تحلیلگران فنی یا چارتیست ها چه کسانی هستند؟

Chartists و تحلیلگران فنی

ii. اساس تجزیه و تحلیل فنی

iiiماهیت تحلیل فنی

شواهد تجربی در مورد الگوهای قیمت ساده

• سرمایه گذاران از نمودارهای قیمت و الگوهای قیمت به عنوان ابزاری برای پیش بینی حرکات قیمت آینده تا زمانی که بازارهای مالی وجود داشته باشد ، استفاده کرده اند.
• اولین مطالعات مربوط به کارآیی بازار بر رابطه بین تغییرات قیمت در طول زمان متمرکز شده است ، تا ببینیم آیا در واقع چنین پیش بینی هایی امکان پذیر بوده است.
• شواهد را می توان به دو کلاس طبقه بندی کرد
  • مطالعاتی که بر روی رفتارهای کوتاه مدت (Intraday ، روزانه و هفتگی قیمت) متمرکز شده است
  • تحقیقاتی که به بررسی حرکات بلند مدت (بازده سالانه و پنج ساله) می پردازد.

  آ. همبستگی

  • همبستگی سریال ارتباط بین تغییرات قیمت در دوره های زمانی متوالی را اندازه گیری می کند
  • اندازه گیری میزان تغییر قیمت در هر دوره به تغییر قیمت در دوره زمانی قبل بستگی دارد.
    • 0: دلالت می کند که تغییرات قیمت در دوره های زمانی متوالی با یکدیگر ارتباط ندارد
    • >0: شواهدی از حرکت قیمت در بازارها
    •  
    • یک همبستگی سریال مثبت با یک استراتژی خرید پس از دوره هایی با بازده مثبت و فروش پس از دوره هایی با بازده منفی مورد سوء استفاده قرار می گیرد.
    • یک همبستگی سریال منفی ، استراتژی خرید را پس از دوره هایی با بازده منفی و فروش پس از دوره هایی با بازده مثبت نشان می دهد.

    همبستگی سریال در بازده کوتاه مدت

    نویسنده

    داده ها

    متغیرها

    فاصله زمانی

    همبستگی

    کندال و اسکندر (28

    19 شاخص - انگلیس

    قیمت

    4 هفته

    0. 006

    مور (28)

    30 شرکت - ایالات متحده

    قیمت ورود به سیستم

    1 هفته

    -0. 056

    Cootner (28)

    قیمت ورود به سیستم

    1 هفته

    -0. 047

    FAMA (46)

    30 شرکت - ایالات متحده

    قیمت ورود به سیستم

    9 روز

    -0. 053

    کینگ (28)

    63 شرکت - ایالات متحده

    قیمت ورود به سیستم

    1 ماه

    0. 018

    Niarchos (119)

    15 شرکت - یونان

    قیمت ورود به سیستم

    1 ماه

    0. 036

    Praetz (128)

    20 شرکت

    قیمت ورود به سیستم

    1 هفته

    -0. 118

    خلاصه ای از یافته ها

    • همبستگی های سریال در بیشتر بازارها اندک است. در حالی که ممکن است اهمیت آماری در ارتباط با این همبستگی ها وجود داشته باشد ، بعید است که همبستگی کافی برای تولید بازده اضافی وجود داشته باشد.
    • همبستگی سریال در بازده دوره کوتاه نیز تحت تأثیر مسائل اندازه گیری قیمت و ویژگی های ریز ساختار بازار قرار می گیرد.
      • عدم تسکین در برخی از مؤلفه های شاخص می تواند از دوره زمانی قبل اثر حمل و نقل ایجاد کند ، این می تواند منجر به همبستگی سریال مثبت در بازده شاخص شود.
      • اگر از قیمت معاملات برای محاسبه بازده استفاده شود، از آنجایی که قیمت ها شانس برابری برای پایان دادن به قیمت پیشنهادی یا درخواستی دارند، اسپرد پیشنهاد و تقاضا یک سوگیری در جهت مخالف ایجاد می کند. جهشی که این امر در قیمت ها ایجاد می کند منجر به همبستگی سریال منفی در بازده می شود.

