WINSTGEVENDHEID VAN TECHNISCHE ANALYSE IN OPKOMENDE AANDELENMARKTEN

Transcriptie

1 UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR WINSTGEVENDHEID VAN TECHNISCHE ANALYSE IN OPKOMENDE AANDELENMARKTEN Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen: Handelsingenieur Edward Vande Maele onder leiding van Prof. Michael Frömmel i

2 ii

3 iii

4 iv

5 UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR WINSTGEVENDHEID VAN TECHNISCHE ANALYSE IN OPKOMENDE AANDELENMARKTEN Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen: Handelsingenieur Edward Vande Maele onder leiding van Prof. Michael Frömmel v

6 vi

7 PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Edward Vande Maele vii

8 viii

9 Woord vooraf Het tot stand brengen van deze masterproef heeft veel tijd en energie gekost, het is dan ook met enige trots dat ik dit werk aan jullie voorleg. Desondanks ben ik ook een aantal mensen dank verschuldigd, zonder hen zou ik namelijk niet tot dit eindresultaat gekomen zijn. Eerst en vooral wens ik de Faculteit Economie & Bedrijfskunde oprecht te bedanken voor de voortreffelijke Bachelor- en Master-opleiding die ik er genoten heb. Zonder deze vijf opleidingsjaren als basis, zou ik nooit in staat geweest zijn een werk en een onderzoek van dergelijke omvang en diepgang te produceren. Voorts wens ik mijn naaste familie en vrienden te bedanken, die mij altijd ondersteund hebben doorheen mijn opleiding Handelsingenieur aan de Universiteit Gent. Zonder mijn naaste vrienden waren deze vijf jaren aan de universiteit niet dezelfde geweest, zonder mijn naaste familie waren die misschien zelfs niet mogelijk geweest. Edward Vande Maele ix

10 x

11 Inhoudsopgave Woord vooraf... ix Inhoudsopgave... xi Lijst van gebruikte afkortingen... xiv Lijst van tabellen... xiv DEEL 1: INLEIDING... 1 Situering van het onderwerp... 2 DEEL 2: TECHNISCHE ANALYSE... 3 Inleiding... 3 Literatuurstudie... 3 Definitie technische analyse... 3 Het nut van technische analyse... 4 Kritiek... 4 Efficiënte Markt Hypothese en Random Walk Theorie... 6 Factoren die de marktefficiëntie bepalen... 7 Technische analyse tegenover fundamentele analyse... 9 Empirische testen in de literatuur... 9 Studies die de winstgevendheid van technical trading rules nagaan... 9 Combinatie van technical trading rules met tijdreeksgegevens Enquêtestudies Verklaringen technische analyse Noisy Rational Expectation Models Noise Traders Model Overige verklarende modellen Subjectiviteit DEEL 3: ONDERZOEKSOPZET Inleiding Onderzoeksmethode Technical Trading Rules Voortschrijdende gemiddelden Trading Range Uitbraken Double-or-out strategie Factoren die de betrouwbaarheid van het onderzoek beïnvloeden Onderzoekspopulatie en dataverzameling DEEL 4: RESULTATEN Autocorrelatie van returns Uitleg bij de tabellen Situatie voor transactiekosten xi

12 Volledige sample VMA-regels FMA-regels TRB-regels Eerste deelperiode VMA-regels FMA-regels TRB-regels Tweede deelperiode VMA-regels FMA-regels TRB-regels Situatie na transactiekosten Volledige sample VMA-regels FMA-regels TRB-regels Eerste deelperiode VMA-regels FMA-regels TRB-regels Tweede deelperiode VMA-regels FMA-regels TRB-regels Verdere verklaringen voor de verschillen in resultaten Invloed van het aantal trading signalen op de transactiekosten Invloed van het aantal Buy- versus Sell-dagen op de gemiddelde overwinst Invloed van de treasury bill koers op de gemiddelde overwinst DEEL 5: ALGEMEEN BESLUIT DEEL 6: BIBLIOGRAFIE... i Websites... i Handboeken... i Papers... i DEEL 7: BIJLAGEN... v Bijlage 1: Broncode VBA en formules MS Excel... v Berekening Trading Signals bij de VMA... v Zonder band... v Met 1 percent-band... v Berekening Trading Signals bij de FMA...vi Zonder 1 percent band... vi Met 1 percent-band... vi Berekening Trading Signals bij de TRB... viii Zonder band... viii xii

