چرا برخی از تحلیل های فنی دیگر ممکن است مؤثر نباشد: مصاحبه با مایکل هریس

او در توییتر در مورد ، خوب ، عمل قیمت ارسال می کند. پیام او در آنجا که اساساً ، "هر آنچه که در مورد تحلیل فنی می دانید اشتباه است" با وضوح و اشتیاق ارائه می شود. این کافی است که باعث شود من اعتقادات خودم را در مورد روشهای خواندن نمودار که سالها از آن استفاده کردم سوال کنم.

من ایده های ارائه شده در اینجا درباره قیمت را تأیید نمی کنم ، اما دوست دارم تفکر اصلی را در نظر بگیرم و فرضیات خود را هر از چند گاهی به چالش بکشم. با این روحیه ، سوالات من و پاسخ های مایکل وجود دارد.

جان ناوین: شما آن روش های تحلیل فنی را که در دهه 70 و 80 انجام می شود ، نوشتید. چه اتفاقی برای آنها افتاد؟

مایکل هریس: روشهای تحلیل فنی مدرسه قدیمی شامل الگوهای نمودار عمدتاً و برخی فرضیه های رفتار بازار ، به عنوان مثال تئوری داو است. باید در نظر داشته باشیم که وقتی اولین بار تجزیه و تحلیل فنی تصور می شد ، رایانه های شخصی در دسترس نبودند و معامله گران نتوانستند ارزیابی کمی از ادعاهای انجام شده را انجام دهند.

بنابراین ، تجزیه و تحلیل فنی کلاسیک یک روش "بصری" بود که بر اساس نمودارها انجام شد. پیشگامان این روش در ابتدا تصور می کردند که الگوهای منظم در داده ها می توانند جهت آینده را نشان دهند. با این حال ، آنها به زودی فهمیدند که این الگوهای پیش بینی کننده قیمت خوبی نیستند. به منظور افزایش عملکرد این پیش بینی کننده های قیمت ، پیشگامان تجزیه و تحلیل فنی یک فرضیه مهم کمکی اضافه کردند: الگوهای باید تأیید شوند.

اینگونه است که این "تأیید تأیید" کار می کند: تشکیل یک سر و شانه ها را در نظر بگیرید ، که یک الگوی پرچمدار از تجزیه و تحلیل فنی قدیمی است ، که در بالای یک صعود شکل گرفته است. این الگوی ممکن است تصادفی باشد و ممکن است با وارونگی قیمت یا ادامه دنبال شود. اما پیشگامان متوجه شدند که اگر قیمت ها به زیر گردنبند حرکت کنند ، احتمال بازگشت روند زیاد بود.

آنها هم درست و هم اشتباه بودند ، اما این دومی است که مهم است. در اینجا اتفاق می افتد: همبستگی بالا در بازده به معنای دیگر مواردی است که احتمال بالایی وجود دارد که یک حرکت بالایی با یک حرکت دیگر دنبال شود و یک حرکت پایین با حرکت پایین دیگری دنبال شود. در سالهای اولیه تجزیه و تحلیل فنی ، هنگامی که قیمت ها به زیر گردن یک سر و شانه ها حرکت می کردند ، به عنوان مثال ، به دلیل همبستگی زیاد در بازده ، احتمال ادامه یک معکوس روند زیاد بود و الگوی واقعی در آن مرحله بی ربط بودبشر

در اصل ، پیشگامان این روش با همبستگی بالا فریب خورده و قدرت پیش بینی را به الگوهای تصادفی اختصاص داده اند. با شروع همبستگی بالا در دهه 1980 از بازارها ناپدید شد ، این روشهای تجزیه و تحلیل فنی هرگونه اثربخشی را از دست دادند. با این حال ، یک صنعت بزرگ قبلاً در این روش ها سرمایه گذاری کرده است و هنوز هم آنها را آموزش داده و مورد استفاده قرار می گیرد. فیلم ها روزانه در رسانه های اجتماعی بارگذاری می شوند تا به معامله گران آموزش دهند که چگونه از الگوهای نمودار استفاده کنند وقتی در واقعیت ، در بازارهای آلگو ، الگوهای کلاسیک سازندهای تصادفی ناشی از این جلبک ها هستند.

