6. HYPOTESPRÖVNING
8.2 Vilket glidande medelvärde presterar bäst?
Det som snabbt går att konstatera är att inget glidande medelvärde är signifikant bättre än en buy-and-hold strategi mellan tidsperioden 2009-2019, medan endast MA50/200 är signifikant under börskraschen 2007-2008.
För att få en bättre överblick i jämförelsen över hur dessa strategier presterar tittar vi här på den totala avkastningen som strategierna genererar under undersökningsperioden. Utan transaktionskostnader kan vi se att MA5/20 och MA10/50 genererar en totalavkastning på 156,20% respektive 156,36% vilket är högre än avkastningen från MA50/200 som är 130,49%. Denna rangordning ser däremot annorlunda ut efter att transaktionskostnader inkluderas. Eftersom transaktionskostnaderna ökar när köp- och säljsignalerna är fler medför det till att MA5/20 tappar en stor del av avkastningen. Avkastningen för MA5/20 uppgår endast till 116,7% inklusive transaktionskostnader. För MA10/50 uppgick avkastningen till 143,11% medan avkastningen för MA50/200 var 125,99%. Vi anser att det är viktigt att lyfta problematiken som kan uppstå i praktiken med kortare glidande medelvärden. De kortare glidande medelvärdena tenderar att generera en stor mängd köp- och säljsignaler. Detta leder till att krävs en hög avkastning för att kompensera för den avkastning som går förlorad på grund av de transaktionskostnader som uppstår, vilket vi även kan se i resultatet som vi får fram. Detta är ett intressant resultat eftersom det visar på att en aktivare handelsstrategi med kortare glidande medelvärden inte presterar bättre än längre glidande medelvärden. Det går exempelvis emot slutsatsen i studien som Pätäri & Vilska, (2014) genomförde som visade på att kortare glidande medelvärden presterade bättre.
I börskraschen ser vi att MA50/200 presterar bäst med en negativ avkastning på -11,22%. Näst bäst presterar MA5/20 med en avkastning på -24,65%, och sämst är MA10/50 med en avkastning på -29,65%. Däremot presterar alla strategierna bättre än en buy-and-hold då avkastningen där ger -71,41%. Att MA50/200 presterar bäst kan bero på det faktum att det endast signaleras en säljsignal under hela börskraschen för detta medelvärde, vilket gör att vi ligger utanför indexet under nästan hela börskraschen. Detta skiljer sig från de andra glidande medelvärdesstrategierna där vi aktivt säljer och köper indexet under börskraschens tidsperiod. Resultaten från både 2009-2019 och från börskraschen stämmer bra överens med Pätäri & Vilska, (2014) studie som visade på att glidande medelvärden presterade bättre i en björnmarknad än i en tjurmarknad.
8.3 Hur pålitliga är säljsignalerna?
För att glidande medelvärden ska kunna vara mer lönsam än en buy-and-hold strategi
krävs det att tiden mellan en säljsignal och en köpsignal faktiskt genererar en negativ
avkastning. Om det har genererats en positiv avkastning efter att positionen har sålts
av går vi miste om avkastning som vi skulle fått om vi följt en buy-and-hold strategi.
Därför är det intressant att titta på hur tillförlitliga dessa säljsignaler egentligen är. Här
har vi studerat tidsperioden 2009-2019 exklusive transaktionskostnader för att titta på
hur stort antalet säljsignaler är som genererar en negativ avkastning. Under
tidsperioden 2009-2019 genererar MA50/200 åtta stycken säljsignaler varav endast två
av dessa ger en negativ avkastning. Detta innebär att vi går miste om positiv
avkastning när vi säljer av positionen i indexet. Efter beräkningar i excel får vi fram att
vi går miste om 0,33% avkastning i genomsnitt per dag för varje dag vi ligger utanför
indexet. Utifrån detta kan vi konstatera att pålitligheten för en säljsignal i en
MA50/200 strategi är relativt låg eftersom denna studie visar att det inte finns någon
stor trovärdighet att en säljsignal faktiskt kommer att generera negativ avkastning. När
vi tittar på MA10/50 genererade sju av totalt 26 säljsignaler en negativ avkastning där
den genomsnittliga dagliga avkastningen uppgår till 0,078%. Även detta är ett dåligt
facit och ökar inte trovärdigheten av att använda sig av MA10/50 som
investeringsstrategi. MA5/20 gav ifrån sig 77 stycken säljsignaler och av dessa
genererade 28 stycken en negativ avkastning under perioden vi ligger utanför indexet.
