Investtech-forskning: Signalstatistikk 30/100 dager glidende snitt

[This article is not yet translated to DAN. Showing untranslated version.]
Av seniorforsker Asbjørn Taugbøl, Investtech, 22. november 2022.

Abstract:
Glidende snitt er en av de eldste og mest brukte indikatorene i teknisk aksjeanalyse. Likevel finnes det lite publisert forskning på hvor godt signalene slår til. Vi har nylig publisert en rapport som viser at kjøpssignaler basert på 50 og 200 dager glidende snitt kan indikere videre kursoppgang. Vi ønsket i tillegg å se hvordan signaler fra glidende snitt basert på 30 dager kortsiktig snitt og 100 dager langsiktig snitt har slått til. Datagrunnlaget er aksjer notert på de nordiske markedene i perioden 2008-2020.

Kjøps- og salgssignaler fra glidende snitt

Med støtte fra Norges forskningsråd er det gjennomført en studie der man har sett på utviklingen etter kjøps- og salgssignaler fra glidende snitt. Datagrunnlaget er børsnoterte selskaper i Norden i perioden 1. januar 2008 til 31. desember 2020. Det er en periode på 13 år som inneholder både lange oppgangsperioder, nedgangsperioder og perioder der markedet har gått sidelengs. I de statistiske resultatene har vi sett på kursutviklingen de påfølgende tre måneder (66 dager) etter at signalene gis. Resultatene ble sammenlignet med utviklingen i markedet i den samme perioden etter at signalene ble gitt for å beregne meravkastningen.

Vi benyttet 30 dager glidende snitt som kortsiktig indikator og 100 dager glidende snitt som langsiktig indikator. Det ble generert et kjøpssignal når det kortsiktige snittet krysset opp gjennom det langsiktige snittet, og det ble definert et salgssignal når det kortsiktige snittet krysset ned gjennom det langsiktige.

Kjøpssignal fra glidende snitt: Kortsiktig snitt bryter opp gjennom langsiktig snitt viser at kursen over en viss kortere periode har steget mer enn den har gjort over en viss lengre periode. Dette indikerer at optimismen er på vei opp, og teorien sier at kursen skal videre opp.

Resultater for 30 dager krysser 100 dager

Det ble kjørt analyser for å identifisere signaler og beregne absolutt og relativ avkastning for disse. Det ble identifisert 9983 kjøpssignaler og 9413 salgssignaler. Dette er et godt grunnlag for statistiske analyser.

Kjøpssignaler

Den gjennomsnittlige avkastningen for kjøpssignalene er vist i figuren nedenfor.

Figur 1: Avkastning i etterkant av kjøpssignal ved at 30 dager kortsiktig glidende snitt krysset opp gjennom 100 dager langsiktig glidende snitt. Blå kurve er signalaksjene, sort kurve er referanseindeksen. Det skraverte blå området indikerer standardavviket for signalaksjene. Norden 2008-2020.

%p står for prosentpoeng, altså differanse i prosentvis avkastning. De annualiserte tallene er beregnet ved å gjenta 66-dagers avkastning i ett år, med antakelse om at et gjennomsnittsår har 252 børsdager.

Vi ser at nordiske aksjer med kjøpssignal fra glidende snitt har vist god og ganske jevn oppgang gjennom hele perioden på 66 dager. Aksjene viste i snitt god meravkastning mot referanseindeksen.

Etter tre måneder hadde aksjene med kjøpssignal i gjennomsnitt steget 4,9 prosent, tilsvarende en meravkastning på 1,3 prosentpoeng mot referanseindeksen. Annualisert meravkastning var 5,0 prosentpoeng. En T-verdi på 4,7, men med ganske sterkt korrelerte data, antyder god statistisk signifikans.

Det var store variasjoner mellom de nordiske landene, men alle hadde positiv avkastning og meravkastning, og resultatene anses samlet konsistente.

Resultatene for slike kjøpssignaler er i tråd med teknisk analyseteori.

Resultatene er dog svakere enn tilsvarende signaler basert på 50 og 200 dager. En tidligere forskningsrapport på glidende snitt med signaler basert på 50 og 200 dagers snitt, ga en annualisert meravkastning på 5,8 prosentpoeng.

Salgssignaler

Den gjennomsnittlige avkastningen for salgssignalene er vist i figuren nedenfor.

Figur 1: Avkastning i etterkant av kjøpssignal ved at 30 dager kortsiktig glidende snitt krysset ned gjennom 100 dager langsiktig glidende snitt. Rød kurve er signalaksjene, sort kurve er referanseindeksen. Det skraverte røde området indikerer standardavviket for signalaksjene. Norden 2008-2020.

Figuren viser at aksjene i gjennomsnitt hadde en utvikling på linje med markedet. Salgssignalene hadde dermed ingen prediksjonskraft, slik vi så også var tilfelle med 50/200 dager.

Varianter av signalene

Vi ønsket også å se på om retningen på snittene hadde betydning for resultatene og definerte tre typer:

• Normal type: Når det langsiktige snittet er fallende, mens det kortsiktige er stigende.
• Sterk type: Når begge snittene er stigende.
• Svak type: Når begge snittene er fallende.

Kjøpssignal normal type.

Sterk type.

Svak type.