هرکسی که دارای یک ژنراتور شماره تصادفی باشد می تواند تأیید کند که الگوهای منظم می توانند در داده های تصادفی شکل بگیرند. بعید است که بازار با تشکیل برخی از الگوی طی هفته ها یا حتی ماه ها ، شرکت کنندگان را از دوره آینده خود هشدار دهد. البته ، برخی از این الگوهای به نظر می رسد سودآور به نظر می رسند اما به طور متوسط انتظار سود این سازندها باید قبل از هزینه کمیسیون 0 باشد.

NAVIN: شما در نوشته های خود ذکر می کنید که ظهور رایانه های شخصی قدرت الگوهای و شاخص های نمودار را به شدت کاهش داده است. چگونه توصیف می کنید که چگونه این اتفاق افتاد؟

هریس: هنگامی که الگوهای نمودار "اختراع" شدند ، معامله گران باید قوانین شکل گیری را بدانند و به نمودارها دسترسی داشته باشند. شناسایی سازندها هم پرهزینه و هم وقت گیر بود. با ظهور رایانه های شخصی ، معامله گران برنامه ای را برای شناسایی این الگوهای به طور خودکار نوشتند. باید بدیهی باشد که هر ناهنجاری در بازار فرض شده که برای بسیاری از معامله گران مشهود است در همان زمان به زودی ناپدید می شود.

بنابراین علاوه بر مشکل کاهش همبستگی ، شناسایی خودکار تأثیر منفی بر عملکرد الگوی نمودار دارد. علاوه بر این ، در اوایل دهه 1990 معامله گران حرفه ای وجود داشتند که متوجه شده بودند که این سازندهای قیمت تصادفی به نام الگوهای نمودار به صورت داوری می شوند و قبلاً در حال نوشتن کد بودند تا آنها را از قبل به منظور محو کردن سیگنال ها شناسایی کنند. شاخص ها همچنین از سقوط همبستگی بالا تحت تأثیر قرار گرفتند.

همانطور که جیم سیمونز در مصاحبه TED گفته است ، در دهه 70 و 80 می توانید از میانگین سریع حرکت 20 روزه و سود استفاده کنید. تجزیه و تحلیل من نشان می دهد که این یک جمله دقیق است. با ناپدید شدن همبستگی ، میانگین حرکت سریع متوقف شد و پیش بینی کننده های خوبی از بازگشت روز بعد بود و بسیار سودآور شد. معامله گران با افزایش دوره متوسط به این تغییر در پویایی بازار پاسخ دادند.

این اثر باعث افزایش خطای ردیابی شد و به همین دلیل یک نوع متفاوت از دنبال کردن روند بود. برای معدود معامله گران کوانت در دهه 1980، دنبال کردن روند به معنای استفاده از میانگین متحرک سریع بود. امروزه، مردم هنوز دنبال کردن روند را یک استراتژی با میانگین متحرک 10 ماهه یا میانگین متحرک 200 روزه می نامند و من قصد ندارم با استفاده از این اصطلاح بحث کنم.

نظر من این است که این یک روند پیروی نیست بلکه چیز دیگری است. صرف نظر از این، این معامله گران باید متوجه شوند که یک خطای بزرگ ردیابی، یک استراتژی را در معرض خطر بزرگتری قرار می دهد. در اصل، خطر خرابی بیشتر است. همه استراتژی های معاملاتی دارای ریسک محدودی برای نابودی هستند مگر اینکه به درستی پوشش داده شوند. اگر خطر خرابی صفر نباشد، با توجه به زمان کافی، خرابی رخ خواهد داد، این فقط نظریه احتمال است.

اثر دیگری که به کاهش اثربخشی شاخص ها کمک کرده است این است که از دهه 1990 امکان برنامه ریزی شاخص ها، توسعه استراتژی ها و آزمون پس آزمایی آنها در داده های تاریخی وجود داشت. این زمانی است که معامله گران شروع به استفاده از استراتژی های پیشنهاد شده توسط داده ها کردند، به جای استراتژی های مبتنی بر فرضیه های منحصر به فرد در مورد عملکرد بازار.

