی در شاخص های SRI را انجام می دهد. نتایج این امر به ما نشان می دهد که آیا شاخص های SRI با گذشت زمان از روند و الگوهای پیروی می کنند و اگر سرمایه گذاران قادر به استفاده از این روند برای به دست آوردن بازده غیر طبیعی هستند. ما سه سری شاخص FTSE4Good را در نظر می گیریم که از سهام تشکیل شده است که مطابق با استانداردهای SRI آنها است. به ویژه ، ما شاخص های FTSE4Good US ، FTSE4Good UK و FTSE4Good Europe را بررسی می کنیم تا مشخص کنیم آیا معامله گران اخلاقی باید تجزیه و تحلیل فنی را در سهام SRI اعمال کنند. ما هشت قانون فنی مختلف را با طیف وسیعی از پارامترهای مختلف در نظر می گیریم تا از مسئله انتخاب قوانین کمی که می تواند باعث تعصب در استنتاج آماری به دلیل داده کاوی شینکویچ (2012) شود ، جلوگیری کنیم. با این حال برخلاف مطالعات قبلی ، ما قوانین معاملات فنی را به دو گروه اصلی تقسیم می کنیم ، یعنی قوانین پیروی از روند و میانگین معکوس. قوانین پیروی از روند با هدف پیش بینی و پیروی از روند بازار در حالی که قوانین معکوس سعی در پیش بینی زمان معکوس در قیمت دارند. بیشتر مطالعات معاملات فنی روند پیگیری و معکوس کردن قوانین با هم است اما کاملاً متفاوت هستند و هر دو سعی می کنند رفتارهای مختلف بازار را پیش بینی کنند. بنابراین ممکن است آنها در حال انتخاب خواص مختلف بازارها باشند که ممکن است با گروه بندی هر دو نوع با هم پوشانده شوند. ما از طیف وسیعی از معیارهای عملکرد ، از جمله اقدامات تنظیم ریسک و همچنین هزینه های Breakeven برای تعیین موفقیت قوانین تجارت فنی استفاده می کنیم. برای محافظت در برابر استفاده از داده ها ، ما با مقایسه P-Value واقعی با 1000 P-Bootstrapped P-Values به دنبال روش Sullivan و همکاران ، مقادیر p-prapled p-the هر تجارت فنی را تولید می کنیم.(1999). سپس ما از این موارد p-alist استفاده می کنیم و تعدادی از رویکردها را برای کنترل آزمایش فرضیه های متعدد ، یعنی نرخ خطای خانوادگی (FWER) و میزان کشف کاذب (FDR) اتخاذ می کنیم. 5 نتایج ما نشان می دهد که به طور کلی ، استراتژی های پیروی از روند بازده قابل توجهی را برای سرمایه گذاران ایجاد نمی کند ، در حالی که بخش بسیار بیشتری از قوانین میانگین بازپرداخت بازده قابل توجهی را گزارش می کند. این با اقدامات مختلف تنظیم ریسک ، هزینه های معامله Breakeven و تعدیل فرضیه های متعدد در مقادیر p bootstrapped پشتیبانی می شود.

برای افزودن استحکام بیشتر به تجزیه و تحلیل ما ، ما یک تجزیه و تحلیل خارج از نمونه را انجام می دهیم و نشان می دهیم که اکثریت قریب به اتفاق قوانین پیروی از روند در تولید بازده در نمونه قابل توجهی ناکام هستند. با این حال ، قوانین معناداری که باعث ایجاد بازده قابل توجهی در نمونه می شوند ، بازده مثبت خارج از نمونه و نسبت های مثبت شارپ را ایجاد می کنند ، نشان می دهد که قوانین میانگین معکوس به دلیل داده کردن داده ها نیست و سرمایه گذاران می توانند بازده مثبتی از اجرای آن کسب کنند. این نوع قوانین تجارت فنی. بنابراین نتایج ما نشان می دهد که معامله گران فنی باید استفاده از میانگین بازگرداندن قوانین معاملات فنی را به سهام SRI در نظر بگیرند.