      Bid-Ask Spread = ریشه مربع (کوواریانس سریال در بازده)

      که در آن کوواریانس سریال در بازده، کوواریانس بین تغییرات بازده در دوره های زمانی متوالی را اندازه گیری می کند.

      • در قاعده فیلتر، اگر قیمت X% نسبت به پایین قبلی افزایش یابد، سرمایه گذار سرمایه گذاری را خریداری می کند و سرمایه گذاری را تا زمانی نگه می دارد که قیمت از بالاترین سطح قبلی X% کاهش یابد. بزرگی تغییر (X٪) که معاملات را آغاز می کند می تواند از قانون فیلتر به قانون فیلتر متفاوت باشد. با تغییرات کوچکتر که منجر به تراکنش های بیشتر در هر دوره و هزینه تراکنش های بالاتر می شود.

      شکل 9. 1: تصویر قانون فیلتر

      مفروضات اساسی استراتژی

      • این استراتژی بر این فرض استوار است که تغییرات قیمت به صورت سریالی همبستگی دارند و حرکت قیمت وجود دارد، یعنی سهامی که در گذشته به شدت بالا رفته اند، احتمال بیشتری دارد که به افزایش ادامه دهند تا کاهش.
      • جدول زیر نتایج یک مطالعه در مورد بازده، هزینه های قبل و بعد از تراکنش، در استراتژی معاملاتی بر اساس قوانین فیلتر از 0. 5٪ تا 20٪ را خلاصه می کند.(قانون 0. 5% به این معنی است که یک سهام زمانی خریداری می شود که 0. 5% از پایین ترین سطح قبلی افزایش یابد و زمانی که 0. 5% از بالاترین حد قبلی سقوط کند فروخته می شود.)

      جدول 9. 2: راهبردهای قوانین فیلتر را بر می گرداند

      مقدار X

      بازگشت با استراتژی

      بازگشت با خرید و نگه داشتن

      # معاملات با استراتژی

      بازگشت پس از انجام معاملات

      12514

      -103. 6٪

      8660

      4764

      2994

      2013

      1, 484

      1071

      نتایج مطالعه

      • تنها قانون فیلتری که بازده حاصل از استراتژی خرید و نگه داری را شکست می دهد، قانون 0. 5% است، اما قبل از هزینه های تراکنش این کار را انجام می دهد. این استراتژی 12514 معامله را در طول دوره ایجاد می کند که هزینه های معاملاتی کافی برای از بین بردن اصل سرمایه گذاری شده توسط سرمایه گذار ایجاد می کند.
      • در حالی که این آزمون قدیمی است، یک مشکل اساسی را در مورد استراتژی هایی که به معاملات کوتاه مدت مکرر نیاز دارند نیز نشان می دهد. حتی اگر این استراتژی ها قبل از هزینه های تراکنش ها بازدهی اضافی را به دست آورند، تعدیل این هزینه ها می تواند بازده اضافی را از بین ببرد.

      قوانین قدرت نسبی

      • نوع دیگری از قانون فیلتر، معیار قدرت نسبی است که قیمت های اخیر سهام یا سایر سرمایه گذاری ها را به میانگین قیمت ها در یک دوره مشخص، مثلاً در طول شش ماه، یا به قیمت در ابتدای دوره مرتبط می کند.
      • سهام که در اندازه گیری قدرت نسبی نمره بالایی دارند ، سرمایه گذاری های خوبی در نظر گرفته می شوند.
      • این استراتژی سرمایه گذاری نیز براساس فرض حرکت قیمت است.
      • یک آزمایش اجرا یک تغییر غیر پارامتری در همبستگی سریال است و براساس تعداد اجراها ، یعنی توالی افزایش قیمت یا کاهش قیمت ، در تغییر قیمت است. بنابراین ، قیمت زیر تغییر می کند ، جایی که u افزایش می یابد و کاهش D منجر به اجرای زیر می شود:

      uuu dd u ddd uu dd u d uu dd u dd uuu dd uu d uu d

      در این سری قیمت 33 دوره 18 اجرا وجود داشت.

