기술 분석

Technical analysis

금융에서 기술 분석은 주로 가격과 [1]물량 등 과거 시장 데이터의 연구를 통해 가격 방향을 분석하고 예측하는 분석 방법론이다.행동경제학 및 정량분석에서는 많은 동일한 [2][3][4]기술분석 도구를 사용합니다.이는 능동적 관리의 한 측면으로서 현대 포트폴리오 이론의 많은 부분과 모순됩니다.기술적 분석과 근본적 분석의 효율성은 주식 시장 가격이 본질적으로 예측할 [5]수 없다는 효율적인 시장 가설과 기술적 분석이 이익을 제공하는지에 대한 연구로 인해 논란이 되고 [6][7][8]있다.

역사

기술 분석의 원칙은 수백 년의 금융 시장 [9]데이터에서 도출됩니다.암스테르담에 본부를 둔 상인 요제프 드 라 베가의 네덜란드 금융시장 설명에 기술 분석의 몇 가지 측면이 나타나기 시작했다.아시아에서는 18세기 초 혼마 무네히사에 의해 개발된 기술로 촛대 기술의 사용으로 발전하여 오늘날 기술 분석 도표 작성 [10][11]도구라고 한다.

저널리스트 찰스 다우(18511902)는 미국 증시 자료를 취합하고 면밀히 분석했으며 그의 결론 중 일부를 월스트리트저널 사설에 실었다.그는 패턴과 경기 순환이 이 데이터에서 발견될 수 있다고 믿었는데, 이 개념은 나중에 "다우 이론"으로 알려지게 되었다.그러나 다우 자신은 자신의 아이디어를 주식 거래 전략으로 사용하는 것을 지지하지 않았다.

1920년대와 1930년대에, 리차드 W. 샤배커는 찰스 다우와 윌리엄 피터 해밀턴의 연구를 그들의 책인 주식 시장 이론과 실천과 기술 시장 분석에서 계속한 몇 권의 책을 출판했다.1948년, 로버트 D.Edwards와 John Magee는 이 분야의 주요 업적 중 하나로 널리 알려진 주식 동향의 기술적 분석을 발표했습니다.트렌드 분석과 차트 패턴에만 관여하며 현재까지도 사용되고 있습니다.초기의 기술 분석은 거의 전적으로 도표 분석이었다. 왜냐하면 컴퓨터의 처리 능력을 현대 통계 분석에서 이용할 수 없었기 때문이다.보도에 따르면 찰스 다우(Charles Dow)는 포인트와 도형 분석의 한 형태를 창안했다고 한다.경제학에서 행동금융이 별개의 분야로 등장하면서 Paul V. Azopardi는 기술분석과 행동금융을 결합하여 "행동기술분석"[12]이라는 용어를 만들었습니다.

분석 기술의 다른 선구자들로는 랄프 넬슨 엘리엇, 윌리엄 델버트 간, 그리고 20세기 초에 각각의 기술을 개발한 리처드 와이코프가 있다.최근 수십 년 동안 더 많은 기술적 도구와 이론이 개발되고 강화되었으며, 특별히 설계된 컴퓨터 소프트웨어를 사용하는 컴퓨터 지원 기술에 점점 더 중점을 두고 있습니다.

개요

기본 분석가는 수익, 배당금, 자산, 품질, 비율, 신제품, 연구 등을 조사합니다.기술자는 많은 방법, 도구 및 기법도 사용합니다. 그 중 하나가 차트 사용입니다.기술 분석가는 차트를 사용하여 금융 시장의 가격 패턴과 시장 동향을 파악하고 이러한 [13]패턴을 활용하려고 시도합니다.

잘 알려 진 머리와 shoulders[14]또는 더블top/bottom 반전 패턴, 연구 기술 지표 같은 전형적인 가격 차트 패턴, 이동 평균을 기술자들은 차트를 사용하여 검색 및 지원이 저항, 채널과 플래그 pennants, 균형과 컵과 같은 더욱 어두워 진 같은 형태를 찾다. 무늬.erns.[15]

기술 분석가는 또한 다양한 종류의 시장 지표를 폭넓게 사용하고 있는데, 그 중 일부는 종종 상승 및 하강 볼륨, 상승/하강 데이터 및 기타 입력을 포함하는 가격의 수학적 변환입니다.이러한 지표는 자산이 추세적인지, 추세적인지, 추세적인지 여부를 평가하는 데 사용됩니다.기술자는 또한 가격/물량 지수와 시장 지표 간의 관계를 찾습니다.예를 들어 이동 평균, 상대 강도 지수, MACD 등이 있습니다.기타 조사 방법으로는 옵션 변경(변동성 포함)과 풋/콜 비율과 가격 간의 상관 관계가 있습니다.또한 중요한 것은 풋/콜 비율, 불/베어 비율, 단기 이자, 잠재 변동성 등과 같은 감정 지표입니다.

기술적 분석에는 많은 기법이 있다.다양한 기술의 지지자(예를 들어, 일본의 곡물 거래업자가 개발한 가장 오래된 형태의 기술 분석인 촛대 분석, 고조파, 다우 이론, 엘리엇 웨이브 이론)는 다른 접근법을 무시할 수 있지만, 많은 거래업자들은 두 개 이상의 기술에서 나온 요소들을 결합합니다.일부 기술분석가는 주관적 판단을 사용하여 특정 금융수단이 특정 시점에 어떤 패턴을 반영하고 그 패턴의 해석을 어떻게 해야 하는지를 결정한다.다른 사람들은 패턴 식별과 해석에 엄격히 기계적이거나 체계적인 접근법을 사용한다.

기본 분석과의 비교

기술적 분석과 대조되는 것은 근본적 분석입니다. 즉, 투자자들이 금융시장을 평가하는 방식에 영향을 미치는 경제 및 기타 근본적인 요인들에 대한 연구입니다.여기에는 기업의 최근 EBITDA 수치와 같은 정기적인 기업 지표, 최근 이사회에 대한 인력 교체의 예상 영향, 지정학적 고려 사항, 그리고 지구 온난화의 예상 미래 영향과 같은 과학적 요인도 포함될 수 있습니다.순수한 형태의 기술 분석은 가격이 이미 모든 기본 요소를 반영하고 있다는 것을 유지할 수 있다.기술적 지표도 근본적 지표도 완벽하지 않지만 미래의 추세를 파악하는 것이 기술 지표의 목적입니다.일부 트레이더는 기술적 또는 근본적 분석만을 사용하는 반면, 다른 트레이더는 두 가지 유형을 모두 사용하여 [16][17]거래 결정을 내린다.

정량 분석과의 비교

양적 분석과의 대비는 근본 분석과의 구별보다 덜 명확하다.일부 출처는 기술적 분석과 정량적 분석을 어느 정도 동의어로 취급한다.반면 다른 사람들은 뚜렷한 차이를 보인다.예를 들어, 정량 분석 전문가인 Paul Wilmott는 기술 분석이 '차트'(그래픽 표현 추정에 기초한 예측 작성)에 불과하며, 기술 분석에는 예측력이 [2][17]거의 없다고 주장한다.

특성.

기술 분석에서는 상대적인 강도 지수, 이동 평균, 회귀, 시장 간 및 시장 내 가격 상관 관계, 비즈니스 사이클, 주식 시장 사이클 또는 클래식하게 차트 패턴의 인식을 통해 가격과 수량 변화에 기초한 모델과 거래 규칙을 채택합니다.

