Technical analysis(기술 분석)

Technical analysis(기술 분석)

 

 

 

In finance, technical analysis is an analysis methodology for forecasting the direction of prices through the study of past market data, primarily price and volume.[1] Behavioral economics and quantitative analysis use many of the same tools of technical analysis,[2][3][4] which, being an aspect of active management,(적극적인 관리측면에서 ) stands in (대신하다 대역하다)contradiction(모순) to much of modern portfolio theory. The efficacy of both technical and fundamental analysis is disputed by the efficient-market hypothesis, which states that stock market prices are essentially unpredictable,[5] and research on technical analysis has produced mixed results.[6][7][8]

 

금융에서 기술적 분석은 주로 가격과 거래량과 같은 과거 시장 데이터를 연구하여 가격 방향을 예측하는 분석 방법입니다. [1] 행동 경제학과 정량적 분석은 기술적 분석과 동일한 도구를 많이 사용합니다. [2] [3] [4] 그것은(도구) 적극적인 관리의 한 측면에서 (대부분의 현대 포트폴리오 이론과) 모순됩니다. 기술적 분석과 근본적인 분석의 효율성은 모두 주식 시장 가격이 본질적으로 예측할 수 없다는 가정의 효율적인 시장 가설에 의해 논쟁이 되며  [5] 기술적 분석에 대한 연구는 혼합된 결과를 낳았습니다. [6] [7] [8]

 

Contents(내용)

 

1 History(역사)

 

2 General description(일반적인 서술)

 

3 Characteristics(특성)

 

4 Principles(4원칙)

 

4.       1   Market action discounts everything(시장조치는 모든 것을 할인한다)

 

4        2   Prices move in trends(추세에서 가격변화)

 

4.       3    History tends to repeat itself(반복자체의 경향이 있는 역사)

 

5  Industry(산업)

 

5.      1  Software(소프트웨어)

 

6    Systematic trading(조직적인 거래)

 

6.         1  Neural networks(신경망)

 

6.         2  Backtesting(백테스팅)

 

7   Combination with other market forecast methods(다른 시장 예칙방법의 결합)

 

8   Empirical(경험적인) evidence(실험적인 증거)

 

8.      1   Efficient-market hypothesis(효율시장가설)

 

8.      1.  

          1    Random walk hypothesis(무작위 워크 가설)

 

9      Scientific technical analysis(과학적 기술적 분석)

 

10       Ticker-tape reading(티커 테이프 읽기)

티커(ticker)에서 (주식시세·뉴스가) 인지되는 종이 테이프

 

11   Quotation board(견적게시판)

 

12   Charting terms and indicators(차팅용어와 지표)

 

12.   1  Concepts(개념)

 

12   .2  Types of charts(차트의  종류)

 

12.   3  Overlays(겹치기)

 

12.   4   Breadth indicators(지표기의 넓이

 

12.   5   Price-based indicators(가격기반 지표)

 

12   .6    Volume-based indicators(거래량기반 지표)

 

12.   7   Trading with Mixing Indicators(혼합지표로 거래하는 것

 

13    See also(참조)

 

14     References(참고 자료)

 

15      Bibliography(관계서적 목록)

 

16      Further reading(추가판독)

 

17       External links(외부연결)

 

History[edit](역사)

 

The principles of technical analysis are derived from hundreds of years of financial market data.[9] Some aspects of technical analysis began to appear in Amsterdam-based merchant Joseph de la Vega's accounts of the Dutch financial markets in the 17th century.

기술 분석의 원칙은 수백년 동안의 금융 시장 데이터에서 도출된다.[9] 암스테르담에 본사를 둔 상인 Joseph de la Vega의 17세기 네덜란드 금융 시장에 대한 설명에 기술적 분석의 일부 측면이 나타나기 시작했습니다.

 

In Asia, technical analysis is said to be a method developed by Homma Munehisa during the early 18th century which evolved into the use of candlestick techniques, and is today a technical analysis charting tool.[10][11] In the 1920s and 1930s, Richard W. Schabacker published several books which continued the work of Charles Dow and William Peter Hamilton in their books Stock Market Theory and Practice and Technical Market Analysis.

아시아에서, 기술 분석은 18세기 초 Homma Munehisa에 의해 개발된 방법이라고 알려져 있는데, 이것은 촛대 기술의 사용으로 발전했고, 오늘날 기술 분석 차트화 도구이다.[10][11] 1920년대와 1930년대에 리처드 W. 섀배커는 몇 권의 책을 출판하였는데 그것은  주식 시장 이론과 관행과 기술 시장 분석이란 그의 저서에서 찰스 다우와 윌리엄 피터 해밀턴의 작품이 계속되었다

In 1948, Robert D. Edwards and John Magee published Technical Analysis of Stock Trends which is widely considered to be one of the seminal(독창력이 있는) works of the discipline(학문의 분야). It is exclusively concerned with trend analysis and chart patterns and remains in use to the present. Early technical analysis was almost exclusively the analysis of charts because the processing(처리하다) power of computers was not available for the modern degree of statistical analysis. Charles Dow reportedly originated a form of point and figure chart analysis. With the emergence of behavioral finance as a separate discipline in economics, Paul V. Azzopardi combined technical analysis with behavioral finance and coined the term

 

1948년 로버트 D. Edwards와 John Magee는 주식 동향의 기술 분석을 출판했는데 그것은  이 분야의 독창적인 작품의 하나로 널리 간주되어진다. 이는 추세 분석 및 차트 패턴에만 관심이 있으며 현재까지도 사용되고 있습니다. 초기의 기술 분석은 거의 전적으로 차트의 분석이었다. 왜냐하면 컴퓨터의 처리 능력은 현대의 통계 분석에 사용할 수 없었기 때문이다. 보도에 따르면 찰스 다우는 점 및 숫자 차트 분석의 형태를 창안했다고 한다.  행동 금융의 출현과 함께, 경제학의 별개의 학문으로서 Paul V. Aszopardi는 기술적 분석과 행동 금융을 결합하고 그 용어를 만들었다.

 

"Behavioral Technical Analysis".[12]
"행동 기술 분석".[12]

Dow theory is based on the collected writings of Dow Jones co-founder and editor Charles Dow, and inspired the use and development of modern technical analysis at the end of the 19th century. Other pioneers of analysis techniques include Ralph Nelson Elliott, William Delbert Gann and Richard Wyckoff who developed their respective techniques in the early 20th century. More technical tools and theories have been developed and enhanced in recent decades, with an increasing emphasis on computer-assisted techniques using specially designed computer software.

다우 이론은 다우존스 공동창립자이자 편집자인 찰스 다우(Charles Dow)의 수집된 저술에 기초하고 있으며, 19세기 말에 현대 기술 분석의 사용과 개발에 영감을 주었다. 다른 분석기슬의 개척자는  20세기 초에 각각의 기술을 개발한 랄프 넬슨 엘리엇, 윌리엄 델버트 간, 리처드 와이코프가를 포함한다. 보다 더  많은 기술도구와 이론이 최근 수십 년 동안 특별하게  설계된 컴퓨터 소프트웨어를 사용하는  컴퓨터 지원 기술에 대한 증가하는 강조와 함께 개발되고 향상되었다 

 

General description[edit]

일반설명[편집]

 

Fundamental analysts examine earnings(수익), dividends, assets, quality, ratio, new products, research and the like. Technicians employ many methods, tools and techniques as well,(더하여) one of which is the use of charts. Using charts, technical analysts seek to identify price patterns and market trends in financial markets and attempt to exploit those patterns.[13]

Technicians using charts search for archetypal(원형의) price chart patterns, such as the well-known head and shoulders[14] or double top/bottom reversal patterns, study technical indicators, moving averages and look for forms such as lines of support, resistance, channels and more obscure formations such as flags, pennants, balance(평균.) days and cup and handle patterns.[15]

기초 분석가들은 수익, 배당, 자산, 품질, 비율, 신제품, 연구 등을 조사한다. 기술자는 많은 방법, 도구 및 기술도 사용합니다. 더하여 그 중 하나는 차트를 사용하는 것입니다. 기술 분석가는 차트를 사용하여 금융 시장의 가격 패턴과 시장 동향을 파악하고 이러한 패턴을 활용하려고 합니다.[13]

차트를 사용하는 기술자는 잘 알려진 머리와 어깨[14] 또는 이중 상/하 반전 패턴과 같은 전형적인(원형적) 가격 차트 패턴, 기술 지표, 이동 평균 등을 검색하고  지지선, 저항선, 채널 및 깃발, 페넌트, 밸런스 데이, 컵 및 핸들 등과 같은 더 불명확한(모호한) 형태를 찾는다. 패턴[15]

Technical analysts also widely use market indicators of many sorts, some of which are mathematical transformations of price, often including up and down volume, advance/decline data and other inputs. These indicators are used to help assess whether an asset is trending, and if it is, the probability of its direction and of continuation. Technicians also look for relationships between price/volume indices and market indicators. Examples include the moving average, relative strength index and MACD. Other avenues of study include correlations between changes in Options (implied volatility) and put/call ratios with price. Also important are sentiment indicators such as Put/Call ratios, bull/bear ratios, short interest, Implied Volatility, etc.