Eftersom den genomsnittlig dagliga avkastningen uppgår till 0,066% blir
konsekvensen även här att vi går miste av positiv avkastning under tiden vi ligger
utanför indexet. Hur kommer det sig att glidande medelvärden inte är så pass pålitliga som de förväntas
vara i teorin? Under tidsperioden 2009-2019 har vi en väldigt positiv marknad med få
nedgångar som varar under en längre tid. Detta kan vi se genom att gå tillbaka och
studera figur 9. När vi får en säljsignal förväntas det i teorin att trenden ska fortsätta
nedåt vilket leder till att vi undgår negativ avkastning. Den här studien har däremot
inte visat något stöd för detta eftersom trenderna nedåt har varit väldigt korta när
säljsignaler visat sig. Vi kan se att när säljsignaler genereras är det få gånger som
stängningskurserna de kommande handelsdagarna faktiskt fortsätter att stänga ännu
lägre. Det går utifrån stängningskurserna inte att se en tydlig indikation på vilken
riktning kursen kommer att gå den kommande perioden efter säljsignalen, vilket gör
att dessa signaler inte kan anses vara helt pålitliga. Vårt resultat visar på att glidande
medelvärden har svårt att förutse marknadsutvecklingen. För att få ett bättre svar på
huruvida den svaga formen av marknadseffektivitet är uppfyllt skulle exempelvis ett
runs test att kunna genomföras för att stärka påståendet. Men utifrån resultatet i denna
studie får vi en indikation på att den svaga formen av marknadseffektivitet uppfylls.
Svag form av EMH säger att de prisförändringar som sker är av varandra oberoende
och följer ett slumpmässigt mönster, vilket stängningskurserna på OMX Stockholm Mid Cap Index tenderar att göra.
8.4 Hur stor påverkan får transaktionskostnader på lönsamheten?
För MA50/200 har transaktionskostnaderna en liten skillnad då den totala
avkastningen minskar med endast 4,25% under tidsperioden 2009-2019. Transaktionskostnadernas för MA10/50 har en större effekt då den totala avkastningen
minskar med 13,25%. Störst påverkan blir det på MA5/20 där den totala avkastningen
går från 156,2% till 117,2%. I resultatet finns det ett tydligt samband med längden på
de glidande medelvärdena och antalet transaktioner som uppstår. Kortare glidande
medelvärden genererar betydligt fler köp- och säljsignaler än längre glidande
medelvärden vilket gör att de totala transaktionskostnaderna också blir större. Eftersom tidsperioden som studeras under börskraschen varar ungefär ett år genereras
endast en säljsignal under hela perioden för MA50/200. Köp- och säljsignalerna för
MA10/50 och MA5/20 uppgår till elva respektive 19 stycken. Signalerna för samtliga
glidande medelvärdena är inte tillräckligt många för att det ska få någon större
påverkan på lönsamheten. I studien “Performance of technical trading rules : Evidence from asian stock markets”
av Tharavanij et al. (2015) visade det sig att transaktionskostnader var något av en
vågmästare för att avgöra om resultatet var signifikant eller ej. I den studien visade de
flesta tekniska analysstrategier på ett signifikant resultat utan transaktionskostnader,
medan de flesta strategierna inte blev signifikanta när transaktionskostnader
inkluderades. I vår studie får transaktionskostnaderna inte samma betydande roll då
inga glidande medelvärden under 2009-2019 är signifikanta utan transaktionskostnader. Eftersom transaktionskostnader endast har en negativ inverkan
på avkastningen blir det ingen skillnad under denna period när dessa inkluderas. I
börskraschen visar MA50/200 på ett signifikant resultat, men det blir ingen skillnad i
resultatet när transaktionskostnader inkluderas då endast en signal genereras under hela perioden.
