การทดสอบสัญญาณทางเทคนิคในเงื่อนไขที่แตกต่างกันของทรัพย์สินในตลาดเกิดใหม่กรณีศึกษาของหุ้นในดัชนี SET50 ประเทศไทย
Article Sidebar
Main Article Content
บทคัดย่อ
นักวิจัยใช้กลยุทธ์ทางเทคนิคเพื่อหาโอกาสในการทำกำไรจากการซื้อขายหุ้นในตลาดหุ้นหลายแห่งทั่วโลก อย่างไรก็ตาม ยังคงมีข้อสงสัยว่าประสิทธิภาพในการทำกำไรของดัชนีชี้วัดของกลยุทธ์ทางเทคนิคเป็นอย่างไร เมื่อนำมาเปรียบเทียบกับประสิทธิภาพในการทำกำไรของกลยุทธ์ซื้อและถือ ทั้งนี้ ปัจจัยต่าง ๆ เช่น ตลาดหุ้นที่แตกต่างกันและดัชนีชี้วัดของกลยุทธ์ทางเทคนิคที่แตกต่างกันมีบทบาทสำคัญต่อผลลัพธ์ที่แตกต่างกันของผลกำไร งานวิจัยนี้สืบหาผลกำไรในเงื่อนไขที่แตกต่างกันของทรัพย์สินในดัชนีชี้วัดเส้นค่าเฉลี่ยเคลื่อนที่ ดัชนีชี้วัดคอมอดิตี้ แชนแนล อินเด็กซ์ และดัชนีชี้วัด โบลิงเจอร์แบนด์ ใน 19 หุ้นที่ถูกจัดให้อยู่ในดัชนี SET50 ของประเทศไทยอย่างต่อเนื่องตั้งแต่ปี พ.ศ. 2550 ถึงปี พ.ศ. 2560 เงื่อนไขของทรัพย์สินสิบหกรูปแบบได้ถูกสร้างขึ้นจากปริมาณการซื้อขายหุ้น ความผันผวนของราคาหุ้น และระยะเวลาการซื้อขายหุ้น ผลการศึกษาพบว่าสำหรับเงื่อนไขของสินทรัพย์ทั้งหมด ดัชนีชี้วัดโบลิงเจอร์แบนด์ แบบกลับตัวด้านล่าง และดัชนีชี้วัดคอมอดิตี้ แชนแนล อินเด็กซ์ แบบกลัวตัวของแนวโน้ม ดีกว่ากลยุทธ์ซื้อและถือ สำหรับดัชนีชี้วัดเส้นค่าเฉลี่ยเคลื่อนที่ดีกว่ากลยุทธ์ซื้อและถือสำหรับเงื่อนไขของสินทรัพย์ดังต่อไปนี้คือ หุ้นที่มีความผันผวนสูง ระยะเวลาการซื้อขายหุ้นที่มีความผันผวนต่ำหรือสูง ปริมาณการซื้อขายหุ้นที่ต่ำ และระยะเวลาการซื้อขายหุ้นที่มีปริมาณการซื้อขายหุ้นที่ต่ำ งานวิจัยชิ้นนี้ช่วยแสดงให้เห็นถึงเหตุผลที่ยังมีการใช้กลยุทธ์ทางเทคนิคในการทำกำไรจากการซื้อขายหุ้นที่อยู่ในดัชนี SET50 ของประเทศไทย
Article Details
บทความที่นำมาสมัครลงตีพิมพ์ในวารสารต้องไม่เคยได้รับการตีพิมพ์เผยแพร่มาก่อน และไม่ส่งต้นฉบับบทความซ้ำซ้อนกับวารสารอื่น รวมทั้งผู้เขียนบทความต้องไม่ละเมิดหรือคัดลอกผลงานของผู้อื่น
เอกสารอ้างอิง
Abarbanell, J. S., & Bushee, B. J. (1997). Fundamental analysis, future earnings, and stock prices. Journal of Accounting Research, 35(1), 1–24.
Bessembinder, H., & Chan, K. (1995). The profitability of technical trading rules in the Asian stock markets. Pacific-Basin Finance Journal, 3(2–3), 257–284. https://doi.org/10.1016/0927-538X(95)00002-3
Boyacioglu, M. A., & Avci, D. (2010). An adaptive network-based fuzzy inference system (ANFIS) for the prediction of stock market return: The case of the Istanbul stock exchange. Expert Systems with Applications, 37(12), 7908–7912. https://doi.org/10.1016/j.eswa.2010.04.045
Brock, W., Lakonishok, J., & LeBaron, B. (1992). Simple technical trading rules and the stochastic properties of stock returns. The Journal of Finance, 47(5), 1731–1764.
