Random vs. Non-Random Walk Theory di Pasar Keuangan

Dapat manajer portofolio mengungguli utama rata-rata? Lebih dari empat dekade yang lalu Princeton ekonom Burton Malkiel menulis buku klasiknya "A Random Walk Down Wall Street" di mana ia berpendapat bahwa pengembalian yang acak dan investor tidak dapat menghasilkan tingkat pengembalian yang lebih baik dari yang besar rata-rata.

Buku ini telah direvisi berkali-kali, dan ada tambahan baru seperti baru-baru tahun 2007. Malkiel adalah random walk teori ini didasarkan pada gagasan bahwa pengembalian yang dihasilkan oleh saham-saham yang tak terduga dan random dan oleh karena itu, seorang manajer portofolio tidak dapat menghasilkan konsisten yang akan mengungguli pasar yang lebih luas. Buku ini menyatakan bahwa menggunakan berbagai jenis analisis hanya akan menyebabkan kinerja yang kurang, karena tidak ada cara untuk memprediksi harga dalam jangka panjang.

Kesimpulannya, untuk random walk model, adalah bahwa investor adalah lebih baik membeli sebuah index fund yang mereplikasi kembali dari pasar yang lebih luas, dan menggunakan strategi beli dan tunggu. Ini adalah inti dari Malkiel adalah random walk hipotesis.

Teori Random walk menegaskan bahwa pengembalian harga saham yang efisien karena semua informasi yang tersedia saat ini tercermin pada saat ini harga sebuah keamanan dan bahwa gerakan ini adalah murni didasarkan pada pedagang' sentimen yang tidak dapat diukur secara konsisten.

Ketika informasi baru tersedia, harga sekuritas akan cepat menyesuaikan diri dan segera mencerminkan informasi baru. Karena informasi baru yang acak dan tak terduga, ada pasar keacakan, dan karena itu kembali dikaitkan dengan harga yang tak terduga, membuat random pasar.

Hipotesis Pasar Yang Efisien

Teori Random Walk didasarkan pada gagasan bahwa pasar adalah efisien, dan bahwa ketika informasi baru tersedia untuk para pedagang, mereka akan bereaksi dengan cara untuk mengubah harga untuk mencerminkan informasi baru. Teori ini memiliki beberapa masalah seperti tidak setiap peserta memiliki motivasi yang sama.

Sebagai contoh, sebuah perusahaan bendahara dan manajer hedge fund akan memiliki motivasi yang berbeda ketika mereka harus bertransaksi. Sementara manajer hedge fund mungkin menghindar dari periode ketika harga sedang jatuh, perusahaan bendahara mungkin ingin menggunakan besar penurunan harga untuk memulai program buyback.

Perusahaan bendahara juga akan menggunakan derivatif surat berharga dalam cara yang berbeda. Misalnya, jika harga saham menurun dengan cepat dan perusahaan memiliki program buyback, perusahaan bendahara mungkin menggunakan teknik yang mana ia menjual menempatkan di bawah pasar untuk meningkatkan program dengan menerima premi.

Dalam situasi ini, jika bendahara menjual put option di bawah pasar, ia dapat menerima premi terlepas dari apakah strike price dari opsi put tercapai. Jenis motivasi yang akan mengubah cara pasar yang efisien teori terjadi, karena perusahaan bendahara, melihat pasar yang berbeda dari pedagang atau manajer portofolio.

Selain itu, time horizon yang digunakan oleh para trader dapat mengubah efisiensi pasar. Investor yang memegang saham untuk jangka panjang akan berperilaku berbeda dari orang-orang yang mencoba untuk perdagangan hari keamanan. Misalnya, jika anda adalah dollar cost averaging, di mana anda membeli saham karena penurunan, tujuan anda adalah berbeda dari pedagang yang mencari untuk menangkap kecil bergerak di kedua panjang dan pendek perdagangan.

Algoritma Meningkatkan Teori Pasar Efisien

Pasar telah berubah sejak versi terakhir dari a Random Walk Down Wall Street ditulis pada tahun 2007. Hari ini, algoritma adalah bagian besar dari pergerakan jangka pendek di hampir setiap pasar modal. Algoritma adalah program komputer yang mencari perubahan dalam informasi dan segera bereaksi dengan membeli dan menjual surat-surat berharga. Efek tersebut bisa berupa saham, mata uang, obligasi, atau bahkan komoditas.

