Estratégia de negociação ineficiência do mercado

Arbitragem Exprime Lucros da Ineficiência do Mercado.

A hipótese de mercado eficiente afirma que os mercados financeiros são "eficientes em termos de informação", na medida em que os preços dos ativos negociados refletem todas as informações conhecidas em qualquer momento. Mas se isso é verdade, então por que os preços variam de um dia para o outro apesar de nenhuma nova informação fundamental? A resposta envolve um aspecto comumente esquecido entre os comerciantes individuais: liquidez.

Muitos grandes negócios institucionais ao longo do dia não têm nada a ver com informações e tudo a ver com liquidez. Os investidores que se sentem expostos em excesso agredirão hedge ou liquidarão posições, o que acabará afetando o preço. Esses exigentes de liquidez geralmente estão dispostos a pagar um preço para sair de suas posições, o que pode resultar em lucro para os provedores de liquidez. Essa capacidade de lucro na informação parece contrariar a hipótese de mercado eficiente, mas constitui o alicerce da arbitragem estatística.

A arbitragem estatística visa capitalizar a relação entre preço e liquidez e funciona com lucros do misprint estatístico de um ou mais ativos com base no valor esperado dos ativos gerados a partir de um modelo estatístico. Leia mais para saber mais sobre este modelo e como funciona.

Origens do Arbitragem Estatística.

A arbitragem estatística originou-se na década de 1980 a partir da demanda de hedge criada pelas operações da mesa de negociação de blocos de ações da Morgan Stanley. Morgan Stanley conseguiu evitar penalidades de preços associadas a grandes compras de blocos comprando ações em ações estreitamente correlacionadas como hedge contra sua posição. Por exemplo, se a empresa comprasse um grande bloco de ações, seria curto um estoque estreitamente correlacionado para se proteger contra quaisquer grandes desacelerações no mercado. Isso efetivamente eliminou todos os riscos de mercado enquanto a empresa procurava colocar o estoque que havia comprado em uma transação em bloco.

Os comerciantes logo começaram a pensar nesses pares não como um bloco a ser executado e seu hedge, mas sim dois lados de uma estratégia de negociação visando a obtenção de lucro e não apenas a cobertura. Esses negócios de pares eventualmente evoluíram para várias outras estratégias destinadas a aproveitar as diferenças estatísticas nos preços de segurança devido à liquidez, volatilidade, risco ou outros fatores. Agora classificamos essas estratégias como arbitragem estatística.

Tipos de Arbitragem Estatística.

Existem vários tipos de arbitragem estatística criada para tirar proveito de diversos tipos de oportunidades. Embora alguns tipos tenham sido eliminados por um mercado mais eficiente, há várias outras oportunidades que surgiram para ocupar seu lugar.

A arbitragem de risco é uma forma de arbitragem estatística que busca lucrar com situações de fusão. Arbitros de fusão (como os investidores são chamados) compram estoque no alvo e (se é uma transação de ações) simultaneamente abre-se o estoque do adquirente. O resultado é um lucro obtido com a diferença entre o preço de compra e o preço de mercado.

Ao contrário da arbitragem estatística tradicional, a arbitragem de riscos envolve alguns riscos. O maior risco é que a fusão caia e as ações do alvo cairão para seus níveis anteriores à fusão. Outro risco lida com o valor temporal do dinheiro investido - as fusões que levam muito tempo para passar podem consumir os retornos anuais dos investidores.

A chave para o sucesso na arbitragem de risco é determinar a probabilidade e a oportunidade da fusão e compará-la com a diferença de preço entre a ação-alvo e a oferta de compra. Alguns arbitros de risco começaram a especular sobre os objetivos de aquisição, o que pode levar a lucros substancialmente maiores com risco igualmente maior.

A arbitragem de volatilidade é um tipo popular de arbitragem estatística que se concentra em aproveitar as diferenças entre a volatilidade implícita de uma opção e uma previsão da volatilidade futura realizada em um portfólio delta-neutro. Essencialmente, os arbitrageurs de volatilidade estão especulando sobre a volatilidade do subjacente ao invés de fazer uma aposta direcional no preço da segurança subjacente.