기술 분석은 보안 및 재고 분석에 대한 근본적인 분석 접근 방식과는 대조적입니다.기본방정식 "M = P/E"에서 기술적 해석은 M(표준)을 검사하는 것이다.다중은 일반적으로 풍부한 심리, 즉 구매/판매 의지의 정도를 포함한다.또한 M에는 예를 들어, 다 쓴 황소는 시세를 상승시킬 수 없고, 부유한 곰은 상승시킬 수 없기 때문에 지불할 수 있는 능력이 있다.기술적 분석은 가격, 수량, 심리, 자금 흐름 및 기타 시장 정보를 분석하는 반면, 근본적인 분석은 회사, 시장, 통화 또는 상품의 사실을 살펴봅니다.대부분의 대형 브로커, 거래 그룹 또는 금융 기관에는 일반적으로 기술 분석 팀과 기본 분석 팀이 있습니다.

1960년대와 1970년대에 그것은 학자들에 의해 널리 무시되었다.2007년 보고서에서, 이완과 Park[6]은 56개의 95현대의 연구 결과 긍정적인 결과를 생산하지만 기술적 분석의 원조로 증거는 불충분한 것은 긍정적인 결과들을 많은 의심스러운 데이터 계속 기웃거리고 같은 문제들에 의해 렌더링 된 점에 주목했다를 발견했다;그것은 많은 학자들에 의해 구별할 수 없는 것으로 본다 보도했다. f로맨스 [18]사이언스유진 파마와 같은 학자들은 기술적 분석의 증거가 희박하고 효율적인 시장 [19][20]가설의 약한 형태와 일치하지 않는다고 말한다.사용자들은 기술적 분석이 미래를 예측할 수 없는 경우에도 동향, 경향 및 거래 [21]기회를 파악하는 데 도움이 된다고 생각합니다.

1987년 [22][7][23][24]이전 기간 동안 기술 거래 규칙이 일관된 수익률을 가져올 수 있다는 연구 결과가 있지만, 대부분의 학술 연구는 외환 [25]시장의 비정상적인 위치 특성에 초점을 맞추고 있다.이 변칙은 중앙은행의 개입에 의한 것으로 추측되는데, 이는 분명히 기술적 분석이 [26]예측하기 위한 것이 아니다.

원칙

지지 수준(4,5,6,7,8)과 저항 수준(1,2,3)을 나타내는 재고 차트. 저항 수준이 지지 수준이 되는 경향이 있으며 [citation needed]그 반대도 마찬가지입니다.

기술 분석의 핵심 원칙은 시장 가격이 해당 시장에 영향을 미치는 모든 관련 정보를 반영한다는 것이다.따라서 기술 분석가는 경제, 펀더멘털 및 뉴스 이벤트와 같은 외부 요인보다는 보안 또는 상품 거래 패턴의 역사를 살펴봅니다.투자자들의 집단적이고 패턴적인 행동 때문에 가격행동이 반복되는 경향이 있다고 생각된다.따라서 기술적 분석은 식별 가능한 가격 동향과 [27][28]조건에 초점을 맞춘다.

모든 것을 할인해 주는 마켓 액션

모든 관련 정보가 가격에 이미 반영되어 있다는 전제를 바탕으로 기술 분석가들은 투자자들이 그 정보에 대해 어떻게 생각하는지 알고 인지하는 것이 중요하다고 생각합니다.

가격은 동향에 따라 움직인다.

다음 항목도 참조하십시오.시장 동향

기술 분석가들은 가격이 상승, 하강 또는 횡방향(보합) 또는 일부 조합과 같은 방향으로 추이한다고 믿는다.가격 추세의 기본적인 정의는 원래 다우 [13]이론에 의해 제시되었다.

2001년 11월부터 2002년 8월까지의 AOL이 뚜렷한 경향을 보인 보안의 예다.이러한 추세를 인지하는 기술 분석가 또는 트렌드 팔로워는 이러한 보안을 판매할 기회를 모색할 것입니다.AOL은 지속적으로 가격이 하락하고 있다.주가가 오를 때마다 매도자들이 시장에 뛰어들어 주식을 팔았고, 이에 따라 가격이 "지그재그" 움직임을 보였다."하한 고점"과 "낮은 저점"[29]의 연속은 주가가 하락 추세에 있다는 것을 말해주는 징후이다.즉, 주가가 하락할 때마다 이전의 상대적인 저가를 밑돌았다.주가가 상승할 때마다 이전의 상대적인 고가에 도달하지 못했다.

최저기압과 최저기압의 연속은 8월에야 시작되었다는 점에 유의하십시오.그 후 AOL은 이달 초의 비교적 낮은 가격대를 뚫지 않는 낮은 가격을 형성한다.같은 달 말, 주식은 가장 최근의 상대적인 최고치와 같은 상대적인 최고치를 만든다.이 점에서 기술자는 하락 추세가 적어도 일시 정지하고 있을 가능성이 있다는 강한 징후를 보고 그 시점에서 주식 매도를 중단할 가능성이 높다.

역사는 반복되는 경향이 있다.

기술 분석가들은 투자자들이 그들 이전의 투자자들의 행동을 집단적으로 반복한다고 믿는다.기술자에게 시장의 감정은 비이성적일 수 있지만 존재합니다.투자자의 행동이 자주 반복되기 때문에 기술자들은 인지할 수 있는(그리고 예측 가능한) 가격 패턴이 [13]차트에서 개발될 것이라고 믿고 있습니다.정비사는 이러한 패턴을 인식하면 [30]성공 확률이 높은 거래를 선택할 수 있습니다.

기술적 분석은 차트 작성에만 국한된 것이 아니라 항상 가격 [1]동향을 고려합니다.예를 들어, 많은 기술자가 투자자의 심리 조사를 감시합니다.이러한 조사는 시장 참여자들의 태도, 특히 그들이 약세인지 강세인지를 판단한다.기술자들은 이러한 설문조사를 사용하여 추세가 지속될지 또는 반전될지 여부를 판단합니다. 설문조사가 극단적인 [31]투자심리를 나타낼 때 변화를 예상할 가능성이 가장 높습니다.예를 들어, 압도적인 강세임을 보여주는 조사는 상승세가 반전될 수 있다는 증거이다; 대부분의 투자자들이 강세라면 그들은 이미 시장을 사들였다(더 높은 가격을 예상한다).그리고 대부분의 투자자들은 강세적이고 투자를 하기 때문에, 사람들은 매수자들이 거의 남아있지 않다고 생각한다.강세에도 불구하고 매수자보다는 매도자가 더 많다.이것은 가격이 하락할 것이라는 것을 암시하며, 역거래의 [32]한 예이다.

산업

이 산업은 국제기술분석가연맹(IFTA)에 의해 전 세계적으로 대표되고 있습니다.IFTA는 지역 및 국가 조직의 연합체입니다.미국에서는 CMT협회와 AAPTA(American Association of Professional Technical Analysts)가 이 업계를 대표하고 있습니다.미국에는 San Francisco Technical Security Analyst Association of San Francisco(TSAASF)도 있습니다.영국에서는 산업계가 STA(Society of Technical Analysts)로 대표되고 있습니다.STA는 IFTA의 창립 멤버로 최근 창립 50주년을 기념하여 기술분석학 학위를 취득했습니다.캐나다에서는 캐나다 기술 [33]분석가 협회가 이 업계를 대표하고 있습니다.호주에서는 IFTA([34]Australian Technical Analysts Association)와 Australian Professional Technical Analysts(APTA) Inc.[35]가 이 업계를 대표하고 있습니다.