Frekuensi tinggi algoritmik strategi trading menggunakan algoritma komputer yang trading ribuan kali sehari mencoba untuk mempengaruhi pasar serta menangkap inefisiensi. Trader frekuensi tinggi membuat mereka lebih dulu terjun ke pasar modal. Peraturan baru yang memungkinkan pertukaran elektronik untuk bersaing dengan satu sama lain, yang meninggalkan pintu terbuka untuk trader frekuensi tinggi untuk masuk dan mencari perbedaan dalam harga.

Hari ini, algoritma yang menggunakan data yang dikumpulkan dari berbagai sumber. Algoritma pemindaian website dan Twitter semesta mencari kata kunci untuk menentukan bagaimana mereka harus bertransaksi. Istilah yang sederhana seperti "Feder Suku bunga the fed" bisa memicu kaskade transaksi, yang dapat mengakibatkan volatile pergerakan pasar. Banyak dari beberapa flash crash telah dihasilkan oleh algoritma yang cepat membeli dan menjual surat-surat berharga dan menciptakan efek bola salju ketika pasar baru informasi menjadi tersedia.

Algoritma juga mengubah distribusi return saham. Secara umum, keuntungan yang tercermin dalam pasar modal yang tidak terdistribusi normal. Apa artinya ini? Misalnya, jika anda adalah untuk mengukur berat badan dari 100 anak-anak sekolah dan plot distribusi anda mungkin akan melihat classic bell berbentuk kurva. Yang paling rutin berat badan akan tengah dan sisa beban dari anak-anak ini akan didistribusikan di kedua sisi. Sekitar 68 % akan jatuh dalam waktu 1-standar deviasi dari tengah dan 95% akan jatuh dalam waktu 2-standar deviasi.

Telah ada banyak penelitian yang telah menemukan bahwa pengembalian dari sekuritas yang tidak terdistribusi normal dan kembali ini memiliki ekor gemuk. Ini berarti bahwa akan ada banyak keuntungan yang luar distribusi normal. Beberapa mungkin lebih rendah dan banyak mungkin lebih tinggi.

Karena algoritma yang dirancang untuk mengambil keuntungan dari informasi baru, mereka reaksi cepat terhadap informasi baru menghasilkan tingkat pengembalian yang tidak terdistribusi normal. Mereka dilatih untuk melakukan apa-apa ketika tidak ada informasi baru, memberikan sedikit likuiditas, tapi meletus ketika ada informasi baru yang menghasilkan kondisi pasar yang bergejolak.

Non-Random Walk Theory

Sedangkan teori yang Malkiel menyediakan memiliki manfaat, untuk sejauh bahwa ia dapat membuat argumen bahwa harga adalah random, ada banyak manajer portofolio yang telah mengungguli pasar yang lebih luas. Ini berarti bahwa membeli dan menahan metodologi ini bukan cara terbaik untuk mencapai risk-adjusted return. Sebagai contoh, selama 20 tahun, Berkshire Hathaway telah mengalami 613% pengembalian modal dibandingkan dengan indeks S&P 500 (tidak termasuk dividen) yang memiliki return sebesar 190%.

Ada juga beberapa makalah dan artikel yang telah ditulis untuk melawan argumen yang dibuat oleh Burton Malkiel, menyatakan bahwa ada non-acak pasar. Ada koleksi artikel disebut "Non-Random Walk Down Wall Street" yang menawarkan bukti bahwa harga saham menawarkan informasi yang berharga.

Data empiris yang digunakan adalah seri dari model ekonometrik yang menguji keacakan dari harga. Non-random walk disusun oleh Andrew Lo, yang adalah non-random pendukung, dengan kesimpulan bahwa ada banyak teknik yang dapat digunakan untuk mengalahkan utama rata-rata, tapi pertanyaannya tetap untuk berapa lama bisa metodologi ini menjadi sukses. Lo berkata, "lebih banyak kreativitas anda membawa ke proses investasi, semakin bermanfaat itu akan menjadi. Satu-satunya cara untuk mempertahankan kesuksesan yang berkelanjutan, bagaimanapun, adalah untuk terus berinovasi." Proses pemikirannya pada mengalahkan pasar dalam jangka panjang adalah untuk mengubah metodologi untuk menyesuaikan diri dengan kondisi pasar yang terus-menerus.

Tes untuk Pasar Keacakan

Ada beberapa tes yang dapat dilakukan untuk menentukan apakah suatu rangkaian data adalah acak. Misalnya, BERJALAN, tes bernama setelah Abraham dan Yakub Wald Wolfowitz, adalah sebuah metodologi statistik yang mengevaluasi keacakan dari dua atau lebih dari dua kali seri.