A chave para esta estratégia é prever com precisão a volatilidade futura, que pode se desviar de uma variedade de razões, incluindo:

Disputas sobre patentes Resultados dos ensaios clínicos Incertamentos M & amp; A especulação.

Uma vez que um arbitravo de volatilidade estimou a volatilidade futura, ele pode começar a procurar opções em que a volatilidade implícita seja significativamente menor ou maior do que a volatilidade prevista para a segurança subjacente. Se a volatilidade implícita for menor, o comerciante pode comprar a opção e se proteger com a garantia subjacente para fazer uma carteira neutra em delta. Da mesma forma, se a volatilidade implícita for maior, o comerciante pode vender a opção e se proteger com a garantia subjacente para fazer uma carteira neutra em delta.

O comerciante então realizará um lucro no comércio quando a volatilidade realizada pela segurança subjacente se aproximar de sua previsão do que a previsão do mercado (ou volatilidade implícita). O lucro é realizado a partir do comércio através do re-hedging contínuo necessário para manter o portfólio neutro dota.

Outros tipos de arbitragem.

Existem muitos outros tipos de arbitragem que se desenvolveram nas últimas décadas. Estes incluem redes neurais e comércio de alta freqüência. Vamos dar uma olhada nessas estratégias e ver como eles representam o futuro do comércio de arbitragem:

Redes Neurais: as redes neurais estão se tornando cada vez mais populares na arena de arbitragem estatística devido à sua capacidade de encontrar relações matemáticas complexas que parecem invisíveis para o olho humano. Essas redes são modelos matemáticos ou computacionais baseados em redes neurais biológicas. Eles consistem em um grupo de neurônios artificiais interconectados que processam informações usando uma abordagem de conexão para computação; Isso significa que eles mudam sua estrutura com base na informação externa ou interna que flui através da rede durante a fase de aprendizagem. Essencialmente, as redes neurais são modelos de dados estatísticos não-lineares que são usados ​​para modelar relações complexas entre entradas e saídas para encontrar padrões em dados. Obviamente, qualquer padrão em movimentos de preços de títulos pode ser explorado com proveito. Comércio de alta freqüência: o comércio de alta freqüência é um novo desenvolvimento que visa capitalizar a capacidade dos computadores para executar rapidamente as transações. A despesa no setor comercial cresceu significativamente ao longo dos anos e, como resultado, há muitos programas capazes de executar mais de 3.000 negócios por segundo. Agora que a maioria das oportunidades de arbitragem estatística são limitadas devido à concorrência, a capacidade de executar operações rapidamente é a única maneira de aumentar os lucros. As redes neurais cada vez mais complexas e os modelos estatísticos combinados com computadores capazes de reduzir números e executar trades mais rapidamente são a chave para os lucros futuros dos árbitros.

A arbitragem estatística desempenha um papel vital no fornecimento de grande parte da liquidez do dia-a-dia nos mercados. Isso permite que os grandes comerciantes de blocos coloquem seus negócios sem afetar significativamente os preços de mercado, ao mesmo tempo que reduzem a volatilidade em questões como as receitas de depósito americanas, correlacionando-as mais estreitamente com as ações dos pais.

A arbitragem estatística também causou alguns problemas importantes. O mais evidente foi o colapso da Long Term Capital Management, que quase deixou o mercado em ruínas. Para lucrar com tais desvios de preços menores, é necessário assumir uma alavanca significativa. Além disso, como esses negócios são automatizados, existem medidas de segurança incorporadas. No caso do LTCM, isso significava que ele liquidaria em um movimento para baixo; O problema era que as ordens de liquidação da LTCM apenas provocavam mais ordens de venda em um loop horrível que só terminava com a intervenção do governo. Lembre-se, a maioria das falhas do mercado de ações surgem de problemas com liquidez e alavancagem - a própria arena na qual os árbitros estatísticos operam.