전문 기술 분석 학회는 기술 분석 분야를 설명하는 지식 본체를 만드는 데 힘써 왔습니다.기술 분석이 어떻게, 왜 기능할 수 있는지를 정의하는 방법으로서 지식 집단은 이 분야의 핵심입니다.그런 다음 규제 기관뿐만 아니라 학계에서도 해당 분야에 대한 적절한 연구와 표준을 개발하는 데 사용할 수 있습니다.CMT Association은 Chartered Market Technician([36][37]CMT; 공인시장기술자) 시험을 위한 구조인 지식 본문을 발표했습니다.

소프트웨어

기술 분석 소프트웨어는 기술 분석가가 금융 시장(예: 주식 시장)[citation needed]을 검토하고 예측하는 데 도움을 주는 차트 작성, 분석 및 보고 기능을 자동화합니다.

기존 의미의 설치 가능한 데스크톱 기반 소프트웨어 패키지와 더불어 업계에서는 RESTful HTTP 또는 인트라넷 프로토콜을 통해 기술 지표(MACD, Bollinger Bands 등)를 제공하는 클라우드 기반 애플리케이션 및 애플리케이션 프로그래밍 인터페이스(API)가 등장하고 있습니다.

최신 기술 분석 소프트웨어는 소프트웨어 패키지를 다운로드 및 설치할 필요 없이 웹 또는 스마트폰 애플리케이션으로 제공되는 경우가 많습니다.이들 중 일부는 통합된 프로그래밍 언어와 자동 백테스트 도구도 제공합니다.

체계적인 거래

주요 기사:체계적인 거래

뉴럴 네트워크

1990년대 초부터 실용적으로 사용할 수 있는 타입이 등장하면서 인공신경망(ANN)이 급속히 인기를 끌고 있다.그것들은 생물학적 신경망의 작동 방식에서 영감을 얻은 인공지능 적응 소프트웨어 시스템이다.데이터의 복잡한 패턴을 탐지하는 방법을 배울 수 있기 때문에 사용됩니다.수학적 용어로, 이들은 범용 함수 근사치입니다.[38][39] 즉, 올바른 데이터와 올바르게 구성된 데이터가 주어지면 모든 입출력 관계를 캡처하고 모델링할 수 있습니다.이로 인해 차트나 일련의 진입/출입 신호 생성 규칙이 인간적으로 해석될 필요가 없어질 뿐만 아니라, 기본 분석에 사용되는 변수를 입력으로 사용할 수 있기 때문에 기본 분석에 대한 가교 역할을 할 수 있다.

ANN은 본질적으로 비선형 통계 모델이기 때문에 정확도와 예측 기능은 수학적으로나 경험적으로나 모두 테스트될 수 있다.다양한 연구에서 저자들은 다양한 기술 및 기본 입력이 주어진 거래 신호를 생성하는 데 사용되는 신경 네트워크가 규칙 기반 전문가 [40][41][42]시스템과 결합되었을 때 전통적인 선형 기술 분석 방법뿐만 아니라 매수 전략보다 훨씬 더 우수하다고 주장했다.

이러한 적응형 시스템의 고급 수학적 특성은 주로 학계 연구 분야에서 재무 분석을 위한 신경망을 유지해왔지만, 최근에는 사용자 친화적인 신경 네트워크 소프트웨어가 더 많이 개발되어 트레이더들이 이 기술에 더 쉽게 접근할 수 있게 되었습니다.[43]

백 테스트

체계적인 거래는 과거 데이터에 대한 투자 전략을 테스트한 후에 가장 많이 사용됩니다.이를 백테스트라고 합니다.백테스트는 변동성과 결합된 기술적 지표에 대해 가장 자주 수행되지만 대부분의 투자 전략(예: 기본 분석)에 적용할 수 있습니다.기존의 백테스트는 수작업으로 이루어졌지만, 이는 보통 사람이 선택한 종목에서만 수행되었기 때문에 종목 선택에 대한 사전 지식이 생기기 쉽습니다.컴퓨터의 등장으로 수십 년에 걸친 이력 데이터의 교환 전체에 대해 매우 짧은 시간 내에 백테스트를 수행할 수 있게 되었습니다.

컴퓨터 사용에는 컴퓨터가 수행할 수 있는 알고리즘으로 제한되는 단점이 있습니다.몇 가지 거래 전략은 인간의 [44]해석에 의존하며 컴퓨터 [45]처리에 적합하지 않습니다.완전히 알고리즘적인 기술적 지표만 컴퓨터화된 자동 백테스트를 위해 프로그래밍할 수 있습니다.

다른 시장 예측 방법과의 조합

John Murphy는 기술자가 이용할 수 있는 정보의 주요 출처는 가격, 수량 및 오픈 [13]관심사라고 말합니다.지표 및 감정 분석과 같은 다른 데이터는 2차 데이터로 간주됩니다.

그러나 많은 기술 분석가들이 다른 시장 예측 방법과 기술 작업을 결합하여 순수 기술 분석 외부에 도달합니다.이 접근방식의 지지자 중 한 명은 John Bollinger인데, 그는 1980년대 중반에 기술적 분석과 근본적 [46]분석의 교차점에 대해 합리적 분석이라는 용어를 만들었다.또 다른 접근방식인 퓨전 분석은 포트폴리오 매니저의 퍼포먼스를 향상시키기 위해 기본적인 분석과 기술적인 분석을 오버레이합니다.

기술적 분석은 종종 정량적 분석 및 경제성과 결합된다.예를 들어, 신경 네트워크는 시장 간 [47]관계를 식별하는 데 사용될 수 있습니다.

투자자 및 뉴스레터 조사, 잡지 커버 심리 지표도 기술 [48]분석가들에 의해 사용됩니다.

경험적 증거

기술적 분석이 실제로 효과가 있는지는 논란의 대상이다.방법은 매우 다양하며, 기술 분석가마다 동일한 데이터에서 모순된 예측을 할 수 있습니다.많은 투자자들은 긍정적인 수익률을 경험한다고 주장하지만, 학업 평가에서는 예측력이 [49]거의 없는 것으로 종종 발견됩니다.95개의 최신 연구 중 56개는 데이터 스누핑 편향 및 기타 문제로 분석이 [6]어렵지만 기술 분석이 긍정적인 결과를 가져왔다고 결론지었다.신경망을 이용한 비선형 예측은 때때로 통계적으로 유의한 예측 결과를 [50]생성한다.연방준비제도이사회(FRB)는[7] 단기 환율의 지지와 저항 수준에 관한 작업보고서를 통해 이 수준이 장중 트렌드 중단을 예측하는 데 도움이 된다는 강력한 증거를 제시했지만 이들 수준의 '예측력'은 환율과 조사 대상 기업에 따라 달라지는 것으로 나타났다.

기술거래 전략은 최근 중국 시장에서 효과적인 것으로 나타났다.마지막으로 거래원가를 고려한 후 이동평균 크로스오버 규칙, 채널 브레이크아웃 규칙, 볼링거 밴드 거래 규칙의 반대 버전에 의해 생성된 구매 거래에 대해 상당한 양의 이익을 얻었다.s는 0.50%[51]입니다.

기술 거래 규칙에 대한 지지를 발견한 것으로 보이는 Brock 등의 영향력 있는 1992년 연구는 [52]1999년에 데이터 스누핑 및 기타 문제에 대해 테스트되었습니다. Brock 등이 다룬 샘플은 데이터 스누핑에 강했습니다.