Caporale, G. M., Rault, C., Sova, A. D., & Sova, R. (2015). Financial development and economic growth: Evidence from 10 new European Union members. International Journal of Finance & Economics, 20(1), 48–60. https://doi.org/10.1002/ijfe.1498
Chang, Y. H., Jong, C. C., & Wang, S. C. (2017). Size, trading volume, and the profitability of technical trading. International Journal of Managerial Finance, 13(4), 475–494. https://doi.org/10.1108/IJMF-09-2016-0179
Chaysiri, R., Boontaricponpun, S., Sujjavanich, P., & Ua-ampon, K. (2019). The profitability of moving average trading strategies in the Thailand SET50 index: Past and future. Thammasat Review, 22(2), 150-167.
Chen, C. P., & Metghalchi, M. (2012). Weak-form market efficiency: Evidence from the Brazilian stock market. International Journal of Economics and Finance, 4(7), 22-32.
Chong, T. T., & Ng, W. (2008). Technical analysis and the London stock exchange: Testing the MACD and RSI rules using the FT30. Applied Economics Letters, 15(14), 1111–1114. https://doi.org/10.1080/13504850600993598
Costa, T. R. C. C., Nazário, R. T., Bergo, G. S. Z., Sobreiro, V. A., & Kimura, H. (2015). Trading system based on the use of technical analysis: A computational experiment. Journal of Behavioral and Experimental Finance, 6, 42–55. https://doi.org/10.1016/j.jbef.2015.03.003
Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383-417. https://www.jstor.org/stable/2325486
Fang, J., Jacobsen, B., & Qin, Y. (2014). Predictability of the simple technical trading rules: An out-of-sample test. Review of Financial Economics, 23(1), 30–45. https://doi.org/10.1016/j.rfe.2013.05.004
Gerritsen, D. F. (2016). Are chartists artists? The determinants and profitability of recommendations based on technical analysis. International Review of Financial Analysis, 47, 179-196.
Gunasekarage, A., & Power, D. M. (2001). The profitability of moving average trading rules in South Asian stock markets. Emerging Markets Review, 2(1), 17–33. https://doi.org/10.1016/S1566-0141(00)00017-0
Hayes, R. L., Wu, J., Chaysiri, R., Bae, J., Beling, P. A., & Scherer, W. T. (2016). Effects of time horizon and asset condition on the profitability of technical trading rules. Journal of Economics and Finance, 40(1), 41–59. https://doi.org/10.1007/s12197-014-9291-5
Henrique, B. M., Sobreiro, V. A., & Kimura, H. (2018). Stock price prediction using support vector regression on daily and up to the minute prices. The Journal of Finance and Data Science, 4(3), 183–201. https://doi.org/10.1016/j.jfds.2018.04.003
Hudson, R., Dempsey, M., & Keasey, K. (1996). A note on the weak form efficiency of capital markets: The application of simple technical trading rules to UK stock prices - 1935 to 1994. Journal of Banking & Finance, 20(6), 1121–1132. https://doi.org/10.1016/0378-4266(95)00043-7
Kara, Y., Boyacioglu, M. A., & Baykan, Ö. K. (2011). Predicting direction of stock price index movement using artificial neural networks and support vector machines: The sample of the Istanbul stock exchange. Expert Systems with Applications, 38(5), 5311–5319. https://doi.org/10.1016/j.eswa.2010.10.027
Lambert, D. R. (1983). Commodity channel index: Tool for trading cyclic trends. Technical Analysis Stocks & Commodities, 1, 120–122.
Lento, C., & Gradojevic, N. (2007). The profitability of technical trading rules: A combined signal approach. Journal of Applied Business Research, 23(1), 13–28. https://doi.org/10.19030/jabr.v23i1.1405
Lo, A. W., Mamaysky, H., & Wang, J. (2000). Foundations of technical analysis: Computational algorithms, statistical inference, and empirical implementation. The Journal of Finance, 55(4), 1705-1765.