A arbitragem estatística é uma das estratégias de negociação mais influentes já elaboradas, apesar de ter diminuído ligeiramente em popularidade desde a década de 1990. Hoje, a maioria das arbitragens estatísticas é conduzida através de negociação de alta freqüência usando uma combinação de redes neurais e modelos estatísticos. Não só essas estratégias geram liquidez, mas também são responsáveis ​​pelos grandes acidentes que já observamos em empresas como LTCM no passado. Enquanto as questões de liquidez e alavancagem forem combinadas, é provável que continue a fazer a estratégia que vale a pena reconhecer, mesmo para o investidor comum.

A análise técnica é capaz de superar a ineficiência do mercado?

Elisa Daniotti Email autor.

Começamos examinando os pontos de vista opostos dos defensores da eficiência do mercado e analistas técnicos. Em seguida, aplicamos uma simples regra de negociação, ou seja, o cruzamento de duas médias móveis, para três índices de ações que representam os principais mercados de ações: o Dow Jones Euro Stoxx para a Europa, a S & P 500 para os EUA e o Topix para o Japão. Tivemos dois objetivos, o primeiro foi testar se as regras de negociação têm poder preditivo, demonstrando assim que os mercados são ineficientes. A segunda era, se sua capacidade preditiva poderia ser aproveitada lucrativamente pelos comerciantes através de uma estratégia de negociação ativa. Nossas descobertas revelaram que não existe uma única regra comercial entre as analisadas que podem prever os retornos do mercado em cada mercado e em qualquer tendência do mercado. Além disso, a regra de negociação com a maior habilidade preditiva é incapaz de vencer uma estratégia de compra e retenção depois que os custos de negociação são levados em consideração. No entanto, estabelecemos que a regra sem poder preditivo revelou-se a mais lucrativa. Podemos, portanto, concluir que os mercados de ações analisados ​​em nosso estudo podem ser considerados eficientes e que as médias móveis resultam em uma redução nas perdas nas tendências descendentes.

Referências.

Informações sobre direitos autorais.

Autores e afiliações.

Elisa Daniotti 1 Email autor 1. Departamento de Gestão da Universidade Ca 'Foscari, Veneza, Itália.

Sobre este capítulo.

Recomendações personalizadas.

Cite o capítulo.

.RIS Papers Reference Manager RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

Download instantâneo legível em todos os dispositivos Possuí-lo para sempre Imposto de venda local incluído, se aplicável.

Cite o capítulo.

.RIS Papers Reference Manager RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

Mais de 10 milhões de documentos científicos ao seu alcance.

Switch Edition.

&cópia de; 2017 Springer International Publishing AG. Parte de Springer Nature.

Trading Edge: 4 tipos de ineficiências do mercado.

Gerar idéias de negociação pode ser um processo frustrante, especialmente se não há um quadro estruturado para isso. Para nos ajudar com o processo de geração de idéias, dividimos idéias de negociação algorítmica em 4 categorias principais. Essas 4 categorias são essencialmente diferentes tipos de ineficiências do mercado. Conforme mencionado na publicação anterior do blog, as ineficiências do mercado são os principais elementos básicos das estratégias de negociação.

Os 4 tipos são:

Observe que esses 4 tipos não são mutuamente exclusivos. Estratégias podem envolver mais de 1 tipo.

Compreender as ineficiências do mercado.

Fundamentos.

O termo fundamentos é comumente associado a ações. Neste caso, usamos os fundamentos para descrever o valor decorrente da composição intrínseca de qualquer ativo. Estes incluem lançamentos de ganhos, descobertas de campos petrolíferos e downgrades esperados de títulos corporativos.

Exemplos de ineficiências / oportunidades fundamentais:

Ganhos excedidos no relatório anual de uma empresa. Um grande avanço na tecnologia de energia limpa que interrompe as indústrias tradicionais de petróleo. Morte de um CEO de superstar.