그 후 암스테르담의 경제학자 거윈 그리피오엔의 질문에 대한 포괄적인 연구는 다음과 같이 결론지었다.미국, 일본 및 대부분의 서유럽 주식시장 지수에 대해 재귀적 표본 외 예측 절차는 거래 비용을 거의 집행하지 않은 후 수익성이 있는 것으로 보이지 않는다.게다가 거래 비용이 충분히 높기 때문에 CAPM을 추정함으로써 기술 거래가 거의 모든 주식 [20]시장 지수에 대해 통계적으로 유의한 위험 보정된 표본 외 예측 능력을 보이지 않는다는 것을 알 수 있습니다."거래비용은 특히 "모멘텀 전략"에 적용할 수 있다. 1996년 데이터와 연구를 종합적으로 검토한 결과, 적은 거래비용이라도 그러한 [53]전략에서 초과분을 포착할 수 없을 것이라는 결론을 내렸다.

Journal of Finance에 게재된 논문에서 해리 마메스키와 장왕과 함께 MIT 금융공학 연구소장을 맡고 있는 Andrew W. Lo 박사는 다음과 같은 사실을 발견했습니다.

"차트 작성"이라고도 하는 기술 분석은 수십 년 동안 금융 관행의 일부였지만, 이 분야는 근본 분석과 같은 더 전통적인 접근법과 같은 수준의 학문적 정밀 조사와 인정을 받지 못했습니다.주요 장애물 중 하나는 기술적 분석의 매우 주관적인 특성입니다. 즉, 역사적 가격표에 기하학적 형상이 존재하는 것은 종종 보는 사람의 눈에 달려 있습니다.본 백서에서는 비모수 커널 회귀를 이용한 기술 패턴 인식에 대한 체계적이고 자동적인 접근법을 제안하고, 이 방법을 1962년부터 1996년까지 많은 미국 주식에 적용하여 기술 분석의 효과를 평가한다.일일 주식 수익률의 무조건적인 경험적 분포를 조건적 분포(예: 헤드앤숄더 또는 더블보트)와 비교함으로써 31년의 샘플 기간에 걸쳐 몇 가지 기술적 지표가 증분 정보를 제공하고 실질적인 [8]가치가 있음을 알 수 있다.

로 박사는 같은 논문에서 다음과 같이 썼다. "몇 가지 학술 연구들은 ...을 시사한다.기술 분석은 시장 [8]가격에서 유용한 정보를 추출하는 데 효과적인 수단이 될 수 있습니다."Drummond Geometry와 같은 일부 기술은 서로 다른 시간 프레임에서 가까운 미래에 이르는 지원 및 저항 수준을 예측하고 이를 평균 [54]기법으로 되돌림으로써 과거의 데이터 편견을 극복하려고 시도합니다.

효율적인 시장 가설

효율적인 시장 가설(EMH)은 미래 가격을 수익성 있게 예측하는 데 과거 가격을 사용할 수 없다는 기술 분석의 기본 원칙과 배치된다.따라서 기술적 분석이 효과적일 수 없다는 입장이다.경제학자 유진 파마는 1970년 EMH에 관한 논문을 '파이낸스 저널(Journal of Finance)'에 발표하면서 "요컨대 효율적인 시장 모델을 지지하는 증거는 광범위하고 (경제학에서) 모순되는 증거는 희박하다"[55]고 말했다.

하지만 미래 주가는 투자자들의 기대치에 따라 크게 좌우될 수 있기 때문에 전문가들은 과거 가격이 미래 [56]주가에 영향을 미친다고 주장한다.그들은 또한 행동 금융 분야의 연구, 특히 사람들은 EMH가 말하는 이성적인 참여자가 아니라는 것을 지적한다.기술자들은 인간의 비이성적인 행동이 주가에 영향을 미치며, 이러한 행동은 예측 가능한 [57]결과로 이어진다고 오랫동안 말해왔다.저자 David Aronson은 행동금융이론은 기술분석의 실천과 조화를 이룬다고 말합니다.

감정, 인지 오류, 비합리적인 선호, 그리고 집단 행동의 역학을 고려함으로써, 행동 금융은 과도한 시장 변동성뿐만 아니라 오래된 정보 전략으로 얻은 초과 수익에 대한 간결한 설명을 제공합니다. 인지 오류는 또한 발생시키는 시장의 비효율성의 존재를 설명할 수 있습니다.객관적인 TA[기술 분석] 방법이 [56]작동할 수 있도록 하는 체계적인 가격 이동.

EMH의 지지자들은 개별 시장 참여자들이 항상 이성적으로 행동하는 것은 아니지만(또는 완전한 정보를 가지고 있는 것은 아니지만), 그들의 종합적인 결정은 서로 균형을 이루며, 합리적인 결과를 가져온다(주식을 사고 가격을 더 높게 부르는 낙관론자들은 그들의 주식을 파는 비관론자들에 의해 반격되어 가격을 [58]균형 있게 유지한다고 대답한다).마찬가지로, 모든 시장 참여자들이 자신의 개인, 그러나 불완전한 지식을 시장에서 [58]함께 가져오기 때문에 완전한 정보가 가격에 반영됩니다.

랜덤 워크 가설

무작위 보행 가설은 시장 참가자들이 과거의 가격 움직임에 포함된 모든 정보를 완전히 고려한다는 가정에 기초하는 약체 형태의 효율적인 시장 가설에서 도출될 수 있다(그러나 반드시 다른 공공 정보는 아니다).프린스턴의 경제학자 버튼 말키엘은 그의 저서 "A Random Walk Down Wall Street"에서 패턴 분석과 같은 기술적 예측 도구는 궁극적으로 자기 패배적이어야 한다고 말했다. "문제는 일단 그러한 규칙성이 시장 참여자들에게 알려지면,[59] 사람들은 그것이 미래에 일어나지 않도록 하는 방식으로 행동할 것이라는 것이다."말키엘은 모멘텀이 주가 움직임을 설명할 수는 있지만 초과 이익을 낼 모멘텀은 충분치 않다고 말했다.말키엘은 기술적 분석을 "천문학"[60]에 비유했다.

1980년대 후반 앤드류 로 교수와 크레이그 맥킨레이 교수는 랜덤 워크 가설에 의문을 제기하는 논문을 발표했다.말킬에 1999년 이에 대응하여, 자, McKinlay는들은 랜덤 워크를 거부하기 반드시 EMH, 완전히 다른 개념 무효화 하지 않는다 지적하도록 조심했다 쓰는 non-random고 예측 요소 가격 움직임이 비축할 제안한 가설의 applicability[61]에 의문을 경험적 서류를 모았다.froom RWH. 2000년 논문에서 Andrew Lo는 1962년부터 1996년까지 미국으로부터의 데이터를 다시 분석하여 "몇 가지 기술적 지표는 증분 정보를 제공하며 실질적인 가치가 있을 수 있다"[8]는 것을 발견했습니다.버튼 말키엘은 로와 맥킨레이가 언급한 부정행위가 너무 작아서 [60]이익을 얻을 수 없다고 일축했다.

기술자들은[who?] EMH와 랜덤 워크 이론 모두 참가자들이 완전히 합리적이지 않고 현재의 가격 움직임이 이전의 [29][62]움직임과 무관하지 않다는 점에서 시장의 현실을 무시한다고 말한다.일부 신호 처리 연구자들은 주식 시장 가격이 위너 프로세스와 유사성 [63]측정에 따라 통계적 순간과 실제 주식 데이터가 크게 달라지기 때문에 위너 프로세스와 유사하다는 랜덤 워크 가설을 부정한다.그들은 오디오와 바이오시그널의 설명에 사용되는 특징 변환은 랜덤 워크 가설과 모순되는 주식 시장 가격을 성공적으로 예측하는 데 사용될 수 있다고 주장한다.