기술 분석가는 또한 다양한 종류의 시장 지표를 널리 사용합니다. 그 중 일부는 수량 상승 및 하락, 데이터 상승 / 하락 및 기타 입력을 포함하는 가격의 수학적 변환입니다. 이러한 지표는 자산이 추세인지 여부를 평가하는 데 사용되며 자산이 추세 인 경우 방향 및 지속 가능성을 평가하는 데 사용됩니다. 기술자는 또한 가격 / 거래량 지수와 시장 지표 간의 관계를 찾습니다. 예를 들면 이동 평균, 상대 강도 지수 및 MACD가 있습니다. 연구의 다른 방법으로는 옵션의 변화 (내재 변동성)와 풋 / 콜 비율과 가격 간의 상관 관계가 있습니다. 풋 / 콜 비율, 강세 / 베어 비율, 단기이자, 내재 변동성 등과 같은 감정 지표도 중요합니다.

There are many techniques in technical analysis. Adherents(옹호자) of different techniques (for example: Candlestick analysis, the oldest form of technical analysis developed by a Japanese grain trader; Harmonics; Dow theory; and Elliott wave theory) may ignore the other approaches, yet many traders combine elements from more than one technique. Some technical analysts use subjective judgment to decide which pattern(s) a particular instrument reflects at a given time and what the interpretation of that pattern should be. Others employ a strictly mechanical or systematic approach to pattern identification and interpretation.

기술적 분석에는 많은 기술이 있습니다. 다른 기술 (예 : 캔들 스틱 분석, 일본 곡물 거래자가 개발 한 가장 오래된 기술 분석 형식, 고조파, 다우 이론, 엘리엇 파동 이론)을 고수하는 사람들은 다른 접근 방식을 무시할 수 있지만 많은 거래자들은 둘 이상의 기술에서 얻은 요소를 결합합니다. . 일부 기술 분석가는 주관적인 판단을 사용하여 특정 도구가 주어진 시간에 반영하는 패턴과 해당 패턴의 해석이 무엇인지 결정합니다. 다른 사람들은 패턴 식별 및 해석에 엄격한 기계적 또는 체계적인 접근 방식을 사용합니다.

Contrasting with technical analysis is fundamental analysis, the study of economic factors that influence the way investors price financial markets. Technical analysis holds(유지하다)) that prices already reflect all the underlying fundamental factors. Uncovering(파악하다) the trends is what technical indicators are designed to do, although neither technical nor fundamental indicators are perfect. Some traders use technical or fundamental analysis exclusively, while others use both types to make trading decisions.[16]

기술적 분석과 대조되는 것은 근본적인 분석이며, 투자자들이 금융 시장에 가격을 매기는 방식에 영향을 미치는 경제적 요인에 대한 연구이다. 기술적 분석에 따르면 가격은 이미 모든 근본적인 요인을 반영하고 있다. 기술적 지표나 근본적인 지표가 완벽하지는 않지만, 추세를 파악하는 것이 기술 지표가 무엇을 하도록 설계된 것인가 하는 것이다. 일부 거래자는 기술적 또는 근본적 분석을 독점적으로 사용하는 반면, 다른 거래자는 거래 결정을 위해 두 가지 유형을 모두 사용합니다.[16]

 

Characteristics[edit](특성)

 

Technical analysis employs models and trading rules based on price and volume transformations, such as the relative strength index, moving averages, regressions,(회귀. 후퇴) inter-market and intra-market price correlations, business cycles, stock market cycles or, classically, through recognition of chart patterns.

기술 분석은 상대 강도 지수, 이동 평균, 회귀, 시장 간 및 시장 내 가격 상관 관계, 비즈니스주기, 주식 시장주기 또는 고전적으로 차트 인식과 같은 가격 및 거래량 변환을 기반으로하는 모델 및 거래 규칙을 사용합니다

Technical analysis stands in contrast to the fundamental analysis approach to security and stock analysis. In the fundamental equation M = P/E technical analysis is the examination of M (multiple). Multiple encompasses(에워싸다) the psychology generally abounding, i.e. the extent of willingness to buy/sell. Also in M is the ability to pay as, for instance, a spent-out bull can't make the market go higher and a well-heeled(잘 뒤따른  bear won't. Technical analysis analyzes price, volume, psychology, money flow and other market information, whereas fundamental analysis looks at the facts of the company, market, currency or commodity. Most large brokerages, trading groups, or financial institutions will typically have both a technical analysis and fundamental analysis team.

기술적 분석은 증권 및 주식 분석에로 기본 분석 접근 방식과 대조의 입장에 있습니다. 기본 방정식에서 M = P / E 기술적 분석은 M (배수)의 검토입니다. 배수는 일반적으로 풍부한 심리학, 즉 구매 / 판매 의지의 정도를 포함합니다. 예를 들어, 소비된 상승세는 시장을 더 높게 만들 수 없고, 잘 뒤따른 약세는 그렇지 않기 때문에 M에는 지불할 수 있는 능력이 있습니다. 기술적 분석은 가격, 거래량, 심리학, 자금 흐름 및 기타 시장 정보를 분석하는 반면, 기본 분석은 회사, 시장, 통화 또는 상품의 사실을 살펴 봅니다. 대부분의 대형 중개, 거래 그룹 또는 금융 기관은 일반적으로 기술 분석 및 기본 분석 팀을 모두 보유합니다.

In the 1960s and 1970s it was widely dismissed(무시하다 각하하다) by academics. In a recent review, Irwin and Park[6] reported that 56 of 95 modern studies found that it produces positive results but noted that many of the positive results were rendered (표현하다)dubious(의심스러운) by issues such as data snooping(미행하다), so that the evidence in support of technical analysis was inconclusive(결론이 나지 않은); it is still considered by many academics to be pseudoscience.(유사과학)[17] Academics such as Eugene Fama say the evidence for technical analysis is sparse(빈약한 드문드문한) and is inconsistent(일관적이지 못한) with the weak form of the efficient-market hypothesis.[18][19] Users hold that even if technical analysis cannot predict the future, it helps to identify trends, tendencies, and trading opportunities.[20]

1960 년대와 1970 년대에는 학계에 의해 널리 무시되었습니다. 최근 검토에서 Irwin과 Park [6]는 95 개의 현대 연구 중 56 개가 긍정적 인 결과를 낳았다 고보고했지만 긍정적 인 결과의 대부분이 데이터 스누핑과 같은 문제로 인해 모호하게 만들어 졌기 때문에이를 뒷받침하는 증거가 기술적 분석은 결정적이지 않았습니다. 여전히 많은 학자들이이를 사이비 과학으로 간주하고 있습니다. [17] 유진 파마와 같은 학자들은 기술적 분석의 증거가 희박하고 효율적인 시장가설의 약한 형태와 일치하지 않는다고 말한다. [18] [19] 사용자는 기술적 분석이 미래를 예측할 수 없더라도 추세, 경향 및 거래 기회를 식별하는 데 도움이 된다는 견해를 유지합니다. [20]

While some isolated studies have indicated that technical trading rules might lead to consistent returns in the period prior to 1987,[21][7][22][23] most academic work has focused on the nature of the anomalous position of the foreign exchange market.[24] It is speculated that this anomaly is due to central bank intervention, which obviously technical analysis is not designed to predict.[25]

몇몇 단독적인  연구들은 기술 거래 규칙이 1987년 이전 기간 동안 일관된 수익률로 이어질 수 있다고 지적한 반면, 대부분의 학술 연구는 외환 시장의 변칙적 지위의 성격에 초점을 맞추고 있다.[24] 이러한 변칙은 중앙은행의 개입에 기인하는 것으로 추측되며, 이는 명백히 기술 분석이 예측하기 위한 것으로 설계된 것은 아니다.[25]

 

Data dredging:(데이터 준설) data snooping

 

From Wikipedia, the free encyclopedia

무료 백과사전인 위키피디아에서

(Redirected from Data snooping)

 (데이터 스누핑에서 리디렉션됨)

 

Jump to navigationJump to search

탐색하기 위하여  이동검색으로 이동

이 글은 검증을 위해 추가 인용이 필요하다. 신뢰할 수 있는 출처에 인용문을 추가하여 이 기사를 개선하는 데 도움을 주십시오. 출처가 불분명한 재료는 도전하여 제거할 수 있다. 출처 찾기: "데이터 준설" – 뉴스 · 신문 · 책 · 학자 · JSTOR (2016년 10월) (이 템플릿 메시지를 제거하는 방법과 시기)

This article needs additional citations for verification. Please help improve this article by adding citations to reliable sources. Unsourced material may be challenged and removed. Find sources: "Data dredging" – news · newspapers · books · scholar · JSTOR (October 2016) (Learn how and when to remove this template message)

 

An example of a result produced by data dredging, showing a correlation between the number of letters in Scripps National Spelling Bee's winning word and the number of people in the United States killed by venomous spiders.

Scripps National Spelling Bee(국가 대본 철자경기)의 우승 단어에 포함된 글자 수와 독거미에 의해 살해 된 미국 사람들의 수 사이의 상관 관계를 보여주는 데이터 준설로 생성 된 결과의 예입니다.