9. DISKUSSION OCH SLUTSATS
9.1 Marknadseffektivitet och Behavioural Finance
Vi anser att marknadseffektivitet är en stor och komplex fråga som omöjligt går att
utreda med endast denna studie. Något vi vill poängtera är att det finns mängder av
olika strategier inom teknisk analys och bara för att en strategi inte kan skapa en
överavkastning mot en buy-and-hold strategi innebär detta inte att det kommer vara
samma utfall för alla strategier. Därför vill vi vara försiktiga med att använda mer
laddade definitioner än indikationer när marknadseffektivitet diskuteras. Genom att titta på resultatet som tagits fram i denna studie kan vi se att det finns en
indikation på att marknaden för mid cap är effektiv under stora delar av tiden. Under
tider av osäkerhet som exempelvis i en börskrasch kan marknaden däremot inte antas
vara helt effektiv då det finns det möjlighet att skapa en större avkastning än vad
indexet ger. Bakomliggande orsakerna till varför det visar sig vara möjligt under
börskraschen att skapa en överavkastning gentemot indexet har vi inget exakt svar på.
Som vi nämnde i analysen skulle psykologiska faktorer kunna ligga bakom det faktum
att det är enklare att förutse framtida kursrörelser under dessa tider på grund av att
investerare agerar irrationellt. Ett möjligt scenario i börskrascher kan vara att folk
följer ett flockbeteende när börsen går ned eftersom många investerare blir osäkra,
vilket gör att nedgångarna blir större än vad de egentligen ska vara. Även prospect
theory som beskriver investerares irrationalitet är något som skulle kunna förklara
varför det med hjälp av glidande medelvärde är möjligt att skapa en överavkastning
under denna period. Det kan vara så att när investerare blir osäkra och rädda för
ytterligare nedgångar leder det till att de säljer av sina positioner för att säkra hem
vinster, men också för att de inte vet när en botten på börsen kommer att nås. Detta är
såklart ren spekulation men det kan vara en förklaring till varför en överavkastning går
att skapas under dessa tider. Huruvida denna indikerande marknadseffektiviteten på
mid cap bolag kommer att bestå är svårt att svara på, men i och med att
undersökningen har studerat en tidsperiod som ligger oss nära i tiden ger det oss en bra
indikation på hur den kan komma att vara framöver. 9.2 Är glidande medelvärden en ekonomiskt försvarbar strategi för företag? Syftet med den här studien är att se om glidande medelvärden är mer lönsamma än en
buy-and-hold strategi på OMX Stockholm Mid Cap GI Index. Vi vill även se om
glidande medelvärden är en strategi som företag bör använda sig av vid framtida
investeringar. Utifrån resultat från de t-test som genomförts får vi fram att MA5/20
och MA10/50 inte är en lönsammare strategi än en buy-and-hold strategi. För
MA50/200 finns det inget signifikant stöd att strategin är en lönsammare strategi under
tidsperioden 2009-2019, däremot finns ett signifikant stöd att den är mer lönsam än en
buy-and-hold strategi under en börskrasch. Utifrån detta anser vi att glidande
medelvärden inte är en ekonomiskt försvarbar strategi som företag bör använda sig av
vid sina framtida investeringar. Detta gäller även för övriga institutioner eller 48
privatsparare vid val av deras investeringsstrategi. Efter att ha studerat de olika
strategierna kan vi utifrån resultatet tyda att buy-and-hold är en lönsammare strategi
för företag att använda sig av vid investeringar av sitt kapital. Eftersom MA50/200
fick ett signifikant resultat i en börskrasch skulle företag kunna gå över till denna
strategi vid oroliga tider på börsen för att få en indikation när man bör sälja av sina
positioner och inte. Det som talar emot detta är att det är väldigt svårt att förutse när
man befinner sig i en börskrasch, och det kan vara så att den insikten först kommer när
man väl befinner sig mitt i börskraschen. Det som är positivt med glidande
medelvärden är däremot att det är en strategi som går att växla över till väldigt fort.