랜덤 워크 인덱스(RWI)는 주가의 움직임이 본질적으로 무작위인지 통계적으로 유의한 추세의 결과인지를 판단하기 위한 기술적 지표이다.랜덤 워크 지수는 N을 초과하는 가격 범위를 측정하여 시장이 강한 상승 추세 또는 하강 추세인지, 그리고 랜덤 워크가 예상하는 것과 어떻게 다른지를 판단한다(임의적으로 상승 또는 하강).범위가 클수록 [64]더 강한 추세를 나타냅니다.

카네만과 트베르스키의 전망 이론을 가격 움직임에 적용하면서, 폴 V. 아조파디는 왜 두려움이 가격을 급격히 떨어뜨리는 반면 탐욕이 가격을 점진적으로 [65]상승시키는지에 대한 가능한 설명을 제공했습니다.증권가격의 이러한 일반적인 행태는 랜덤워크와 크게 상충된다.시장의 [66]탐욕과 공포를 측정함으로써 투자자들은 길고 짧은 포트폴리오 스탠스를 더 잘 형성할 수 있다.

과학적 기술 분석

1994년[67] Caginalp와 Balenovich는 자산 흐름 미분 방정식 모델을 사용하여 기술 분석의 주요 패턴이 몇 가지 기본적인 가정으로 생성될 수 있음을 보여주었다.삼각형 연속이나 반전 패턴과 같은 일부 패턴은 서로 다른 가치평가를 가진 두 투자자의 서로 다른 집단을 가정하여 창출할 수 있다.모형의 주요 가정은 자산의 완성도, 추세의 사용 및 의사결정의 가치평가이다.패턴의 대부분은 이러한 가정들의 수학적으로 논리적인 결과로서 뒤따릅니다.

기존 기술 분석의 문제점 중 하나는 객관적인 테스트를 허용하는 방식으로 패턴을 특정하는 데 어려움이 있었습니다.

일본의 촛대 패턴은 며칠 동안 상승 또는 하강하는 패턴을 포함합니다.Caginalp와[68] Laurent는 패턴에 대한 성공적인 대규모 테스트를 수행한 첫 번째 사람이었다.먼저 데이터를 평활화하고 평활된 추세의 편차를 1개 허용함으로써 단기 추세의 정의를 사용하여 수학적으로 정확한 기준 세트를 테스트했다.그리고 나서 그들은 비모수적인 방식으로 8개의 주요 3일 촛대 반전 패턴을 고려했고 그 패턴을 부등식 집합으로 정의했다.결과는 긍정적이며 1992-1996년 5년간 매일 모든 S&P 500 종목의 데이터 세트를 사용하여 각 패턴에 대한 압도적인 통계 신뢰도를 보였다.

전통적인 기술 분석의 가장 기본적인 생각 중 하나는 일단 확립된 추세가 지속되는 경향이 있다는 것이다.그러나 이러한 추세에 대한 테스트를 통해 연구자들은 종종 주식이 무작위로 진행되는 것이라고 결론지었다.Poterba와 [69]Summers가 수행한 한 연구에서는 거래 가치가 있기에는 너무 작은 추세 효과를 발견했습니다.Fisher Black이 [70]지적했듯이, 거래 가격 데이터의 "잡음"은 가설을 검증하는 것을 어렵게 한다.

이러한 소음을 회피하는 한 가지 방법은 1995년 Caginalp와[71] Constantine이 밸류에이션의 변화를 제거하기 위해 기본적으로 동일한 두 개의 폐쇄형 펀드의 비율을 사용했다.(오픈엔드 펀드와 달리) 클로즈드엔드 펀드는 순자산가치와 독립적으로 거래되며 주식은 상환될 수 없으며, 거래소의 다른 주식과 마찬가지로 투자자 사이에서만 거래된다.이 연구에서 저자들은 내일의 가격에 대한 최선의 추정치는 어제의 가격(효율적인 시장 가설에서 알 수 있듯이)도 아니고 순수한 모멘텀 가격도 아니라는 것을 발견했다(즉, 어제부터 오늘까지와 같은 상대적 가격 변동이 오늘부터 내일까지 계속된다).하지만 그보다는 거의 정확히 둘 사이의 중간이다.

과거 시장가격의 시간적 진화를 가격속도나 가격가속도로 특징짓는 것을 시작으로 랜덤으로부터의 편차나 결함을 특징짓는 가능한 패턴의 원칙적인 분류를 확립하는 것을 목표로 기술분석의 일반적인 틀을 향한 시도가 전개되었다.시장 상태 및 시간 변환 불변성 특성.[72]분류는 두 가지 무차원 매개변수에 의존하는데, 속도와 관련된 가속도의 상대적 강도를 특징짓는 Froude 수치와 훈련 기간에 치수를 맞춘 시간 수평선 예측이다.트렌드 추종 패턴과 반대 패턴은 공존하며 무차원 시간 범위에 의존합니다.확률론적 기반 시나리오 접근방식은 재규격화 그룹 접근방식을 사용하여 기본적으로 모든 테스트된 시장 단계에서 통계적으로 유의한 예측력을 나타낸다.

박 교수와 어윈[73] 교수에 의한 현대 연구에 대한 조사는 대부분이 기술적 분석에서 긍정적인 결과를 찾았다는 것을 보여주었다.

2011년 Caginalp와 De Santis는[74] 경향과 저항 등 기술적 분석의 핵심 측면이 과학적 타당성을 가지고 있는지 정량적으로 판단하기 위해 가치평가가 가능한 클로즈드 엔드 펀드의 대규모 데이터 세트를 사용했다.100,000포인트 이상의 데이터 세트를 사용하면 추세가 평가보다 적어도 절반 이상 중요한 영향을 미친다는 것을 알 수 있습니다.더 작은 부피와 변동성의 영향도 명백하고 통계적으로 유의하다.그들의 작업의 중요한 측면은 트렌드의 비선형적 효과를 포함한다.약 3.7 표준 편차 내에서 발생하는 긍정적인 추세는 긍정적인 영향을 미칩니다.상승세가 강할 경우 수익률에 부정적인 영향을 미쳐 상승폭이 커짐에 따라 차익실현도 발생한다는 것을 알 수 있습니다.다운트렌드의 경우 다운트렌드가 4.6 표준편차이벤트가 될 때까지 "하강 시 구매"가 이루어지지 않는다는 점을 제외하면 상황은 비슷합니다.이러한 방법을 사용하여 투자자의 행동을 조사하고 서로 다른 자산 클래스 간의 기본 전략을 비교할 수 있습니다.

2013년, Kim Man Lui와 T Chong은 기술 분석에 대한 과거 조사 결과들은 대부분 특정 과거 데이터에 대한 특정 거래 규칙의 수익성을 보고했다고 지적했다.이러한 과거의 연구에서는, 실제의 트레이더는 어떠한 기술적 분석 방법의 신호도 기계적으로 채용하지 않기 때문에, 인간 트레이더는 고려되지 않았습니다.따라서 기술적 분석의 진실을 밝히기 위해서는 경험이 많은 트레이더와 초보 트레이더의 퍼포먼스를 다시 파악해야 합니다.만약 시장이 정말 무작위로 움직인다면, 이 두 종류의 거래자는 차이가 없을 것이다.다만, 실험에 의하면, 기술 분석에 정통한 트레이더는,[75] 지식이 부족한 트레이더보다 월등히 높은 실적을 올리고 있는 것을 알 수 있다.

티커테이프 판독

주요 기사:티커 테이프

1960년대 중반까지 테이프 판독은 일반적인 기술 분석 방식이었다.그것은 주식 티커라고 불리는 기계를 통해 흐르는 종이 조각에서 가격, 수량, 주문 크기 등과 같은 시장 정보를 읽는 것으로 구성되었다.시장 데이터는 중개업소와 가장 활발한 투기꾼의 집과 사무실로 보내졌다.이 시스템은 60년대 후반에 전자 정보 패널이 등장하면서 사용되지 않게 되었고, 이후 컴퓨터들은 차트를 쉽게 준비할 수 있게 되었다.