Berjalan tes ini dapat menentukan apakah tren yang ada di pasar dan seberapa sering mereka terjadi. Hipotesis nol ini diasumsikan, yang berarti bahwa tidak ada ketergantungan dan tidak ada tren yang ada, dan populasi yang identik di alam. Berjalan tes peringkat nilai-nilai dan membuktikan hipotesis nol atau menunjukkan sebuah tren.

Analisis Regresi

Cara lain untuk menentukan apakah sebuah variabel yang tergantung pada variabel lain adalah untuk menjalankan analisis regresi. Regresi formula menunjuk independen dan variabel dependen serta R-squared, yang menggambarkan bagaimana tergantung satu dengan variabel yang lain.

Yang paling sederhana analisis regresi menggunakan variabel prediktor dan variabel respon. Titik data yang dilaporkan dengan menggunakan least-kuadrat metode. Jika ada outlier pada data seri yang menduga, tahan metode yang dapat digunakan untuk fit model. R-squared dari 1 berarti variabel dependen yang bergerak dalam bersama-sama dengan variabel independen.

Analisis Korelasi

Teknik lain yang digunakan untuk menentukan non-random sifat efek adalah analisis korelasi. Korelasi adalah seperti regresi bahwa anda menggunakan beberapa time series untuk menentukan jika kembali bergerak bersama-sama.

Analisis mengevaluasi hasil dari satu kali seri relatif terhadap yang lain dan menyediakan anda dengan koefisien korelasi antara 1 dan -1. Koefisien korelasi dari 1 berarti bahwa hasil dari 2 kali seri bergerak bersama-sama berbaris. Koefisien korelasi -1 berarti bahwa hasil dari 2 kali seri bergerak dalam arah yang berlawanan. Ketika anda mengevaluasi hubungan, itu adalah penting untuk menganalisis kembali sebagai lawan untuk harga.

Meskipun korelasi tidak berarti bahwa gerakan dari satu jam tergantung pada keamanan lain itu menunjukkan bahwa gerakan dua efek yang saling terkait satu sama lain.

Semakin tinggi koefisien korelasi, semakin erat kinerja dua aset yang satu dengan yang lain. Koefisien korelasi dari 70 atau negatif 70 berarti bahwa aset-aset yang memiliki korelasi yang signifikan atau korelasi negatif.

Contoh cara menggunakan korelasi adalah untuk menemukan aset yang dapat mempengaruhi aset lain. Misalnya, negara seperti Kanada memiliki sejumlah besar perusahaan-perusahaan minyak yang mempekerjakan jutaan orang. Ekonomi Kanada sangat bergantung pada perusahaan-perusahaan ini dan perusahaan-perusahaan ini sangat bergantung pada harga minyak untuk memastikan profitabilitas. Ketika harga minyak turun drastis, seperti yang terjadi selama semester pertama 2015, perekonomian di negara-negara seperti Kanada wajah yang signifikan permasalahan.

Korelasi analisis dapat dilakukan lebih banyak periode yang berbeda. Anda dapat melakukan analisis korelasi lebih dari satu periode yang panjang, misalnya 1 tahun atau lebih dari rolling periode. Nomor yang anda lihat di atas 1-tahun yang akan menggabungkan agregat korelasi periode, tetapi tidak akan menunjukkan nuansa bagaimana korelasi perubahan selama waktu tertentu cakrawala. Misalnya, USD/CAD mungkin memiliki koefisien korelasi -0.80 lebih dari satu tahun tetapi dapat berkisar antara -1 dan -0.20 yang berbeda selama 20 hari jangka waktu selama satu tahun.

Analisis Teknikal: Kasus Non Random Pasar

Teknis analisis yang digunakan untuk menentukan arah masa depan keamanan. Telah ada beberapa pekerjaan empiris yang dilakukan menunjukkan bahwa analisis teknis dapat digunakan untuk mengungguli pasar yang lebih luas.

Banyak teknisi percaya bahwa mereka dapat memprediksi pergerakan harga di masa depan dengan menggunakan data historis poin. Sebagai contoh, para analis teknikal percaya bahwa semua informasi yang tersedia saat ini sedang dalam harga sekuritas.

Dengan ini sebagai latar belakang, anda hanya dapat menentukan harga di masa depan dengan menggunakan studi atau pola, seperti masa lalu aksi harga perkiraan pergerakan harga di masa depan. Setidaknya, analisis teknikal dapat digunakan sebagai self-fulfilling prophecy.

Jika banyak orang menggunakan analisis teknikal untuk menentukan pergerakan harga di masa depan, penting bagi anda untuk memahami analisis teknikal, sehingga anda tahu apa yang lain mungkin berpikir. Di bagian berikut, kita akan membahas beberapa jenis dasar dari alat-alat teknis yang pedagang yang memanfaatkan untuk memprediksi pergerakan masa depan.