13 Met 1 percent-band... ix Berekening double-or-out strategie bij de VMA en FMA... x Zonder band... x Met 1 percent band... xi Berekening double-or-out strategie bij de TRB... xii Plaatsing van de maandelijkse T-Bill Rates bij de overeenkomstige dagelijkse prijsdata... xiii Aanpassing winst voor transactiekosten... xiv In Chili, Jamaica en Kenia... xiv In Maleisië... xiv In Tsjechië... xiv Berekening aantal trading signalen... xv Bij VMA en FMA... xv Bij TRB... xvi Berekening Buy-, Sell- en No-Periodes... xvii Bij VMA en FMA... xvii Bij TRB... xviii Bijlage 2: Transactiekosten... xix Bijlage 3: Autocorrelatie van returns... xx Chili... xx Jamaica... xxi Kenia... xxii Maleisië... xxiii Tsjechië... xxiv Bijlage 4: Broncode EViews... xxv Berekening gemiddelde dagelijkse return per markt... xxv Berekening gem. dagelijkse overwinst per trading rule en per periode... xxv Bijlage 5: Aantal trading signalen per trading rule... xxvi Chili... xxvi Jamaica... xxvi Kenia... xxvi Maleisië... xxvii Tsjechië... xxvii Bijlage 6: Relatieve aandeel van iedere soort trading signalen in duurtijd... xxviii Relatieve aandeel van elk signaal in de totale onderzochte tijdspanne voor VMA-regels... xxviii Relatieve aandeel van elk signaal in de totale onderzochte tijdspanne voor FMA-regels... xxix Relatieve aandeel van elk signaal in de totale onderzochte tijdspanne voor TRB-regels... xxx xiii

14 Lijst van gebruikte afkortingen EMH FMA KTVG LTVG TRB VMA Efficiënte Markt Hypothese Fixed Length Moving Average Korte Termijn Voortschrijdend Gemiddelde Lange Termijn Voortschrijdend Gemiddelde Trading Range Breakout Variable Length Moving Average Lijst van tabellen Tabel 1. Overzicht van de gebruikte symbolen in de double-or-out strategie p. 19 Tabel 2. Overzicht van de onderzochte markten p. 23 Tabel 3. Correlatiematrix van de returns p. 23 Tabel 4. Gem. dagelijkse overwinst bij VMA-regels, volledige sample, voor transactiekosten p. 27 Tabel 5. Gem. dagelijkse overwinst bij FMA-regels, volledige sample, voor transactiekosten p. 28 Tabel 6. Gem. dagelijkse overwinst bij TRB-regels, volledige sample, voor transactiekosten p. 29 Tabel 7. Gem. dagelijkse overwinst bij VMA-regels, 1 e deelperiode, voor transactiekosten p. 31 Tabel 8. Gem. dagelijkse overwinst bij FMA-regels, 1 e deelperiode, voor transactiekosten p. 32 Tabel 9. Gem. dagelijkse overwinst bij TRB-regels, 1 e deelperiode, voor transactiekosten p. 33 Tabel 10. Gem. dagelijkse overwinst bij VMA-regels, 2 e deelperiode, voor transactiekosten p. 34 Tabel 11. Gem. dagelijkse overwinst bij FMA-regels, 2 e deelperiode, voor transactiekosten p. 35 Tabel 12. Gem. dagelijkse overwinst bij TRB-regels, 2 e deelperiode, voor transactiekosten p. 36 Tabel 13. Gem. dagelijkse overwinst bij VMA-regels, volledige sample, na transactiekosten p. 38 Tabel 14. Gem. dagelijkse overwinst bij FMA-regels, volledige sample, na transactiekosten p. 39 Tabel 15. Gem. dagelijkse overwinst bij TRB-regels, volledige sample, na transactiekosten p. 40 Tabel 16. Gem. dagelijkse overwinst bij VMA-regels, 1 e deelperiode, na transactiekosten p. 41 Tabel 17. Gem. dagelijkse overwinst bij FMA-regels, 1 e deelperiode, na transactiekosten p. 42 Tabel 18. Gem. dagelijkse overwinst bij TRB-regels, 1 e deelperiode, na transactiekosten p. 43 Tabel 19. Gem. dagelijkse overwinst bij VMA-regels, 2 e deelperiode, na transactiekosten p. 44 Tabel 20. Gem. dagelijkse overwinst bij FMA-regels, 2 e deelperiode, na transactiekosten p. 45 Tabel 21. Gem. dagelijkse overwinst bij TRB-regels, 2 e deelperiode, na transactiekosten p. 46 Tabel 22. Gem. aantal trading signalen per groep van trading rules en per markt p. 48 Tabel 23. Relatief aandeel van elk signaal in duurtijd per markt en per soort trading rule p. 50 Tabel 24. Relatief aandeel van elk signaal per deelperiode en per soort trading rule voor Kenia p. 51 xiv