Jesse Livermore는 역사상 가장 성공적인 주식 시장 운영자 중 한 명으로, 어렸을 때부터 티커 테이프 판독에 주로 관심을 기울였습니다.그는 차트는 필요 없고 가격 데이터에만 의존하는 자신만의 (기계적인) 거래 시스템을 따랐습니다(그는 그것을 '시장 키'라고 불렀다.그는 1940년대 저서 '주식 거래 방법'에서 자신의 시장 열쇠를 자세히 묘사했다.[76]리버모어 시스템은 과거 가격 데이터를 통해 시장 단계(추세, 수정 등)를 결정하고 있었다.그는 또한 1940년대 책에 기술된 볼륨 데이터(주식이 어떻게 움직이는지 그리고 소규모 시장 주문을 보내 시장 유동성을 테스트하는 과정인 '시장 테스트'를 통해 추정)를 활용했다.

견적서

지금까지의 기술 분석의 또 다른 형태는, 주식 시세의 데이터를 해석하는 것으로, 전자 스크린이 존재하기 전에는 증권거래소에 있는 거대한 칠판이었기 때문에, 주된 금융 자산의 데이터를 거래소에 나열해 [77]동향을 분석하는 것이다.분필을 사용하여 수동으로 업데이트되었으며, 이러한 데이터 중 일부에 대한 업데이트는 앞서 언급한 테이프,[78] 전신, 전화 및 이후 텔렉스를 통해 교환소 이외의 환경(중개업소, 버킷숍 등)으로 전송됩니다.

이 분석 툴은, 시장 프로패셔널을 중심으로, 또 전날의 교섭 데이터를 신문에 게재한 인쇄판을 통해서도, 스윙이나 포지션 [79]트레이드에 이용되고 있다.

용어 및 지표 차트 작성

개념

  • 평균 실제 범위 – 가격 격차에 따라 조정된 일일 평균 거래 범위.
  • 브레이크아웃 – 가격이 이전 지원 또는 저항의 영역에 강제로 침투하는 개념으로, 일반적으로는 아니지만 항상 그렇지는 않습니다.
  • 차트 패턴 – 차트상의 보안 또는 상품 가격 이동에 의해 생성되는 고유한 패턴
  • 주기 – 가격 행동의 잠재적 변화에 대한 시간 목표(가격은 상승, 하강 또는 횡보만 가능)
  • 데드캣바운스 – 주가가 큰 폭으로 하락한 후 즉시 완만하고 일시적으로 상승한 후 하락세로 돌아서는 현상
  • 엘리엇 웨이브 원리와 연속적인 가격 변동 및 역추적을 계산하기 위한 황금 비율
  • 피보나치 비율– 지원, 저항 및 재추적 비율을 결정하기 위한 가이드로 사용
  • 모멘텀 – 가격 변동률
  • 포인트 및 수치 분석 – 시간 참조를 포함할 수 있는 수치 필터를 사용하는 가격 기반 분석 접근법(구축 시 시간을 완전히 무시함)
  • 저항 – 판매 활동의 순증가를 촉진할 수 있는 가격 수준
  • 지원 – 구매 활동의 순증가를 촉진할 수 있는 가격 수준
  • 경향 – 가격 변동이 한 방향으로 장기간 지속되는 현상

차트의 종류

  • 촛대 차트 – 일본 원산이며 OHLC와 마찬가지로 촛대는 오픈/클로즈 관계를 강조하기 위해 오픈/클로즈 가격 사이의 간격을 넓히고 채웁니다.서양에서는 종종 검은색이나 빨간색 양초 본체가 열린 양초보다 낮은 가격을 나타내며, 흰색, 녹색 또는 파란색 양초는 열린 가격보다 높은 가격을 나타냅니다.
  • 꺽은선형 차트 – 종가 값을 선분과 연결합니다.또한 열린 가격, 높은 가격 또는 낮은 가격을 사용하여 꺽은선형 차트를 그릴 수도 있습니다.
  • 오픈-하이-로우-클로즈 차트 – 막대 차트라고도 하는 OHLC 차트는 거래 시 수직선 세그먼트로 거래 기간의 높은 가격과 낮은 가격 사이의 범위와 범위 선에 수평 눈금 표시가 있는 오픈 및 닫힘 가격 사이의 범위를 표시합니다. 보통 오픈 가격에서는 왼쪽 체크 마크가 표시되고 종가는 오른쪽 체크 마크가 표시됩니다.
  • 점 및 그림 차트 – 시간에 대한 참조만 있는 숫자 필터를 사용하는 차트 유형으로, 구성 과정에서 시간을 완전히 무시합니다.

오버레이

오버레이는 일반적으로 주 가격 차트 위에 겹칩니다.

  • 볼링거 밴드– 가격 변동 범위
  • 채널 – 병렬 추세선 쌍
  • 이치모쿠 금고효 - 초의 높이와 낮의 평균점을 시간 단위로 계산하는 이동 평균 시스템
  • 이동 평균 – 주어진 그래프의 각 시점에서 반복되는 특정 시점 전후의 시간 창의 평균입니다.이동 평균은 일종의 동적 추세선으로 생각할 수 있습니다.
  • 포물선 SAR – 강한 추세 동안 포물선 곡선에 머무르는 경향이 있는 가격에 근거한 Wilder의 후행 정지
  • 피벗 포인트 – 특정 통화 또는 주식의 고액, 저액 및 종가의 수치 평균을 계산하여 도출합니다.
  • 저항성 – 가격보다 상한선이 될 수 있는 가격 수준
  • 지원 – 가격보다 낮은 바닥이 될 수 있는 가격 수준
  • 트렌드 라인 – 최소 2개의 피크 또는 2개의 트로프로 기술된 경사선
  • Zig Zag – 이 차트 오버레이는 지정된 비율보다 큰 필터링된 가격 변동을 보여줍니다.

폭 표시기

이 지표들은 넓은 시장에서 도출된 통계에 기초한다.

가격 기준 지표

이러한 지표는 일반적으로 주요 가격 차트 아래 또는 위에 표시됩니다.

  • 평균 방향 지수 – 추세 강도를 나타내는 지표로 널리 사용됩니다.
  • 상품 채널 지수 – 주기적 추세를 식별합니다.
  • MACD – 평균 컨버전스/디버전스 이동.
  • 모멘텀 – 가격 변동률.
  • 상대 강도 지수(RSI) – 가격 강도를 나타내는 발진기.
  • RVI(Relative Vigor Index) – 발진기는 최근 가격 활동의 확신과 지속 가능성을 측정합니다.
  • 확률적 발진기– 최근 거래 범위 내에서 근접한 포지션.
  • Trix – 3중 평활 지수 이동 평균의 기울기를 나타내는 발진기.
  • Vortex Indicator – 트렌드의 존재, 지속, 시작 또는 종료를 식별하는 데 사용되는 지표입니다.

볼륨 베이스 인디케이터

  • 누적/분배 지수 – 당일 범위 내 마감에 근거합니다.
  • 자금 흐름 지수 – 가격이 상승한 날에 거래된 주식의 양.
  • 잔액 부족 – 주식 매매의 모멘텀.