      • تعداد واقعی اجرا در سری قیمت ها در برابر شماره ای که می توان در یک سری از این طول انتظار داشت ، مقایسه می شود ، با فرض اینکه تغییرات قیمت تصادفی است.
        • اگر تعداد واقعی اجرای بیشتر از تعداد مورد انتظار باشد ، شواهدی از همبستگی منفی در تغییرات قیمت وجود دارد.
        • اگر پایین تر باشد ، شواهدی از همبستگی مثبت وجود دارد.

        مطالعات مربوط به قیمت

        • مطالعه تغییرات قیمت در سهام Dow 30 ، با فرض فواصل بازده روزانه ، چهار روزه ، نه روزه و شانزده روزه نتایج زیر را ارائه می دهد-

        روزانه چهار روزه نه روز شانزده روزه

        اجرای واقعی 735. 1 175. 7 74. 6 41. 6

        پیش بینی شده 759. 8 175. 8 75. 3 41. 7

        • بر اساس این نتایج ، شواهدی از همبستگی مثبت در بازده روزانه وجود دارد اما هیچ مدرکی از انحراف از نرمال بودن برای فواصل زمانی طولانی تر وجود ندارد.
        • رشته های طولانی از تغییرات مثبت و منفی ، به خودی خود ، شواهد کافی نشان نمی دهد که بازارها تصادفی نیستند ، زیرا چنین رفتاری با تغییرات قیمت پس از یک پیاده روی تصادفی سازگار است. این عود این رشته ها است که می تواند به عنوان شواهدی در برابر تصادفی در رفتار قیمت تلقی شود.

        الگوهای فصلی و زمانی در قیمت ها

        آ. اثر ژانویه

        • مطالعات مربوط به بازده در ایالات متحده و سایر بازارهای مهم مالی به طور مداوم تفاوت های شدیدی در رفتار بازگشت در ماه های سال نشان می دهد. شکل 9. 13 گزارش میانگین بازده در ماه سال از سال 1926 تا 1983.
        • بازده در ژانویه به طور قابل توجهی بالاتر از بازده در هر ماه دیگر سال است. این پدیده اثر پایان سال یا ژانویه نامیده می شود و می توان آن را در دو هفته اول ژانویه ردیابی کرد.
        • اثر ژانویه برای بنگاههای کوچک بسیار برجسته تر از شرکتهای بزرگتر است و تقریباً نیمی از حق بیمه شرکت کوچک که در بخش قبلی شرح داده شده است ، در دو روز اول ژانویه به دست می آید. شکل 9. 14 نمودارها در ژانویه بر اساس کلاس اندازه و ریسک برای داده ها از سال 1935 تا 1986 باز می گردد.

        شکل 9. 14: بازده در ژانویه با اندازه و کلاس ریسک - 86- 1935

        توضیحات مربوط به اثر ژانویه

        • تعدادی از توضیحات برای تأثیر ژانویه پیش رفته است ، اما تعداد کمی از آنها مورد بررسی جدی قرار می گیرند.
          • فروش ضرر مالیاتی توسط سرمایه گذاران در پایان سال در سهام که "پول خود را از دست داده اند" برای گرفتن سود سرمایه ، پایین آمدن قیمت ها ، احتمالاً زیر ارزش واقعی ، در ماه دسامبر ، و خرید همان سهام در ژانویه ، که منجر به آن می شود ، نتیجه می گیرد. بازده بالا
          • دلیل دوم این است که تأثیر ژانویه مربوط به رفتار تجارت نهادی در حدود نوبت سالها است. به عنوان مثال ، ذکر شده است که نسبت خرید برای موسسات در روزهای قبل از نوبت سال به طور قابل توجهی پایین تر از میانگین کاهش می یابد و در ماههای بعد به بالاتر از حد متوسط می رسد.