بنابراین ، این مقاله تعدادی از کمک های مهم به ادبیات را ارائه می دهد. اول ، این مقاله به دانش ما است که عملکرد تجارت فنی در شاخص های قابل تجارت SRI را بررسی می کند. بسیاری از مطالعات پیامدهای نمونه کارها از SRI ها و همچنین عملکرد قوانین تجارت فنی در بسیاری از بازارهای دیگر را مورد بررسی قرار داده اند ، اما هیچ مطالعه ای بررسی نکرده است که آیا قوانین معاملات فنی قدرت پیش بینی کننده را در یک تنظیم SRI ارائه می دهد. دوم ، ما قوانین معاملات فنی خود را به دو دسته اصلی ، یعنی قوانین معاملات فنی در حال پیگیری و قوانین معاملات فنی معنادار ، جدا می کنیم. ما این کار را انجام می دهیم از آنجا که قوانین پیروی از روند تلاش می کنند تا از حرکات بازار پیروی کنند ، در حالی که قوانین معنادار در حال تلاش برای زمان قریب الوقوع بازار هستند ، بنابراین آنها استراتژی های متضاد هستند. سومین سهم اصلی ما این است که ما با اجرای P-Values P-Values از Sullivan و همکاران ، به طور جامع در برابر داده های مختلف محافظت می کنیم.(1999) و سپس آزمایش فرضیه های متعدد را از طریق نرخ خطای خانوادگی (FWER) و میزان کشف کاذب (FDR) کنترل کنید. چهارم ، به جای تخمین هزینه های معامله برای سرمایه گذار ، هزینه های معامله Breakeven را محاسبه می کنیم. اگر سرمایه گذار یک سرمایه گذار خرده فروشی یا نهادی باشد ، ممکن است هزینه های معامله متفاوت باشد و بنابراین خودسرانه انتخاب هزینه های معامله ممکن است مناسب نباشد. هزینه های معاملات Breakeven با این حال گزارش می دهد که هزینه های معامله ارزش باید به گونه ای باشد که سود حاصل از معاملات صفر باشد و بنابراین ارزش هزینه فرصت را برای اجرای این قوانین معاملات فراهم می کند. سرانجام ، برای محافظت در برابر داده های اطلاعاتی ، ما از تخمین خارج از نمونه استفاده می کنیم که در آن بهترین قوانین عملکردی را در یک دوره در نمونه انتخاب می کنیم و عملکرد آنها را در دوره خارج از نمونه گزارش می دهیم.

بقیه مقاله به شرح زیر سازماندهی شده است. بخش 2 قوانین تجارت فنی مختلفی را که ما اجرا می کنیم را مشخص می کند در حالی که بخش 3 داده های به کار رفته در این مطالعه را توضیح می دهد. بخش 4 معیارهای مختلف عملکرد در نظر گرفته شده برای ارزیابی عملکرد قوانین ما را تشریح می کند، در حالی که بخش 5 به تشریح روش های ردیابی داده های اجرا شده می پردازد. بخش 6 نتایج تجربی را گزارش می کند در حالی که بخش 7 خلاصه و نتیجه گیری را ارائه می دهد.

تیلور و آلن (1992) اشاره می کنند که تحلیل تکنیکال را می توان به دو دسته مجزا تقسیم کرد، یعنی فرم کیفی و فرم کمی. فرم کیفی جایی است که نمودارها تجزیه و تحلیل می شوند و تلاش برای شناسایی الگوها در داده ها انجام می شود در حالی که شکل کمی تجزیه و تحلیل نمودارهای گذشته از طریق تجزیه و تحلیل سری زمانی برای ساخت سیگنال های تجاری است. تفاوت اصلی این است که با توجه به یک قانون معاملاتی خاص، تحلیل تکنیکال کمی کاملاً عینی است و هر فردی باید به یک نتیجه برسد در حالی که تحلیل فنی کیفی ذهنی است و افراد ممکن است از یک نمودار به نتایج متفاوتی برسند. بسیاری از مطالعات قبلی در مورد قوانین تجارت فنی کمی، بسیاری از قوانین تجاری مختلف فنی را با هم ترکیب می کنند و گزارش می دهند که چه تعداد از قوانین در داخل و خارج از نمونه از طریق بازده سالانه و معیارهای مختلف تعدیل شده ریسک عملکرد بهتری دارند. با این حال، ادغام این قوانین تجاری فنی با هم می تواند گمراه کننده باشد، زیرا برخی از قوانین معاملات فنی سعی می کنند روند بازار را دنبال کنند در حالی که برخی تلاش می کنند معکوس های آینده را نشان دهند. بنابراین منطق قوانین پیروی از روند به طور کلی یکسان است، در حالی که منطق پشت قوانین بازگرداندن میانگین به طور کلی یکسان است. هدف آن ها تسخیر جنبه های مختلف بازار است و بنابراین ما قوانین تجاری فنی محبوب را به دو دسته کلی، یعنی «قوانین پیروی از روند» و «قوانین معکوس» متمایز می کنیم.