혼합 지표와의 거래

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b Kirkpatrick & Dahlquist (2006), 페이지 3
  2. ^ a b Akston, Dr. Hugh (13 January 2009). "Beating the Quants at Their Own Game".
  3. ^ Mizrach, Bruce; Weerts, Susan (27 November 2007). "Highs and Lows: A Behavioral and Technical Analysis". SSRN 1118080. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  4. ^ Paul V. Azzopardi (2010). Behavioural Technical Analysis: An introduction to behavioural finance and its role in technical analysis. Harriman House. ISBN 978-1905641413.
  5. ^ Andrew W. Lo; Jasmina Hasanhodzic (2010). The Evolution of Technical Analysis: Financial Prediction from Babylonian Tablets to Bloomberg Terminals. Bloomberg Press. p. 150. ISBN 978-1576603499. Retrieved 8 August 2011.
  6. ^ a b c Irwin, Scott H.; Park, Cheol-Ho (2007). "What Do We Know About the Profitability of Technical Analysis?". Journal of Economic Surveys. 21 (4): 786–826. doi:10.1111/j.1467-6419.2007.00519.x. S2CID 154488391.
  7. ^ a b c Osler, Karen(2000년 7월)."저항 지원:테크니컬 분석과 인트라데이 환율", FRBNY 경제정책 리뷰(여기서 요약 및 논문).
  8. ^ a b c d Lo, Andrew W.; Mamaysky, Harry; Wang, Jiang (2000). "Foundations of Technical Analysis: Computational Algorithms, Statistical Inference, and Empirical Implementation". Journal of Finance. 55 (4): 1705–1765. CiteSeerX 10.1.1.134.1546. doi:10.1111/0022-1082.00265.
  9. ^ 조제프 드 라 베가, 콘푸시온 드 혼돈스, 1688
  10. ^ Nison, Steve (1991). Japanese Candlestick Charting Techniques. pp. 15–18. ISBN 978-0-13-931650-0.
  11. ^ Nison, Steve(1994년).촛대 너머:새로운 일본어 차트 작성 기법 공개, 존 와일리와 아들들, 페이지 14.ISBN 0-471-00720-X
  12. ^ Paul V. Azopardi, "행동 기술 분석", ibid
  13. ^ a b c d 머피, 존 J.금융시장의 기술적 분석.뉴욕 금융 연구소, 1999, 1-5페이지, 24-31.ISBN 0-7352-0066-1
  14. ^ "PrimePair.com Head and Shoulders Pattern". Archived from the original on 6 January 2015. Retrieved 6 January 2015.
  15. ^ Elder(1993), Part III: 고전 차트 분석
  16. ^ 연장자(1993), 파트 II: "대중 심리학"; 17장: "관리 대 예측", 페이지 65-68
  17. ^ a b Wilmott, Paul (2007). "Appendix B, esp p. 628". Paul Wilmott Introduces Quantitative Finance. Wiley. ISBN 978-0-470-31958-1.
  18. ^ Paulos, J.A. (2003). A Mathematician Plays the Stock Market. Basic Books. p. 53. ISBN 9780465054800.
  19. ^ Fama, Eugene (1970). "Efficient Capital Markets: A Review of Theory and Empirical Work" (PDF). The Journal of Finance. 25 (2): 383–417. doi:10.2307/2325486. JSTOR 2325486.
  20. ^ a b Griffioen, 금융 시장 기술 분석
  21. ^ 슈웨거, 잭 D.기술 분석 시작Wiley, 1999, 페이지 2. ISBN 0-471-29542-6
  22. ^ Brock, William; Lakonishok, Josef; Lebaron, Blake (1992). "Simple Technical Trading Rules and the Stochastic Properties of Stock Returns". The Journal of Finance. 47 (5): 1731–1764. CiteSeerX 10.1.1.640.9983. doi:10.2307/2328994. JSTOR 2328994.
  23. ^ 닐리, 크리스토퍼 J., 폴 A.Weller(2001년)."기술 분석과 중앙은행 개입", 국제금융저널, 20(7), 949~70(여기서 요약 및 논문)
  24. ^ Taylor, M.P.; Allen, H. (1992). "The use of technical analysis in the foreign exchange market". Journal of International Money and Finance. 11 (3): 304–314. doi:10.1016/0261-5606(92)90048-3. Retrieved 29 March 2008.
  25. ^ Frankel, J.A.; Froot, K.A. (1990). "Chartists, Fundamentalists, and Trading in the Foreign Exchange Market". The American Economic Review. 80 (2): 181–185. JSTOR 2006566.
  26. ^ Neely, C.J (1998). "Technical Analysis and the Profitability of US Foreign Exchange Intervention". Federal Reserve Bank of St. Louis Review. 80 (4): 3–17. Retrieved 29 March 2008.
  27. ^ 연장자(2008년), 제1장 - "트렌드 대 역트렌딩 거래" 섹션
  28. ^ "Beware of the Stock Market as a Self-Fulfilling Prophecy".
  29. ^ a b Kahn, Michael N. (2006)기술 분석: 단순하고 단순함: 파이낸셜 타임즈 프레스, 뉴저지, 어퍼 새들 리버, 80페이지, 당신의 언어로 된 시장 차트 작성.ISBN 0-13-134597-4.
  30. ^ Baiynd, Anne-Marie (2011). The Trading Book: A Complete Solution to Mastering Technical Systems and Trading Psychology. McGraw-Hill. p. 272. ISBN 9780071766494. Archived from the original on 25 March 2012. Retrieved 30 April 2013.
  31. ^ Kirkpatrick & Dahlquist (2006), 87페이지
  32. ^ Kirkpatrick & Dahlquist (2006), 페이지 86
  33. ^ 기술 분석: 금융시장 기술자를 위한 완전한 자원, 페이지 7
  34. ^ "Home – Australian Technical Analysts Association".
  35. ^ "Home".
  36. ^ "CMT Association Knowledge Base". Archived from the original on 14 October 2017. Retrieved 16 August 2017.
  37. ^ Wiley (2021). CMT Level I 2021: An Introduction to Technical Analysis. Wiley. ISBN 978-1119768050.
  38. ^ K. 후나하시, 뉴럴 네트워크에 의한 연속 매핑의 대략적인 실현에 대하여, 뉴럴 네트워크 vol.2, 1989
  39. ^ K. Hornik, 다층 피드포워드 네트워크는 범용 근사치, 뉴럴 네트워크, vol 2, 1989
  40. ^ R. 로렌스뉴럴 네트워크를 이용한 주가 예측
  41. ^ B.Egeli 등2007년 6월 20일 웨이백 머신에 아카이브된 인공신경망을 이용한 주식시장 예측
  42. ^ M. 제키치주식 시장 예측의 뉴럴 네트워크 애플리케이션– 2012년 4월 24일 웨이백 머신에 아카이브된 방법론 분석
  43. ^ Cooke, Research and Markets. "What Is A Day Trading Platform".
  44. ^ 연장자(1993), 페이지 54, 116–118
  45. ^ 연장자(1993)
  46. ^ ltd, Research and Markets. "The Capital Growth Letter – Research and Markets".
  47. ^ "Archived copy". Archived from the original on 12 January 2009. Retrieved 31 August 2007.{{cite web}}: CS1 maint: 제목으로 아카이브된 복사(링크)
  48. ^ "SFO". Archived from the original on 6 October 2007. Retrieved 27 August 2007.
  49. ^ Browning, E.S. (31 July 2007). "Reading market tea leaves". The Wall Street Journal Europe. Dow Jones. pp. 17–18.
  50. ^ Skabar, Cloete, Networks, Financial Trading and Efficient Markets 가설이 2011년 7월 18일 Wayback Machine에서 아카이브됨
  51. ^ Nauzer J. Balsara, Gary Chen 및 Lin Zheng "중국 증시: 랜덤워크모델과 테크니컬트레이딩 룰의 검토"The Quarterly Journal of Business and Economics, 2007년 봄
  52. ^ Sullivan, R.; Timmermann, A.; White, H. (1999). "Data-Snooping, Technical Trading Rule Performance, and the Bootstrap". The Journal of Finance. 54 (5): 1647–1691. CiteSeerX 10.1.1.50.7908. doi:10.1111/0022-1082.00163.
  53. ^ Chan, L.K.C.; Jegadeesh, N.; Lakonishok, J. (1996). "Momentum Strategies". The Journal of Finance. 51 (5): 1681–1713. doi:10.2307/2329534. JSTOR 2329534.
  54. ^ David Keller, "기술 분석의 비약적 발전; 세계 최고의 생각으로부터의 새로운 생각", 뉴욕, Bloomberg Press, 2007, ISBN 978-1-57660-242-3 페이지 1-19
  55. ^ 유진 파마, "효율적인 자본 시장: 이론과 경험적 작업의 리뷰", 금융 저널, 제25권, 제2호(1970년 5월), 페이지 383-417.
  56. ^ a b 아론슨, 데이비드 R. (2006)증거 기반 기술 분석(뉴저지, Hoboken): John Wiley and Sons, 357, 355–356, 342페이지.ISBN 978-0-470-00874-4.
  57. ^ Prechter, Robert R Jr; Parker, Wayne D (2007). "The Financial/Economic Dichotomy in Social Behavioral Dynamics: The Socionomic Perspective". Journal of Behavioral Finance. 8 (2): 84–108. CiteSeerX 10.1.1.615.763. doi:10.1080/15427560701381028. S2CID 55114691.{{cite journal}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  58. ^ a b Clarke, J., T. Jandik 및 Gershon Mandelker(2001)."효율적인 시장 가설" 전문가 재무 계획: 업계 리더로부터의 조언, Ed. R. Arffa, 126~141.뉴욕: Wiley & Sons.
  59. ^ 버튼 말키엘, W. W. Norton & Company (2003년 4월) 페이지 168.
  60. ^ a b 로버트 휴브셔.버튼 말키엘이 랜덤 워크를 말하다.2009년 7월 7일
  61. ^ 로, 앤드류, 맥킨레이, 크레이그Princeton University Press, 1999년 비랜덤 워크 다운 월 스트리트.ISBN 978-0-691-05774-3
  62. ^ Poser, Steven W. (2003)엘리엇 웨이브 이론을 수익성 있게 적용, John Wiley and Sons, 페이지 71.ISBN 0-471-42007-7.
  63. ^ 아이덴버거, 호스트(2011)."미디어의 기본적 이해" Atpress.ISBN 978-3-8423-7917-6.
  64. ^ "AsiaPacFinance.com Trading Indicator Glossary". Archived from the original on 1 September 2011. Retrieved 1 August 2011.
  65. ^ Azopardi, Paul V. (2012), "금융시장이 느리지만 급락하는 이유: 행동금융을 통한 시장행동 분석", ASIN Harriman House: B00B0Y6JIC
  66. ^ "Fear & Greed Index - Investor Sentiment".
  67. ^ Gunduz Caginalp & Donald Balenovich (2003). "A theoretical foundation for technical analysis" (PDF). Journal of Technical Analysis. 59: 5–22. Archived from the original (PDF) on 24 September 2015. Retrieved 11 May 2015.{{cite journal}}: CS1 maint: 작성자 파라미터 사용(링크)
  68. ^ Caginalp, G.; Laurent, H. (1998). "The Predictive Power of Price Patterns". Applied Mathematical Finance. 5 (3–4): 181–206. doi:10.1080/135048698334637. S2CID 44237914.
  69. ^ Poterba, J.M.; Summers, L.H. (1988). "Mean reversion in stock prices: Evidence and Implications". Journal of Financial Economics. 22: 27–59. doi:10.1016/0304-405x(88)90021-9. S2CID 18901605.
  70. ^ Black, F (1986). "Noise". Journal of Finance. 41 (3): 529–43. doi:10.1111/j.1540-6261.1986.tb04513.x.
  71. ^ Caginalp, G.; Constantine, G. (1995). "Statistical inference and modeling of momentum in stock prices". Applied Mathematical Finance. 2 (4): 225–242. doi:10.1080/13504869500000012. S2CID 154176805.
  72. ^ J. V. 안데르센, S. 글루즈만, D.Sornett, 기술분석 기본 프레임워크, 유럽물리학저널 B 14, 579-601 (2000)
  73. ^ C-H Park와 S.H. Irwin, "테크니컬 분석의 수익성:검토' AgMAS 프로젝트 조사 보고서 2004-04호
  74. ^ G. Caginalp와 M.De Santis, "금융 시장 역동성의 비선형성", 비선형 분석:Real World Applications, 12(2), 1140–1151, 2011.
  75. ^ K.M. Lui와 T.T입니다.L Chong, "Do Technical Analyzers가 초보 트레이더: Experimental Providence" 경제 게시판 33(4), 3080–3087, 2013.
  76. ^ 리버모어(1940)
  77. ^ Lefévre (2000), 페이지 1, 18
  78. ^ Lefévre (2000), 17페이지
  79. ^ 리버모어(1940), 17-18페이지

