جای تحلیلگران تکنیکال در کارگاه نقاشی است نه بازار‌های مالی!

بورس نیوز:

سال‌هاست که در تالار‌های گفت‌وگوی بورسی و کلاس‌های رنگارنگ آموزشی، تحلیل تکنیکال به‌عنوان «کلید طلایی بازار» فروخته می‌شود؛ همان چارت‌های رنگارنگ، خطوط مورب و منحنی‌هایی که قرار است راز آینده قیمت را برایتان آشکار کنند. اما سؤال اصلی اینجاست:

آیا واقعاً می‌توان با خط‌کش و چند فرمول ساده، حرکت بعدی آقای بازار را که بیشتر شبیه یک شطرنج‌باز حرفه‌ای و بی‌رحم است پیش‌بینی کرد؟

اگر کمی عمیق‌تر نگاه کنیم، متوجه می‌شویم بخش بزرگی از آنچه تکنیکال می‌نامیم، نه علم دقیق که هنر تفسیر شخصی است؛ هنری که در بازاری مانند بورس تهران، با دامنه نوسان مصنوعی، عمق کم و بازی‌های پنهانی نهاد‌های مالی، بیشتر شبیه نقاشی روی دیوار است تا تحلیل واقعی بازارکه در حال حاضر جریان دارد.

این یادداشت قرار نیست کسی را سرزنش کند؛ قرار است همان‌طور که هست واقعیت را بگوید؛ با داده‌های علمی، آمار رسمی و چند حقیقت تلخ که شاید شنیدنش برای برخی، گران تمام شود.

ماهیت و مبنا‌های تحلیل تکنیکال؛ پارادوکس علت و معلول

تحلیل تکنیکال در شکل کلاسیکش بر فرض قدیمی «همه‌چیز در قیمت منعکس شده است» بنا شده؛ فرضی که به ظاهر ساده است، اما در عمل، یکی از بزرگ‌ترین تناقضات این روش را به‌وجود می‌آورد. این رویکرد، به جای شناسایی علت‌های واقعی حرکت بازار، تمرکزش را بر روی معلول — یعنی خود قیمت — می‌گذارد.

قیمت در اغلب مواقع محصول مجموعه‌ای پیچیده از عوامل بنیادی، سیاست‌های کلان، تغییرات نقدینگی، و حتی رویداد‌های غیرقابل پیش‌بینی است. اتکا به خودِ این معلول برای حدس زدن آینده، مثل این است که در یک بازی شطرنج، تنها با نگاه به آخرین حرکت حریف، بدون دانستن استراتژی و شرایط ذهنی او، بخواهیم مسیر بازی را پیش‌بینی کنیم.

مشکل اصلی اینجاست که تحلیل تکنیکال از معلول انتظار دارد نقش علت را بازی کند. این وابستگی به داده‌ای که خودش خروجی ده‌ها متغیر دیگر است، باعث می‌شود پیش‌بینی‌های آن همواره در معرض خطای ساختاری باشند. حتی وقتی الگو‌ها و شاخص‌ها ظاهراً جواب می‌دهند، بیشتر به اثرات موقت روان‌شناسی جمعی یا خودتحقق‌بخشی وابسته‌اند تا کشف یک قانون پایدار بازار. به همین دلیل، ادعای «پیش‌بینی دقیق» در این حوزه بیش از آنکه بر شواهد علمی تکیه داشته باشد، بر خوش‌بینی و تفسیر شخصی استوار است.

وقتی داده‌های علمی علیه تحلیل تکنیکال شهادت می‌دهد!

بررسی‌های دانشگاهی و متاآنالیز‌های معتبر سال‌هاست بر یک نکته تاکید می‌کنند: تحلیل تکنیکال، به‌ویژه در بازار‌هایی با عمق کم، توانایی تولید سود پایدار و قابل‌اتکا را ندارد. پژوهش‌های منتشر شده در ScienceDirect نشان می‌دهند که در محیط‌های بازار کارا جایی که اطلاعات به سرعت در قیمت منعکس می‌شود مزیت تکنیکال به‌طور کامل فرسوده می‌گردد. به بیان ساده، هر بار که معامله‌گری صرفاً به نمودار تکیه می‌کند، عملاً با سیگنال‌هایی سروکار دارد که پیشاپیش در قیمت‌ها «هضم» شده‌اند.

