Designing Trading Strategies Based on Momentum & Reversal Effect, Using Stock’s Major Historical Highs and Lows

Subject Areas : Financial Knowledge of Securities Analysis

Gholamhosein Assadi ¹ , S. Amirhosein Emami ²

1 - Associate Proffesor, Department of Finance & Accounting, Shahid Beheshti University, Tehran, Iran
2 - PhD Candidate in Finance, Shahid Beheshti University, Tehran, Iran

Received: 2018-04-26 Accepted : 2018-09-11 Published : 2019-03-21

Keywords: Momentum, Reversal, Technical Analysis, Buy and Hold Strategy, Support &amp, Resistance,

Abstract :

Investors and traders in financial markets, use fundamental analysis, technical analysis or their combination to achieve abnormal returns and beat the market. In recent decades, although numerous researches are done to assess the usefulness of technical analysis methods, a large number of techniques that are more subjective and abstract and hard to quantify, are left out.In this research, based on previous studies that have shown momentum effect in stock returns in the short-term and reversal effect in stock returns in the long-term, and by using stock’s major historical highs and lows, that are systematically and directly identified through price charts, three trading strategies are developed and designed and after being implemented in 226 stocks in the Tehran stock exchange over the six year period of 1390 to 1395, results indicates that the returns of all three designed trading strategies, in gerenal, are considerably higher than buy and hold strategy.

References:

*      ابزری، مهدی و پورابراهیمی، محمد رضا (1380)، استراتژی­های مختلف سرمایه­گذاری در بورس اوراق بهادار، مجله­ی پژوهشی علوم انسانی دانشگاه اصفهان، دوره­ی 12، صص 1-18.

*      اسلامی بیدگلی غلامرضا و همکاران (1389)، بررسی سودآوری استراتژی سرمایه گذاری مومنتوم در بورس اوراق بهادار تهران، فصلنامه مطالعات کمی در مدیریت، تابستان، شماره 1 ،صص 49-78.

*      پورزمانی، زهرا. رضوانی­اقدم، محسن.(1394)، مقایسه کارائی استراتژی­های تکنیکال میانگین متحرک نمایی و شاخص قدرت اندازه حرکت با روش خرید و نگهداری، دانش سرمایه­گذاری، 16، صص 27-43.

*      پورزمانی،زهرا، حیدر پور، فرزانه و محمدی، محمدرضا (1390)، مقایسه استراتژی های خرید و فروش سهام در سرمایه گذاری بلند مدت به روش‌های فیلتر، خرید ونگهداری و میانگین متحرک بازار، مهندسی مالی و مدیریت اوراق بهادار، شماره 7، صص 215-229.

*      تهرانی، رضا و اسماعیلی، محمد (1391)، بررسی تاثیر استفاده از شاخص­های مهم تحلیل تکنیکی بر بازدهی کوتاه­مدت سرمایه­گذاران، دانش مالی تحلیل اوراق بهادار، شماره 13، صص 21-33.

*      دولو، مریم و جوادیان، بهاره (1396)، مومنتوم زمان بندی بالاترین قیمت 52 هفته: شواهدی از بورس اوراق بهادار تهران، دانش مالی تحلیل اوراق بهادار، شماره 35، صص 63-77.

*      سعیدی، علی، رهنمای رودپشتی، فریدون و بیک زاده، فرزانه. (1390)، کاربرد راهبردهای توالی و معکوس در بورس اوراق بهادار تهران، فصلنامه مطالعات تجربی حسابداری مالی، شماره 31، صص 121-141.

*      فتحی، سعید و پرویزی، ناهید (1395)، سودآوری تحلیل تکنیکال: تلفیق اسیلاتورها با قوانین میانگین متحرک، مهندسی مالی و مدیریت اوراق بهادار، شماره 28، صص 41-53.