ما قوانین پیروی از روند را به عنوان مواردی تعریف می کنیم که سیگنال هایی از ادامه جهت روند فعلی بازار را ارائه می دهد. یعنی این قوانین سعی در شناسایی روند بازار و پیروی از این روندها در آینده دارند. بسیاری از قوانین مشهور و قبلاً مورد مطالعه ، تجارت فنی ، قوانین پیروی از روند هستند و ما شش مورد از محبوب ترین آنها را بررسی می کنیم. اولین قانون پیروی از روند ، قاعده متوسط در حال حرکت (که بیشترین بررسی از قانون تجارت فنی در ادبیات است) است که سعی می کند با بررسی میانگین های متحرک ، از روند داده ها بهره مند شود و همچنین واژگونی های قریب الوقوع را شناسایی کند. قاعده دوم قانون میانگین متحرک نمایی است که با یک قانون متوسط در حال حرکت یکسان است اما قیمت های دوره های قبلی از طریق میانگین ساده بلکه از طریق میانگین وزن نمایی محاسبه نمی شود. قانون سوم که ما مطالعه می کنیم ، یک قانون متوسط در حال حرکت وزنی است که دوباره با یک قانون متوسط در حال حرکت یکسان است اما قیمت های دوره های قبلی از طریق میانگین ساده محاسبه نمی شود ، بلکه از طریق میانگین وزنی خطی.

قاعده چهارم دنبال می کنیم که ما مطالعه می کنیم ، قوانین فیلتر هستند که با خرید (فروش) با افزایش (کاهش) با درصد مشخص ، روند را اندازه گیری و دنبال می کنند. پنجم قوانین معاملات مقاومت در برابر پشتیبانی هستند که محدودیت های پشتیبانی یا مقاومت در مورد قیمت را ایجاد می کنند که در صورت نقض آنها ، نشانگر حرکت بیشتر در همان جهت است. قانون ششم ششمین دوره ، قوانین برک آوت کانال است که سطح پشتیبانی و مقاومت را ایجاد می کند که پس از نقض ، نشانگر حرکت بیشتر در همان جهت است. همه این قوانین سعی در پیروی از روندی دارند که امیدوار است بازده اضافی کسب کند.

قوانین واژگونی در مورد تلاش دیگر برای شناسایی معکوس های بازار آینده. یعنی آنها سعی می کنند لحظه هایی را که در حال نزدیک شدن است ، پیش بینی کنند و بنابراین اگر این قانون معتقد است بازار در یک منطقه بیش از حد (بیش از حد) قرار دارد ، فروش (خرید) را توصیه می کند. قوانین واژگونی در ادبیات کمتر از قوانین پیروی از روند محبوبیت کمتری دارند که ممکن است ناشی از موفقیت قبلی قوانین پیروی از روند و عدم گزارش از نتایج منفی در ادبیات باشد. 6 سه قانون معکوس مورد بررسی قرار گرفته است که در آن اولین شاخص قدرت نسبی محبوب (RSI) از وایلدر (1978) است که با ایجاد نسبت حرکت قیمت رو به بالا به حرکت کل قیمت ، قدرت کلی قیمت را اندازه گیری می کند. دومین قانون معکوس که ما مطالعه می کنیم ، شاخص آروون است که توسط Tushar Change در سال 1995 پیشنهاد شده است ، یک قانون تجارت فنی است که برای شناسایی احتمال معکوس یک روند استفاده می شود. سومین قانون وارونگی که ما به کار می بریم ، گروههای بولینگر است که توسط جان بولینگر ایجاد شده است ، که یک باند نسبی و پایین را فراهم می کند و اگر قیمت خارج از گروهها سقوط کند ، این نشان دهنده تغییر بازار است.

انتخاب پارامترها برای استفاده بسیار مهم است زیرا پارامترهای مختلف ممکن است بازده کاملاً متضاد ایجاد کند. بنابراین ما تعدادی از پارامترهای مختلف هر کلاس از قانون تجارت را بررسی می کنیم و بنابراین تعداد بسیار زیادی از قوانین مختلف ممکن را بدست می آوریم. به طور خاص ، ما دقیقاً همان قوانین و پارامترهای معاملاتی فنی را به عنوان مقاله اخیر Hsu و همکاران به کار می بریم.(2016). 7

در این مقاله ، ما از داده های FTSE4Good استفاده می کنیم که دارای شاخص های قابل تجارت هستند که دارای یک کمیته مشورتی هستند که تصمیم می گیرند کدام شرکت ها را بر اساس مسئولیت خود درج کنند. ما سه مورد از محبوب ترین سری FTSE4GOOD ، یعنی FTSE4Good-US 100 ، FTSE4Good-UK 50 و FTSE4Good-Europe 50 را انتخاب می کنیم که هر یک به ترتیب شاخص هایی را بر اساس بنگاه های ایالات متحده ، انگلیس و اروپا ارائه می دهند.