نوشتن کد برای آزمایش ترکیبی از شاخص ها با مقادیر پارامترهای زیاد و رتبه بندی عملکرد استراتژی های حاصل آسان تر شد. اما استراتژی ها عمدتاً تصادفی بودند و با استفاده از تعداد زیادی از معامله گران، شاخص ها هر گونه اثربخشی را که ممکن بود قبل از آن داشته باشند از دست دادند. تحقیقات من نشان می دهد که برخی از شاخص ها هنوز هم پیش بینی کننده های خوبی برای بازده آینده هستند، با این حال، این به قیمت ریسک بالاتر است.

راه هایی برای مقابله مؤثر با ریسک بالاتر وجود دارد، اما این موضوع تحت مدیریت ریسک و پول، که بخش اساسی تجارت است، قرار می گیرد. در این مرحله می خواهم به این ادعا پاسخ دهم که برخی از شاخص ها یا روش هایی که از آنها استفاده می کنند، قیمت را پیش بینی نمی کنند، بلکه از آن پیروی می کنند. تنها فعالان بازار که پیش بینی نمی کنند سرمایه گذاران منفعل هستند و من حتی در مورد آن مطمئن نیستم. در معاملات کمی، "قیمت متعاقب" به معنای "قیمت ردیابی" است و به نوبه خود به معنای پیش بینی نشانه بازده آتی است.

در اصل ، ادعای "من از قیمت پیروی می کنم ، من سعی نمی کنم چیزی را پیش بینی کنم" یک روش شاعرانه برای گفتن "من پیش بینی می کنم."هر بار که یک معامله گر طولانی می شود ، پیش بینی ضمنی وجود دارد ، یا بهتر می گوید پیش بینی ، قیمت ها بالا می رود ، در غیر این صورت تجارت نباید در وهله اول انجام شود یا تجارت نیست بلکه نوعی خرید و نگهداری است. هنگامی که یک معامله گر تصمیم به خروج می کند زیرا معکوس قیمت وجود دارد ، این همچنین به یک پیش بینی یا پیش بینی می رسد که تصحیح ادامه خواهد یافت ، در غیر این صورت منطقی نیست که از بازار خارج شوید.

ترجیح داده می شود به جای "پیش بینی" از "پیش بینی" استفاده شود زیرا دومی معمولاً با شیوه های باطنی همراه است. هر کس ، اصطلاح "پیش بینی کننده" در یادگیری ماشین استفاده می شود و به ویژگی ها یا ویژگی های مورد استفاده اشاره دارد.

NAVIN: پیش بینی های بازار با "فشرده سازی ضرر" چه باید باشد؟

هریس: من در مقاله ای نوشتم که تلاش های اولیه برای شناسایی الگوهای نمودار نوعی "فشرده سازی از دست رفته" است. این نوع فشرده سازی شامل حذف ویژگی های بی ربط از داده ها با ساخت تقریبی است. به عنوان مثال ، VOIP برای انتقال داده ها از طریق اینترنت از این نوع فشرده سازی استفاده می کند. در یک روش مشابه ، الگوهای نمودار کلاسیک و روش مرتبط ، نوعی "فشرده سازی از دست دادن" داده های خام به دامنه ای بود که معامله گران می توانستند کار کنند و سیگنال های خرید و فروش خود را تولید کنند.

علاوه بر این ، بیشتر شاخص های تجزیه و تحلیل فنی داده های خام گذشته را فشرده می کنند. این منجر به از دست دادن اطلاعات می شود. به عنوان مثال ، هنگام استفاده از میانگین های متحرک ، از دست دادن اطلاعات در مورد نوسانات در قیمت های خام وجود دارد. نوسانات مربوط به ریسک است و در نتیجه از دست دادن اطلاعات در مورد ریسک وجود دارد."از دست دادن" مربوط به پیش بینی ها است زیرا فشرده سازی مربوط به تصادفی است.

به طور کلی ، داده های تصادفی به دلیل کمبود سیگنال قابل فشرده سازی نیستند. اگر کسی بتواند داده های بازار را به روشی مناسب فشرده کند ، پیش بینی ها (پیش بینی ها) امکان پذیر است.