Exemplo de estratégia de negociação algorítmica:

Criamos um algoritmo que prevê os ganhos da empresa com base em informações publicamente disponíveis. Digamos que estamos olhando para uma empresa madeireira.

Nós inserimos informações sobre receitas e custos, tais como quantidade de terra desmatada, número de novos contratos garantidos, preço de mercado da madeira, quantidade de novos equipamentos adquiridos, mão de obra e custos indiretos, etc. O algoritmo produz os ganhos esperados da empresa para o trimestre e comparamos isso com as previsões de ganhos dos analistas. Se houver uma discrepância significativa, colocamos uma posição antes da liberação de resultados e saímos da posição depois.

Fazemos isso por milhares de empresas para reduzir a variação em nosso desempenho.

Estatisticas.

Se o dividiremos nos primeiros princípios [1], as estratégias baseadas em estatísticas dizem essencialmente "Este movimento de mercado é invulgarmente grande ou pequeno para esta condição de mercado". O quão incomum isso é considerado é definido pela forma como o recurso foi realizado historicamente. Claro, o desempenho passado pode não ser um preditor exato para o futuro. Portanto, precisamos pensar de forma crítica e prudente quando implementamos estratégias envolvendo ineficiências estatísticas. A maioria das estratégias envolvendo estatísticas emprega cointegração [2], reversão média [3] ou correlação / previsão.

Exemplos de ineficiências / oportunidades estatísticas:

Um grupo de ações no mesmo país e indústria esperava se comportar de forma semelhante durante certos períodos. A classificação de títulos corporativos correlacionou-se com o preço das ações de alguns de seus principais clientes. A previsão de uma troca de preços de ações da empresa de madeira durante a versão de resultados usando informações publicamente disponíveis (veja o exemplo anterior em Fundamentos). O preço da Ação A correlacionou-se com o número de tweets sobre o desastre de ganhos iminente.

Exemplo de estratégia de negociação algorítmica:

Um grupo de ações na indústria de serviços públicos no mesmo país com uma composição corporativa e capitalização de mercado similares deverá se comportar da mesma forma durante um período de silêncio (definido como um período em que não há notícias / anúncios relevantes esperados).

Assim, quando o preço do estoque X diverge do resto de uma forma estatística, esperamos que a diferença relativa no preço entre o estoque X e o resto converja 8 vezes em 10. Nós colocamos um comércio para explorar isso.

Macroeconomia.

As ineficiências macroeconômicas são ineficiências do mercado decorrentes de eventos macroeconômicos (você não diz!). Tais eventos incluem: anúncios / atividades do banco central, mudanças na política econômica, corrupção governamental e acordos comerciais multinacionais.

Exemplos de ineficiências macroeconômicas / oportunidades [4]:

Reação retardada de um determinado derivado após a folha de pagamento não agrícola. Impacto das sanções econômicas em certas indústrias e grupos de ativos. Expectativas de políticas de flexibilização ou aperto.

Exemplo de estratégia de negociação algorítmica:

Uma empresa de alta freqüência usa computadores potentes e uma conexão rápida para obter informações sobre a decisão de corte da taxa do banco central do país A. Eles então compram os futuros de títulos do país antes de mais ninguém.

Microstructure do mercado.

De acordo com a Wikipedia [5]:

A microestrutura de mercado é um ramo de finanças preocupado com os detalhes de como ocorre a troca nos mercados. O principal impulso da pesquisa de microestrutura de mercado examina as maneiras pelas quais os processos de trabalho de um mercado afetam os determinantes dos custos de transação, preços, cotações, volume e comportamento comercial.

Em termos mais simples: são os mecanismos subjacentes que permitem a negociação nos mercados financeiros.

Você pode estar se perguntando por que a microestrutura do mercado é considerada uma fonte de valor. Mesmo que a microestrutura do mercado pareça lidar com as infra-estruturas comerciais e não com os próprios ativos, cria muitas oportunidades que os comerciantes podem explorar. As ineficiências da microestrutura de mercado geralmente envolvem a análise de outros players do mercado ou a exploração de falhas infra-estruturais.