15 1. Inleiding Deze masterproef heeft tot doel te onderzoeken of er enkel via toepassing van technische analyse winst kan geboekt worden op minder efficiënt uitgebouwde aandelenmarkten. Technische analyse maakt voornamelijk gebruik van historische prijzeninformatie. Het is in de literatuur reeds meermaals aangehaald dat technische analyse niet langer zinvol is als beleggingstechniek op westerse aandelenmarkten, waar het bestuderen van historische aandelenkoersen niet langer leidt tot positieve returns. Op minder efficiënt uitgebouwde aandelenmarkten daarentegen, waaronder veel Zuidoost-Aziatische markten, kan via toepassing van technische analyse nog winst geboekt worden. Dit onderzoek geeft aan de hand van een reeds in de literatuur gebruikte methode antwoorden op verschillende onderzoeksvragen inzake deze materie. Meer specifiek wordt onderzocht of twee populaire technical trading rules het beter doen op eenzelfde reeks data dan de passieve buy-andhold strategie. Dit zijn de voortschrijdende gemiddelden en de trading range uitbraken, die telkens toegepast worden in een double-or-out strategie. Er werd hierbij rekening gehouden met transactiekosten en met autocorrelatie en deels met de data-snooping bias. Dit onderzoek is vernieuwend in de keuze van de onderzochte markten: zij werden met nadruk geselecteerd in verschillende geografische regio s. In de reeds bestaande literatuur daarentegen worden voornamelijk groepen van nabij gelegen opkomende markten onderzocht. 1

16 Situering van het onderwerp Opkomende groeilanden genieten meestal nog niet van de voordelen van een efficiënt uitgebouwde liquide aandelenmarkt. We hebben er meestal te maken met zwakke vorm efficiëntie, waarin volgens een aantal theorieën meeropbrengsten gegenereerd kunnen worden door het analyseren van historische prijzen in de voorspelling van toekomstige prijzen. Dit is de basis van technische analyse en opkomende groeilanden zijn de markten waarin technische analyse, volgens de studie van Park & Irwin (2004), nog winstgevend is. In moderne efficiënt uitgebouwde aandelenmarkten daarentegen, zoals de Dow Jones, was dit enkel mogelijk tot de late jaren 1980, daarna niet meer. Dit toont aan dat de efficiëntie van een aandelenmarkt bepalend is voor de voorspellingskracht en de winstgevendheid van technische analysemethoden. In deze masterproef wordt eerst verduidelijkt wat het begrip technische analyse precies inhoudt en er wordt een overzicht gegeven van de reeds bestaande literatuur en onderzoek rond technische analyse. Daarin wordt onder meer aangetoond welke factoren de efficiëntie van een markt bepalen. Verder worden enkele eenvoudige en vaak gebruikte technical trading rules toegepast op vijf zorgvuldig uitgekozen markten, stuk voor stuk nationale indices, markten van opkomende aard, en er wordt geëvalueerd of deze methoden nog winstgevend zijn. De gebruikte handelsregels zijn (meerdere variaties op) de voortschrijdende gemiddelden en de trading range uitbraken. Deze worden toegepast in een double-or-out strategie, de meeropbrengsten ten opzichte van de passieve buy-and-hold strategie worden berekend en getest op hun significantie. Aangezien deze strategie relatief veel transacties eist, mogen transactiekosten niet genegeerd worden. Zij worden daarom in een volgende stap in beschouwing genomen, waarna blijkt dat deze strategie nog slechts partieel winstgevend is, afhankelijk van het aantal trading signalen een welbepaalde trading rule uitzendt. De winstgevendheid van deze strategie is verder nog afhankelijk van een aantal andere zaken die eveneens besproken worden. Ten slotte worden de datareeksen in twee gelijke deelperiodes opgesplitst, om te testen of de winstgevendheid afneemt over de tijd. Anders verwoord: afnemende winstgevendheid kan een teken zijn van toenemende marktefficiëntie. 2