NAVIN: Trend Dhative نوع خاصی از معاملات وابسته به خواندن نمودار است. برای این تکنیک تجارت بسیار پیشرفته چه مواردی را می بینید؟

هریس: Trend Following پتانسیل تولید آلفا را ارائه می دهد زیرا اگر معامله گران بتوانند روند را شناسایی کرده و سوار آن شوند ، سود می تواند قابل توجه باشد ، به خصوص اگر انباشت موقعیت ها در طول روند در DIPS وجود داشته باشد. اثربخشی دنبال کردن روند در سالهای اخیر کاهش یافته است زیرا هیچ مانعی برای ورود وجود ندارد و همه می توانند روندها را با استفاده از همان ابزارها و شاخص ها شناسایی کنند. به عنوان مثال ، تجزیه و تحلیل من نشان می دهد که مشاوران برتر معاملات کالایی که در حال نشستن است ، بازده سالانه زیر 2. 5 ٪ را در 10 سال گذشته به طور متوسط تحقق بخشیده است.

در اینجا استدلالی وجود دارد که قابل ذکر است: برخی از معامله گران فکر می کنند که چون روندها همیشه در بازارها شکل می گیرند ، روند شیوه همیشه یک سبک سودآور خواهد بود. با این حال ، سود خالص از روند - در زیر دارای دو مؤلفه اصلی است: سود حاصل از روند منهای ضرر از فعالیت بازار خرد. معمولاً بازارهای خرد شده باعث می شوند روش های پیروی از روند از دست بدهند. بنابراین ، داشتن روندها کافی نیست ، همچنین لازم است که تلفات حاصل از بازارهای خرد شده قابل توجه باشد.

با گفتن موارد فوق ، عملکرد پیروی از روند در بازارهای سهام ایالات متحده با استفاده از روشهای ساده ، مانند حرکت متقاطع متوسط ، در طول سالها مثبت مانده است زیرا بهبودی از اصلاحات اساسی شکل یک پایین V داشت. به عنوان مثال ، این از نمودار S& P 500 و پایین سال 2003 و 2009 مشهود است. به عبارت دیگر ، در بازارهای سهام ایالات متحده در سالهای اخیر مدت زمان فعالیت بازار جانبی وجود نداشته است.

با مقایسه ، من در وبلاگ خود نمودار دارم و در مقاله ای در SSRN در مورد محدودیت ادعاهای کمی ، بازارهای نوظهور ، که در آن آخرین اصلاح با فعالیت طولانی مدت بازار در یک طرف بیش از چهار سال دنبال شده است و این باعث شده استضرر و زیان به روشهای پیروی از روند. اگر بورس اوراق بهادار ایالات متحده وارد یک دوره اقدام طولانی مدت مشابه در بازارهای نوظهور شود ، ممکن است آسیب به صندوق های پیروی از روند زیاد باشد.

نکته اصلی در اینجا تنوع و مدیریت ریسک است. نظر من بر اساس تحقیقات شخصی من بدون انجام هیچگونه تعمیم این است که پس از اضافه شدن ریسک محتاطانه و مدیریت پول و یک برنامه پیروی از روند متنوع است ، به یک استراتژی بتا هوشمند تبدیل می شود. اما این برای بحث باز است. همیشه افرادی هستند که روش های انجام کارها را متفاوت و کارآمدتر می دانند و ما نباید این امکان را تخفیف دهیم.

نوین: شما توصیه می کنید که تیم های ریاضی درگیر در آزمون پشت سر هم حداقل یک هنرمند در میان افراد متمایل به علم داشته باشند. چرا این را می گویید - همچنین، آیا می توانید تفاوت بین دانشمند و هنرمند را توصیف کنید؟

هریس: این یک سوال جالب است. اجازه دهید با گفتن این نکته شروع کنم که آزمون برگشتی هسته اصلی روش کمیت است و هم مفید است اما یک عمل بالقوه خطرناک است. مشکل اساسی بک تست این است که هر چه مدت زمان بیشتری استفاده شود، احتمال تصادفی بودن نتایج آن بیشتر است. اثبات این امر ساده است: اگر کسی ایده های تصادفی زیادی را پس آزمایش کند، برخی از آنها ممکن است تمام آزمایش های اعتبارسنجی را به صورت تصادفی پشت سر بگذارند که به عنوان خطای نوع I یا مثبت کاذب نیز شناخته می شود.