Exemplos de ineficiências / oportunidades microestruturais de mercado:

Um fundo quer comprar uma grande quantidade de estoque A. Eles entram em seus negócios de forma que sem querer sinaliza seu objetivo. Outros jogadores do mercado pegam e começam a comprar o estoque também. Spoofing [6] a profundidade do livro de pedidos de mercado para enganar outros comerciantes. Enfileirando outros jogadores durante o futuro rollover em uma troca First In, First Out.

Exemplo de estratégia de negociação algorítmica:

Ao analisar o livro de pedidos limite [7], vemos um padrão de filas que parece indicar que um comprador deseja uma longa e grande quantidade de futuros de US 10 Year. Nós projetamos um algoritmo para identificar tais padrões e negociamos de acordo.

Iniciando o processo de geração de ideias.

Além de ter um processo de pensamento estruturado para descobrir idéias comerciais, precisamos de 2 outros componentes no processo de geração de ideias.

Primeiro, precisamos saber quais tipos de estratégias são adequadas para o comerciante. Os fatores a considerar incluem: capital comercial, perfil de risco e competência de programação.

Em segundo lugar, precisamos de uma estrutura para examinar idéias comerciais e selecionar promissores para o nosso estágio de backtesting. No entanto, não vamos entrar em detalhes para esses 2 componentes hoje. Para saber mais, confira nosso curso, AlgoTrading101. Isso é para a postagem de hoje!

AlgoTrading101 é um curso de negociação algorítmica caracterizado por Investopedia que não sugere. Saiba mais sobre nós no AlgoTrading101.

[4] Nem todas essas ineficiências são adequadas para negociação algorítmica.

Lucas Liew.

Este cara executa o AlgoTrading101, uma academia de negociação algorítmica com mais de 13.000 alunos. Clique no link "Autor" acima para saber mais sobre ele.

Desenvolver e testar um método de negociação.

Backtesting.

Backtesting.

Backtesting.

A análise técnica é talvez a ferramenta mais valiosa utilizada no desenvolvimento de modelos de comércio de expectativa positiva. Segundo os técnicos, a razão pela qual a análise técnica ajuda no desenvolvimento desses modelos deve-se à noção de que "o preço tem memória". O que isto significa? Isso significa que, quando o petróleo bruto trocou US $ 40 por barril em 1990, essa área de resistência linear e horizontal voltaria a atuar como resistência quando testada novamente em 2003 (ver Figura 1). Esta realidade desencadeia os economistas loucos porque, de acordo com a teoria econômica, não faz sentido que o petróleo bruto seja vendido em US $ 40 o barril em 2003, já que o poder de compra do dólar norte-americano em 2003 é diferente do seu poder de compra em 1990. No entanto , de acordo com a análise técnica, o selloff em US $ 40 por barril em 2003 teve todo o sentido, porque o preço tem memória. O preço tem memória significa que os comerciantes experimentaram dor, prazer e arrependimento associados ao nível de preço linear de US $ 40 por barril. Vejamos isso com maior detalhe.

Figura 1: Futuros de petróleo bruto do Grupo CME trimestrais do mês da frente do mês mostrando uma resistência horizontal de 40 dólares por barril.

Fonte: CQG, Inc. © 2018. Todos os direitos reservados em todo o mundo.

O preço tem memória porque, em 1990, um grupo de comerciantes comprou petróleo a US $ 40 por barril. Eles tinham todos os tipos de razões para sua compra: Saddam Hussein havia invadido o Kuwait, a demanda global por produtos petrolíferos era forte, e assim por diante. No entanto, se esses compradores fossem honestos consigo mesmos, à medida que os preços do petróleo caíram, todas essas razões se evaporaram e foram substituídas por um pensamento e um único pensamento - geralmente expressado em forma de oração - "Por favor, deus, deixe-o voltar para US $ 40 o barril e Juro que nunca mais troco o petróleo bruto novamente ". Quando se recupera para US $ 40 por barril, esse preço linear representa o término da dolorosa experiência de perda para esses comerciantes. E assim eles criam pressão de venda neste nível de preço linear, de US $ 40 por barril.

