توصیه های سرمایه گذاری بنیادی
توصیه های سرمایه گذاری بنیادی
چکیده
توصیه های سرمایه گذاری بنیادی
بازده بازار اغلب از طریق توانایی تحلیل بنیادی یا قوانین تجارت تکنیکی برای سوء استفاده از الگوهای قابل پیش بینی در میزان دارایی ها ارزیابی می شود. پس از چند دهه تحقیق تجربی مدارک و شواهد در هم آمیخته است.
این مقاله با استفاده از یک پایگاه اطلاعاتی جدید از برنامه تلویزیونی “اعداد سخنگو” ، شواهد را مجدداً بررسی می کند.
ما عملکرد 1.599 توصیه سرمایه گذاری را براورد کرده، که هر توصیه یک پیش بینی تکنیکی و بنیادی را ارائه می دهد.
ما نشان می دهیم که متخصصان تحلیل تکنیکی می توانند بازده سهام فردی را تا چشم اندازی یک ساله به درجات قابل توجهی از نظر اقتصادی پیش بینی کنند.
فراتر از این، فرضیه صفر بازده بازار برای شاخص های گسترده بازار، بخش های سهام عدالت، اوراق قرضه یا کالاها رد نمی شود.
مقدمه
اینکه بازارهای مالی از نظر اطلاعاتی کارآمد هستند، مدتهاست که میان محققان بحث برانگیز است.
ممکن است متقاعد کننده ترین گواه مبنی بر این که این مجادله برای ماندن در اینجا، این واقعیت است که یوجین فاما و رابرت شیلر با وجود این واقعیت که آنها دو دیدگاه مخالف قطبی در مورد بازده بازار دارند، جایزه نوبل اقتصاد را در سال 2013 به اشتراک گذاشتند.
توصیه های سرمایه گذاری بنیادی
فرضیه صفر بازده بازار اغلب از طریق توانایی تحلیل بنیادی یا قوانین تجارت تکنیکی برای بهره برداری از الگوهای قابل پیش بینی در قیمت دارایی ها ارزیابی می شود.
این مقاله با استفاده از یک پایگاه داده جدید از برنامه تلویزیونی “اعداد سخنگو” مستندات مرتبط با بازده بازار را مجدداً بررسی می کند.
هر پیشنهاد دوگانه شامل یک پیش بینی بنیادی و یک پیشنهاد تکنیکال در همان دارایی و بیش از یک افق سرمایه گذاری مشابه است.
این نمایش به خوبی برای کشف بهره وری در بازار مناسب است.
بعلاوه، با توجه به اینکه این برنامه تقریباً کلیه کلاسهای تعیین شده را در بر می گیرد، آزمایش های ما به اندازه کافی کلی و مقاوم در برابر نگرانی های نقدینگی و ظرفیت سرمایه گذاری هستند. همچنین این شواهد درباره داده کاوی قدرتمند است.
نتیجه
این مطالعه از یک پایگاه داده جدید از یک برنامه تلویزیونی در زمینه مقایسه میان تحلیلگران بنیادی و تکنیکی استفاده می کند.
آزمایشات ما مبتنی بر پیشنهادات بنیادی و تکنیکی همزمان برای همان دارایی اساسی و افق سرمایه‌گذاری است.
نهایتا، با وجود این که پیشنهادات دو تحلیلگر تکنیکی و بنیادی به دلیل استفاده از ابزارهای متفاوت، باهم فرق دارد، هر دو همان اطلاعات عمومی را نمایش می دهند.
مشخصات عالی تحلیلگران شرکت کننده ، زمینه بازی و سطح تعصبات مربوط به کیفیت ، تجربه و نگرانی های شغلی تحلیلگران را کاهش می دهد.
ویژگی های عالی تحلیلگران شرکت کننده میدان بازی را مسطح کرده و تمایلات مربوط به کیفیت، تجربه و نگرانی های شغلی تحلیلگران را کاهش می دهد.
تمرکز گسترده برنامه و فهرست جامع داراییهای تحت پوشش، یافته های ما را عمومی تر کرده و نگرانی های مرتبط با سوء استفاده از تمایلات فقدان نقدینگی را کاهش می دهد. مطابق با فرضیه بهره وری نیمه قوی بازار ، تجزیه و تحلیل بنیادی توانایی کمی در پیش بینی بازده آینده در کل دارایی های مورد بررسی را نشان می دهد.
با کمال تحیر، تحلیلگران تکنیکی توانایی قابل توجهی از پیش بینی بازده سهام انفرادی نشان می دهند و به ناکارآمدی بازار حتی در زمینه بزرگترین و پر مبادله ترین سهام اشاره می کنند.
برای شروع، معاملات سهام انفرادی براساس توصیه‌های فنی بازده قابل توجهی را به همراه دارد.
بعلاوه چنین قابلیت جمع آوری سهام در مقابل کنترل فاکتورهای خطر متداول، ویژگی شرکت ها، اثرات صنعت، جنس تحلیلگر تحصیلات، نوع وابستگی (طرف فروش در مقابل خرید) و تأثیر فوری بالقوه انتشار، ایستادگی می کند.