این غیر شهودی است، زیرا مردم به آزمون پس آزمون به عنوان یکی دیگر از فعالیت های انسانی مولد فکر می کنند، به عنوان مثال یادگیری زبان، که در آن زمان بیشتری برای مطالعه صرف می شود به افزایش عملکرد منجر می شود. همانطور که در چندین مقاله و در کتابم نوشته ام، به دلیل سوگیری داده کاوی، این در مورد بک تست درست نیست. من هنرمندان و کارهای آنها را از نزدیک مشاهده کرده ام و آنها افرادی هستند که آگاهی و توانایی بیشتری دارند تا فراتر از فرآیندهای مکانیکی نگاه کنند، مانند آزمون برگشتی، داده کاوی و یادگیری ماشینی و به ذات چیزها و هستی، چیزی که بیشتر کوانتوم ها آموزش داده نمی شوند. انجام دادن.

هنرمند بودن لزوماً به معنای بی سواد بودن ریاضی نیست. اگر می توانید هنرمندی را پیدا کنید که مقداری ریاضی بلد باشد، پس این نامزد خوبی برای کوانت است. من معتقدم که برخی از هنرمندان پتانسیل شناسایی فرضیه های منحصر به فرد و در نتیجه اجتناب از موضوع سوگیری داده کاوی را دارند.

نوین: مشکلات تکنیک های رایج «شمارش» مانند نظریه موج الیوت چیست؟

هریس: مشکل اصلی این روش ها به نظر من این است که هیچ مطالعه جامعی وجود ندارد که عملکرد و ریسک بلندمدت آنها را اندازه گیری کند. من این احتمال را که برخی معامله گران با موفقیت از آنها استفاده کرده اند را نادیده نمی گیرم، اما ما همچنین از پیش بینی های وحشتناکی در مورد سهام در مورد امواج الیوت می دانیم.

وقتی در مورد یک روش معاملاتی مطالعه می کنم، همچنین می خواهم بدانم چه زمانی موفق نبوده و زیان زیادی ایجاد کرده است. اگر روشی در دهه 1990 نشان داد که داو به 1000 یا کمتر می رود، تا آنجا که به من مربوط می شود، روش خوبی نیست. بدیهی است که وقتی یک روش توسط تعداد کافی از معامله گران استفاده می شود، برخی از آنها به دلیل شانس سودآور خواهند بود.

به عنوان مثال ، تجزیه و تحلیل من نشان می دهد که حدود 80 ٪ از معامله گران فقط طولانی که در بازه زمانی روزانه از یک سکه عادلانه استفاده می کردند و جاسوسی ET را خریداری می کردند وقتی سرها ظاهر شدند و بعد از نمایش Tails از آنجا خارج شدند ، امسال پس از حساب کردن کمیسیون ها سود بردند وحدود 12 ٪ بیشتر از خرید و بازده کل ساخته شده اند. آیا می توانیم بگوییم که این معامله گران به دلیل یک روش معاملات صوتی سود می برند؟با توجه به تصادفی ، ارزیابی روشهای معاملاتی کار آسانی نیست.

NAVIN: به نظر می رسد شما می گویید که روش های تحلیل فنی کاملاً هدر رفته نیستند - در چه زمینه هایی ممکن است آنها هنوز مفید باشند؟

هریس: جهان پیشرفت می کند و تجزیه و تحلیل فنی نیز انجام می شود. روشهای گذشته که هنوز محبوب هستند ، خوب کار نمی کنند. تجزیه و تحلیل فنی یک میدان گسترده است و طیف گسترده ای از تجزیه و تحلیل را بر اساس قیمت و حجم پوشش می دهد. به عنوان مثال ، یادگیری ماشین با ویژگی های عملکرد قیمت نیز تجزیه و تحلیل فنی است. تحقیقات من نشان می دهد که هرگونه ناهنجاری در اقدام قیمت که فرصت های سود را ارائه می دهد از ماهیت بسیار کوتاه مدت برخوردار است و معمولاً 1 تا 5 روز طول می کشد.