Marshall, B. R., & Cahan, R. M. (2005). Is the 52-week high momentum strategy profitable outside the US? Applied Financial Economics, 15(18), 1259–1267. https://doi.org/10.1080/09603100500386008
Marshall, B. R., Qian, S., & Young, M. (2009). Is technical analysis profitable on US stocks with certain size, liquidity or industry characteristics? Applied Financial Economics, 19(15), 1213–1221. https://doi.org/10.1080/09603100802446591
Metghalchi, M., Glasure, Y., Garza-Gomez, X., & Chen, C. (2007). Profitable technical trading rules for the Austrian stock market. International Business & Economics Research Journal, 6(9), 49–58. https://doi.org/10.19030/iber.v6i9.3405
Mills, T. C. (1997). Technical analysis and the London stock exchange: Testing trading rules using the FT30. International Journal of Finance & Economics, 2(4), 319-331. https://doi.org/10.1002/(SICI)1099-1158(199710)2:4<319::AID-JFE53>3.0.CO;2-6
Nazário, R. T. F, Silva, J. L., Sobreiro, V. A., & Kimura, H. (2017). A literature review of technical analysis on stock markets. The Quarterly Review of Economics and Finance, 66, 115–126. https://doi.org/10.1016/j.qref.2017.01.014
Oppenheimer, H. R., & Schlarbaum, G. G. (1981). Investing with Ben Graham: An ex ante test of the efficient markets hypothesis. Journal of Financial and Quantitative Analysis, 16(3), 341-360.
Parisi, F., & Vasquez, A. (2000). Simple technical trading rules of stock returns: Evidence from 1987 to 1998 in Chile. Emerging Markets Review, 1(2), 152–164. https://doi.org/10.1016/S1566-0141(00)00006-6
Park, C. H., & Irwin, S. H. (2007). What do we know about the profitability of technical analysis? Journal of Economic Surveys, 21(4), 786–826. https://doi.org/10.1111/j.1467-6419.2007.00519.x
Ratner, M., & Leal, R. P. C. (1999). Tests of technical trading strategies in the emerging equity markets of Latin America and Asia. Journal of Banking & Finance, 23(12), 1887–1905. https://doi.org/10.1016/S0378-4266(99)00042-4
Risso, W. A. (2009). The informational efficiency: The emerging markets versus the developed markets. Applied Economics Letters, 16(5), 485–487. https://doi.org/10.1080/17446540802216219
Stübinger, J., Mangold, B., & Krauss, C. (2018). Statistical arbitrage with vine copulas. Quantitative Finance, 18(11), 1831–1849. https://doi.org/10.1080/14697688.2018.1438642
Tay, F. E. H., & Cao, L. (2001). Application of support vector machines in financial time series forecasting. Omega, 29(4), 309–317. https://doi.org/10.1016/S0305-0483(01)00026-3
Tharavanij, P., Siraprapasiri, V., & Rajchamaha, K. (2015). Performance of technical trading rules: Evidence from Southeast Asian stock markets. SpringerPlus, 4(1), 1-40. https://doi.org/10.1186/s40064-015-1334-7
Tian, G. G., Wan, G. H., & Guo, M. (2002). Market efficiency and the returns to simple technical trading rules: New evidence from U.S. equity market and Chinese equity markets. Asia-Pacific Financial Markets, 9(3-4), 241–258.
Ticknor, J. L. (2013). A Bayesian regularized artificial neural network for stock market forecasting. Expert Systems with Applications, 40(14), 5501–5506. https://doi.org/10.1016/j.eswa.2013.04.013
Vanstone, B., & Finnie, G. (2009). An empirical methodology for developing stockmarket trading systems using artificial neural networks. Expert Systems with Applications, 36(3), 6668–6680. https://doi.org/10.1016/j.eswa.2008.08.019
Wong, W. K., Manzur, M., & Chew, B. K. (2003). How rewarding is technical analysis? Evidence from Singapore stock market. Applied Financial Economics, 13(7), 543–551. https://doi.org/10.1080/0960310022000020906
Yoon, Y., & Swales, G. (1991). Predicting stock price performance: A neural network approach. In Proceedings of the Twenty-Fourth Annual Hawaii International Conference on System Sciences (pp.156–162). U.S.A: IEEE.
Yu, H., Nartea, G. V., Gan, C., & Yao, L. J. (2013). Predictive ability and profitability of simple technical trading rules: Recent evidence from Southeast Asian stock markets. International Review of Economics & Finance, 25, 356–371. https://doi.org/10.1016/j.iref.2012.07.016
Zhang, G., B., Patuwo, B. E., & Hu, M. Y. (1998). Forecasting with artificial neural networks: The state of the art. International Journal of Forecasting, 14(1), 35–62. https://doi.org/10.1016/S0169-2070(97)00044-7
Zhu, H., Jiang, Z. Q., Li, S. P., & Zhou, W. X. (2015). Profitability of simple technical trading rules of Chinese stock exchange indexes. Physica A: Statistical Mechanics and its Applications, 439, 75–84. https://doi.org/10.1016/j.physa.2015.07.032