Data dredging (also data fishing, data snooping, data butchery, and p-hacking) is the misuse of data analysis to find patterns in data that can be presented as statistically significant, thus dramatically increasing and understating the risk of false positives. This is done by performing many statistical tests on the data and only reporting those that come back with significant results.[1]

데이터 준설 (데이터 낚시, 데이터 스누핑, 데이터 도살 및 p-hacking)은  극적으로 가짜의 포지티브의 위험을 증가시키거나 낮게 말하는  통계적으로 의미를 나타낼 수 있는 데이터에서 패턴을 발견하기 위하여 데이터 분석의 오용이다. 이는 데이터에 대한 많은 통계 테스트를 수행하고 유의미한  결과를 얻은 결과로 돌아 오는 것만을 보고하거나 데이터에 관한 많은 통계적인  검사에 의하여 이루어집니다 . [1]

The process of data dredging involves testing multiple hypotheses using a single data set by exhaustively searching—perhaps for combinations of variables that might show a correlation, and perhaps for groups of cases or observations that show differences in their mean or in their breakdown (분석.분해)by some other variable.

데이터 준설 과정에는 상관 관계를 보여주는 변수의 결합과 다른 변수에 의한 분석과 평균에서 차이를 보여주는 관찰 혹은 경우의 구룹을 위하여 철저히 검증함으로서  설정된 단일 데이터를 사용하는 여러 가설을 테스팅하는 것을 포함한다   

Conventional tests of statistical significance are based on the probability that a particular result would arise if chance(우연) alone were at work, and necessarily accept some risk of mistaken conclusions of a certain type (mistaken rejections of the null(무효)) hypothesis). This level of risk is called the significance.(의미, 중요성) When large numbers of tests are performed, some produce false results of this type; hence 5% of randomly chosen hypotheses might be (erroneously;틀리게) reported to be statistically significant at the 5% significance level, 1% might be (erroneously) reported to be statistically significant at the 1% significance level, and so on, by chance(우연) alone. When enough hypotheses are tested, it is virtually certain that some will be reported to be statistically significant (even though this is misleading), since almost every data set with any degree of randomness is likely to contain (for example) some spurious(그럴사한) correlations. If they are not cautious, researchers using data mining(채취하는) techniques can be easily misled by these results.

통계적 유의성에 대한 기존의 테스트는 우연이 작동하는 경우에민  특정 결과가 발생할 확률을 기반으로 하며 특정 유형의 잘못된 결론 (무효가설에 대한 잘못된 거부)의 위험을 반드시 받아들입니다. 이 위험 수준을 통계적으로 중요성으로 불립니다  많은 수의 가설이  테스트되어지면 일부는 이러한 유형의 잘못된 결과를 생성합니다. 따라서 무작위로 선택한 가설의 5 %는 5 % 의미수준에서 통계적으로 유의한 것으로 (잘못)보고 될 수 있고, 1 %는 1 % 유의 수준에서 통계적으로 유의한 것으로 (잘못)보고 될 수 있습니다. 우연에 의한 것만으로 기타 등등.  충분한 가설을 테스트하면 임의의 정도를 가진 거의 모든 데이터 세트에 일부 그럴듯한 상관 관계가 포함될 가능성이 있기 때문에 (오해의 소지가 있더라도) 일부가 통계적으로 유의한 것으로 보고되는 것이 사실상 확실합니다. 주의하지 않으면 데이터 마이닝 기술을 사용하는 연구자들이 이러한 결과로 쉽게 오도될 수 있습니다.

Data dredging is an example of disregarding the multiple comparisons problem. One form is when subgroups(하위구룹) are compared without alerting the reader to the total number of subgroup comparisons examined.[2]

데이터 준설은 여러 비교 문제를 무시하는 예입니다. 한 가지 형태는 독자에게 조사 된 하위 그룹 비교의 총 수를 알리지 않고 하위그룹을 비교할 때 존재하는 것입니다.[2]

 

Principles[edit]원리

 

Stock chart showing levels of support (4,5,6, 7, and 8) and resistance (1, 2, and 3); levels of resistance tend to become levels of support and vice versa.[citation needed]

A core principle of technical analysis is that a market's price reflects all relevant information impacting that market. A technical analyst therefore looks at the history of a security or commodity's trading pattern rather than external drivers such as economic, fundamental and news events. It is believed that price action tends to repeat itself due to the collective, patterned behavior of investors. Hence technical analysis focuses on identifiable price trends and conditions.[26][27]

지지 수준 (4,5,6, 7, 8)과 저항 (1, 2, 3)을 보여주는 주식 차트. 저항의 수준은지지 수준이되는 경향이 있으며 그 반대의 경우도 마찬가지입니다.[필요한 인용] 
기술적 분석의 핵심 원칙은 시장 가격이 해당 시장에 영향을 미치는 모든 관련 정보를 반영한다는 것입니다.기술 분석가는 경제, 펀더멘털 및 뉴스 이벤트와 같은 외부동인 보다는 증권 또는 상품 거래 패턴의 과거 역사를 살펴 봅니다. 가격 행동은 투자자들의 집단적이고 패턴화된 행동으로 인해 반복되는 경향이 있다고 믿어집니다. 따라서 기술적 분석은 식별 가능한 가격 추세 및 조건에 초점을 맞춥니다. [26] [27]

 

Market action discounts everything[edit]

시장조치는 모든 것을 할인한다.

 

Based on the premise (의 전제하에)that all relevant information is already reflected by prices, technical analysts believe it is important to understand what investors think of that information, known and perceived.

모든 관련 정보가 이미 가격에 반영되어 있다는 전제하에, 기술 분석가들은 알려지고  인식된 정보에 대한 투자자들의 생각을 이해하는 것이 중요하다고 믿는다.

 

Prices move in trends[edit]

가격은 추세에서 움직인다 

See also: Market trend(시장추세 참조)

 

Technical analysts believe that prices trend directionally, i.e., up, down, or sideways (flat) or some combination. The basic definition of a price trend was originally put forward (제시하다)by Dow theory.[13]

기술 분석가들은 가격이 상승, 하강, 측면(평탄) 또는 일부 조합과 같은 방향으로 기울인다고 믿고 있습니다. 가격 추세의 기본 정의는 원래 다우 이론에 의해 제시되었다.[13]

An example of a security that had an apparent trend is AOL from November 2001 through August 2002. A technical analyst or trend follower recognizing this trend would look for opportunities to sell this security. AOL consistently moves downward in price. Each time the stock rose, sellers would enter the market and sell the stock; hence the "zig-zag" movement in the price. The series of "lower highs" and "lower lows" is a tell tale sign of a stock in a down trend.[28] In other words, each time the stock moved lower, it fell below its previous relative low price. Each time the stock moved higher, it could not reach the level of its previous relative high price.

명백한 추세를 보이는 주식의  예는 2001년 11월부터 2002년 8월까지 AOL:american online 온라인 회사)이다. 이러한 추세를 인식하는 기술 분석가 또는 추세 추종자는 이러한 주식 판매 기회를 모색할 것입니다. AOL은 가격에서 지속적으로 하락하고 있다. 주가가 상승할 때마다 매도자들이 시장에 진입해 주식을 팔았고, 따라서 "지그재그" 움직임도 벌어졌다. "낮은 최고"와 "낮은 최저"의 연속은 하락 추세에 있는 주식의 전형적인 징후이다.[28] 즉, 주가가 하락할 때마다 이전의 상대적인 낮은 가격 아래로 떨어졌다. 주가가 상승할 때마다 이전의 상대적인 고가의 수준에 도달할 수 없었다.

Note that the sequence of lower lows and lower highs did not begin until August. Then AOL makes a low price that does not pierce(뚫다) the relative low set earlier in the month. Later in the same month, the stock makes a relative high equal to the most recent relative high. In this a technician sees strong indications that the down trend is at least pausing and possibly ending, and would likely stop actively selling the stock at that point.

 

낮은 최저와  낮은 고의 순서는 8월이 되어서야 시작되었다. 그런 다음 AOL은 월초에 상대적인 저가를 뚫지 않는 저가를 만든다. 같은 달 말에, 그 주식은 최근의 상대적 고점과 같은 상대적인 고점을 만든다. 이 부분에서 기술자는 하락 추세가 최소한 일시 중지되고 끝날 가능성이 있다는 강한 징후를 보이고 있으며, 그 시점에서는 주식의 적극적인 매도를 중단할 가능성이 높다고 보고 있습니다.