به نظر من ، کلید تجارت سودآور شناسایی روش هایی است که به نوبه خود ناهنجاری های بازار را قبل از دیگران شناسایی می کنند. در این گروه ، برخی از روشهای تجزیه و تحلیل فنی پیشرفته: داوری آماری ، تجارت میانگین ، ناهنجاری های اقدام به قیمت و سهام بلند/کوتاه ، برای نامگذاری چند مورد. معامله گران باید آماده باشند تا زمان و تلاش قابل توجهی را در تجزیه و تحلیل و استفاده از این روش ها قرار دهند.

ناهنجاری های سنتی مانند حرکت به عنوان مثال ، در معرض خطر هستند زیرا هیچ مانعی برای ورود وجود ندارد و اخیراً به شدت تبلیغ شده است. اگرچه سرمایه گذاری ممکن است یک بازی با حجم مثبت باشد ، اما تجارت بازارها یک بازی با مبلغ صفر است. سود برندگان باید ناشی از ضررهای بازنده ها باشد ، راه دیگری وجود ندارد. اگر بسیاری از افراد از همان روش ها استفاده می کنند ، برخی باید لزوماً از دست بدهند.

اگرچه برخی از ناهنجاری ها ممکن است قوی به نظر برسند ، اما سرانجام همه ناهنجاری های گذشته ناپدید می شوند و با موارد جدید جایگزین می شوند.

ناوین: چیز دیگری ، مایکل؟

هریس: هنوز برخی از معامله گران الگوی نمودار وجود دارند که ادعا می کنند اگرچه بیشتر الگوهای اگر بتوانند درست 20 ٪ از زمان سودآوری را داشته باشند ، شکست می خورند زیرا به طور متوسط بسیار بیشتر از دست دادن می شوند ، یعنی نسبت بازپرداخت زیاد است.

اولین مشکل این ادعا این است که نرخ پیروزی پایین معامله گر را در معرض خطر بزرگی از ویرانی قرار می دهد. حتی هنگام پرتاب یک سکه منصفانه ، یک خط طولانی از دم قبل از شروع فرکانس نسبی به 0. 5 امکان پذیر است. حال تصور کنید که اگر سکه 80 ٪ دن مغرضانه باشد ، چه اتفاقی می افتد: یک دنباله طولانی از دست دادن معاملات بیش از حد مشخص است.

سپس ، نرخ پیروزی پایین باعث کاهش متوسط تجارت می شود ، متریک اغلب با انتظار یا میانگین توزیع بازده اشتباه گرفته می شود. من در کتاب خود نشان می دهم که معامله گران نمودار نمودار با نرخ برد پایین اما نسبت بازپرداخت بالا ، باید بسیار بیشتر از حتی معامله گران موقعیت کوتاه مدت تجارت کنند. این به نوبه خود آنها را در معرض احتمال بالاتر از ویرانی قرار می دهد و همچنین آنها را مجبور می کند تا به بازارهای مختلف نگاه کنند ، که برخی از آنها ممکن است برای الگوهای نمودار تجارت بسیار کارآمد یا خیلی غیرقانونی باشد.

به عنوان آخرین اظهار نظر ، می خواهم خاطرنشان کنم که مدیریت ریسک به همان اندازه روش تجارت مورد استفاده ، به ویژه در مورد معامله گران جدید مهم است. یک روش معاملاتی می تواند در طولانی مدت سودآور باشد اما در کوتاه مدت می تواند خسارات زیادی ایجاد کند و باعث ویرانی شود. معامله گران می توانند با در نظر گرفتن موقعیت هایی با ریسک کوچک و قابل کنترل ، احتمال ویرانی را به حداقل برسانند.

اگرچه بخش عمده ای از ادبیات تجزیه و تحلیل فنی بر روشهای معاملاتی متمرکز است ، که بسیاری از آنها قبلاً منسوخ شده اند ، اما کمی در مورد مدیریت ریسک واقع گرایانه و عملی نوشته شده است زیرا این یک موضوع کسل کننده است و فروش را برای ناشران ایجاد نمی کند. با این حال ، مدیریت ریسک عملی از معامله گران از ویرانی کوتاه مدت محافظت می کند و به آنها این فرصت را می دهد تا وقتی روش آنها سودآور می شود ، بازده مثبت را تحقق بخشند.