          شکل 9. 15: خرید/فروش نهادی حدود پایان سال

          شکل 9. 16: بازده در ژانویه در برابر ماه های دیگر - بازارهای عمده مالی

          ب. اثر آخر هفته

          اثر آخر هفته پدیده دیگری است که در دوره های طولانی و بیش از تعدادی از بازارهای بین المللی ادامه داشته است. این به تفاوت در بازده بین دوشنبه و سایر روزهای هفته اشاره دارد. شکل 9. 17 ، که نمودارهای روزهای هفته از سال 1962 تا 1978 باز می گردد

          اثر آخر هفته: توضیحات

          • تعدادی از یافته های دیگر در اثر دوشنبه وجود دارد که آن را بیرون آورده است.
            • اول ، اثر دوشنبه واقعاً یک اثر آخر هفته است زیرا بخش عمده ای از بازده های منفی در جمعه نزدیک به دوشنبه بازده باز است. بازده از بازده Intraday در روز دوشنبه مقصر در ایجاد بازده منفی نیست.
            • دوم ، اثر دوشنبه برای سهام کوچک از سهام بزرگتر بدتر است.
            • سوم ، اثر دوشنبه پس از آخر هفته های سه روزه نسبت به آخر هفته های دو روزه بدتر نیست.

            یادداشت های بیشتر در مورد اثر آخر هفته

            • حضور یک اثر آخر هفته قوی در ژاپن ، که به بخشی از مطالعات دوره ای در اینجا امکان تجارت شنبه را فراهم می کند ، نشان می دهد که ممکن است دلیل مستقیمی برای بازده منفی در دوشنبه ها از اطلاعات بد در طول آخر هفته وجود داشته باشد.
            • به عنوان یک یادداشت نهایی ، بازده منفی دوشنبه ها را نمی توان فقط به عدم تجارت در آخر هفته نسبت داد. بازده روزهای بعد از تعطیلات تجارت ، به طور کلی ، با بازده مثبت و نه منفی مشخص می شود. شکل 9. 19 بازده روزهای معاملاتی پس از تعطیلات عمده را خلاصه می کند و این الگوی را تأیید می کند.

            مبانی تحلیل فنی

            خلاصه ای از فرضیات اساسی (لوی)

            (1) ارزش بازار فقط با تعامل عرضه و تقاضا تعیین می شود

            (2) عرضه و تقاضا توسط عوامل متعددی هم منطقی و هم غیر منطقی اداره می شود. بازار به طور مداوم و به طور خودکار همه این عوامل را وزن می کند.(یک واکر تصادفی هم در مورد این فرضیه هیچ صلاحیتی نخواهد داشت. او با این حال خاطرنشان می کند که هرگونه عوامل غیر منطقی به همان اندازه احتمالاً یک طرف بازار مانند طرف دیگر است.)

            (3) عدم توجه به نوسانات جزئی در بازار ، قیمت سهام تمایل به حرکت در روندهایی دارد که برای مدت زمان قابل توجهی ادامه دارد.(واکر تصادفی با این بیانیه مخالف است. برای ادامه هر روند باید برخی از "غیر منطقی بودن" جمعی وجود داشته باشد)

            (4) تغییرات در روند ناشی از تغییر تقاضا و عرضه است. این شیفت ها مهم نیست که چرا آنها رخ می دهند ، می توانند دیر یا زود در عمل خود بازار تشخیص داده شوند..

            در مورد اینکه چرا تحلیلگران فنی فکر می کنند تخمین ارزش های ذاتی بیهوده است

            "این یک ارزش ذاتی به یک گواهی سهام بی فایده است. به عنوان مثال ، یک سهم از فولاد ایالات متحده در اوایل پاییز سال 1929 261 دلار ارزش داشت ، اما شما می توانید آن را فقط با 22 دلار در ژوئن 1932 خریداری کنید. تا مارس 1937 این بودفروش با 126 دلار و فقط یک سال بعد با 38 دلار. این نوع چیزها ، این میزان گسترده بین ارزش فرضی و ارزش ذاتی ، از این قاعده مستثنی نیست ؛ این قاعده است ؛ این همیشه ادامه دارد. واقعیت این است که واقعیت این است که واقعیت این است کهارزش واقعی فولاد ایالات متحده در هر زمان صرفاً با عرضه و تقاضا ، که به طور دقیق در معاملات انجام شده در کف مبادله منعکس می شوند ، تعیین می شود.