 

History tends to repeat itself[edit]
역사는 되풀이되는 경향이 있다

 

Technical analysts believe that investors collectively repeat the behavior of the investors that preceded(앞서다) them. To a technician, the emotions in the market may be irrational, but they exist. Because investor behavior repeats itself so often, technicians believe that recognizable (and predictable) price patterns will develop on a chart.[13] Recognition of these patterns can allow the technician to select trades that have a higher probability of success.[29]

기술 분석가들은 투자가들이 집단적으로 그들 이전의 투자자들의 행동을 반복한다고 믿는다. 기술자에게 시장의 감정은 비이성적일 수 있지만 존재합니다. 투자자의 행동이 너무 자주 반복되기 때문에 기술자들은 인지할 수 있고 예측 가능한 가격 패턴이 차트에서 개발될 것으로 믿고 있습니다.[13] 이러한 패턴을 인식함으로써 정비사는 성공 확률이 높은 거래를 선택할 수 있습니다.[29]

Technical analysis is not limited to charting, but it always considers price trends.[1] For example, many technicians monitor surveys of investor sentiment. These surveys gauge the attitude of market participants, specifically whether they are bearish or bullish. Technicians use these surveys to help determine whether a trend will continue or if a reversal could develop; they are most likely to anticipate a change when the surveys report extreme investor sentiment.[30] Surveys that show overwhelming bullishness, for example, are evidence that an uptrend may reverse; the premise being that if most investors are bullish they have already bought the market (anticipating higher prices). And because most investors are bullish and invested, one assumes that few buyers remain. This leaves more potential sellers than buyers, despite the bullish sentiment. This suggests that prices will trend down(아래로 기울여진다), and is an example of contrarian(역행하는 거래) trading.[31]

기술 분석은 차트 작성에만 국한되지 않지만 항상 가격 추세를 고려합니다.[1] 예를 들어, 많은 기술자가 투자 심리에 대한 설문 조사를 모니터합니다. 이러한 조사는 시장 참여자들의 태도, 특히 그들이 약세인지 강세인지 여부를 측정한다. 기술자들은 이러한 설문조사를 사용하여 추세가 지속될지 또는 역전 현상이 발생할 수 있는지 판단하는 데 도움을 준다. 그들은 조사가 극단적인 투자 심리를 보고할 때 변화를 예상할 가능성이 가장 높다.[30] 예를 들어, 압도적인 강세 흐름을 보이는 조사들은 상승세가 반전될 수 있다는 증거이다; 대부분의 투자가들이 강세일 경우 그들은 이미 시장을 매수했다는 전제이다 (더 높은 가격을 예상한다). 그리고 대부분의 투자자들은 강세적이고 투자하기 때문에, 소수의 구매자들이 남아있다고 가정한다. 이것은 강한 정서에도 불구하고 구매자들보다 더 많은 잠재적 판매자들을 남겨둔다. 이것은 물가가 하락할 것이라는 것을 암시하고, 역차별적인 거래의 한 예이다.[31]

 

Industry[edit]산업

 

The industry is globally represented by the International Federation of Technical Analysts (IFTA), which is a federation of regional and national organizations. In the United States, the industry is represented by both the CMT Association and the American Association of Professional Technical Analysts (AAPTA). The United States is also represented by the Technical Security Analysts Association of San Francisco (TSAASF). In the United Kingdom, the industry is represented by the Society of Technical Analysts (STA). The STA was a founding member of IFTA, has recently celebrated its 50th Anniversary and certifies (인정하다)analysts with the Diploma in Technical Analysis. In Canada the industry is represented by the Canadian Society of Technical Analysts.[32] In Australia, the industry is represented by the Australian Technical Analysts Association (ATAA),[33] (which is affiliated to IFTA) and the Australian Professional Technical Analysts (APTA) Inc.[34]

이 산업은 국제 기술 분석 연합(IFTA)에 의해 전 세계적으로 대표되며, 이 연합은 지역 및 국가 기관의 연합이다. 미국에서 산업은 CMT 협회와 미국 전문 기술 분석가 협회(AAPTA)로 대표됩니다. 미국은 또한 샌프란시스코 기술 보안 분석가 협회(TSAASF)에 의해 대표됩니다. 영국에서 산업은 기술 분석 협회(STA)로 대표된다. STA는 IFTA 창립 50주년을 맞이하여 기술 분석 학위로 분석가를 인정했습니다 . 캐나다에서 그 산업은 캐나다 기술 분석 협회에 의해 대표된다.[32] 오스트레일리아에서, 그 산업은 ATA(Australian Technical Analytics Association) (ATAA), [33] (IFTA 산하) 및 Australian Professional Technical Analytics (APTA) Inc.[34]로 대표됩니다.

 

Professional technical analysis societies have worked on creating a body of knowledge that describes the field of Technical Analysis. A body of knowledge is central to the field as a way of defining how and why technical analysis may work. It can then be used by academia, as well as regulatory bodies, in developing proper research and standards for the field. The CMT Association has published a body of knowledge, which is the structure for the Chartered Market Technician (CMT) exam.[35]

 

전문적인 기술 분석 협회는 기술 분석 분야를 설명하는 지식의 조직체를 만드는 작업을 해왔습니다. 기술적 분석이 어떻게 그리고 왜 작용하는지를 정의하는 한 방법으로서 지식의 조직체은 그 분야의 중심이다. 그런 다음, 해당 분야의 적절한 연구와 표준을 개발하는 데  규제 기관뿐만 아니라 학계에서 사용되어질 수 있습니다. CMT 협회는 CMT(Chartered Market Technician) 시험을 위한 구조인 지식 본부를 발행했습니다.[35]

 

Software[edit](소프트웨어)

 

Technical analysis software automates the charting, analysis and reporting functions that support technical analysts in their review and prediction of financial markets (e.g. the stock market).[citation needed]. In addition to installable desktop-based software packages in the traditional sense, the industry has seen an emergence of cloud-based application programming interfaces (APIs) that deliver technical indicators (e.g., MACD, Bollinger Bands) via RESTful HTTP or intranet protocols.

기술 분석 소프트웨어는 금융 시장 (예 : 주식 시장)에 대한 검토 및 예측에서 기술 분석가를 지원하는 차트 작성, 분석 및 보고 기능을 자동화합니다. [인용 필요]. 전통적인 의미의 설치 가능한 데스크톱 기반 소프트웨어 패키지 외에도 업계에서는 RESTful HTTP 또는 인트라넷 프로토콜을 통해 기술 지표 (예 : MACD, Bollinger Bands)를 제공하는 클라우드 기반 API (응용 프로그래밍 인터페이스)가 등장했습니다.

 

Systematic trading[edit](시스탬적인 거래)

Main article: Systematic trading(주된기사:스시탬적 거래를 하는 것)

 

Neural networks[edit](신경망)

 

Since the early 1990s when the first practically usable types emerged, artificial neural networks (ANNs) have rapidly grown in popularity. They are artificial intelligence adaptive software systems that have been inspired by how biological neural networks work. They are used because they can learn to detect complex patterns in data. In mathematical terms, they are universal function approximators,[36][37] meaning that given the right data and configured(구성된) correctly, they can capture and model any input-output relationships.

실제로 사용할 수 있는 최초의 유형이 등장한 1990년대 초부터 인공신경망(ANN)은 빠르게 인기를 끌었다. 그것들은 생물학적 신경망이 어떻게 작용하는지에 의해 영감을 받은 인공지능 적응 소프트웨어 시스템이다. 데이터의 복잡한 패턴을 탐지하는 방법을 배울 수 있기 때문에 사용됩니다. 수학적 용어로, 이들은 범용 함수 근사치이며, [36][37]는 올바른 데이터를 제공하고 올바르게 구성된 경우 입력-출력 관계를 캡처하고 모델링할 수 있음을 의미합니다.

 

This not only removes the need for human interpretation of charts or the series of rules for generating entry/exit signals, but also provides a bridge to fundamental analysis, as the variables used in fundamental analysis can be used as input.

이것은 진입/출구 신호를 생성하기 위한 일련의 규칙이나 차트에 대한 인간 해석의 필요성을 제거할 뿐만 아니라, 기본 분석에 사용된 변수를 입력으로 사용할 수 있기 때문에 근본적인 분석에 대한 브리지를 제공한다.

As ANNs are essentially non-linear statistical models, their accuracy and prediction capabilities can be both mathematically and empirically tested. In various studies, authors have claimed that neural networks used for generating trading signals given various technical and fundamental inputs have significantly outperformed buy-hold strategies as well as traditional linear technical analysis methods when combined with rule-based expert systems.[38][39][40]

ANN은 본질적으로 비선형 통계 모델이기 때문에 정확성과 예측 능력은 수학적으로나 경험적으로 모두 시험될 수 있다. 여러 연구에서 저자들은 다양한 기술적 및 기본적 입력이 주어질 때 거래 신호를 생성하는 데 사용되는 신경망이 규칙 기반 전문가 시스템과 결합할 때 기존의 선형 기술 분석 방법뿐만 아니라 매입 보유 전략을 크게 능가했다고 주장했다.[38][39][40]

While the advanced mathematical nature of such adaptive systems has kept neural networks for financial analysis mostly within academic research circles, in recent years more user friendly neural network software has made the technology more accessible to traders.[citation needed]

이러한 적응형 시스템의 고급 수학적 특성은 주로 학술 연구 서클 내에서 재무분석을 위한 신경망을 유지해 왔지만, 최근에는 사용자 친화적인 신경망 소프트웨어가 거래자들에게 이 기술이 더 쉽게 접근할 수 있도록했습니다. [인용 필요]

 

Backtesting[edit])(백테스팅)

 

Systematic trading is most often employed after testing an investment strategy on historic data. This is known as backtesting. Backtesting is most often performed for technical indicators, but can be applied to most investment strategies (e.g. fundamental analysis). While traditional backtesting was done by hand, this was usually only performed on human-selected stocks, and was thus prone to (기울어지다)prior knowledge in stock selection. With the advent of computers, backtesting can be performed on(관하여) entire exchanges(대신에) over(대한) decades of historic data in very short amounts of time.

The use of computers does have its drawbacks(단점), being limited to algorithms that a computer can perform. Several trading strategies rely on human interpretation,[41] and are unsuitable for computer processing.[42] Only technical indicators which are entirely algorithmic can be programmed for computerized automated backtesting.

