Aktiehandel med stöd och motstånd

Ett av de mest viktiga verktyg en aktiv teknisk aktiehandlare har är stöd och motståndsnivåer i aktiekurserna. Ikväll har jag valt ut Investor och använder den aktien som exempel. Det finns många sätt att hitta stöd och motstånd men den grundläggande idén är att hitta de kursnivåer där aktien typiskt vänder. Det är ju tämligen subjektivt, men det finns några metoder som är konsekventa. Med det inte sagt att de är perfekta. Nedan är en lista över två alternativ som jag går igenom

• Histogram: Denna idé bygger på att man hittar de mest frekventa kursnivåer i aktien inom en viss period. Dessa kursernivåer kallar vi för stöd respektive motstånd. Som ni kan se i grafen till höger så hittar vi stöd och motstånd som inte omedelbart är associerat med en topp eller botten. Det betyder att denna metoden inte riktigt duger. 

• Klustring av bottnar och toppar: Här försöker vi identifiera lokala toppar och bottnar i aktien och klustrar dem sedan för att hitta de sanna stöd och motståndsnivåerna. Klustringen tjänar alltså som ett slags filter som slår ihop stöd och motstånd som är för nära varandra. Detta är alltså en två-pass algoritm
1. Hitta alla tillräckligt stora toppar och bottnar
2. Kör en K-means klustring med önskat antal stöd och motstånd. Antalet kluster svarar såklart till antalet stöd och motstånd

I min värld står det klart att metod 2 är överlägsen när det gäller att hitta intressanta nivåer. Men hur använder man då dessa nivåer? För att svara på den frågan behöver vi inte mycket mer teori. Jag listar de viktigaste egenskaperna nedan för att generera köp och säljsignaler med stöd och motstånd.

• En aktiekurs befinner sig nästan alltid mellan ett stöd och ett motstånd.
• Motståndet är den nivå som aktiekursen typiskt rekylerar tillbaks från efter en uppgång.
• Stöd är, på motsvarande sätt, den nivå som aktiekursen studsar upp från efter en nedgång.
• Ingenting varar för evigt, och så är det också med stöd och motstånd. Typiskt observerar vi få rekyler, sällan fler än 3-4.
• När en aktiekurs bryter igenom ett stöd genereras en säljsignal och denna stödnivå blir den nya motståndsnivån. På samma sätt så blir motståndet det nya stödet om aktien bryter igenom ett motstånd, varpå en köpsignal genereras.
• Ett genombrott skall bekräftas av ökande volym.

Detta låter ju lite för bra för att vara sant och det är det också. Det finns gott om så kallade "falska" utbrott där kursen bryter nivån för att sedan rekylera tillbaka. Sättet att undvika dessa "falska" signaler är att titta på utvecklingen i volymen. Om få transaktioner har ägt rum under genombrottet så är det troligen inte signifikant. Om volymen ökar med genombrottet så anses det mer signifikant. Ju större volym ju mer signifikant blir det. 

Enjoy.

Dagens aktietips: Köpläge i AstraZeneca på kort sikt

AstraZeneca med diverse tekniska indikatorer. Klicka på grafen för att förstora.

Ikväll när jag scannade den svenska marknaden så fick jag en kortsiktig köpsignal från RSI på AstraZeneca. Som jag skrev igår i min blogg så berättar RSI om möjliga trendvändningar. Men för att en vändning av trenden ska kunna bekräftas så måste man se en stigande trend i RSI först. Men för en kortsiktig investerare så är ett RSI på 30, och under, en klar signal på att aktien är översåld. Detta brukar på kort sikt, dvs. några dagar upp till ett par veckor, betyda att aktiekursen kommer reagera uppåt. Därför väljer jag att ta en kortsiktig position i AstraZeneca med en riktkurs på 310 kr. Stop-loss sätts till 285 kr., dvs. att om kursen de närmaste dagarna åker under 285 kr. utan att nå riktkursen så ska man sälja. Om ni inte vet vad stop-loss är bra för så kan jag berätta att det räddar er när ni har läst marknaden fel. Det händer såklart. Även den bäste. Teknisk analys är inte perfekt. Långt ifrån. Den är bara ett verktyg som kan hjälpa dig att ta bättre beslut i aktiemarknaden.