*      فدائی نژاد، محمد اسماعیل و صادقی، محسن (1385)، بررسی سودمندی استراتژی­های مومنتوم و معکوس در بورس اوراق بهادار تهران ، فصلنامه پیام مدیریت ، سال پنجم، شماره 17و18.

*      موسوی شیری، محمود، صالحی، مهدی، شاکری، مریم و بخشیان عسل (1394)، سودآوری استراتژی مومنتوم و تاثیر حجم معاملات سهام بر آن در بورس اوراق بهادار تهران، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 6، شماره 25، صص107-124.

*      نجارزاده، رضا و گداری، اکبر. (1387)، بررسی سودآوری قواعد مبادلاتی میانگین متحرک در بورس اوراق بهادار تهران، فصلنامه پژوهش های اقتصادی، شماره 8، صص 43-58.

*      Alexander, Sidney S (1961), Price movements in speculative markets: Trends or random walks. Industrial Management Review, 2, pp: 7–26.

*      Bali, T. G., K. O. Demirtas and M. Levy, (2008), "Nonlinear Mean Reversion in Stock Prices", Journal of Banking & Finance, Vol. 32, Pp: 767-782

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

*      Conrad, J., Kaul, G., (1998), “An anatomy of trading strategies”, Review of Financial Studies 11, 489–519.

*      DeBondt, W. F. M., Thaler, R. H. (1987), “Further evidence of investor overreaction and stock market Seasonality”, Journal of Finance, 42, pp 557– 581.

*      Demir, I. & T. Walter (2004), "Momentum Return in Australia: the Influences of Size, Risk, Liquidity and Return Computation”, Pacific-basin Finance Journal, Vol. 12, Pp: 143-158.

*      Fama, E. & Blume, M. (1966), “Filter rule and stock market trading”, Journal of Business, Vol 39, No. 1, pp 226-41.

*      Fama, E. and K. French, (2011), "Size, Value, and Momentum in International Stock Returns” Working Paper, No. 11-10

*      Huddart, S. Lang, M Yetman, M., (2009), “Volume & Price Patterns around Stock’s 52-Week Highs and Lows: Theory and Evidence”, Management Science No55, pp16–31.

*      Jegadeesh, N. and Titman, S. (1993). ‘‘Returns to buying winners and selling losers: implications for stock market efficiency’’, Journal of Finance, Vol. 48, pp 65-91.

*      Jensen, Michael C & Benington, George A, (1970),” Random walks and technical theories: Some additional evidence”, The Journal of Finance, pp: 469-482.

*      Lento, N.  & Gradojevic, C. (2009). “Combined signal approach: evidence from the Asian-Pacific equity markets,” Applied Economics Letters. V 16, pp: 753-749.

*      Kuan-Cheng, K and et al, (2014), “Value investing and technical analysis in Taiwan stock market”, Pacific-Basin Finance Journal, No, 26, pp 14-36.

*      Murphy, John. (1999), “Technical Analysis of the Financial Markets: A Comprehensive Guide to Trading Methods”, New York Institute of Finance.

*      Person, John. (2004), “A Complete Guide to Technical Trading Tactics: How to Profit Using Pivot Points, Candlesticks & Other Indicators”, 1st Edition, Wiley.

*      Person, John. (2012), “Mastering the Stock Market: High Probability Market Timing & Stock Selection Tools”, 1st Edition, Wiley

*      Richards, A. J., (1997), "Winner – Loser Reversals in National Stock Market Indices", Journal of Finance, Vol. 52. Pp: 2129-2144.

*      Wang, J., Andrew W. & Mamaysky, H. (2000), "Foundations of technical analysis: Computational algorithms, statistical inference, and empirical implementation." The Journal of Finance 55, No. 4: pp 1705-1770.

*      White, H. Sullivan, R. & Timmermann, A. (1991), "Data‐snooping, technical trading rule performance, and the bootstrap." The journal of Finance 54, no. 5: pp1647-1691