17 2. Technische analyse Inleiding Het gebruik van technische analyse is mogelijks zo oud als de aandelenmarkt zelf. Het oudste bewijs van het gebruik van technische analyse dateert van de rekeningen van Joseph de la Vega in de 17 e eeuw op de Nederlandse markt. De eerste moderne tradingssystemen kunnen worden toegeschreven aan Charles Henry Dow, vooral bekend als medestichter van de alom bekende Dow Jones Index. Hij ontwikkelde bepaalde handelsstrategieën die later bekend werden onder The Dow Theory en die nog dagelijks worden toegepast. In Azië wordt het ontstaan van technische analyse gezien als een methode ontwikkeld in de 18 e eeuw door Homma Munehisa; een methode die later zou leiden tot de Candlestick technieken, die eveneens nog steeds toegepast worden. Tegenwoordig bestaan er ontelbaar veel systemen en theorieën binnen de discipline van technische analyse. Er bestaat geen twijfel rond dat de technologische vooruitgang van de voorbije decennia hier een belangrijke rol in speelt. (Kirkpatrick en Dahlquist, 2007) Literatuurstudie Definitie technische analyse Alvorens een grondige literatuurstudie uit te voeren is het belangrijk nauwkeurig te omschrijven wat het begrip technische analyse precies inhoudt. John Murphy (1999, p.38-43), één van de grondleggers van deze analysemethode, omschrijft ze als volgt: Technische analyse is de studie van prijsontwikkelingen, vooral door het gebruik van grafieken, met als doel het voorspellen van toekomstige trends in de prijzen. Hiervoor moet volgens de auteur aan drie belangrijke voorwaarden voldaan zijn. De eerste is dat de prijsbewegingen alles reflecteren. Dit wil zeggen dat het geen zin heeft, andere variabelen in de analyse te betrekken, gezien deze geen voorspellende kracht meer bezitten. Alles wat namelijk ook maar enige invloed kan hebben op de prijs, is reeds in de prijs verdisconteerd. Dit omvat zowel fundamentele, politieke, als psychologische factoren. Men hoeft dus enkel de prijs in de brede zin van het woord te onderzoeken. 1 Hoe die tot stand komt is voor de analist volstrekt irrelevant. Een tweede essentiële voorwaarde, is de vaststelling dat de prijs beweegt in trends. De analist probeert zo vroeg mogelijk een trend te herkennen, en hiernaar te handelen. Het is op basis van deze trends dat de meeste technical trading rules, zoals de voortschrijdende gemiddelden en de trading range uitbraken, gebaseerd zijn. Men gaat er van uit dat de trend de neiging heeft zich in dezelfde 1 Naast de prijs zelf, wordt ook het volume en de open intrest gebruikt. Met open intrest verwijst men naar informatie die uit afgeleide producten (bv. opties, futures, ) wordt gehaald. 3