Jag vill avslutningsvis påpeka att denna analys är strikt kortsiktig och ska inte användas som ett köpargument i ett långsiktigt perspektiv. AstraZeneca ligger fortfarande i en fallande trend, och i sådana trender är det riskfullt att investera!

Happy investing!

Om RSI och konsten att tjäna pengar i en "Bear Market"

Alla som någonsin har sysslat med teknisk analys av aktier har förhoppningsvis hört talas om begreppet Relativ Strength Index också mer känt som sin förkortning RSI. Detta mått har som uppgift att berätta något om den relativa styrkan i en aktie på bakgrund av tidigare stängningskurser. Hela idéen är att en given aktie kan nå överköpta och översålda nivåer. Dessa nivåer indikerar att en kortare reaktion på den nuvarande riktningen i kursen är på gång. Men det är lättare att visa er genom räkning hur RSI fungerar. Låt oss beräkna RSI!

1. Välj en period (typiskt de 14 eller 21 sista tradingdagarna)
2. Alla dagar med uppgång mäts och lagras enligt U = Stängningskurs(idag) - Stängningskurs(igår)
3. Alla dagar med nedgång på motsvarande sätt N = Stängningskurs(igår) - Stängningskurs(idag)
4. Summera alla U och lagra dem i Upp
5. Summera alla N och lagra dem i Ned
6. RSI = 100*Upp/(Upp+Ned)

Detta gör att RSI svingar mellan 0 och 100. Nivåer över 70 och under 30 definieras som överköpta respektive översålda nivåer. Det betyder att ett RSI på 30 genererar en köpsignal medans ett RSI på 70 genererar en säljsignal.  Hur fungerar det här i praktiken då? Jag har valt ut en aktie: AstraZeneca och tittar på hur RSI performar som köp och sälj signal när aktien faller. Det är ju trots allt där det är mest intressant. Det är inte svårt att tjäna pengar i en bull market när allt rör sig uppåt. :)

AstraZeneca 2007-2010

Som ni kan se till höger så faller Astra aktien brant från juni 2007 till februari 2008. I denna perioden använder jag RSI för att se om jag kan tjäna mer pengar än jag kunde genom att köpa på måfå. Det jag försöker uppnå är alltså att visa att en enkel tillämpning av RSI kan ge bättre avkastning i en Bear Market än den genomsnittliga avkastningen i hela perioden.

Grafen till höger visar stängningskursen varje dag i den översta delen med grön färg. RSI visas under i ljusblå färg. Som ni kan se är det väldigt sällan man ser nivåer under 30 eller över 70.

Jag har genererat några scenarier där vi behåller aktien mellan 0 och 12 veckor efter en köpsignal har utfärdats. Dessa scenarier visas i en boxplot till höger där fördelningen av avkastningen i perioder där vi har en köpsignal visas. Den sista boxploten visar den genomsnittliga avkastningen i perioden.

Det som är värt att notera här är att ju längre efter köpsignalen som vi behåller aktien ju närmare kommer vi den genomsnittliga avkastningen. Dvs den som ligger lite under nollstrecket. Detta eftersom vi tittar på en del av kurvan som ligger i en "Bear Trend" dvs fallande trend. Det är kanske inte speciellt överaskande eftersom ju längre vi äger aktien ju närmare kommer vi ju den genomsnittliga buy and hold strategin (som ju faktiskt många gånger är ganska svår att slå!). Men som statistiker så måste man fråga sig om skillnaden mellan att agera på köpsignalen och att bara köpa och behålla aktien i evighet är signifikant. Vi väljer att titta på 1 veckas hold scenariet gentemot den genomsnittliga och utföra ett statistiskt test. Vår nollhypotes är att det inte är någon skillnad på våra scenarier. Vårt test genererar ett p-värde på ca. 0,03 vilket betyder att vi kan förkasta nollhypotesen. Att använda RSI i ett sådant här scenario är bättre än att bara köpa på måfå. Signifikansen försvinner dock efter vecka 7.

Nu har jag ju bara tittat på Astra Zeneca men jag har sett samma trend i andra aktier. Så ni kan se detta som ett proof of concept. Varken mer eller mindre. Till sist skall jag också säga att även om talen visar att man kan tjäna signifikant fler pengar genom att använda RSI, än att bara chansa, så innebär det inte att man inte kan förlora stora summor pengar.

Det var allt för ikväll. Lycka till med era investeringar!