Om ett företag exempelvis använder sig av en buy-and-hold strategi och sedan börjar
se tecken på oroligheter på börsen kan de snabbt gå över till en sådan strategi när väl
en säljsignal genereras. Självklart kommer det inte alltid bli en börskrasch när väl en
säljsignal genereras under oroliga tider, men genom att gå över till en MA50/200
strategi när det är oroligheter på marknaden anser vi att det kan användas som en
gardering mot större förluster. Detta gör att investerare eventuellt går miste om några
procents avkastning om nedgången på börsen endast är liten, men om det väl hade
blivit en börskrasch skulle det innebära att en väldigt stor negativ avkastning därmed
undviks. Något som vi anser är viktigt att poängtera är ovissheten av att generalisera
resultatet till framtiden genom att endast titta på en börskrasch då förutsättningarna
kan komma att se väldigt olika ut för varje börskrasch. Detta går att se genom att titta
på tidigare börskrascher och hur de har utvecklat sig. För att öka tillförlitligheten i
resultatet skulle MA50/200 behöva appliceras på ännu fler börskrascher för att få
starkare bevis på att det faktiskt är en lönsam strategi att använda. Utifrån det resultat som tagits fram kan vi inte säga att glidande medelvärden är en bra
metod att förlita sig på för att avgöra när en aktie ska köpas och när den ska säljas då
majoriteten av de säljsignaler som gavs var falska. Om det hade varit så att
säljsignalerna hade varit mer trovärdiga och oftare genererade en positiv avkastning
skulle företag även kunna blanka. Blankning innebär att företaget säljer av en aktie
som de från början inte äger, med syfte att lämna tillbaka aktien längre fram i tiden
och på så sätt öka sin avkastning (Avanza, 2020). Men eftersom dessa signaler inte var
trovärdiga kommer en blankning endast leda till ännu större förluster om blankning
appliceras. Utifrån resultatet bör glidande medelvärden ses som en trendindikator
snarare än en handelsstrategi vid analys av aktier. Glidande medelvärden kan säga om
vi befinner oss i en positiv eller negativ trend samt längden på trenden, men den ger
oss ingen större vägledning för när det bästa läget är att kliva in eller ut ur en aktie.
Något vi anser är viktigt att förtydliga är att vi inte kan dra denna slutsats för alla
möjliga glidande medelvärden utan endast för de glidande medelvärden som använts i
den här studien. Vi vet exempelvis inte vad resultatet hade blivit av att använda andra
längder på glidande medelvärden eller om vi hade applicerat ett exponentiellt glidande
medelvärde istället. 9.3 Förslag till framtida studier Behavioural Finance och Marknadseffektivitet är fyllda av uppslag som är intressanta
för framtida forskning. Även glidande medelvärden är intressanta att studera vidare då
det finns många olika varianter och längder som kan anpassas. Något vi fastnade för
och kunde se indikationer på var att glidande medelvärden tenderar att prestera som
bäst i negativa börsklimat. Eftersom den huvudsakliga tidsperioden i vår studie hade
ett positivt börsklimat hade det varit intressant att göra en studie på tidsperioder som innehåller längre negativa trender.
I vidare studier inom teknisk analys skulle det även vara intressant för att testa den effektiva marknadshypotesen ytterligare. Det skulle också vara intressant att kombinera flertalet tekniska analysmetoder samtidigt för att se om det kan öka chansen för att skapa en överavkastning gentemot börsen.
Ett sista uppslag till framtida studier skulle kunna vara att studera robothandeln och hur den påverkar finansiella marknader, samt hur kapitalförvaltare anpassar sig till detta. Vi anser att det är ett intressant område i och med att robothandeln är något som har växt mycket de senaste åren och förmodligen kommer fortsätta att växa.
REFERENSER
Acar, E., & Satchell, S. (1997). A theoretical analysis of trading rules: an application to the moving average case with Markovian returns. Applied Mathematical Finance, 4(3), 165–180.
Alwan, L., Craig, B., Duckworth, W., McCabe, G., & Moore, D. (2011). The practice of statistics for business and economics . 3:e uppl. New York: W.H. Freeman and Company.