18 richting verder te zetten. Pas als er afdoende bewijs is dat een trend zich keert dit wordt gemeten aan de hand van deze trading rules- zal de analist zijn positie veranderen. Een alternatieve definitie van technische analyse door Pring (2002), geeft dit duidelijk weer: The technical approach to investment is essentially a reflection of the idea that prices move in trends that are determined by the changing attitudes of investors toward a variety of economic, monetary, political, and psychological forces. The art of technical analysis, for it is an art, is to identify a trend reversal at a relatively early stage and ride on that trend until the weight of the evidence shows or proves that the trend has reversed. (p.2) De derde assumptie is dat de geschiedenis zich herhaalt. De patronen die werkten in het verleden worden verondersteld dezelfde uitkomst te geven in de toekomst. Murphy (1999, p ) Het nut van technische analyse In de studie van Park en Irwin (2004) is aangetoond dat traders technische analyse vooral belangrijk vinden als instrument op korte termijn. Naast de toepassing op aandelenmarkten, wordt de analyse ook toegepast op futures markten en in foreign exchange markten. In de aangehaalde studie werd een overzicht gegeven van de voornaamste voorgaande studies die tot doel hadden de winstgevendheid van technische analyse te onderzoeken. Hieruit bleken in 58 van de 92 onderzochte studies, technische handelsstrategieën winstgevend te zijn. In 24 studies werden negatieve resultaten gevonden, terwijl in 10 studies gemengde resultaten vastgesteld werden. In deze studies werden zowel aandelenmarkten, valutamarkten als futuresmarkten onderzocht. Voor de aandelenmarkt alleen, vonden 12 van de 48 studies positieve resultaten, 10 vonden negatieve resultaten en 12 vonden gemengde resultaten. Het resultaat van de toepassing van technical trading rules hangt uiteraard af van de (efficiëntie van de) onderzochte markt (infra, p. 6-7), maar voorlopig kunnen we besluiten dat in een aantal gevallen toepassing van technische analyse wel degelijk winstgevend kan zijn. Er werd echter geen rekening gehouden met transactiekosten dus het aantal positieve resultaten kan in werkelijkheid lager liggen. Kritiek Technische analyse is de beleggingstheorie die in de praktijk het vaakst toegepast wordt. In verhouding tot deze dagelijkse toepassing, bestaat er echter weinig wetenschappelijk onderzoek over. 2 De meeste academici zijn zelfs tegen het gebruik van technische analyse gekant. Cochrane (2001) schrijft dit scepticisme toe aan data snooping problemen en mogelijks insignificante 2 Naar een onderzoek van Flanegin en Rudd (2005) 4

19 economische winsten na aftrek van aanvaardbare transactiekosten en risico. Er zouden dus onbetrouwbare resultaten gevonden worden, te wijten aan een onvoldoende wetenschappelijke onderbouw van de studies. Voorts druisen de breed aanvaarde Random Walk Theorie en de Efficiënte Markt Hypothese (infra, p. 6) lijnrecht in tegen de voorspelbaarheid van prijzen, waarop technische analyse gebaseerd is. In deze theorie worden veronderstellingen gemaakt die de mogelijkheid tot technische analyse uitsluiten. Bepaalde empirische en theoretische studies bestempelen de methode als nietwinstgevend. Zo vinden Fama en Blume (1966) in hun studie geen empirisch bewijs om aan te tonen dat het mogelijk is een groter rendement te halen met technische analyse op de Dow Jones voor de periode van 1956 tot Markten worden verondersteld informatie-efficiënt te zijn, alle beschikbare informatie is bijgevolg in de huidige prijzen opgenomen. Samuelson (1965) postuleerde daaromtrent het volgende: there is no way of making an expected profit by extrapolating past changes in the futures price, by chart or any other esoteric devices of magic or mathematics. The market quotation already contains in itself all that can be known about the future and in that sense has discounted future contingencies as much as is humanly possible. (p.44) Malkiel (2011) geeft in zijn boek nog verdere argumenten tegen technische analyse. Om te beginnen koopt een belegger als er zich een trend heeft gevormd, of als de trend zich heeft gebroken. Echter, tegen de tijd dat een veranderende trend gesignaleerd is, heeft men reeds een deel van de trend gemist of in het ergste geval zit de trend al aan zijn einde. Vooral bij een plotse trendommekeer is dit zo. Hierdoor mist de belegger een deel van de mogelijke opbrengsten die de trend met zich meebrengt. Verder is het zo dat hoe meer traders in een markt technische analyse hanteren, hoe sneller men moet zijn in het herkennen van patronen en signalen. Als een koers breekt door een bepaalde weerstand 3, zijn alle beleggers geneigd te kopen voor de uitbraak en niet erna. De koers zou dan namelijk al veel te hoog staan en men verliest opbrengsten. Als het vroeger winstgevend was deze analysetechnieken te volgen, dan is het nu enkel winstgevend voor diegenen die anticiperen op de signalen, diegene die handelen nog voor het signaal definitief is gegeven. Dit suggereert dat iedereen zal proberen zo vroeg mogelijk het signaal te voorzien. Men moet echter tegelijk in acht nemen dat 3 Trading Range Breakout Rule (infra, p. 18) 5