حتی در مطالعاتی که نتایج مثبت گزارش کرده‌اند نیز تصویر امیدوارکننده‌ای دیده نمی‌شود. مرور بیش از ۹۵ مطالعه مدرن نشان می‌دهد که تنها حدود ۵۶ مورد به نتایج مثبت رسیده‌اند و همین موارد نیز با مشکلاتی، چون سوگیری انتخاب داده (data snooping) و نادیده گرفتن هزینه‌های معاملاتی آلوده بوده‌اند. نتیجه این است که بسیاری از مزیت‌ها پس از کسر کارمزد و لغزش قیمتی، به‌طور کامل از بین می‌روند.

نمونه‌های بازار‌های نوظهور مانند BRICS (روسیه، هند و…) نیز همین داستان را تکرار می‌کنند: سیستم‌های ساده‌ای همچون میانگین متحرک در تست‌های اولیه بهتر از استراتژی «خرید و نگهداری» عمل کرده‌اند، اما پس از لحاظ هزینه‌ها، عملاً چیزی از این برتری باقی نمانده است.

تحلیل تکنیکال کارایی زیادی در کوتاه‌مدت دارد ولی با، اما و اگر فراوان!

برخی مطالعات محدود، مانند بررسی شاخص‌های MSCI، نشان داده‌اند که تحلیل تکنیکال با استفاده از کنترل‌های آماری دقیق نظیر False Discovery Rate Control می‌تواند در بازه‌های کوتاه‌مدت عملکرد مثبتی داشته باشد. اما این اثر نه قطعیت دارد و نه پایداری، و کوچک‌ترین تغییر در شرایط بازار می‌تواند آن را بی‌اثر کند.

در حال حاضر که هنوز از پیشرفت گسترده هوش مصنوعی تایم زیادی هم نگذشته باشد روش‌های نوین مانند شبکه‌های عصبی (ANN) و مدل‌های کمی پیشرفته، در برخی موارد عملکردی هم‌تراز یا حتی بهتر از «خرید و نگهداری» ارائه داده‌اند. با این حال، این موفقیت‌ها تنها در صورت طراحی دقیق مدل، کنترل علمی داده‌ها و عبور از آزمون‌های سخت‌گیرانه حاصل شده‌اند. بدون چنین زیرساختی، تحلیل تکنیکال سنتی بیش از آنکه یک روش علمی باشد، به یک هنر تفسیری شبیه است.

بزرگ‌ترین ضعف، اما جای دیگری است: تکنیکال سنتی حتی قادر نیست در حد برآورد آماری یک درصد احتمال وقوع رکود اقتصادی، ارزیابی معتبری ارائه دهد. رکود حاصل زنجیره‌ای از عوامل بنیادی و کلان است که ماه‌ها یا حتی سال‌ها پیش از انعکاس در قیمت‌ها شکل می‌گیرند. شاخص‌ها و الگو‌های قیمتی، ذاتاً واکنشی‌اند و معمولاً زمانی هشدار می‌دهند که بازار بخش عمده‌ای از مسیر رکود را پیموده است. نتیجه این می‌شود که تحلیلگر تکنیکال، به جای پیش‌بینی آینده، در عمل نقش تاییدکننده رویداد‌هایی را ایفا می‌کند که مدت‌ها پیش آغاز شده‌اند.

تحلیل تکنیکال روش تحلیلی که هیچ پاسخی برای ناتوانی در پیش‌بینی رکود اقتصادی را ندارد...

وقتی یک نمودار، دو داستان متفاوت می‌گوید!

یکی از بنیادی‌ترین ضعف‌های تحلیل تکنیکال سنتی، نبود چارچوب کمی و معیار آماری مشخص است. نتیجه این می‌شود که دو تحلیلگر می‌توانند با نگاه به یک نمودار دقیقاً یکسان، دو پیش‌بینی کاملاً متضاد ارائه دهند — و هر کدام هم برای استدلال خود، خطوط، الگو‌ها و اندیکاتور‌های متفاوتی را به کار گیرند.

نبود معیار آماری باعث می‌شود که امکان سنجش دقت پیش‌بینی‌ها به‌شدت محدود باشد. در علم، پیش‌بینی باید قابلیت اندازه‌گیری و آزمون‌پذیری داشته باشد؛ اما در بسیاری از تحلیل‌های تکنیکال، ارزیابی «درست» یا «غلط» بودن نتیجه، بیشتر شبیه قضاوت شخصی است تا یک آزمون علمی.

بخش بزرگی از خروجی تحلیل تکنیکال وابسته به «مهارت بصری فرد» است، نه یک مدل ریاضی یا الگوریتم تکرارپذیر. همین وابستگی به تفسیر شخصی باعث می‌شود که خروجی دو تحلیلگر حتی با داده‌های یکسان، از زمین تا آسمان فرق داشته باشد.

مثال عینی:

فرض کنید شاخص بورس تهران در محدوده ۲.۵ میلیون واحد نوسان می‌کند.

تحلیلگر اول با نگاه به نمودار، خط روند صعودی ترسیم می‌کند و می‌گوید: اگر این سطح حمایتی حفظ شود، بازار پتانسیل رشد ۱۵ درصدی دارد.

تحلیلگر دوم، همان نمودار را نگاه می‌کند، اما با انتخاب قله‌های متفاوت برای ترسیم خط روند، شکست حمایت را اعلام کرده و هشدار افت ۲۰ درصدی می‌دهد.

سوال اصلی این است خط روند رسم شده درست کدام است؟!

هر دو تحلیلگر از ابزار‌های تکنیکال استفاده کرده‌اند، هر دو بر اساس «قیمت گذشته» نظر داده‌اند، اما نتیجه‌گیری‌ها کاملاً متضاد است. دلیل این تضاد نه در ماهیت داده‌ها، بلکه در تفسیری بودن ابزار‌ها و نبود معیار کمی ثابت است.

بر عقیده بسیاری از معامله گران و تحلیلگران سازمانی تحلیل تکنیکال مرسوم بین معامله گران خرد هیچ کاربردی نداشته و بیشتر برای سرگرم کردن افراد است.

برای مثال موسسه فیشر اینوست در مقاله‌ای در رویترز به صراحت بیان می‌کنه:

«تحلیل تکنیکال یک نقص فاحش دارد: فقط به حرکت‌های گذشته نگاه می‌کند، درحالی‌که بازار‌ها آینده‌نگرند و فقط به آینده اهمیت می‌دهند.»

 گفته‌های وارن بافت در نقد تحلیل تکنیکال

یا برای مثال سرمایه گذار بزرگ وارن بافت هم به صراحت بیان می کند:

“فهمیدم تحلیل تکنیکال جواب نمی‌دهد وقتی نمودار را وارونه کردم و پاسخی متفاوت نگرفتم”

واکنش‌های تصادفی به سطوح

جالب اینجاست که حتی اگر یک خط روند یا سطح فرضی را کاملاً تصادفی روی نمودار رسم کنید، احتمال اینکه قیمت در آینده به آن واکنش نشان دهد، چندان کم نیست. دلیلش این است که در یک نمودار با داده‌های پرنوسان، قیمت بالاخره در جایی به هر خط یا محدوده‌ای خواهد رسید و ممکن است صرفاً به‌طور اتفاقی همزمان با تغییر جهت بازار هم‌زمان شود. 

 اگر با چشم بسته هم خطوطی روی نمودار قیمتی دارایی بکشید متوجه خواهید شد که ری اکش های قیمتی خواهیم داشت و زیاد به مهارت تکنیکالی مرسوم دل نبندین

چنین واکنش‌هایی، که ظاهراً «تکنیکال» به نظر می‌آیند، در واقع می‌توانند محصول تصادف آماری باشند نه وجود یک رابطه علّی پایدار؛ این ویژگی، خطر بزرگ تحلیل تکنیکال سنتی را نشان می‌دهد: تمایل به دیدن الگو در جایی که ممکن است هیچ قاعده واقعی وجود نداشته باشد همان خطای شناختی معروف به Pareidolia یا الگو‌بینی کاذب.

توهم سودسازی تکنیکالی در بازاری با عمق کم

تحلیل تکنیکال بر این فرض استوار است که قیمت در یک بازار آزاد و با نقدشوندگی کافی، بازتابی از مجموع نیرو‌های عرضه و تقاضاست. اما بورس تهران، با ساختار معاملاتی محدودش، جایی که دامنه نوسان روزانه و عمق کم بازار حاکم است، این فرض را به‌طور کامل نقض می‌کند.

با وجود این واقعیت، همچنان عده‌ای از تحلیلگران تکنیکال، با اعتماد به چند خط روی نمودار، تصور می‌کنند در تایم‌فریم روزانه و تنها طی سه و نیم ساعت معاملات می‌توانند به سود‌های پایدار برسند. این خوش‌بینی، در بازاری که حرکت قیمتش تحت سلطه محدودیت مکانیکی و رفتار چند بازیگر بزرگ است، بیشتر به آرزو شبیه است تا یک استراتژی عملی.

دامنه نوسان؛ دشمن روند آزاد مکانیسم بازار

دامنه نوسان ±۳ ٪ باعث می‌شود توقف قیمت اغلب نه به دلیل تغییر واقعی در عرضه و تقاضا، بلکه صرفاً به دلیل محدودیت فنی اتفاق بیفتد. نتیجه؟ اندیکاتور‌ها و الگو‌ها سیگنال‌هایی صادر می‌کنند که ربطی به واقعیت بازار ندارند. روند‌ها تکه‌تکه می‌شوند، مومنتوم و حجم تحریف می‌شود، و خروجی تحلیل به‌جای بازتاب واقعیت، محصول یک داده ناقص است.

در چنین شرایطی، نهاد‌های مالی و بازیگران بزرگ با سفارش‌هایی نه‌چندان عظیم، می‌توانند قیمت را به‌طور مصنوعی جابه‌جا کنند. اطلاعات موثق از درون این نهاد‌ها نشان می‌دهد که بسیاری از آنها عمداً برای معامله‌گران خرد دام می‌گذارند: قیمت را به نزدیکی سطوح حساس می‌برند تا سفارش‌های خرید یا فروش فعال شود، سپس مسیر را برعکس می‌کنند. این یک بازی تکراری است که تنها برنده‌اش همان بازیگر بزرگ است.

حقیقت تلخ بورس تهران

هیچ‌یک از این بازیگران بازار «برای کسی دل نسوزانده‌اند». هدف‌شان، حداکثرسازی سود خودشان است، حتی اگر این سود از جیب سرمایه‌گذار خرد خارج شود. در چنین بازاری، دل بستن به تحلیل تکنیکال سنتی، بدون شناخت مکانیزم‌های پشت‌پرده، مثل بازی در میدانی است که قوانینش را داور به سود حریف نوشته است.

نباید فریب دلالانی را خورد که با فروش دوره‌های آموزش تحلیل تکنیکال، وعده سود‌های سریع در بورس تهران می‌دهند. بهای این خوش‌بینی کاذب، معمولاً از بین رفتن سرمایه است؛ سرمایه‌ای که نه به‌دلیل ناتوانی فرد، بلکه به‌دلیل بازی در زمینی ناعادلانه از دست می‌رود.

حرکت به سوی کمی‌سازی تحلیل تکنیکال

اگر تمام نقد‌هایی که تاکنون بر تحلیل تکنیکال وارد شد را بپذیریم، تنها مسیر برای تبدیل آن به یک ابزار علمی و قابل اتکا، کمی‌سازی (Quantification) و آزمون‌پذیر کردن آن است. یافته‌های پژوهش‌های منتشرشده در ScienceDirect، SpringerOpen و arXiv به‌روشنی نشان می‌دهند که هر زمان متغیر‌ها به‌طور دقیق و قابل اندازه‌گیری تعریف شوند و سیگنال‌ها تحت آزمون‌های آماری معتبر قرار گیرند، کارایی تکنیکال به‌طور محسوسی افزایش یافته و از دام «تفسیر شخصی» فاصله می‌گیرد.

در این مسیر، نخستین گام تعریف دقیق متغیرهاست. به‌جای ترسیم چشمی حمایت و مقاومت، می‌توان از الگوریتم‌های شناسایی نقاط برگشت استفاده کرد که معیار‌هایی همچون تعداد برخورد، انحراف معیار و حجم معاملات را در نظر می‌گیرند. این رویکرد باعث می‌شود همه تحلیلگران با داده‌های یکسان، به سطوح مشابه برسند.

گام دوم، آزمون آماری سیگنال‌هاست. نرخ موفقیت هر الگو یا اندیکاتور باید روی داده‌های تاریخی محاسبه شود و شاخص‌هایی مانند p-value و بازده مشروط (Conditional Return) مشخص کنند که آیا یک سیگنال واقعاً ارزش معاملاتی دارد یا صرفاً حاصل تصادف آماری است.

در گام سوم، قابلیت تکرار باید تضمین شود. هر سیگنال یا مدل باید به گونه‌ای تعریف گردد که اگر فرد دیگری همان داده و همان فرمول را به کار گیرد، به همان نتیجه برسد؛ چیزی که تحلیل تکنیکال سنتی به دلیل وابستگی شدید به تفسیر بصری، از آن محروم است.

گام چهارم، اندازه‌گیری خطا و ریسک است. موفقیت صرف، معیار کافی نیست. هر استراتژی باید درصد موفقیت، میزان افت سرمایه (Drawdown) و نسبت ریسک به بازده (Risk/Reward Ratio) مشخص و مستند داشته باشد. در نهایت، ترکیب با روش‌های دیگر ضرورت دارد. تجربه و مطالعات SpringerOpen نشان می‌دهد که استراتژی‌هایی که تکنیکال را با تحلیل بنیادی (برای فهم علت‌ها) و تحلیل سنتیمنتال (برای سنجش فضای روانی بازار) ترکیب می‌کنند، به‌ویژه در بازار‌های نوظهور، عملکرد به‌مراتب بهتری دارند.

چگونه تحلیل تکنیکال را فرا بگیریم؟ برای آنان که می‌اندیشند!

برای کسانی که می‌خواهند تحلیل تکنیکال را به شکل حرفه‌ای و با استاندارد جهانی فرا بگیرند، گذراندن چند دوره داخلی کافی نیست. حضور در آزمون‌های بین‌المللی رسمی، علاوه بر ارائه آموزش استاندارد، اعتبار حرفه‌ای ایجاد می‌کند. سه مدرک معتبر جهانی عبارتند از:

•    CMT سه سطح آزمون، با تمرکز بر تحلیل تکنیکال پیشرفته و مدیریت ریسک، مورد تأیید FINRA آمریکا

•    CFTe دو سطح آزمون زیر نظر فدراسیون بین‌المللی تحلیلگران تکنیکال (IFTA)، با اعتبار جهانی و برگزاری در چند زبان

•    STA مدرک معتبر جامعه تحلیلگران تکنیکال بریتانیا، معادل سطح دوم CFTe است

اخذ این مدارک نه‌تنها مهارت‌های تحلیلی را ارتقا می‌دهد، بلکه تحلیلگر را با استاندارد‌های کمی، مدل‌های آزمون‌پذیر و چارچوب‌های علمی آشنا می‌کند؛ چیزی که تحلیل تکنیکال سنتی سال‌هاست به آن نیاز دارد، اما کمتر به‌دست آورده است.

نویسنده: علیرضا مبصر