O mercado ineficiente.

Incrívelmente, acadêmicos e economistas com sólidos fundamentos científicos apresentaram uma teoria de um mercado eficiente sem qualquer evidência estatística de eficiência do mercado, apesar de muitas evidências em contrário. Os mercados sempre foram ineficientes, sempre circularam de pânico para bolha para entrar em pânico novamente e sempre continuarão a fazê-lo. De fato, como dito anteriormente, essa natureza cíclica do comportamento do mercado é uma das poucas coisas em que nós, como comerciantes, podemos contar com isso.

Por mais lúcida que pareça, de acordo com uma hipótese de mercado eficiente, não pode haver uma bolha porque os mercados estão sempre negociando em seus níveis de preços corretos ou eficientes. Em outras palavras, de acordo com esses teóricos, uma tulipa na Holanda que foi corretamente cotizada em 2.500 floriculturas em 2 de fevereiro de 1637, também foi corretamente comercializada em 2 guilders em 3 de fevereiro de 1637.

Os mercados de preços irracionais tendem a se tornar ainda mais irracionalmente, esta é a natureza de um mercado ineficiente e de gordura antes de bater, e ninguém sabe onde o topo é até depois desse topo provou-se através da impressão de preços mais baixos. Aguarde a evidência de um topo para começar a vender e aguarde provas de um fundo para começar a comprar.

Mas por que a ineficiência dos mercados nos interessa como comerciantes? É essa ineficiência que nos permite desenvolver modelos de negociação de expectativa positiva. Esse comportamento ineficaz dos mercados leva ao que os estatísticos chamam de uma comparação leptokurtica, em oposição a uma distribuição normal dos ativos (ver Figura 2). Isso significa que os preços exibem uma maior propensão para a reversão média do que ocorria se os mercados fossem eficientes e, quando eles não estiverem nesse modo de reversão, eles tendem a uma maior propensão à ação de tendências (os estatísticos chamam essa propensão para a ação de tendência a cauda gorda da distribuição).

Figura 2: Distribuição Leptokurtic versus Normal de Preços de Ativos.

É porque os mercados exibem essa distribuição de preços leptokurtic que modelos de negociação de expectativa positiva tendem a cair em duas categorias:

Modelos de contraposição que capitalizam a propensão do mercado para a reversão da média. Modelos de tendência que se aproveitam daqueles tempos em que os mercados sofrem um evento de cauda gorda.

Não é coincidência que dois dos três principais tipos de indicadores técnicos sejam osciladores que sinalizam quando os mercados são - pelo menos temporariamente - sobrecompra ou sobrevenda e indicadores de tendência como médias móveis, divergência de convergência média convergente, nuvens de Ichimoku e assim por diante, que indica quando os mercados exibem comportamento de tendência de alta ou baixa.

Se sentir bem, não faça isso.

Bem, o comércio especulativo soa bastante simples. Os mercados podem fazer apenas duas coisas, seja o comércio em um intervalo ou tendência, e os indicadores de volatilidade podem ser usados ​​para indicar quais tipos de comportamento o mercado está atualmente exibindo. Por que, então, quase todos os especuladores perdem dinheiro? Eles perdem porque a especulação bem sucedida exige que consistentemente façamos o que é psicologicamente desconfortável e não natural.