با تمرکز بر روی کارآیی تحلیلگران تکنیکی، هیچ تمایل روشنی نسبت به شرکت های خاص یافت نمی شود، که نگرانی مبنی بر اینکه موفقیت تحلیلگران تکنیکی ها ها در نمونه ما به سهام خاصی محدود است، را کاهش می دهد.
تنها ارتباط پيدا شده بين برتري تحلیلگران تکنیکلی و روند قيمت هاي اخير، از موضوع اصلي تحلیلگران تکنیکی که آنها در ارائه پیشنهادات خود به روند قيمت هاي كوتاه مدت اعتماد دارند، حمايت مي کند.
توانایی پیش بینی تحلیلگران تکنیکی تنها بازده سهام انفرادی را مشخص می کند.
در مقابل، فرضیه صفر کارآیی بازار برای کلاسهای دارایی عمومی ، از جمله اطلاعات بازار ، بخشهای سهام و شاخصهای سهام غیر ایالات متحده، اوراق قرضه و کالاها غیرقابل استفاده است.
یک توضیح جذاب این است که تحلیلگران تکنیکی همانطور که از تئوری اقتصادی حمایت می شود، بر روی سیگنال های انفرادی نیز تجارت می کنند. تحلیلگران تکنیکی به طور بالقوه معاملات خودی را از روی نمودار استخراج می کنند.
در هر صورت، بسیار محتمل است که الگوهای قابل پیش بینی در مورد سهام انفرادی و نه برای کلاس های دارایی گسترده تر که کمتر به تجارت داخلی ، اطلاعات خصوصی یا عدم نقدینگی علاقه دارند، اعمال می شود.
Talking Numbers: Technical versus fundamental investment recommendations
Abstract
Market efficiency is often evaluated through the ability of fundamental analysis or technical trading rules to exploit predictable patterns in asset prices. The evidence following decades of empirical research is mixed.
This paper reexamines the evidence using a novel database from the TV show “Talking Numbers.” We assess the performance of 1,599 investment recommendations, where each recommendation features a fundamental and a technical forecast.
We show that technicians are able to predict individual stock returns to economically significant degrees up to a one-year horizon.
Beyond that, the null hypothesis of market efficiency is not rejected for market-wide indices, equity sectors, bonds, or
commodities.
Introduction
Whether financial markets are informationally efficient has long been controversial among researchers. Perhaps the most convincing testimony that this controversy is here to stay is the fact that Eugene Fama and Robert Shiller shared the 2013 Nobel Prize in Economics despite the fact that they represent two polar opposite views on market efficiency.
The null hypothesis of market efficiency is often evaluated through the ability of fundamental analysis or technical trading rules to exploit predictable patterns in asset prices. The evidence following decades of empirical research is mixed.
This paper reexamines the evidence on market efficiency using a novel database from the TV show “Talking Numbers.” Each dual recommendation contains a fundamental and a technical forecast on the same asset and over a similar investment horizon.
The show is well suited to exploring market efficiency.
First, as both technicians and fundamental analysts are exposed to the same public information during the broadcast, their simultaneous recommendations reveal the extent to which they possess private information.
In addition, as the show covers virtually all as- set classes, our experiments are general enough and robust to liquidity concerns and investment capacity.
The evidence is also robust to data-mining concerns.
Conclusion
This study employs a novel database from a TV broadcast to compare between fundamental and technical analysts.
Our experiments are based on simultaneous fundamental and technical recommendations for the same underlying assets and investment horizon.
Ultimately, both technicians and fundamental analysts are exposed to the same public information, while their recommendations differ due to the distinct toolkits applied.
The high profile of the participating analysts levels the playing field and mitigates biases related to analysts’ quality, experience, and career concerns.
The broad focus of the program and the comprehensive list of assets covered make our findings general and mitigate the concerns about illiquidity biases.
Consistent with the semi-strong market efficiency hypothesis, the fundamental analysis reveals little ability to predict future re- turns on all assets examined.
Surprisingly, technicians display a significant predicting ability of individual stock returns, pointing to market inefficiency even among the universe of the largest and most-traded stocks.
For a start, trading individual stocks based on technical recommendations yields significant payoffs.
Moreover, such stock-picking ability withstands controlling for common risk factors, firm characteristics, industry effects, the analyst’s gender, education, affiliation type (sell-side versus buy-side), and the potential immediate impact of the broadcast.
Focusing on technicians’ out performance, no clear tendency toward certain firms is found, which mitigates the concern that the success of technicians is confined to the specific stocks in our sample.
The only found association between technicians’ outperformance and recent price trends supports technicians’ main theme that they rely on short- term price trends in making their recommendations.
The predictive ability of technicians characterizes returns on individual stocks only.
In contrast, the null hypothesis of market efficiency is intact for general asset classes, including the market in- dices, equity sectors and non-U.S. equity indices, bonds, and commodities.
One appealing explanation is that technicians trade on private signals, as advocated by economic theory.
Technicians potentially extract insiders trading from the charts.
Either way, predictable patterns are most likely to apply to individual stocks and not to broader asset classes that are less prone to insider trading, private information, or illiquidity.
برای مشاهده مطالب بیشتر به سایت www.farzdon.ir مراجعه نمایند.