ما داده های روزانه را از DataStream برای کلیه شاخص ها جمع می کنیم و همچنین نرخ روزانه بدون ریسک را در ارز که با ارز شاخص ها مطابقت دارد ، جمع می کنیم. 8 ما دوره اول ژانویه 2002 تا 31 دسامبر 2017 را مطالعه می کنیم که 16 سال کامل از داده ها را ارائه می دهد که در آن شکل 1 نمودار سری زمانی قیمت های شاخص های به کار رفته در این مطالعه را نشان می دهد. 9 ما بازده روزانه را برای هر شاخص توسط: r i ، t = p i ، t p i ، t - 1 - 1 در جایی که r i ، t بازده شاخص I در روز t است در حالی که p i ، t بسته بندی در روز است ، محاسبه می کنیم. T و P I ، T - 1 قیمت بسته شدن شاخص I در روز T - 1 است. جدول 1 آمار توصیفی از کلیه شاخص های مورد بررسی در این مقاله را نشان می دهد که در آن همه شاخص ها میانگین بازده مثبت دارند ، در حالی که FTSE4Good ما بیشترین بازده را داریم. FTSE4Good Europe بالاترین انحراف استاندارد از بازگشت را دارد در حالی که FTSE4Good UK کمترین میزان را دارد. همه سری بازگشت ها دارای کمبود مثبت هستند در حالی که همه آنها Kurtosis اضافی را نشان می دهند ، که نشانگر توزیع لپتوکورتیک بازده است.

قطعه قطعه

معیارهای عملکرد

بازده از تجارت فنی J T H در هر شاخص به صورت تعریف شده است. r j ، t = s j ، t - 1 r t که در آن s j ، t - 1 موقعیتی است که توسط قانون تجارت فنی j t h پیشنهاد شده است که با قیمت های تاریخی تعیین می شود. S J ، T - 1 یا مقدار 1 را در جایی که ما در SRI طولانی می رویم ، 1 - 1 که در SRI یا 0 که در آن خنثی هستیم کوتاه می شویم. اگر خنثی باشیم ، خارج از بازار هستیم و به صورت نقدی سرمایه گذاری می کنیم. 10

داده های اسفنگ

تعصب Snooping Data هر زمان که هرگونه استراتژی معاملاتی اجرا شود ، یک مسئله واقعی است زیرا بررسی فقط میانگین بازده اضافی در قوانین کافی نیست. جستجو در بین طیف وسیعی از قوانین تجارت رقیب به معنای آزمایش بیشتر و بیشتر است ، زیرا قوانین بد عملکردی نادیده گرفته می شوند. مشکل آزمایش فرضیه متعدد این است که اگر تعداد فرضیه های آزمایش شده را افزایش دهیم ، احتمال بیشتری از یک واقعه نادر وجود دارد و از این رو به طور نادرست رد فرضیه تهی را رد می کنیم (نوع I

نتایج اولیه

در این بخش نتایج تجربی قوانین تجارت فنی ما که در شاخص های FTSE4Good اعمال می شود ، گزارش شده است. 15 جدول 2 میانگین قوانین مربوط به کلیه قوانین معاملات فنی را برای هر سه شاخص FTSE4Good که در آن مورد بررسی قرار می گیرد ارائه می دهد

نتیجه گیری

قوانین معاملات فنی دارای سابقه طولانی در بازارهای مالی و آکادمی ها است ، اما در مطالعاتی که عملکرد آنها را از زمان مطالعه اصلی توسط بروک و همکاران بررسی می کند ، افزایش یافته است.(1992). بسیاری از مطالعات عملکرد قوانین معاملات فنی را در بورس سهام ، بازارهای کالایی ، بازارهای آتی ، بازارهای ارزی و حتی بازارهای رمزنگاری مورد بررسی قرار داده اند. با این حال ، به دانش ما ، هیچ مطالعه ای وجود ندارد که بررسی کند که چگونه قوانین تجارت فنی هنگام اعمال SRI انجام می شود.

• منابع (65)