            البته آماری که اصولگرایان مطالعه می کنند ، در معادله عرضه و تقاضا نقش دارند- که آزادانه پذیرفته شده است. اما بسیاری از عوامل دیگر بر آن تأثیر می گذارند. قیمت بازار نه تنها ترس ها و حدس ها و روحیه های مختلف ، منطقی و غیرمنطقی ، صدها خریداران و فروشندگان بالقوه را منعکس می کند. با این وجود همه سنتز ، وزنی و در نهایت در یک شکل دقیق بیان می شوند که در آن یک خریدار و فروشنده با هم جمع می شوند و معامله می کنند. این تنها رقمی است که حساب می شود.

            عقلانیت سرمایه گذاران

            • مورخانی که رفتار بازارهای مالی را با گذشت زمان بررسی کرده اند ، فرض عقلانیت را که زیربنای بسیاری از نظریه کارآمد بازار است ، به چالش کشیده اند.
            • آنها به فرکانس با حباب های سوداگرانه در نشانگرهای مالی شکل گرفته اند ، زیرا سرمایه گذاران به طرح های FADS یا غنی از آنها می پردازند و تصادفات با این حباب ها به پایان رسیده است و نشان می دهد که هیچ کاری برای جلوگیری از عود این پدیده وجود ندارددر بازارهای مالی امروز. شواهدی در ادبیات غیر منطقی بودن از طرف بازیکنان بازار وجود دارد.

            آ. مطالعات تجربی عقلانیت

            • در حالی که بیشتر مطالعات تجربی نشان می دهد که معامله گران منطقی هستند ، در برخی از این مطالعات نمونه هایی از رفتار غیر منطقی وجود دارد.
            • یکی از این مطالعه در دانشگاه آریزونا انجام شد. در یک مطالعه آزمایشی ، به معامله گران گفته شد که پس از هر روز معاملاتی ، پرداختی اعلام می شود ، که به طور تصادفی از چهار امکان تعیین می شود - صفر ، هشت ، 28 یا 60 سنت. متوسط پرداخت 24 سنت بود. بنابراین ارزش مورد انتظار سهم در اولین روز تجارت پانزده روزه 3. 60 دلار (24*15) بود ، روز دوم 3. 36 دلار بود. به معامله گران اجازه می داد هر روز تجارت کنند. نتایج 60 آزمایش از این دست در نمودار زیر خلاصه شده است.

            قیمت معاملات توسط روز معاملاتی

            نتایج مطالعه تجربی

            • در اینجا شواهد روشنی در مورد تشکیل "حباب سوداگرانه" در دوره های 3 تا 5 وجود دارد ، که در آن قیمت ها با مقدار قابل توجهی از مقادیر مورد انتظار فراتر می روند.
            • حباب در نهایت ترکیده است و قیمت ها تا پایان دوره به ارزش مورد انتظار نزدیک می شوند.
            • اگر این امر در یک بازار ساده امکان پذیر باشد ، جایی که هر سرمایه گذار همان اطلاعات را بدست می آورد ، در بازارهای مالی واقعی به وضوح امکان پذیر است ، جایی که اطلاعات بسیار متمایز تر و عدم اطمینان بسیار بیشتر در مورد ارزش مورد انتظار وجود دارد.
            • برخی از آزمایشات با دانشجویان و برخی با بازرگانان توسان با تجربه "دنیای واقعی" اجرا شد. نتایج برای هر دو گروه مشابه بود.
            • علاوه بر این ، هنگامی که محدوده قیمت 15 سنت معرفی شد ، این رونق حتی بیشتر به طول انجامید زیرا معامله گران می دانستند که قیمت ها در یک دوره بیش از 15 سنت کاهش نمی یابد. بنابراین ، این تصور که محدودیت قیمت می تواند حباب های سوداگرانه را کنترل کند ، گمراه کننده به نظر می رسد.

            ب. هرج و مرج و پویایی غیرخطی در قیمت ها

            • استفاده اخیر از تئوری هرج و مرج برای توضیح پدیده های طبیعی (مانند الگوهای آب و هوا) همچنین در توضیح رفتار قیمت سهام ، به استفاده های بالقوه آن علاقه ای داشته است.
            • به عنوان مثال ، پیترز سعی کرده است با استفاده از مدلهای غیرخطی که زیربنای بسیاری از نظریه های هرج و مرج با نتایج مختلط است ، رفتار قیمت را مدل سازی کند.