체계적인 거래는 과거 데이터에 대한 투자 전략을 테스트 한 후에 가장 자주 사용됩니다. 이를 백 테스팅이라고합니다. 백 테스팅은 기술 지표에 대해 가장 자주 수행되지만 대부분의 투자 전략에 적용 할 수 있습니다 (예 : 기본 분석). 전통적인 백 테스팅은 수작업으로 수행되었지만 일반적으로 사람이 선택한 주식에 대해서만 수행되었으므로 주식 선택에 대한 사전 지식이 많았습니다. 컴퓨터의 출현으로 매우 짧은 시간 내에 수십 년의 기록 데이터에 대한 전체 교환에 대해 백 테스트를 수행 할 수 있습니다.

컴퓨터의 사용에는 컴퓨터가 수행 할 수 있는 알고리즘으로 제한되는 단점이 있습니다. 몇몇 거래 전략은 인간의 해석에 의존하고 [41] 컴퓨터 처리에는 적합하지 않습니다. [42] 전적으로 알고리즘적인 기술 지표만 컴퓨터 자동화된 백 테스팅을 위해 프로그래밍 할 수 있습니다.

 

Combination with other market forecast methods[edit]시장의 다른 예측방법과 결합

 

John Murphy states that the principal sources of information available to technicians are price, volume and open interest.[13] Other data, such as indicators and sentiment analysis, are considered secondary.

John Murphy는 기술자들이 이용할 수 있는 정보의 주요 원천은 가격, 볼륨, 그리고 공개 이자라고 말한다.[13] 지표 및 정서분석과 같은 기타 데이터는 이차 데이터로 간주된다.

However, many technical analysts reach outside pure technical analysis, combining other market forecast methods with their technical work. One advocate for this approach is John Bollinger, who coined the term rational analysis in the middle 1980s for the intersection of technical analysis and fundamental analysis.[43] Another such approach, fusion(융합) analysis, overlays fundamental analysis with technical, in an attempt to improve portfolio manager performance.

그러나 많은 기술 분석가는 다른 시장 예측 방법과 기술 작업을 결합하여 순수 기술 분석의 범위를 벗어난다. 이 접근법의 한 옹호자는 기술 분석과 근본 분석의 교차점을 위해 1980년대 중반에 합리적 분석이라는 용어를 만든 존 볼링거이다.[43] 이와 같은 또 다른 접근 방식인 융합 분석은 포트폴리오 관리자 성과를 개선하기 위한 시도로 기초 분석을 기술과 겹칩니다.

Technical analysis is also often combined with quantitative analysis and economics. For example, neural networks may be used to help identify intermarket(시장간의 관계) relationships.[44]

Investor and newsletter polls, and magazine cover sentiment indicators, are also used by technical analysts.[45]

기술적 분석은 또한 종종 정량적 분석 및 경제학과 결합된다. 예를 들어, 신경 네트워크는 시장간 관계를 식별하는 데 도움을 주기 위하여 사용될 수 있다.[44]

투자자와 뉴스레터 여론 조사, 잡지 표지 감정 지표도 기술 분석가들에 의해 사용된다.[45]

 

Empirical evidence[edit](실험적 증명)

 

Whether technical analysis actually works is a matter of controversy. Methods vary greatly, and different technical analysts can sometimes make contradictory(모순하는) predictions from the same data. Many investors claim that they experience positive returns, but academic appraisals often find that it has little predictive power.[46] Of 95 modern studies, 56 concluded that technical analysis had positive results, although data-snooping bias and other problems make the analysis difficult.[6] Nonlinear prediction using neural networks occasionally produces statistically significant prediction results.[47] A Federal Reserve working paper(실무보고서)[7] regarding support and resistance levels in short-term foreign exchange rates "offers strong evidence that the levels help to predict intraday trend(장중 추세중단) interruptions(중단)", although the "predictive power" of those levels was "found to vary across (에 따라서)the exchange rates and firms examined".

.기술적 분석이 실제로 작동하는지 여부는 논란의 여지가 있습니다. 방법은 매우 다양하며 다른 기술 분석가는 때때로 동일한 데이터에서 모순된 예측을 할 수 있습니다. 많은 투자자들이 긍정적 인 수익을 경험한다고 주장하지만 학계 평가에서는 종종 예측력이 거의 없다는 사실을 발견합니다. [46] 95 개의 현대 연구 중 56 개는 데이터 스누핑 편향 및 기타 문제로 인해 분석이 어렵지만 기술적 분석이 긍정적인 결과를 가져 왔다고 결론지었습니다. [6] 신경망을 사용한 비선형 예측은 때때로 통계적으로 유의미한 예측 결과를 생성합니다. [47] 단기 환율의 지원 및 저항 수준에 관한 연방 준비 은행의 연구 보고서 [7]는 이러한 수준의 "예측력"이 검사된 환율과 기업에 따라서 "다양한 것으로 판명 되었음에도 불구하고 수준이 장중 추세 중단을 예측하는 데 도움이 된다는 강력한 증거를 제공합니다"

Technical trading strategies were found to be effective in the Chinese marketplace by a recent study that states, "Finally, we find significant positive returns on buy trades generated by the contrarian version of the moving-average crossover rule, the channel breakout rule, and the Bollinger band trading rule, after accounting for 에 대하여 고려하다) transaction costs of 0.50 percent."[48]

0.5퍼센트의 거래비용을 고려한 후 기술거래 전략은  "최종적으로 , 이동평균 크로스 오버 규칙, 채널 브레이크 아웃 규칙 , 볼린저 밴드 거래 규칙의 반대 버전에 의하여 생성된 거래 구매거래에 관하여 의미있는 양수적인 수익이 나타났다는 것을 주장하는 최근의 연구에 의하여 중국 시장에서 효과적이었음이 나타난 것이다 " [48]

An influential 1992 study by Brock et al. which appeared to find support for technical trading rules was tested for data snooping and other problems in 1999;[49] the sample covered by Brock et al. was robust to data snooping.

  기술 거래 규칙에 대한 지원을 찾는 것처럼 보였던  Brock et al.의 영향력 있는 1992년 연구는 1999년 데이터 스누핑 및 기타 문제에 대해 테스트되었습니다. [49] Brock et al. 에 의한 셈풀은 데이터 스누핑에 강했습니다.

스누핑(snoop) : '염탐하다'라는 뜻으로 네트워크상에 떠도는 중요한 정보들을 염탐하고 훔치는 행위. 스니핑이랑 유사

Subsequently, a comprehensive study of the question by Amsterdam economist Gerwin Griffioen concludes that: "for the U.S., Japanese and most Western European stock market indices the recursive out-of-sample forecasting procedure does not show to be profitable, after implementing little transaction costs. Moreover, for sufficiently high transaction costs it is found, by estimating CAPMs, that technical trading shows no statistically significant risk-corrected out-of-sample forecasting power for almost all of the stock market indices."[19] Transaction costs are particularly applicable to "momentum strategies"; a comprehensive 1996 review of the data and studies concluded that even small transaction costs would lead to an inability to capture any excess from such strategies.[50]

이어서  암스테르담 경제학자 게르윈 그리피오엔(Gerwin Griffioen)의 질문에 대한 종합적인 연구는 "미국, 일본 및 대부분의 서유럽 주식 시장 지수의 경우 반복적인 표준이 결여된 예측 절차가 거래 비용을 이행하지 않으면  수익성이 있는 것으로 나타나지 않습니다.(여기서 해석의 차이는 수익성이 없는 것으로 나타나지 않는다는 것이 맞을 듯 하여 does not를 지워야 하지 않을까 생각해 봅니다) 또한, 충분히 높은 거래 비용의 경우, CAPM을 추정하여 기술 거래는 거의 모든 주식 시장 지수에 대해  표준 예측 전력으로 부터 수정된 통계적으로 유의미한 위험을 보여주지 않습니다." [19] 거래 비용은 특히 "모멘텀 전략"에 적용됩니다. 데이터와 연구의 포괄적 인 1996 검토는 심지어 작은 거래 비용도 이러한 전략에서 초과를 캡처 할 수없는 이어질 것이라고 결론을 내렸다. [50]

In a paper published in the Journal of Finance, Dr. Andrew W. Lo, director MIT Laboratory for Financial Engineering, working with Harry Mamaysky and Jiang Wang found that:

 

Journal of Financial Engineering을 위한 MIT 연구소 소장인 Andrew W. Lo 박사는 Harry Mamaysky 및 Jiang Wang과 함께 다음과 같은 사실을 발견했습니다.