Anderson, D., Freeman, J., Shoesmith, E., Sweeney, D., & Williams, T. (2007). Statistics for business and economics. 9:e uppl. London: Thomson Learning.
Avanza. (2020). Börsvärde. Avanza.
https://www.avanza.se/aktier/aktiegeneratorn/aktiegeneratorn-foerdjupning/borsvarde. html [Hämtad 2020-02-08]. Avanza. (2020). Blankning https://www.avanza.se/lar-dig-mer/avanza-akademin/aktier/vad-ar-blankning-hur-fung erar-det.html [Hämtad 2020-04-08].
Baddeley, M. (2010). Herding, social influence and economic decision-making: socio-psychological and neuroscientific analyses. The Royal Society, 365(1538), 281–290.
Bergman, F. (2007, 2 mars). Aktierna som skakar mest. Svenska Dagbladet. https://www.svd.se/aktierna-som-skakar-mest [Hämtad 2020-02-07].
Borges, M. (2010). Efficient market hypothesis in European stock markets. The European Journal of Finance, 16 (7), 711–726.
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.
Bryman, A. (2015) Business research methods. 5:e uppl. Oxford: OUP Oxford.
Bryman, A., & Bell, E. (2017). Företagsekonomiska forskningsmetoder. 3:e uppl. Stockholm: Liber AB.
Cabiri, E., & Cohen, G. (2015). Can technical oscillators outperform the buy-and-hold strategy? Applied Economics, 47(30). 3189–3197.
Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Boston: Houghton Mifflin.
Cervelló-Royo, R., Guijarro, F., & Michniuk, K. (2005). Stock market trading rule based on pattern recognition and technical analysis: Forecasting the DJIA index with intraday data. Expert Systems with Application. 42 (14), 5963–5975.
Chew, B-K., Manzur, M., & Wong, W-K. (2003) How Rewarding Is Technical Analysis? Evidence From Singapore Stock Market. Applied Financial Economics, 13(7), 4.
Dagens Industri. (2018, 6 februari). Proffsen - Robothandel låg bakom börsfallet i USA. Dagens Industri.
https://www.di.se/nyheter/proffsen-robothandel-lag-bakom-borsfallet-i-usa/ [Hämtad 2020-03-10].
Dagens Industri. (2020). Teknisk Analys. Dagens Industri. https://www.di.se/amnen/teknisk-analys/ [Hämtad 2020-02-02].
Dagens Industri (2020) Mid Cap. Dagens Industri. https://www.di.se/bors/mid-cap/ [Hämtad 2020-03-21].
Dahmström, K. (2011). Från datainsamling till rapport – att göra en statistisk undersökning. 5:e uppl. Lund: Studentlitteratur.
De Bondt., & Thaler, R. (1995). Financial decision-making in markets and firms: A behavioural perspective. I: Jarrow, R.A., Maksimovic, V., Ziemba, W.T. Handbooks in Operations Research and Management Science. 9:e uppl. Amsterdam: Elsevier. 385–410.
Ekonomifokus (28 mars, 2018). Klassiska tekniska indikatorer och arbetssätt vid teknisk analys - genomgång. Ekonomifokus.
https://www.ekonomifokus.se/ekonomi/borsteori/klassiska-tekniska-indikatorer-och-ar betssätt-vid-teknisk-analys-genomgang [Hämtad 2020-04-01]
Elkins, K. (2018, 18 september). Warren Buffet and Jack Bogle agree on the formula for long-term success: “Buy and hold”. CNBC.
https://www.cnbc.com/2018/09/18/warren-buffett-and-jack-bogle-recommend-buying- and-holding.html [Hämtad 2020-02-02].
Ejvegård, R. (2009). Vetenskaplig metod. 4:e uppl. Lund: Studentlitteratur AB.
Fama, E. (1970). Efficient Capital Markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383–417.
Fama, E. (1990). Random Walks in Stock Market Prices. The Journal of Finance, 45(4), 75–80.
Fifield, S., Knipe, D.G.S., & Power, D.M. The performance of moving average rules in emerging stock markets. Applied Financial Economics, 18(19), 1515–1532.