참고 문헌

추가 정보

  • 아조파디, 바오로 5세동작 기술 분석: 행동 금융과 기술 분석에서의 그 역할에 대한 소개.Harrian House, 2010년.ISBN 978-1905641413
  • 콜비, 로버트 W.테크니컬 마켓 인디케이터 백과사전.제2판맥그로 힐, 2003년ISBN 0-07-012057-9
  • 코벨, 마이클완전한 거북이 거래상.HarperCollins, 2007.ISBN 9780061241703
  • 더글라스, 마크규율 있는 트레이더.뉴욕 금융 연구소, 1990년.ISBN 0-13-215757-8
  • 에드워드, 로버트 D, 매기, 존, 바세티, W.H.C.주식 동향 기술 분석, 제9판 (하드커버).미국관리협회, 2007.ISBN 0-8493-3772-0
  • 폭스, 저스틴합리적 시장의 신화HarperCollings, 2009.ISBN 9780060598990
  • 허스트, J.M.주식 거래 타이밍의 수익 매직.프렌티스 홀, 1972년ISBN 0-13-726018-0
  • 닐, 험프리 B테이프 판독 및 시장 전략1931년 초판.Market Place 2007, ISBN 1592802621 전재
  • 닐, 험프리 B'반대 사고의 기술'1954년 팩스턴 출판사
  • 프링, 마틴 J.기술 분석 설명: 투자 동향과 전환점을 포착하기 위한 성공적인 투자자 가이드.맥그로 힐, 2002년ISBN 0-07-138193-7
  • 래쉬키, 린다 브래드포드, 코너스, 로렌스 A.Street Smarts: 높은 확률의 단기 거래 전략.M. Gordon 출판 그룹, 1995.ISBN 0-9650461-0-9
  • Rollo Tape & Wyckoff, Richard D.테이프 읽기 연구 티커 출판사1910년 NY.
  • Tharp, Van K. International Institute of Trading Mastery, 2008년 포지션 사이징에 관한 최종 가이드.ISBN 0935219099
  • 와일더, J. 웰스테크니컬 트레이딩 시스템의 신개념.트렌드 리서치, 1978.ISBN 0-89459-027-8
  • Ladis Konecny, 주식 및 거래소 – 필요한 유일한 책, 2013년, ISBN 9783848220656, 기술 분석 = 8장.
  • 샤백커스, 리처드 W.주식시장 이론과 실천, 2011.ISBN 9781258159474

외부 링크

국제 및 국내 조직