 

Technical analysis, also known as "charting", has been a part of financial practice for many decades, but this discipline has not received the same level of academic scrutiny(정밀성) and acceptance as more traditional approaches such as fundamental analysis. One of the main obstacles is the highly subjective nature of technical analysis – the presence of geometric shapes in historical price charts is often in the eyes of the beholder.(구경꾼) In this paper, we propose a systematic and automatic approach to technical pattern recognition using nonparametric kernel regression,(회귀) and apply this method to a large number of U.S. stocks from 1962 to 1996 to evaluate the effectiveness of technical analysis. By comparing the unconditional empirical distribution of daily stock returns to the conditional distribution – conditioned on specific technical indicators such as head-and-shoulders or double-bottoms – we find that over the 31-year sample period, several technical indicators do provide incremental information and may have some practical value.[8]

차트 작성"이라고도 하는 기술 분석은 수십 년 동안 재무 관행의 일부였지만, 이 부문은 근본적인 분석과 같은 보다 전통적인 접근법과 같은 수준의 학문적 정밀도 및 수용을 받지 못했다. 주요 장애물 중 하나는 기술 분석의 매우 주관적인 특성입니다. 즉, 과거 가격표에 기하학적 형태가 존재하는 것이 종종 보는 이의 눈에 띄기 때문입니다. 본 논문에서, 우리는 비모수 커널 회귀를 이용한 기술 패턴 인식에 대한 체계적이고 자동적인 접근법을 제안하고, 이 방법을 기술 분석의 효과를 평가하기 위해 1962년부터 1996년까지 다수의 미국 주식에 적용한다. 일별 주식 수익의 무조건적인 경험적 분포를 헤드-어깨나 더블-바지와 같은 특정 기술 지표를 조건으로 조건부 분배와 비교함으로써, 우리는 31년의 샘플 기간 동안 여러 기술 지표가 증분 정보를 제공하고 어느 정도의 실질적인 가치를 가질 수 있다는 것을 알게 되었다.[8]

In that same paper Dr. Lo wrote that "several academic studies suggest that ... technical analysis may well be an effective means for extracting(추출하는) useful information from market prices."[8] Some techniques such as Drummond Geometry attempt to overcome the past data bias by projecting support and resistance levels from differing time frames into the near-term future and combining that with reversion (복귀)to the mean techniques.[51]

같은 논문에서 로 박사는 다음과 같이 썼다. "몇 가지 학문적 연구들은 ...을 시사한다. 기술 분석은 시장 가격에서 유용한 정보를 추출하기 위한 효과적인 수단이 될 수 있다."[8] Drummond Geometry와 같은 일부 기술은 서로 다른 시간 프레임에서 가까운 미래까지 지원 및 저항 수준을 투영하여 평균 기법으로의 회귀와 결합함으로써 과거의 데이터 편견을 극복하려고 시도한다.[51]

Efficient-market hypothesis[edit]효율시장 가설

 

The efficient-market hypothesis (EMH) contradicts(모순되다) the basic tenets(주의) of technical analysis by stating that past prices cannot be used to profitably predict future prices. Thus it holds(주장하다) that technical analysis cannot be effective. Economist Eugene Fama published the seminal paper on the EMH in the Journal of Finance in 1970, and said "In short, (요컨데)the evidence in support of the efficient markets model is extensive, and (somewhat uniquely in economics) contradictory evidence is sparse(드물ㅈ다)."[52]

효율적 시장 가설(EMH)은 과거 가격을 미래의 가격을 수익성 있게 예측하기 위해 사용할 수 없다고 언급함으로써 기술 분석의 기본 원칙과 모순된다. 그러므로 그것은 기술적 분석이 효과적일 수 없다고 주장한다. 경제학자인 Eugene Fama는 1970년에 EMH에 관한 세미나 논문을 발표했고, "요컨대, 효율적인 시장 모델을 지지하는 증거는 광범위하며, (경제학에서 어느 정도 유일하지만 ) 모순되는 증거는 희박합니다."[52]

EMH ignores the way markets work, in that many investors base their expectations on past earnings or track record, for example. Because future stock prices can be strongly influenced by investor expectations, technicians claim it only follows that past prices influence future prices.[53] They also point to research in the field of behavioral finance, specifically that people are not the rational participants EMH makes them out ((만들어내다 주장하다)to be. Technicians have long said that irrational human behavior influences stock prices, and that this behavior leads to predictable outcomes.[54] Author David Aronson says that the theory of behavioral finance blends with the practice of technical analysis:

예를 들어 EMH는 많은 투자자들이 과거의 수익이나 실적에 기대한다는 점에서 시장의 작동 방식을 무시한다. 미래 주가는 투자자들의 기대치에 의해 큰 영향을 받을 수 있기 때문에 기술자들은 과거 가격이 미래 가격에 영향을 미친다는 것을 따를 뿐이라고 주장한다.[53] 또한 행동 금융 분야에서의 연구, 특히 사람들이 EMH가 그렇게 주장하는 합리적인 참여자가 아니라는 점을 지적합니다. 기술자들은 비이성적인 인간의 행동이 주가에 영향을 주고, 이러한 행동은 예측 가능한 결과를 초래한다고 오랫동안 말해왔다.[54] 저자인 David Aronson은 행동 금융 이론이 기술 분석 관행과 혼합된다고 말합니다.

By considering the impact of emotions, cognitive errors, irrational preferences, and the dynamics of group behavior, behavioral finance offers succinct (간결한)explanations of excess market volatility as well as the excess returns earned by stale(오래된) information strategies.... cognitive errors may also explain the existence of market inefficiencies that spawn(결과를 낳다, 일으키다 생기게 하다) the systematic price movements that allow objective TA [technical analysis] methods to work.[53]

감정, 인지 오류, 비이성적 선호 및 그룹 행동의 역학을 고려함으로써, 행동 금융은 과도한 시장 변동성과 오래된 정보 전략에 의해 얻어진 초과 수익률에 대한 간결한 설명을 제공한다. 인지 오류는 또한 원인이 되는 시장 비효율성의 존재를 설명할 수 있다. 객관적인 TA[기술 분석] 방법을 사용할 수 있는 체계적인 가격 이동[53]

EMH advocates reply that while individual market participants do not always act rationally (or have complete information), their aggregate decisions balance each other, resulting in a rational outcome (optimists who buy stock and bid the price higher are countered by pessimists who sell their stock, which keeps the price in equilibrium).[55] Likewise, complete information is reflected in the price because all market participants bring their own individual, but incomplete, knowledge together in the market.[55]

EMH 지지자들은 개별 시장 참가자가 항상 합리적으로 행동하지는 않지만 (또는 완전한 정보를 가지고 있음), 그들의 집계 결정은 합리적 결과를 초래하여 서로 균형을 맞추고 (주식을 구입하고 가격을 더 높게 입찰하는 낙관론자들은 주식을 판매하는 비관론자에 의해 대응되어 가격을 평형으로 유지합니다). [55] 마찬가지로, 모든 시장 참가자가 시장에서 자신의 개인하지만 시장에서 불완전한 지식의 전체가  가격에 반영됩니다. [55]

 

Random walk hypothesis[edit] 랜덤워크의 가정

 

The random walk hypothesis may be derived from the weak-form efficient markets hypothesis, which is based on the assumption that market participants take full account of any information contained in past price movements (but not necessarily other public information). In his book A Random Walk Down Wall Street, Princeton economist Burton Malkiel said that technical forecasting tools such as pattern analysis must ultimately be self-defeating:(자멸적) "The problem is that once such a regularity is known to market participants, people will act in such a way that prevents it from happening in the future."[56] Malkiel has stated that while momentum may explain some stock price movements, there is not enough momentum to make excess profits. Malkiel has compared technical analysis to "astrology".[57](천문학)

무작위 보행 가설은 시장 참여자들이 과거의 가격 이동에 포함된 정보를 충분히 고려한다는 가정(그러나 반드시 다른 공공 정보는 아님)에 기초하는 약한 형태의 효율적인 시장 가설에서 도출될 수 있다. 프린스턴의 경제학자 버튼 말키엘은 그의 저서 "월가를 랜덤하게 걷는 것"에서 패턴 분석과 같은 기술적 예측 도구는 궁극적으로 자멸적이어야 한다고 말했다. "문제는 일단 그러한 규칙성이 시장 참여자들에게 알려지면, 사람들은 미래에 그런 일이 일어나지 않도록 그런 식으로 행동할 것이라는 것이다."[56] 말키엘은 모멘텀이 주가 변동을 설명할 수는 있지만 초과 이익을 낼 만한 모멘텀은 충분하지 않다고 말했습니다. 말키엘은 기술적 분석을 "천문학"에 비유했다.[57]

In the late 1980s, professors Andrew Lo and Craig McKinlay published a paper which cast doubt on the random walk hypothesis. In a 1999 response to Malkiel, Lo and McKinlay collected empirical papers that questioned the hypothesis' applicability[58] that suggested a non-random and possibly predictive component to stock price movement, though they were careful to point out that rejecting random walk does not necessarily invalidate EMH, which is an entirely separate concept from RWH(랜덤워크 가설). In a 2000 paper, Andrew Lo back-analyzed data from the U.S. from 1962 to 1996 and found that "several technical indicators do provide incremental(증가분의) information and may have some practical value".[8] Burton Malkiel dismissed the irregularities mentioned by Lo and McKinlay as being too small to profit from.[57]

1980년대 후반, 교수 Andrew Lo와 Craig McKinlay는 무작위 보행 가설을 의심케 하는 논문을 발표했다. 1999년 말키엘에 대한 응답에서, 로와 맥킨레이는 무작위 걷기를 거부하는 것이 반드시 완전히 별개의 개념인 EMH를 무효화하지는 않는다는 점을 조심스럽게 지적했지만 , 주가 움직임에 대한 비랜덤적이고 예측 가능한 요소를 제시한 가설의 적용성에 의문을 제기하는 경험적 논문을 수집했다.RWH로부터 2000년 논문에서 Andrew Lo 백은 1962년부터 1996년까지 미국의 데이터를 분석했고 "몇 가지 기술 지표가 증가분 정보를 제공하고 실질적인 가치를 가질 수 있다"고 밝혔다.[8] Burton Malkiel은 Lo와 McKinlay가 언급한 비합리성은  너무 작아서 이익을 얻을 수 없다고 일축했다.[57]

Technicians say[who?] that the EMH(Efficient Market Hypothesis) and random walk theories both ignore the realities of markets, in that participants are not completely rational and that current price moves are not independent of previous moves.[28][59] Some signal processing researchers negate the random walk hypothesis that stock market prices resemble Wiener processes, because the statistical moments of such processes and real stock data vary significantly with respect to window size and similarity measure.[60] They argue that feature transformations used for the description of audio and biosignals can also be used to predict stock market prices successfully which would contradict the random walk hypothesis.