Por que os modelos negativos de negociação de reversão são psicologicamente desconfortáveis ​​para implementar? Na Figura 3, vemos que na sexta-feira, 6 de março de 2009, os futuros do E-Mini S & P 500 não estão apenas em uma tendência de urso claramente definida, mas que eles voltaram a criar novas baixas de contrato. O que o gráfico não pode mostrar é como o sentimento de mercado grosseiramente baixista foi nesse dia. As sextas-feiras, depois de terminar minha análise de mercado para o dia, desliguei o computador e ligue as notícias financeiras, como geralmente é divertido. Nesta sexta-feira, o mercado acabou de fechar e eles estavam entrevistando dois especialistas do mercado. Normalmente, eles terão um entrevistado que defende o argumento do urso, enquanto sua contraparte é otimista. A previsão do nosso primeiro analista foi de 5.000 na Dow Jones Industrial Average e 500 no S & P 500 Index. Assim que as palavras "quinhentos" deixaram seus lábios, o outro interrompeu: "Você está fora de sua mente". Eu pensei: "Ah, aqui está o argumento de alta". O outro analista então procedeu a repreender o nosso forecaster baixista dizendo que ele estava fora de sua mente porque o Dow estava indo para 2.000 e o S & P 500 para 200. Eu olhei para o fundo da tela apenas para ter certeza de que eu não tinha perdido minha mente Não, os futuros E-Mini S & P, de fato, fecharam em 687.75. Pensamento seguinte: "Quando o mercado é em 687.75 e o analista otimista está pedindo que ele caia para 500, isso deve ser o fundo". Com certeza, o fundo do mercado de ações de 2009 ocorreu na sexta-feira, 6 de março de 2009 (ver Figura 4). O comerciante que usa um modelo de reversão médio deve consistentemente comprar esse tipo de sentimento esmagadoramente baixista ou vender dentro de uma tulipa de 1630 da era ou um ambiente bullish tipo habitação de 2005.

Figura 3: março de 2009 O contrato de futuros de E-Mini S & P 500 faz novos mínimos com o Oscilador de Índice de Força Relativa em Níveis de Sobrecarga.

Fonte: CQG, Inc. © 2018. Todos os direitos reservados em todo o mundo.

Figura 4: Contrato de Futuros S & P 500 semanais do Roteiro do Semanário, que se segue abaixo da Baixa da Bollinger e da Leitura sobre O Índice de Força Relativa.

Fonte: CQG, Inc. © 2018. Todos os direitos reservados em todo o mundo.

Tanto para a reversão média como para os comerciantes que seguem as tendências, o comércio lucrativo é aquele que é quase impossível de executar. Ou como eu gostaria de dizer: "Se é bom, não faça isso". Se parecer horrível, como uma perda garantida - mais frequentemente do que qualquer um poderia imaginar - esse é o comércio lucrativo. Se, por outro lado, o comércio se sentir como um dinheiro fácil, correr para o outro lado. Agora que examinamos os pontos fortes de modelos de expectativa positiva derivados de indicadores técnicos matemáticos, bem como suas fraquezas e ferramentas para compensar tais fraquezas, analisaremos brevemente transformando esses modelos em sistemas de negociação mecânica. Os sistemas mecânicos de negociação baseados em indicadores técnicos matemáticos nos ajudam a determinar o seguinte:

Este modelo possui uma expectativa positiva? Quais os tipos de fraquezas - perdas consecutivas máximas, piores remessas de capital de pico-a-vale, porcentagem de negociações vencedoras, duração média do comércio, e assim por diante - fez essa experiência modelo no passado? Estou disposto a suportar esses pontos fracos na minha conta de negociação em tempo real ou preciso de um modelo mais adequado ao meu perfil psicológico individual como comerciante?

Lições relacionadas.

Backtesting permite que você teste estratégias de negociação pré-construídas em condições históricas do mercado para determinar se certos cenários teriam funcionado bem no passado.

Nesta lição, você aprenderá o que é retirar e a forma como a análise de redução pode afetar sua estratégia de investimento ou negociação.

Ferramentas de negociação na Fidelity.

Fácil de usar e personalizável, essas ferramentas fornecem atualizações de transmissão em tempo real, bem como o poder de rastrear os mercados, encontrar novas oportunidades e colocar seus negócios rapidamente.

Experimente as vantagens dos Serviços Active Trader da Fidelity. 1 Aqui, você encontrará tudo o que precisa para trocar ferramentas mais sofisticadas, pesquisa independente gratuita e suporte profissional.

Ineficiência do mercado de ações no ZSE e no investimento.