            واژه نامه ای از فناوری عصر جدید

            • هوش مصنوعی: سیستم های نرم افزاری که سعی در تکرار جنبه های هوش انسانی دارند.
            • سیستم خبره: تکنیک تصمیم گیری رایانه ای که مظهر دانش از متخصصان است.
            • شبکه عصبی: سعی می کند فرآیندهای مغز انسان را تقلید کند و از اشتباهاتی که می کند یاد می گیرد.
            • نظریه هرج و مرج: معتقد است که رویدادهای به ظاهر تصادفی در واقع الگویی دارند که رایانه ها می توانند آن را تشخیص دهند.

            الگوریتم ژنتیکی: تکنیک حل مسئله در شناسایی و رسیدگی به ناهنجاری ها مفید است. از تکامل برای یافتن برندگان استفاده می شود.

            I. بیش از حد بازار: شاخص های متضاد

            مبنای: تحقیقات در روانشناسی تجربی نشان می دهد که افراد تمایل دارند بیش از حد به رویدادهای خبری غیر منتظره و چشمگیر واکنش نشان دهند. در تجدید نظر در اعتقادات خود ، افراد تمایل به اضافه وزن اطلاعات اخیر و داده های قبلی کم وزن دارند.

            شواهد تجربی: اگر بازارها بیش از حد واکنش نشان دهند

            (1) حرکات شدید در قیمت سهام با حرکات بعدی قیمت در جهت مخالف دنبال می شود.

            (2) هرچه تعدیل قیمت شدیدتر باشد ، تعدیل بعدی بیشتر خواهد بود

            مسائل: (1) چرا ، اگر این واقعیت داشته باشد ، این است که سرمایه گذاران متضاد آنقدر از نظر تعداد یا قدرت بازار اندک هستند که واکنش بیش از حد به اطلاعات جدید مجاز به ادامه مدت طولانی است؟

            (2) این پدیده به چه معنا این اتهام را مبنی بر ناکارآمد بودن بازار توجیه می کند؟

            (3) آیا بازار در مورد ترکیب برخی از انواع اطلاعات نسبت به سایرین کارآمدتر است؟

            قوانین معاملات فنی: نظر متضاد

            1. تجارت عجیب و غریب: قانون عجیب و غریب ، نشانگر آنچه مرد در خیابان در مورد سهام فکر می کند (همانطور که او در مورد سهام بیشتر علاقه مند می شود ، این نسبت افزایش می یابد).

            2. موقعیت های نقدی صندوق متقابل: از نظر تاریخی ، استدلال پیش می رود ، موقعیت های نقدی صندوق متقابل در پایین بازار خرس بیشترین بوده و در اوج بازار گاو نر پایین ترین بوده است. از این رو سرمایه گذاری در برابر این آمار ممکن است سودآور باشد.

            3. نظر مشاوره سرمایه گذاری: این نسبت خدمات مشاوره ای است که نزولی هستند. هنگامی که این نسبت به آستانه می رسد (به عنوان مثال 60 ٪) ، Contrarian شروع به خرید می کند.

            ii. تشخیص تغییرات تقاضا و عرضه با استفاده از تغییرات قیمت گذشته: درس در الگوهای قیمت

            اثر شیلر: مقدار واقعی ارزش فعلی تمام سود سهام آینده مورد انتظار است. با این حال ، واریانس قیمت های فعلی از نظر واریانس در این مقدار فعلی بیشتر است.

            قوانین فنی: وسعت بازار

            اندازه گیری: این اندازه گیری از تعداد سهام موجود در بازار است که نسبت به مواردی که کاهش یافته اند پیشرفت کرده اند. هرچه بازار گسترده تر باشد ، تقاضا قوی تر می شود.

            اقدامات مرتبط: (1) واگرایی بین شاخص های مختلف بازار (DOW 30 در مقابل کامپوزیت NYSE) (2) خطوط پیشبرد/کاهش

            (2) خطوط پشتیبانی و مقاومت: توضیح متداول ارائه شده توسط تکنسین ها برای حرکات بازار این است که بازارها دارای خطوط پشتیبانی و مقاومت هستند. اگر هر دو شکسته شود ، بازار برای یک حرکت اساسی آماده است.