누구인지?? 기술자들은 EMH(효율시장가설) 이론과 무작위 보행 이론이 둘 다 시장 현실을 무시한다고 말한다. 참여자들이 완전히 이성적이지 않고 현재의 가격 움직임이 이전의 움직임과 독립적이지 않다는 것이다.[28][59] 일부 신호 처리 연구자들은 주식 시장 가격이 위너 프로세스와 유사하다는 무작위 보행 가설을 부정한다. 왜냐하면 그러한 과정과 실제 주식 데이터의 통계적 순간은 창 크기와 유사성 측정치에 따라 크게 다르기 때문이다.[60] 그들은 오디오와 바이오신호의 설명에 사용되는 형상변환 또한 무작위 보행 가설과 모순되는 주식시장 가격을 성공적으로 예측하는데 사용될 수 있다고 주장한다.

The random walk index (RWI) is a technical indicator that attempts to determine if a stock's price movement is random in nature or a result of a statistically significant trend. The random walk index attempts to determine when the market is in a strong uptrend or downtrend by measuring price ranges over N and how it differs from what would be expected by a random walk (randomly going up or down). The greater the range suggests a stronger trend.[61]

랜덤 워크 지수(RWI)는 주식의 가격 변동이 본질적으로 랜덤한지 또는 통계적으로 유의한 추세의 결과인지 판단하기 위한 기술적 지표이다. 랜덤 워크 지수는 N 이상의 가격 범위를 측정하여 시장이 강한 상승 또는 하락 추세에 있는지, 그리고 무작위 워크(임의 상승 또는 하강)에 의해 기대되는 것과 어떻게 다른지 판단하려고 합니다. 범위가 클수록 더 강한 추세를 나타냅니다.[61]

Applying Kahneman and Tversky's prospect theory to price movements, Paul V. Azzopardi provided a possible explanation why fear makes prices fall sharply while greed pushes up prices gradually.[62] This commonly observed behaviour of securities prices is sharply at odds(우열, 불균형) with (다투어 사이가 나쁘다)random walk. By gauging greed and fear in the market[63], investors can better formulate(명확하게 나타나다) long and short portfolio stances.

가격 움직임에 카네만과 트베르스키의 전망 이론을 적용하면서, 폴 V. 아조르디는 왜 공포가 가격을 급격히 떨어뜨리고 탐욕은 가격을 점진적으로 올리는지에 대한 가능한 설명을 제공했다.[62] 일반적으로 관찰되는 유가 행태는 무작위 보행과 첨예하게 대립된다. 시장의 탐욕과 공포를 측정함으로써 투자자들은 길고 짧은 포트폴리오의 입장을 더 잘 표현할 수 있다.

Scientific technical analysis[edit]과학적인 기술분석

 

Caginalp and Balenovich in 1994[64] used their asset-flow differential equations (미분방정식)model to show that the major patterns of technical analysis could be generated with some basic assumptions. Some of the patterns such as a triangle continuation or reversal pattern can be generated with the assumption of two distinct(다른) groups of investors with different assessments of valuation. The major assumptions of the models are that the finiteness(유한성) of assets and the use of trend as well as valuation in decision making. Many of the patterns follow as mathematically logical consequences of these assumptions.

Caginalp와 Balenovich는 1994[64]의 자산 흐름 미분 방정식 모델을 사용하여 기술적 분석의 주요 패턴이 몇 가지 기본적인 가정으로 생성될 수 있음을 보여주었다. 삼각형 연속 또는 역전패턴과 같은 일부 패턴은 서로 다른 가치평가를 가진 두 개의 별개의 투자자 집단을 가정하여 생성될 수 있다. 모델의 주요 가정은 자산의 유힌성, 경향의 사용 및 의사결정에 대한 평가이다. 많은 패턴들은 이러한 가정들의 수학적으로 논리적인 결과들을 따른다.

One of the problems with conventional technical analysis has been the difficulty of specifying the patterns in a manner that permits objective testing.

Japanese candlestick patterns involve patterns of a few days that are within an uptrend or downtrend. Caginalp and Laurent[65] were the first to perform a successful large scale test of patterns. A mathematically precise set of criteria were tested by first using a definition of a short-term trend by smoothing the data and allowing for one deviation in the smoothed trend. They then considered eight major three-day candlestick reversal patterns in a non-parametric manner and defined the patterns as a set of inequalities. The results were positive with an overwhelming statistical confidence for each of the patterns using the data set of all S&P 500 stocks daily for the five-year period 1992–1996.

모수 통계(非母數統計, Non-parametric statistics)는 통계학에서 모수(변수)에 대한 가정을 전제로 하지 않고 모집단의 형태에 관계없이 주어진 데이터에서 직접 확률을 계산하여 통계학적 검정을 하는 분석법이다. 비모수적(Non-parametric), 비모수검정법 혹은 분포무관(Distribution-free)검정법이라고도 한다.(예를 들어 일차방정식의 경우 Y=F(x)에서 x의 단정적으로 정하지 않음)

기존 기술 분석의 문제점 중 하나는 객관적인 테스트를 허용하는 방식으로 패턴을 지정하는 것이 어렵다는 것입니다.

일본 캔들 패턴은 상승 추세 또는 하락 추세 내에 있는 며칠 패턴을 포함합니다. Caginalp와 Laurent [65]는 성공적인 대규모 패턴 테스트를 처음으로 수행했습니다. 먼저 데이터를 평활화(평준화)하고 평활화(평준화)된 추세에서 하나의 편차를 허용함으로써 단기 추세의 정의를 사용하여 수학적으로 정확한 기준 집합을 테스트했습니다. 그런 다음 그들은 비모수적 방식으로 8 개의 주요 3 일 캔들 스틱 반전 패턴을 고려하고 패턴을 불평등의 집합으로 정의했습니다. 결과는 1992 년부터 1996 년까지 5 년 동안 매일 모든 S & P 500 주식의 데이터 세트를 사용하여 각 패턴에 대한 압도적인 통계적 신뢰로 긍정적이었습니다.

Among the most basic ideas of conventional technical analysis is that a trend, once established, tends to continue. However, testing for this trend has often led researchers to conclude that stocks are a random walk. One study, performed by Poterba and Summers,[66] found a small trend effect that was too small to be of trading value. As Fisher Black noted,[67] "noise" in trading price data makes it difficult to test hypotheses.

One method for avoiding this noise was discovered in 1995 by Caginalp and Constantine[68] who used a ratio of two essentially identical closed-end funds to eliminate any changes in valuation. A closed-end fund (unlike an open-end fund) trades independently of its net asset value and its shares cannot be redeemed, but only traded among investors as any other stock on the exchanges. In this study, the authors found that the best estimate of tomorrow's price is not yesterday's price (as the efficient-market hypothesis would indicate), nor is it the pure momentum price (namely, the same relative price change from yesterday to today continues from today to tomorrow). But rather it is almost exactly halfway between the two.

종래의 기술 분석의 가장 기본적인 생각들 중 하나는 일단 확립되면 추세가 계속되는 경향이 있다는 것이다. 그러나 이러한 추세에 대한 검사로 인해 연구자들은 종종 주식이 랜덤 워크라는 결론을 내렸습니다. Poterba와 Summers에 의해 수행된 한 연구에서 너무 작아서 거래 가치가 없다는 작은 추세 효과가 발견되었습니다. Fisher Black이 지적했듯이 [67] 거래 가격 데이터의 "잡음"은 가설을 검정하기 어렵게 만듭니다.

1995년 Caginalp와 Constantine[68]에 의해 이러한 소음을 피하는 한 가지 방법이 발견되었는데, 그는 평가의 변화를 제거하기 위해 근본적으로 동일한 두 개의 폐쇄형 펀드의 비율을 사용했다. 폐쇄형 펀드(개방형 펀드와는 달리)는 순자산가치와 독립적으로 거래하며 그 주식은 환매할 수 없지만, 거래소의 다른 주식으로 투자자들 사이에서만 거래된다. 이 연구에서, 저자들은 내일의 가격을 가장 잘 추정할 수 있는 것이 어제의 가격(효율적인 시장 가설에서 알 수 있듯이)도 아니고 순수한 모멘텀 가격도 아니라는 것을 발견했다. 그러나 오히려 그것은 둘 사이의 거의 정확히 절반이다.

Starting from the characterization of the past time evolution of market prices in terms of price velocity and price acceleration, an attempt towards a general framework for technical analysis has been developed, with the goal of establishing a principled classification of the possible patterns characterizing the deviation or defects from the random walk market state and its time translational invariant properties.[69] The classification relies on two dimensionless parameters, the Froude number characterizing the relative strength of the acceleration with respect to the velocity and the time horizon forecast dimensionalized to the training period. Trend-following and contrarian patterns are found to coexist and depend on the dimensionless time horizon. Using a renormalisation group approach, the probabilistic based scenario approach exhibits statistically signifificant predictive power in essentially all tested market phases.