Os preços de ações na Bolsa de Valores do Zimbábue (ZSE) são conhecidos por seguir a tendência devido à ineficiência de preços. Pesquisas amplas sobre a eficiência da bolsa local, que abrange mais de duas décadas desde a década de 1990 até o momento, revelam que o mercado é ineficiente na forma fraca.

Essa existência de imperfeições de mercado no ZSE traz oportunidades que os investidores podem explorar com lucro. Isso sugere um mispricing das ações no ZSE. Alguns investidores que possuem melhores informações do que outros podem superar o mercado e ganhar os retornos acima do normal. Esta condição não é peculiar apenas para o Zimbábue. Na verdade, a eficiência do mercado é professada como um modelo útil, embora quase impossível de alcançar, na realidade, mesmo para mercados de capitais avançados. Sem exceção, os mercados de capitais dos Estados Unidos experimentaram estações de manipulação de preços de ações.

A implicação é que os analistas técnicos podem superar o mercado usando estratégias de negociação que podem obtê-los acima dos retornos normais. Uma boa compreensão de comprar ou vender indicadores, em seguida, desempenhar um papel vital na informação da estratégia certa para assumir uma situação determinada. Entre uma série de indicadores de compra ou venda, os analistas técnicos podem usar são o Índice de Força Relativa (RSI), a Distribuição de Acumulação (A / D), o Indicador Aroon, o Volume Salvo, o Índice Directivo Médio, o Oscilador Estocástico e o Movimento Índice de Divergência de Convergência Média. Analistas do mercado de ações experientes argumentaram que esses indicadores funcionam bem quando combinados em vez de usar um indicador isoladamente. Quando usados ​​em conjunto, diferentes indicadores fornecem sinais de compra ou venda mais fortes, pois um indicador pode servir para confirmar outro.

O investimento no mercado de ações exige uma compreensão completa da dinâmica do mercado. A pesquisa, portanto, torna-se uma ferramenta indispensável para a estratégia informada quando combinada com o uso de indicadores. Geralmente, as perspectivas econômicas são aborrecidas e isso afetou o desempenho das empresas listadas no ZSE. Investir em tais situações pode não ser fácil. O uso das habilidades técnicas de negociação não garante lucros contínuos mesmo para comerciantes experientes. O ponto-chave é que, quando os preços das ações não se movem de forma aleatória, então os padrões observáveis ​​e as tendências no movimento de ações podem ser exploradas de forma lucrativa desde que a decisão comercial seja tomada com tempo. Os disparadores e os filtros informarão os comerciantes quando entrar ou sair de um mercado.

O ônus é, portanto, para os jovens investidores, pois são a próxima geração do país a assumir um papel ativo na exploração de tais oportunidades. O zimbabuense pode transformar suas futuras fortunas econômicas se a geração jovem tiver uma cultura de economia e investimento. Um país que é um consumidor líquido está predestinado a falhar. O número cada vez maior de vendedores visou todas as ruas das cidades em resposta à indigenização e ao chamado de capacitação local. Em contrapartida, a participação no ZSE tem sido mínima. Os relatórios dos analistas indicam que a maioria dos investidores ativos no ZSE são estrangeiros em oposição aos locais. Isso é à luz do sentimento baixo do credor dos professos. As desculpas baseadas em perspectivas econômicas ruins nunca podem moldar nosso futuro. Tudo o que é necessário é uma atitude positiva em relação ao investimento em ações, uma vez que a existência de risco por si só é uma oportunidade. "Não há risco de não retornar", então o anúncio é adotado. Isso mostra confiança e compromisso com o futuro de nossos mercados financeiros. Isso, por sua vez, será fundamental na atração do investimento estrangeiro direto. As alianças e integração de mercado de ações podem então nos permitir aprender de outros mercados de ações.

Patience Hlupo é palestrante em Banca e Finanças na Universidade de Mulheres na África.

Siga-nos no Twitter no @FingazLive e no Facebook - The Financial Gazette.