MétaCan
Menu
Retour à la cohorte
Enregistrement W2593170292 · doi:10.5430/afr.v6n2p26

Testing the Effect of Technical Analysis Strategies on Achieving Abnormal Return: Evidence from Egyptian Stock Market

2017· article· en· W2593170292 sur OpenAlexvenueno aff
Osama El Ansary, Mona Atuea

Notice bibliographique

RevueAccounting and Finance Research · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueStock Market Forecasting Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTechnical analysisStock marketEconomicsTerm (time)Efficient-market hypothesisFinancial economicsClosing (real estate)Investment strategyAbnormal returnBusinessMonetary economicsFinanceStock exchangeMarket liquidity

Résumé

récupéré en direct d'OpenAlex

This study examined the effect of using inter and exit signals of three of the most common used technical analysis strategies on achieving abnormal return compared with the buy and hold strategy in the Egyptian security market. The tests were done using data for short term, relatively long term, during bull and bear market. Using bootstrap methodology and wilcoxon/mann-whitney test for daily closing prices during the period from 1-1-1998 to 14-1-2016, the results indicated that; First, market timing with technical analysis yields more return and reduces risk in general. Second, short term investing is not recommended at all, as it is less profitable even than bear market period. Third, in long term and during bull market technical analysis is more profitable than short term. Fourth, technical analysis importance have been reduced during the last few years due to the effect of the Egyptian revolution on the security market. As for investors, they should use technical analysis trading rules to determine when to enter and exit the market, so that they can improve their investment decisions, as it leads to achieve abnormal return and reduces risk more than buy and hold strategy in all cases, while pay more attention for the current and political events than before.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,244
Tête enseignante GPT0,492
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting and Finance ResearchMême sujetStock Market Forecasting MethodsTravaux en français237 207