가격속도 및 가격 가속화 측면에서 시장가격의 과거시간 진화의 특성화에서 시작하여    랜덤 워크 시장 상태와 시간 변환불변 속성으로부터 편차 또는 결함을 특징짓는 가능한 패턴의 원칙적 분류를 설정하는 목표와 함께 기술적 분석을 위한 일반적인 프레임 워크에 대한 시도가 개발되었습니다.  [69] 분류는 두 가지 차원이 없는 매개 변수, 즉 훈련 기간에 따라 차원화된 시간 수평선 예측과 속도와 관련하여 상대적인 힘의 가속도를 특성화하는 Froude 번호에 의존합니다. 추세 추종과 반대 패턴이 공존하며 무차원적 시간지평에 의존하는 것으로 밝혀졌습니다. 재정규화 그룹 접근 방식을 사용하는 확률 기반 시나리오 접근 방식은 본질적으로 테스트된 모든 시장단계에서 통계적으로 유의미한 예측력을 보여줍니다.

A survey of modern studies by Park and Irwin[70] showed that most found a positive result from technical analysis.

박 교수와 어윈 교수(70)의 현대학 연구는 대부분 기술적 분석으로 긍정적인 결과를 얻었다고 밝혔다

 

In 2011, Caginalp and DeSantis[71] have used large data sets of closed-end funds, where comparison with valuation is possible, in order to determine quantitatively whether key aspects of technical analysis such as trend and resistance have scientific validity. Using data sets of over 100,000 points they demonstrate that trend has an effect that is at least half as important as valuation. The effects of volume and volatility, which are smaller, are also evident and statistically significant. An important aspect of their work involves the nonlinear effect of trend. Positive trends that occur within approximately 3.7 standard deviations have a positive effect.

2011 년에 Caginalp와 DeSantis [71]는 추세 및 저항과 같은 기술적 분석의 핵심 측면이 과학적 타당성을 갖는지 정량적으로 결정하기 위해 평가와 비교가 가능한 폐쇄 형 펀드의 대규모 데이터 세트를 사용했습니다. 100,000 포인트가 넘는 데이터 세트를 사용하여 추세가 평가의 절반 이상 중요한 효과가 있음을 보여줍니다. 더 작은 거래량과 변동성의 영향도 분명하고 통계적으로 유의합니다. 그들의 작업의 중요한 측면은 추세의 비선형 효과와 관련이 있습니다. 약 3.7 표준 편차 내에서 발생하는 긍정적 인 추세는 긍정적 인 영향을 미칩니다.

For stronger uptrends, there is a negative effect on returns, suggesting that profit taking occurs as the magnitude of the uptrend increases.

강한 상승 추세는 수익에 부정적인 영향을 미치며, 이는 상승폭의 크기가 증가할 때 이익 취향이 발생한다는 것을 암시한다.

For downtrends the situation is similar except that the "buying on dips" does not take place until the downtrend is a 4.6 standard deviation event. These methods can be used to examine investor behavior and compare the underlying strategies among different asset classes.

하향 추세의 경우 하향 추세가 4.6 표준 편차 이벤트가 될 때까지 "하강 시 구매"가 발생하지 않는다는 점을 제외하면 상황은 비슷합니다. 이 방법들은 투자자의 행동을 조사하고 다른 자산 등급들 사이의 기본 전략을 비교하는 데 사용될 수 있다.

In 2013, Kim Man Lui and T Chong pointed out that the past findings on technical analysis mostly reported the profitability of specific trading rules for a given set of historical data. These past studies had not taken the human trader(인간적인 거래자의 특성) into consideration as no real-world trader would mechanically adopt signals from any technical analysis method. Therefore, to unveil the truth of technical analysis, we should get back to understand the performance between experienced and novice traders. If the market really walks randomly, there will be no difference between these two kinds of traders. However, it is found by experiment that traders who are more knowledgeable on technical analysis significantly outperform those who are less knowledgeable.[72]

 

2013년, 김만루이와 T총은 기술적 분석에 대한 과거의 연구결과(finding)는 대부분 주어진 역사적 자료에 대한 특정 거래 규칙의 수익성을 보고했다고 지적했다. 이러한 과거의 연구들은 어떤 실제 무역업자도 어떤 기술적 분석 방법에서 오는 신호를 기계적으로 채택하지 않을 것이기 때문에 인간 무역업자를 고려하지 않았다. 그러므로, 기술적 분석의 진실을 밝히기 위해서, 우리는 경험 있는 무역업자들과 초보 무역업자들 사이의 성과를 다시 이해해야 한다. 시장이 정말 무작위로 움직인다면, 이 두 종류의 상인들 사이에는 차이가 없을 것이다. 그러나, 실험에 따르면 기술 분석에 대한 지식이 더 많은 거래자는 지식이 부족한 거래자를 훨씬 능가한다.[72](결론적으로 지식이 많은 거래자가 성과를 더 많이 낸다는 의미)

 

Ticker-tape reading[edit]
스티커-테이프 읽기[편집]

 

Main article: Ticker tape:증권 시세 표시기 등에서 정보가 찰칵찰칵 찍혀 나오는) 수신용 테이프; (환영을 위해 던지는) 색종이 테이프

주요 기사: 티커 테이프(시세표라고도 함)

 

Until the mid-1960s, tape reading was a popular form of technical analysis. It consisted of reading market information such as price, volume, order size, and so on from a paper strip which ran through a machine called a stock ticker. Market data was sent to brokerage houses and to the homes and offices of the most active speculators. This system fell into disuse (사용하지 않게 되다)with the advent of electronic information panels in the late 60's, and later computers, which allow for the easy preparation of charts.

1960년대 중반까지, 테이프 리딩은 기술 분석의 인기 있는 형태였다. 그것은 주식표라고 불리는 기계를 통해 행해지는 종이 스트립에서 가격, 부피, 주문 크기 등과 같은 시장 정보를 읽는 것으로 구성되었다. 시장 데이터는 증권사와 가장 적극적인 투기꾼들의 집과 사무실로 보내졌다. 이 시스템은 60년대 후반의 전자 정보 패널과 차트의 손쉬운 준비를 가능하게 하는 이후의 컴퓨터의 출현과 함께 사용되지 않게 되었다.

Jesse Livermore, one of the most successful stock market operators of all time(역사상), was primarily concerned with ticker tape reading since a young age. He followed his own (mechanical) trading system (he called it the 'market key'), which did not need charts, but was relying solely on price data. He described his market key in detail in his 1940s book 'How to Trade in Stocks'.[73] Livermore's system was determining market phases (trend, correction etc.) via past price data. He also made use of volume data (which he estimated from how stocks behaved and via 'market testing', a process of testing market liquidity via sending in small market orders), as described in his 1940s book.

역사상 가장 성공적인 주식 시장 운영자 중 한 명인 Jesse Livermore는 주로 어릴 때부터 시세 테이프(ticker tape) 읽기에 관심을 가졌습니다. 그는 차트가 필요하지 않고 가격 데이터에만 의존하는 자신의 (기계적) 거래 시스템 ( '시장 키'라고 함)을 따랐습니다. 그는 자신의 1940 년대 저서 'How to Trade in Stocks'에서 자신의 시장 키를 자세히 설명했습니다. [73] Livermore의 시스템은 과거 가격 데이터를 통해 시장 단계 (추세, 조정 등)를 결정했습니다. 그는 또한 그의 1940 년대 저서에 설명 된대로 볼륨 데이터 (주식이 어떻게 작동하는지와 소규모 시장 주문을 보내는 것을 통해 시장의 유동성 테스트의 과정인 시장 테스트를 통하여 그리고 주식이 어떻게 행동되어지는가로 부터 측정된)를 사용했습니다.

 

Quotation board[edit]

견적 위원회

 

Another form of technical analysis used so far was via interpretation of stock market data contained in quotation boards, that in the times before electronic screens, were huge chalkboards located in the stock exchanges, with data of the main financial assets listed on exchanges for analysis of their movements.[74] It was manually updated with chalk, with the updates regarding some of these data being transmitted to environments outside of exchanges (such as brokerage houses, bucket shops, etc.) via the aforementioned tape, telegraph, telephone and later telex.[75]

지금까지 사용 된 또 다른 기술적 분석의 형태는 견적 게시판에 포함 된 주식 시장 데이터의 해석을 통한 것이었는데, 그들의 움직임의 분석을 위하여 거래소에 나열된 금융자산의 데이터와 함께  전자 화면 이전에는 증권 거래소에 있는 거대한 칠판이었다.[74] 이것은  앞서 언급 한 테이프, 전신, 전화 및 이후의 텔렉스를 통해 거래소 외부 환경 (예 : 증권사, 버킷 샵 등)으로 전송되는 것에 관련하는 업데이터와 함께 분필로 수동으로 업데이트되었습니다. [75]

This analysis tool was used both, on the spot,(그자리에서) mainly by market professionals for day trading and scalping, as well as by general public through the printed versions in newspapers showing the data of the negotiations of the previous day, for swing and position trades.[76]

이 분석 도구는 그 자리에서 전날의 협상 데이터를 보여주는 신문 인쇄판을 통해 일반 대중에 의하여  스윙과 포지션 거래뿐 만이 아니라 주로 주간 거래와 스캘핑을 위한 시장 전문가를 위하여 사용되어졌다  [76]