Teknisk analys, eller den statistiska analysen av tidigare prisändringar i syfte att förutse framtida prisförändringar, har varit ett diskussionsämne som möttes med skepsis i många finansiella kretsar. De flesta handlare och investerare hamnar i en av tre läger: De som tror att det är en vetenskap som fungerar, de insisterar på att det är en självförnående profetia och de som är övertygade om att det är värdelöst som ett prediktionsverktyg.
TUTORIAL: Teknisk analys: Introduktion

Dagens tekniska analys är långt ifrån det som existerade i det förflutna. Utvecklingen av neurala nätverk, genetiska algoritmer och liknande teknik har dramatiskt förbättrat noggrannheten i förutspår och kan markera ett skifte i branschen. I den här artikeln tar vi en titt på några empiriska bevis för att slutligen ställa denna fråga till vila, med ett särskilt fokus på valutamarknaden (valutamarknaden). (För mer information om genetiska algoritmer läs: Använda genetiska algoritmer för att prognostisera finansiella marknader .)

Fungerar teknisk analys verkligen? Forskare har varit skeptiska till teknisk analys ända sedan Eugene Fama och Marshall Blume fann köp-och-håll föredraget för alla filtreringstekniker i "Filterregler och aktiemarknadshandel". Fokus på utländska valutamarknader har dock visat ovanligt stora vinster som drivs av teknisk analys, som har utmanat den effektiva marknadshypotesen.

År 1995 publicerade Blake LeBaron en studie med namnet "Technical Trading Rule Profitability and Foreign Exchange Intervention", vilket föreslog en möjlig anledning till varför den tekniska analysen var så effektiv på valutamarknaden. Rapporten fann att förutsägbarheten i stor utsträckning minskas, om den inte elimineras, när man diskonterar dagar som Federal Reserve aktivt ingripit.

Den bakomliggande orsaken till effektiviteten i den tekniska analysen på valutamarknaden kan därför vara att prioriteringarna skiljer sig mellan stora aktörer. Till skillnad från oförutsägbara aktiemarknader har centralbankerna ett starkt incitament att hålla valutapriserna på vissa nivåer, vilket kan göra prisrörelser mer förutsägbara, särskilt när de intervenerar. (För att få kunskap om teknisk analyspraktiker, läs: Pionjärerna av teknisk analys .)

Neurala nätverk och teknisk analys Med sin förmåga att identifiera dolda mönster i data har neurala nätverksmodeller har ökat i popularitet. Modellerna kan approximera en olinjär funktion till en godtycklig grad av noggrannhet, vilket gör dem ideala för prognoser i många olika inställningar. Dessutom har modern mjukvara gjort dessa nätverk tillgängliga för enskilda enskilda näringsidkare och investerare.

Nya studier har fokuserat på att använda neurala nätverk för att identifiera underliggande tekniska handelsregler.I "En fallstudie om användning av neurala nätverk för att utföra teknisk prognos för Forex" fann Jingtao Yao och Chew Lim Tan att köp-och-håll-strategier kan vara bättre än trend-following, men neurala nätverksmodeller överträffade båda, även om man bara använde enkla indikatorer som glidande medelvärden.

En annan studie som heter "Användande återkommande neurala nätverk för prognoser för Forex" ger mer empiriska bevis för att neurala nätverk kan ge statistiskt tillförlitlig prognos för valutakurser. Modellen som användes i studien uppnådde uppskattningsvis 80% noggrannhet i prediktionen, vilket bekräftar att neurala nätverk kan vara mycket effektiva för att göra prognoser i utländsk valuta. Komponenter för ett effektivt system Det finns flera viktiga överväganden att ta hänsyn till när man utvecklar en teknisk analys- baserade handelssystem på valutamarknaden, enligt ovan nämnda studier om ämnet. Här är några viktiga punkter att komma ihåg när du utvecklar ett system:

Håll dig till den schweiziska francen och japanska yenen. Flera studier har funnit att CHF och JPY är de två valutorna som är enklaste att förutsäga. Den rådande teorin bakom detta fenomen verkar vara det faktum att dessa valutor är mest benägna att ingripa, vilket sannolikt är att de är båda säkra valutorna för internationella investerare.

• Använd neurala nätverk för att optimera system . Neurala nätverk har möjlighet att identifiera dolda mönster i data, vilket gör dem perfekta för valutamarknader. Till följd av detta ligger det mesta av aktuell forskning kring ämnet kring neurala nätverk.
• Flytta genomsnittsvärden och logaritmiska återgångar . Minst en studie föreslog att glidande medelvärden och logaritmisk avkastning är de två bästa insatserna för valutahandelsmodeller, särskilt när man analyserar CHF eller JPY.
• Ett ord från oppositionen Effektiviteten av tekniska analysbaserade handelssystem är fortfarande ifrågasatt av många forskare. Genom att använda misstänkta testdataprover eller alltför anpassade handelssystem tror dessa forskare att resultaten från dessa studier kan vara vilseledande. I slutändan är det svårt att berätta utan att tillämpa systemet på nya dataset, men handlare bör vara medvetna om oroen.

De två viktigaste frågorna är: Data Dredging

. Vissa studier kan ha använt data mining tekniker för att identifiera vilseledande relationer i data. I det här fallet kan prestanda för ett testsystem vara giltigt inom testdata, men det skulle inte ha någon statistisk signifikans i ett större populationprov.

• Kurvanpassning . Vissa studier kan ha använt kurvmonteringstekniker som kan ge tillförlitliga resultat för en dataset, men igen, inte för ett bredare befolkningsexempel.
• Bottom Line Teknisk analys kan inte bevisas fungera på aktiemarknaden, men det finns ett växande bevis på effektiviteten i forexmarknaderna.Framgången har till stor del hänförts till förutsägbarheten för insatser som ses i stor utsträckning i centralbankernas säkerhavsvaluta. Vissa forskare förblir dock skeptiska, med tanke på potentialen för minst två typer av vilseledande analystekniker.