Resultater normal type

Disse signalene hadde liten prediksjonskraft, slik vi også så for 50/200 dager.

Resultater sterk type

Grafen nedenfor viser gjennomsnittlig avkastning for kjøpssignaler der både kortsiktig og langsiktig snitt var stigende, dvs sterk type. Resultatene for sterk type var bedre enn for det generelle tilfellet.

Figur 2: Avkastning i etterkant av kjøpssignal ved at kortsiktig glidende snitt krysset opp gjennom langsiktig glidende snitt, sterk type. Blå kurve er signalaksjene, sort kurve er referanseindeksen. Det skraverte blå området indikerer standardavviket for signalaksjene. Norden 2008-2020.

Aksjer med kjøpssignal etter at 30 dager kortsiktig glidende snitt krysset opp gjennom 100 dager langsiktig glidende snitt, og både kortsiktig snitt og langsiktig snitt er stigende har i gjennomsnitt hatt en oppgang på 4,88 prosent etter 66 dager. Dette tilsvarer en meravkastning mot referanseindeksen på 1,79 prosentpoeng og en annualisert meravkastning på 7,0 prosentpoeng. Oppgangen er sterkest de første 30 dagene etter signal. En T-verdi på 4,7 indikerer god statistisk signifikans.

Resultatene er svakere enn for tilsvarende kjøpssignaler basert på 50 dager og 200 dager. Disse ga en annualisert meravkastning på hele 10,1 prosentpoeng.

Resultater svak type

Disse signalene hadde liten prediksjonskraft, som også var tilfellet for 50/200 dager.

Oppsummering og konklusjoner

• Kjøpssignaler der 30 dager glidende snitt bryter opp gjennom 100 dager
  • God signalverdi når langsiktig snitt også var stigende, annualisert meravkastning var 7,0 prosentpoeng.
  • Ingen signalverdi når langsiktig snitt var fallende
  • Resultatene var svakere enn for signaler basert på 50/200 dagers glidende snitt.
• Salgssignaler (30 dager glidende snitt bryter ned gjennom 100 dager) hadde liten signalverdi

Litteratur

1. Geir Linløkken. Investtech-forskning: Formasjonsbibelen 2019: Avkastning etter signaler fra kursformasjoner i aksjekurser, Norden 1996-2018., Investtech 2020.
2. Geir Linløkken, Asbjørn Taugbøl, Fredrik Tyvand. Investtech-forskning: Støtte og motstand - signalstatistikk Norden 2019 og 2020, Investtech 2021.
3. Geir Linløkken, Asbjørn Taugbøl, Fredrik Tyvand. Investtech-forskning: Innsidehandler - signalstatistikk Norge, Sverige og Danmark 2019 og 2020, Investtech 2021.
4. Geir Linløkken. Volumbalanse - signalstatistikk nordiske markeder 1996 til 2018, Investtech 2020.
5. Geir Linløkken, Asbjørn Taugbøl, Fredrik Tyvand. Investtech-forskning: Avkastning etter test av og brudd på støtte og motstand i aksjekurser, Norden 1996-2018, Investtech 2019.
6. Asbjørn Taugbøl. Aksjer i stigende trend har gitt meravkastning i Norden, Investtech 2019.
7. Asbjørn Taugbøl. Trendsignaler enda bedre enn teorien tilsier, Investtech 2019.
8. Geir Linløkken. Innsidekjøp som indikator for videre kursutvikling i aksjen, Investtech 2019.
9. Geir Linløkken. RSI er en god momentumindikator, Investtech 2019.
10. Geir Linløkken. Avkastning etter signaler fra rektangelformasjoner i aksjekurser - mellomlang sikt, Norden 1996-2018, Investtech 2019.
11. Geir Linløkken og Steffen Frölich. Teknisk AksjeAnalyse - for lavere risiko og økt avkastning. Investtech.com, 2001.
12. John J. Murphy. Technical Analysis of the Financial Markets. New York Institute of Finance, 1999.
13. Glendrange, G., & Tveiten, S. (2016). Testing the Performance of Simple Moving Average With the Extension of Short Selling. University of Agder, 2016 School of Business and Law Department of Economics and Finance, 1-63. https://uia.brage.unit.no/uia-xmlui/bitstream/handle/11250/2419339/Glendrange,%20Geirmund.pdf?sequence=1
14. James, Jr, F. E. (1968, September). Monthly Moving Averages--An Effective Investment Tool? Cambridge University Press, 3(3), 315-326. https://www.jstor.org/stable/2329816
15. Ms. Satav, S., & Dr. Apte, N. (2020, July). THE MOVING AVERAGE CROSSOVER STRATEGY: A STUDY. Inspira- Journal of Modern Management & Entrepreneurship (JMME), 10(3), 141-146. https://www.inspirajournals.com/uploads/Issues/908352786.pdf
16. Praekhaow, P. (2010, June). Determination of Trading Points using the Moving Average Methods. Department of Mathematics, Faculty of Science, King Mongkut’s University of Technology Thonburi, Bangkok 10140, Thailand, 1-5. https://www.researchgate.net/publication/233988919_Determination_of_Trading_Points_using_the_Moving_Average_Methods

Keywords: Forskningsresultater,Glidende snitt,Kjøpssignal,Salgssignal.