Permintaan dan Tingkat Dukungan

Nilai-nilai keamanan ini didasarkan pada perubahan pasokan dan permintaan untuk keamanan. Ketika seorang investor berpikir bahwa harga keamanan lebih murah dibandingkan dengan ekspektasi pasar, mereka akan membeli keamanan dalam harapan bahwa itu akan naik nilainya. Sebagai permintaan untuk saham meningkat, harga akan menemukan pivot point di mana penurunan lebih lanjut akan tercapai. Hal ini dianggap sebagai dukungan.

Ada banyak cara anda dapat menggunakan analisis teknikal untuk menentukan dukungan. Banyak pedagang menggunakan garis tren yang menghubungkan ayunan terendah untuk menentukan tren dukungan. Miring ke atas garis tren yang menghubungkan terendah yang lebih tinggi adalah cara yang sangat populer untuk menemukan level support di pasar bull.

Pasokan dan Tingkat Perlawanan

Resistensi adalah kebalikan dari support. Itu adalah area supply yang sesuai dengan harga pasar tindakan di mana harga memiliki waktu yang sulit bergerak lebih tinggi. Terpendam pasokan menumpuk di resistance. Seperti dukungan ada beberapa cara anda dapat menentukan tingkat resistensi yang menggunakan analisis teknikal. Anda dapat menggunakan garis tren yang menghubungkan ayunan tertinggi, atau anda bisa menggunakan horizontal garis tren yang juga menghubungkan pivot level tertinggi.

Rata-Rata Bergerak

Teknis lain metodologi yang sering digunakan untuk menentukan arah masa depan keamanan adalah menggunakan rata-rata bergerak untuk kelancaran pergerakan harga dan membantu menggambarkan jalan. Moving average adalah rata-rata jumlah hari tertentu. Ketika harga berikutnya dicatat, pertama harga turun dari perhitungan.

Misalnya, jika anda menghitung 10-hari rata-rata bergerak dari satu jam, anda akan rata-rata 10-hari. Pada hari ke-11, anda akan turun di hari pertama yang akan menghasilkan data baru point.

Moving Average Crossover

Moving average dapat membantu anda menentukan arah masa depan dengan menggunakan crossover populer metodologi. Moving average crossover membantu anda menentukan jika ada tren baru yang muncul di keamanan yang anda perdagangan. Jika anda mencari untuk sebuah perubahan yang lebih pendek, jangka waktu, maka itu adalah yang terbaik bagi anda untuk penggunaan jangka pendek rata-rata bergerak.

Salah satu yang lebih populer pengaturan adalah 5-hari rata-rata bergerak melintas di atas atau di bawah 20 hari rata-rata bergerak. Ini merangkum 1 minggu dan 1 bulan dan sangat membantu dalam menangkap tren jangka pendek. Jika anda mencari untuk jangka waktu lama, anda mungkin mempertimbangkan untuk 20 hari dan 50 hari rata-rata bergerak.

Jangka panjang moving average crossover seperti 50-hari moving average 200-hari rata-rata bergerak, yang sangat populer dan dikenal sebagai "golden cross" di kayu salib di atas, dan "death cross" di kayu salib di bawah ini. Moving average crossover adalah cara yang kuat untuk menentukan trend.

Kesimpulan

Sebagai seorang analis teknis, saya tidak percaya bahwa pasar adalah acak, dan itu cukup jelas bahwa ada individu-individu yang memiliki track record yang baik dari pasar yang lebih luas selama periode yang panjang. Warren Buffet kinerja, telah dengan mudah mengalahkan S&P 500 index oleh 423% selama 20 tahun. Sementara Prasmanan menggunakan pendekatan fundamental untuk memilih perusahaan, ada banyak contoh trader yang sukses, yang menggunakan model statistik, serta, analisis teknikal untuk membuat kuat dan konsisten.

Ada juga beberapa alat statistik seperti berjalan, uji regresi dan korelasi, yang menunjukkan bahwa ada ketergantungan, dan hubungan antara aktiva. Premis bahwa semua informasi yang tersedia saat ini harga menjadi keamanan memiliki prestasi, dan hal ini juga jelas bahwa ada paradigma baru, di mana algoritma perdagangan informasi bahwa di mana-mana, termasuk informasi yang tersedia di media sosial termasuk Facebook dan Twitter.

Pada akhir hari, meskipun Acak vs Non-Random pendukung akan melanjutkan perdebatan mereka, saya berharap bahwa informasi teknis analis yang memiliki harapan positif strategi akan terus mengungguli pasar.

Baca Juga: