Evaluation of the Share Price Movement: A Case Study of Insurance Group in Tehran Stock Exchange

Subject Areas : Financial Knowledge of Securities Analysis

Atefeh Zareie ¹ , Seyed-nezamuddin Makiyan ² , Mehdi Hajamini ³

1 - M.A. in Islamic Financial Economics, Yazd University
2 - Associate Prof., Economics Dept., Yazd University
3 - Assistant Prof., Economics Dept., Yazd University

Received: 2022-01-27 Accepted : 2022-09-19 Published : 2023-02-20

Keywords: Stock Returns, Stochastic Oscillator, Exponential Moving Average, Hull Moving Average,

Abstract :

The Stock Market is one of the main pillars of the financial market. Increasing the analytical power of capital market investors is one of the factors that play an effective role in the development of such a market. Many investors use technical analysis to make their trading decisions. In this study, the efficiency of buying stocks of insurance companies in Tehran Stock Exchange was examined by Technical Analysis which includes Stochastic Oscillator, Exponential Moving Average, and Hull Moving Average. Then, the study compares Technical Analysis with Buy and Hold Method. To do this, the trading positions that created based on daily periods for 14 insurance companies in Tehran Stock Exchange between 2017:3 and 2019:9 have been reviewed and compared with the Buy and Hold Method. Results indicate that the quarterly returns getting by Technical Method are positive in overall, and the number of trades with negative returns is less than the number of trades with positive returns. Similarly, the average return on a trade with a loss has always been lower than the average return with a profit. Moreover, the number of days with negative returns was less than the number of days with positive returns in all insurance companies. Findings show that using Technical Method was more profitable than the Buy and Hold Method in all companies which have been investigated.

References:

    امیری بشلی، سمانه (۱۳۹۰). ارزیابی ارتباط نتایج تحلیل تکنیکال با بازده سهام در بورس اوراق بهادار تهران. پایان نامه کارشناسی ارشد، دانشگاه اصفهان.

پیمانی فروشانی، مسلم، ارضا، امیرحسین، صالحی، مهدی و صالحی، احمد (۱۳۹۹). بازدهی معامله‏ها بر اساس نمودارهای شمعی در بورس اوراق بهادار تهران. تحقیقات مالی، 22(1)، 69-89.

جعفری، رضا، مظلومی، نادر و صفری، امیر (1398). ارائه روشی جدید برای محاسبه ضریب ریسک بازار مدل توانگری مالی صنعت بیمه ایران: رویکرد ARDL-GARCH. پژوهشنامه بیمه،  34 (3)، 9-37.

      خداپرستی، بشیر، جهانگیری، خلیل، برومندزاده، حسین و صبا، مینا (۱۳۹۸). مقایسه کارایی اندیکاتورهای تحلیل تکنیکال در دوره رکود و رونق بازار سرمایه در شرکت‌های تولیدی فعال‌تر بورس اوراق بهادار تهران. دانش مالی تحلیل اوراق بهادار(مطالعات مالی)، 42، 147-161.

     راعی، رضا و پویان‌فر، احمد (۱۳۹۱). مدیریت سرمایه‌گذاری پیشرفته. چاپ یازدهم، انتشارات سمت، چاپ گلها.

     شهیکی‏تاش، محمدنبی و میرباقری جم، محمد (1394). تحلیل رابطه بین شاخص قیمت سهام صنعت بیمه کشور با شاخص قیمت سایر صنایع در بورس (رویکرد CCC-GARCH و GJR-GARCH). پژوهشنامه بیمه، 30 (3)، 1-20.

     صفانور، محمد (۱۳۹۱). تحلیل سودآوری روش‏های تحلیل تکنیکی و تحلیل بنیادی در انتخاب سهام شرکت‌های فعال‌تر بورس اوراق بهادار تهران. پایان نامه کارشناسی ارشد، دانشگاه اصفهان.

     عصمت پاشا، عبیدا... و میرآخور، عباس (۱۳۹۴). بازارهای سرمایه اسلامی، انتشارات موسسه عالی بانکداری ایران.