Finansinspektionen (21 februari, 2012). Kartläggning av högfrekvens-, och algoritmhandel. Finansinspektionen.
https://www.fi.se/sv/publicerat/rapporter/rapporter/2012/kartlaggning-av-hogfrekvens- -och-algoritmhandel/ [Hämtad 2020-03-21]
Frazzini, A. (2006). The Disposition Effect and Underreaction to News. The Journal of Finance, 61(4), 2017–2046.
Gunasekarage, A., & Power, D. (2001). The profitability of moving average trading rules in South Asian stock markets. Emerging Markets Review, 2(1), 17–33.
Hansson, B., & Frennberg, P. (1993). Testing the random walk hypothesis on Swedish stock prices: 1919–1990. Journal of Banking & Finance, 17(1), 175–191.
IG. (2020). RSI - definition. IG Markets.
https://www.ig.com/se/trading-ordlista/rsi-definition [Hämtad 2020-03-20].
Jiang, Z., Li, S., Zhou, W., & Zhu, H. (2015). Profitability of simple technical trading rules of chinese stock exchange indexes. Physica A: Statistical Mechanics and its applications, 439, 75–84.
Kahneman, D., & Tversky, A. (1979). Prospect Theory: An analysis of decision under risk. Econometrica, 14(2), 263–291.
Lo, A., & Repin, D. (2001). The Psychophysiology of Real-Time Financial Risk Processing. Journal of Cognitive Neuroscience, 14(3), 323–339.
Macintosh, R., & O’Gorman K. (2015). Research Methods for Business and Management. 2:a uppl. Oxford: Goodfellow Publishers Limited.
Malkiel, B. G. (2007). A Random Walk Down Wall Street: the time-tested for successful investment. 9:e uppl. New York: W.W. Norton.
Metghalchi, M., Chang, & Y-H., Marcucci, J. (2007). Is the Swedish stock market efficient? Evidence from some simple trading rules. International Review of Financial Analysis, 17(3), 475–490.
Miles, R. (2004). Warren Buffet Wealth. 1:a uppl. New Jersey: Wiley.
Mårtensson, B., & Nilstun, T. (1988). Praktisk vetenskapsteori. 1:a uppl. Lund: Studentlitteratur AB.
Nilsson, P., & Torssell, J. (2000). Boken om teknisk analys. 2:a uppl. Mölnlycke: Fälth & Hässler AB.
Omni. (2018, 5 februari). Expert: Robothandlare kan ligga bakom börsfallet. Omni. https://omni.se/expert-robothandlare-kan-ligga-bakom-borsfallet/a/4d7o0a
[Hämtad 2020-03-10].
Pätari, E., & Vilska, M (2014) Performance of moving average trading strategies over varying stock market conditions: the Finnish evidence. Applied Economics, 46(24), 2851-2872
Reitz, S. (2006). On the predictive content of technical analysis. The North American Journal of Economics and Finance, 17(2), 121–137.
Ricciardi, V., & Simon, H. (2000). What is Behavioral Finance? Business, Education & Technology Journal, 2(2), 1–7.
Saunders, M., Lewis, P. & Thornhill, A. (2009). Research Methods for Business Students. 5:e uppl. Harlow: Prentice Hall.
Shiller, R. (2003). From efficient markets theory to behavioural finance. Journal of Economic Perspectives, 17(1), 83-104.
Shynkevich, R. (2012). Performance of growth and small cap segments of the US equity market. Journal of Banking & Finance, 36(1), 193–208.
Svenska Dagbladet. (2019, 8 juli) Många förlorare i sparkriget mot robotarna. Svenska Dagbladet. https://www.svd.se/manga-forlorare-i-sparkriget-mot-robotarna [Hämtad 2020-03-10].
Swedbank. (u.å.) Aktie- och teknisk analys. Swedbank.
https://www.swedbank.se/privat/spara-och-placera/analyser-marknad-omvarld/swedba nk-insikt/aktieanalys.html [Hämtad 2020-02-24].
Tharavanij, P., Siraprapasiri, V., & Rajchamaha, K. (2015). Performance of technical trading rules: evidence from Southeast Asian stock markets. Springerplus, 4(552),