20 hoe meer men in groep op een signaal anticipeert, hoe meer kans er is dat het signaal zich uiteindelijk niet voordoet. Men opteert daarom best voor een gulden middenweg. 4 Een laatste voornaam tegenargument is de kracht van nieuws. Nieuws is over het algemeen onvoorspelbaar en koersen kunnen zich hier zo snel aan aanpassen dat het hele proces van technische analyse uiteindelijk voor niets bleek te zijn. De aanpassing van prijzen aan nieuwswaarde -van eender welke vorm- hangt af van de efficiëntie van de betreffende index. Zo geeft Malkiel (2011) toe dat sommige markten duidelijk niet efficiënt zijn, waardoor ze een non-random walk patroon vertonen. Het is dus vooral in deze markten dat technische analyse ingang vindt. Efficiënte Markt Hypothese en Random Walk Theorie De Efficiënte Markt Hypothese (EMH) en de Random Walk Theorie, zoals eerst beschreven door resp. Fama (1970) en Regnault (1863), maken het principieel onmogelijk technische analyse toe te passen. Een Random Walk doet zich voor wanneer toekomstige prijsbewegingen niet voorspeld kunnen worden door het observeren van voorbije prijsbewegingen. Als dit waar is, dan moeten dus andere data dan voorbije prijzen geanalyseerd worden, teneinde toekomstige prijzen te kunnen voorspellen. De Efficiënte Markt Hypothese gaat er van uit dat alle beschikbare informatie en alle toekomstverwachtingen reeds in de prijzen zijn verwerkt. Als er nieuws bekend gemaakt wordt, zullen alle actoren in de markt hun verwachtingen aanpassen en zal de prijs hiernaar veranderen. Fama maakt hierbij onderscheid tussen drie vormen van efficiëntie. In de Weak Form Efficiency zit alle publieke informatie in de prijzen verwerkt. In de Semi-Strong Form Efficiency zit naast publieke informatie eveneens niet-publieke informatie in de prijzen verwerkt en in de Strong Form Efficiency geeft zelfs het interpreteren van insider-informatie niet langer aanleiding tot hogere returns. Hoe groter de efficiëntie van een markt, hoe moeilijker het wordt toekomstige prijzen te voorspellen, of hoe geavanceerder de techniek moet zijn om nog winst te kunnen boeken. Bij Weak Form Efficiency is technische analyse niet langer relevant, want alle publiek beschikbare informatie zit reeds in de prijzen vervat. Dan kan enkel fundamentele analyse, die alle beschikbare publieke informatie in zijn analyse in beschouwing neemt, een oplossing bieden. Bij Semi-Strong Form Efficiency zijn noch technische noch fundamentele analyse winstgevend omdat alle mogelijke informatie reeds in de prijzen vervat zit, waardoor analyse van deze gegevens niet langer zin heeft. Fama gaat echter uit van Strong Form efficiënte markten, waarbij zelfs toepassing van insider informatie niet langer tot meeropbrengsten leidt. Voor technische analyse is bijgevolg enkel de zwakke vorm van belang. Als deze vorm geldig blijkt te zijn, dan blijkt de analysemethode waardeloos. Fama kwam tot de conclusie dat deze versie, op 4 Dit snelheidscriterium leidt er ook toe dat technische analyse vooral gebruikt wordt als korte termijn beleggingsstrategie (infra, p. 14). 6