      فتحی، سعید و پرویزی، ناهید (۱۳۹۵). سودآوری تحلیل تکنیکال: تلفیق اسیلاتورها با قوانین میانگین متحرک، مهندسی مالی و مدیریت اوراق بهادار، 28، 41-54.

     مورفی، جان، (۱۹۹۹). تحلیل تکنیکال در بازار سرمایه. ترجمه: فراهانی فرد، کامیار و قاسمیان، رضا، چاپ دهم، ۱۳۹۳، نشر چالش.

      نبوی چاشمی، علی و حسن‏زاده، آیت‏اله (۱۳۹۰). بررسی کارایی شاخص MA در تحلیل تکنیکال در پیش‏بینی قیمت سهام. دانش مالی تحلیل اوراق بهادار (مطالعات مالی)، ۴ (10)، 83-106.

     واردی، سیده شایسته، طبری، مجتبی و فقیه علی‏آبادی، فاطمه (1395). بهینه‏سازی پرتفوی سرمایه‏گذاری یک شرکت بیمه‏ای با رویکرد شارپ. پژوهشنامه بیمه، ۳۱ (۳)، 111-128.

Alexander, S.S. (1961). Price movements in speculative markets: trends or random walks. Industrial Management Review, 2, 7-26.

Biondo, A.E., Pluchino, A., Rapisarda, A., & Helbing, D. (2013). Are random trading strategies more successful than technical ones? PLOS one, 8 (7), e68344.

Brock, W., Lakonishok, J., LeBaron, B. (1992). Simple technical trading rules and the stochastic properties of stock returns. Journal of Finance, 47, 1731-1764.

Fama, E.F., & Blume, M. (1966). Filter rules and stock market trading profits. Journal of Business, 39, 226-241.

Givoly, D., Lakonishok J. (1980). Financial Analysis Forecasts of Earnings, Their Value to Investors. Journal of Banking and Finance, 4, 221-233.

Gong, X., & Lin, B. (2018). Structural changes and out-of-sample prediction of realized range-based variance in the stock market. Physica A: Statistical Mechanics and its Applications, 494, 27-39.

Jackson, J.C., Prassanna, J., Quadir, M.A., & Sivakumar, V. (2021). Stock market analysis and prediction using time series analysis. Materials Today: Proceedings.

Ko, K.C., Lin, S.J., Su, H.J., & Chang, H.H. (2014). Value investing and technical analysis in Taiwan stock market. Pacific-Basin Finance Journal, 26 (C), 14-36.

Li, X., Chen, X., Li, B., Singh, T., & Shi, K. (2021). Predictability of stock market returns: New evidence from developed and developing countries. Global Finance Journal, 100624.

Milionis, A.E., & Papanagiotou, E. (2011). A test of significance of the predictive power of the moving average trading rule of technical analysis based on sensitivity analysis: Application to the NYSE, the Athens Stock Exchange and the Vienna. Applied Financial Economics, 21(6), 421-436.

Mitra, S.K. (2011). How rewarding is technical analysis in the Indian stock market? Quantitative Finance, 11(2), 287-297.

Neely, C.J., & Weller, P.A. (2012). Technical analysis in the foreign exchange market. Wiley’s Handbook of Exchange Rates. Working Paper: 2011-001B.

Pavlov, V., & Hurn, A. (2012). Testing the profitability of moving average rules as a portfolio selection strategy. Pacific-Basin Finance Journal, 20 (5), 825-842.

Rajendiran, P., & Priyadarsini, P.L.K. (2021). Survival study on stock market prediction techniques using sentimental analysis. Materials Today: Proceedings.

Wang, H., Lu, S., & Zhao, J. (2019). Aggregating multiple types of complex data in stock market prediction: A model-independent framework. Knowledge-Based Systems, 164, 193-204.

Wilder, J.W. (1978). New concepts in technical trading systems, Trend Research.

Williams, L.R. (1979). How I made one million dollars last year trading commodities, Windsor Books.