            منطقی احتمالی: (1) برنامه های خرید/فروش نهادی که می تواند با دستیابی به موفقیت در برخی از قیمت های تعریف شده به خوبی تعریف شود (به عنوان مثال Dow 1300) (2) پیشگویی های خودآزمایی: چگونه مدیران پول از تحلیلگران فنی برای پانسمان پنجره استفاده می کنند.

            (3) میانگین حرکت: یک خط متوسط در حال حرکت نوسانات را صاف می کند و چارتیست را قادر می سازد تا روند قیمت سهام را ببیند. چگونگی تفسیر این روند و سپس به چارتاست بستگی دارد.

            (4) شاخص های حجم معاملات: برخی از تحلیلگران فنی معتقدند که اطلاعاتی در مورد تغییرات قیمت آینده در تغییر حجم معاملات وجود دارد.

            (5) نمودارهای نقطه و شکل:

            iiiبازارها به آرامی یاد می گیرند: سرمایه گذاران حرکت

            مبنای: استدلال در اینجا این است که بازارها به آرامی یاد می گیرند. بنابراین ، سرمایه گذاران که کمی سریعتر از بازار در جذب و درک اطلاعات هستند ، بازده اضافی کسب می کنند. علاوه بر این ، اگر بازارها به آرامی یاد بگیرند ، قیمت های قیمت وجود خواهد داشت (یعنی قیمت ها طی دوره های طولانی بالا یا پایین می روند) و تجزیه و تحلیل فنی می تواند این رانش ها را تشخیص داده و از آنها استفاده کند.

            شواهد: شواهدی وجود دارد ، هرچند خفیف ، نشان می دهد که قیمت ها پس از اعلامیه های مهم اخبار ، کاهش می یابد. به عنوان مثال ، پیروی از تغییرات قیمت پس از شگفتی درآمدهای بزرگ ، شواهد زیر را ارائه می دهد.

            توجه داشته باشید که قیمت آن ، به ویژه پس از اعلامیه شدیدترین درآمد.

            قوانین قدرت نسبی: قدرت نسبی سهام نسبت قیمت فعلی آن به میانگین آن در طی یک دوره طولانی تر است (به عنوان مثال شش ماه). این قانون حاکی از خرید سهام است که بیشترین استحکام نسبی را دارند (که این سهام نیز در آن دوره بیشترین افزایش را داشته است).

            IVبازارها توسط نیروهای خارجی کنترل می شوند: عرفا

            The Elliot Wave: نظریه الیوت این است که بازار در امواج با اندازه های مختلف حرکت می کند ، از مواردی که فقط معاملات فردی را شامل می شود تا قرن های ماندگار ، شاید طولانی تر."با طبقه بندی این امواج و شمارش طبقه بندی های مختلف ، می توان موقعیت های نسبی بازار را در همه زمان ها تعیین کرد"."به عنوان مثال ، هیچ گاو از بازارهای خرس یک ، هفت یا نه موج وجود ندارد.

            تئوری داو: "بازار همیشه به عنوان سه حرکت در نظر گرفته می شود ، همه در همان زمان پیش می روند. اولین حرکت باریک (نوسانات روزانه) از روز به روز است. دوم نوسان کوتاه (حرکات ثانویه) از دوهفته ها تا یک ماه و سوم حرکت اصلی (روندهای اصلی) است که حداقل چهار سال در مدت زمان آن را پوشش می دهد.

            V. به دنبال سرمایه گذاران هوشمند: پیروان

            (الف) شاخص اطمینان: شاخص اطمینان نسبت بازده در اوراق قرضه خطرناک (به عنوان مثال BBB) به اوراق امن تر (AAA) را اندازه گیری می کند. نسبت بالاتر در اینجا صعودی است.

            (ب) نسبت فروش کوتاه متخصصان: متخصصان بهتر از یک سرمایه گذار متوسط آگاه هستند. افزایش فروش کوتاه آنها یک علامت نزولی محسوب می شود.