Intradag teknisk analyse : mønstergjenkjenning ved bruk av NASDAQ-100 indeksfutures

Abstract

Visuelle, ikke-lineære mønstre brukes av tekniske analytikere for å predikere priser, men har mottatt mindre akademisk oppmerksomhet enn fundamental analyse på grunn av sin subjektive natur. Denne oppgaven identifiserer seks slike prismønstre – deriblant hode-og-skuldre formasjonen – ved bruk av objektive, automatiserte algoritmer basert på kernel mean regression implementert av Lo et al. (2000). I tillegg spesifiseres inngang- og utgangssignal basert på publiserte tradingmanualer. Det brukes 1-minutt NASDAQ-100 indeksfuturesdata i perioden mars til desember 2014. Den resulterende avkastningen sammenlignes med avkastningsfordelingen av 200 artifisielle serier generert ved bootstrapping under nullhypotesen om random walk. En enkel tradingstrategi brukes for å se utviklingen i egenkapital ved å investere basert på mønstrene. Ved bruk av bootstrapping vises at kun ett av mønstrene, utvidende bunner, har prediktiv kraft for senere prisutvikling, og resultatene synes å være robust for variasjon i parameteren som angir den vertikale differansen i de ulike mønstrene. På grunn av få trades vanskeliggjøres risikojustering og slutninger basert på egenkapitalutvikling. Som en følge av at kun ett mønster er signifikant gir ikke resultatene en sterk støtte for intradag teknisk analyse, men åpner opp for at det ene mønsteret kan ha noe praktisk verdi.