21 enkele uitzonderingen na, overal ondersteund wordt. Daaruit concludeert hij dan dat technische analyse waardeloos is. Het is volgens hem onmogelijk om prijzen te voorspellen op basis van historische koersen en er is empirisch bewijs dat de koersen een Random Walk volgen. De koersen zijn onafhankelijk van elkaar en vertonen dus geen enkele correlatie. Er is over de jaren heen echter veel tegenbewijs gegeven tegen de EMH. Tegenstanders kaarten vooreerst aan dat de semi-sterke vorm en sterke vorm van marktefficiëntie nooit empirisch bewezen zijn. 5 Verder is het zo dat de theorie gebaseerd is op de veronderstelling van rationaliteit: alle actieve handelaars handelen rationeel en zijn niet beïnvloed door psychologische effecten of groepsdruk. Zij baseren, gemiddeld genomen, hun acties enkel op basis van de voor hen beschikbare relevante informatie. 6 Dit ging zover dat Fama zijn originele definitie uit 1970 aangepast heeft als volgt: Prices reflect information to the point where the marginal benefits of acting on information (the profits to be made) do not exceed the marginal costs. (Fama, 1991, p. 1575). Vanaf nu is de EMH dus een rekbaar begrip. Enkel zolang de baten van informatie groter zijn dan de kosten ervan, zal deze informatie in de prijzen verwerkt zijn. De informatiekosten bepalen dus mee de graad van marktefficiëntie. Indien informatie goedkoop te verzamelen en te verwerken is, dan zal de prijszetting efficiënt gebeuren. Wanneer informatie echter tegen een hoge prijs verschaft wordt en wanneer die moeilijk te verzamelen en te verwerken is, zal de prijszetting minder efficiënt verlopen. Theorieën zoals Noisy Rational Expectations modellen, gedragsmodellen, onevenwichtsmodellen, kuddegedrag-theorie, agent-gebaseerde modellen en de chaostheorie gaan er vanuit dat menselijke handelaars niet altijd rationeel handelen en het is net onder die omstandigheden dat technische analyse zijn vruchten afwerpt. De prijzen wijken af van de waarden die verwacht zouden worden op basis van alle relevante informatie, omdat ook psychologische en gedragsfactoren meespelen in het sturen van de prijzen. In het deel Verklaringen technische analyse (infra, p. 14 e.v.) wordt dit verder besproken. Factoren die de marktefficiëntie bepalen Een praktische definitie van marktefficiëntie is die van Jensen (1978, p.96): A market is efficient with respect to information set θ t if it is impossible to make economic profits by trading on the basis of information set θ t. Een uitgebreidere versie van deze definitie door Timmermann en Granger (2004, 5 Nicholson, F., (1968) Price-Earnings Ratios in Relation to Investment Results in Financial Analysts Journal, jan/feb, p Basu, S., (1977) Investment Performance of Common Stocks in Relation to Their Price-Earnings Ratios: A test of the Efficient Markets Hypothesis in Journal of Finance, n.32, p Rosenberg, B., Reid, K. en Lanstein, R. (1985) Persuasive Evidence of Market Inefficiency in Journal of Portfolio Management, n.13, p Het gemiddelde effect op de prijzen van alle andere informatie is nul. Analyseren van deze andere informatie om prijzen te voorspellen is dus zinloos, de prijzen zullen niet van hun rationele waarde afwijken. 7

22 p.25), die specifieert hoe de informatievariabelen in θ t gebruikt worden in de voorspellingen, klinkt als volgt: A market is efficient with respect to the information set, θ t, search technologies, S t, and forecasting models, M t, if it is impossible to make economic profits by trading on the basis of signals produced from a forecasting model in M t defined over predictor variables in the information set θ t and selected using a search technology in S t. De efficiëntie van een markt hangt voornamelijk af van de factoren hieronder besproken. Beschikbaarheid van informatie Zoals reeds aangehaald, wordt volgens de EMH alle beschikbare informatie gebruikt om prijzen te voorspellen. Hoe meer informatie beschikbaar is, hoe nauwkeuriger de prijzen voorspeld kunnen worden en hoe efficiënter de prijszetting van een markt. Kwaliteit van de beschikbare informatie Het voorhanden zijn van informatie alleen zegt niet alles. Deze informatie kan namelijk van slechte kwaliteit of zelfs foutief zijn. Het gebruik van slechte data verhoogt dus niet noodzakelijk de efficiëntie van een markt, enkel betrouwbare informatie levert een betrouwbaardere prijsvoorspelling op. De kwaliteit van de gebruikte informatie dient dus ook gecontroleerd te worden, vooraleer men van efficiëntie kan spreken. Nu is het zo dat bij opkomende markten de kwaliteit van de data soms twijfelachtig is, de prijszetting gebeurt minder snel en vaak minder nauwkeurig gezien het lage aantal actieve traders. Aantal spelers actief op de markt Hoe meer handelaars op een markt actief zijn, hoe vlugger prijzen zich in een bepaalde richting bewegen of hoe vlugger ze zich na een gebeurtenis naar een evenwichtswaarde herstellen. 7 Dit betekent dat, als er relatief veel handelaars actief zijn, het moeilijk wordt op bepaalde trends in te spelen, omdat de trend zich meteen gevormd heeft, meteen na het bekend worden van nieuwe informatie. In dit geval is technische analyse dus minder bruikbaar. Hoe minder spelers actief op een markt, hoe langzamer de prijsaanpassingen (lees: hoe groter de kans om in te spelen op trends), hoe nuttiger technische analyse en dus hoe lager de marktefficiëntie. Er is dus een positief verband tussen het aantal spelers op een markt en de marktefficiëntie. 7 Zoals bij zogenaamde event studies, waar hier verder niet op ingegaan wordt. 8

23 Verhandelde volumes De invloed van verhandelde volumes op efficiëntie hangt nauw samen met het aantal spelers actief op een markt. Hoe meer er gehandeld wordt, hoe sneller een prijs zich daaraan aanpast en dus hoe moeilijker het wordt een trend te voorspellen. Opnieuw zien we een positief verband tussen handelsvolumes en marktefficiëntie. Technische analyse tegenover fundamentele analyse Daar waar technische analyse toegepast wordt in (minder dan) zwakke vorm efficiënte markten, kan fundamentele analyse eveneens toegepast worden in (minder dan) semi-sterke vorm efficiënte markten. Het verschil tussen beide is gebaseerd op een verschil in theoretische veronderstellingen. Zoals reeds gezegd, gaat technische analyse uit van voorspelbaarheid van prijzen. De prijs bevat alle informatie die publiek beschikbaar is, dus analyse van andere data dan prijzen en volumes leidt niet tot meer opbrengsten. Fundamentele analyse daarentegen, gaat uit van een random walk, d.i. de prijzen volgen een onwillekeurig patroon, dat niet voorspeld kan worden aan de hand van historische prijzen. Analyse van tijdreeksen, wat in technische analyse vaak gedaan wordt, heeft dan niet langer zin. In fundamentele analyse heeft men dus nood aan zoveel mogelijk informatie naast de historische prijzen, om de toekomstige prijzen zo goed mogelijk te kunnen voorspellen. Daarom bouwt men -vaak complexe- modellen die trachten deze toekomstige prijzen exact te plotten. Beide analysemethoden kunnen naast elkaar bestaan want ze opereren in andere markten die verschillen in efficiëntieniveau. In een relatief efficiënte markt zijn er veel traders actief, het is van belang alle relevante informatie (van zowel macro-economische, politieke als van psychologische aard) meteen te analyseren, teneinde toekomstige prijzen te voorspellen. Anders loopt men mogelijke opbrengsten mis. In een eerder inefficiënte markt, waar minder traders actief zijn en waar minder frequent verhandeld wordt, leidt analyse van dergelijke informatie tot minder of geen meeropbrengsten en volstaat het toepassen van technical trading rules. In deze masterproef worden vijf opkomende aandelenmarkten onderzocht met een grote geografische spreiding. Dit zijn markten met lage handelsvolumes en een klein aantal actieve traders, twee factoren die ertoe leiden dat zij voor dit onderzoek geschikt zijn (supra, p.7-9: Factoren die de marktefficiëntie bepalen). Empirische testen in de literatuur Studies die de winstgevendheid van technical trading rules nagaan De studie die Brock, Lakonishok en LeBaron (1992) uitvoerden bewijst het actueel nut van technische analyse. Zij testten twee van de eenvoudigste en vaakst gebruikte trading rules uit: voortschrijdende gemiddelden en trading range uitbraken. Ze hebben getest op data van de Dow Jones Industrial Average over 90 jaar, van 1897 tot 1986, wat opmerkelijk lang is en dus een zeer getrouw onderzoek 9