Om volatilitet och konsten at välja sin portfölj

Det finns många åsikter om hur man ska välja sin portfölj. Förmodligen lika många som det finns aktier. För en statistiker som mig, så blir det lite lättare att välja eftersom jag begränsar mig själv till sannolikheter och historiska data.

Man hör lite då och då hur analytiker och förståsigpåare rekommenderar portföljer med stor risk. Det betyder att det kommer fler möjligheter till riktigt bra avkastning. Men, självklart kommer det också större risk för stora förluster. Jag har valt att mäta risk som standardavvikelse på den dagliga avkastningen. Det är inte det bästa måttet för risk eftersom de flesta av oss nog tycker att det är en stor skillnad på att tjäna 20% och att förlora 20% på börsen under en dag. Men måttet berättar för oss hur stor variation vi har i vår portfölj.

Idag handlar det alltså om att maximera variationen i portföljen och se hur väl det faller ut. Jag har valt ut 20 aktier från OMXS30 index och snickrat ihop en portfölj baserat på att maximera variationen. Efteråt jämför jag med en optimalt vald portfölj. Dvs den som hade maximerat avkastningen i förhållande till risken. I analysen använder jag data från 2003 fram till 2010. Varje portfölj får dessutom bara innehålla fyra aktier. För enkelhetens skull.

Portfölj 1:  Denna bygger på en principal component analysis mest känt som (PCA). Denna analys hittar de linjärkombinationer av våra aktier som ger störst variation. Denna gav följande aktier.

1. Swedish Match
2. ABB
3. HM
4. Tele2

Portfölj 2: Här väljer vi att optimera den riskjusterade förväntade avkastningen. Tekniskt så maksimerar vi bara vår portföljs Sharpe Ratio. Detta ger följande aktier.

1. ABB
2. Lundin Petroleum
3. Modern Times Group MTG B
4. Swedish Match

Portfölj 2, dvs den optimala, visas i grafen till höger med vikter på andelarna. Det vi kan se är att Portfölj 1 faktiskt får de två viktigaste aktierna från den optimala portföljen med. Swedish Match och ABB ligger ju i båda portföljerna. Det spännande är ju att under konstruktionen av Portfölj 1 fanns inga krav på bra avkastning. Vi fokuserade enbart på variationen.

Det betyder att det finns indikationer på att man kan klara sig ganska bra i den svenska aktiemarknaden genom att välja en portfölj med stor variation. Kan man också sprida sina risker mellan sektorer och brancher så är det ju också ett plus!

Follow up

Som en ex kollega så snällt påpekade så är ju världen inte komplett utan felstaplar. Här kommer motsvarande dekomponering med felstaplar. Jag har valt ett 95% konfidensintervall för mina felstaplar.

En sak som är viktig att komma ihåg med de här dekomponeringarna är att de slumpmässiga (dvs den ikke förklarade variationen) effekterna ibland är betydligt större än säsongseffekten. Detta är inte så förvånande när man tänker på alla krafter som styr börsen. Hade det varit så här enkelt hade jag redan haft fler pengar än jag behöver. Vilket inte är fallet på nuvarande tidspunkt. :)

Mycket snack om säsong i aktiemarknaden

Eftersom det här är mitt första inlägg i den här bloggen så passar det nog ganska bra att börja med en överskådlig bild av hur den svenska aktiemarknaden rör sig över året. Jag har valt att fokusera på OMXS30 indexet eftersom det ger en viktad bild av intressenta aktier. Perioden som jag undersöker är Jan 2005 till Dec 2010 dvs. 6 hela år. Jag är medveten om att intressenta saker har hänt innan 2005 men den valda perioden borde fånga majoriteten av svingarna som orsakas av säsongsbetonade effekter. Tillvägagångssättet för att hitta de här säsongseffekterna är följande:

1. Dela upp tidsserien i 3 komponenter; Trend, Säsong, og Slump. Denna del kan matematiskt beskrivas som en additiv dekomponering av stängningsnivån på indekset över den valda tidsperioden. OMXS30 = Trend + Säsong + Slump
2. Trenden identifieras genom en lowess fit
3. Säsongen hittas via en ARIMA process
4. Slumpen blir det som blir kvar. Slumpen kan ju verka trist att inte förklara närmare och det ligger en massa tolkningsbar information i den. Det kan tex vara banker, och inversteringsinstitut som går ut med köp och säljrekommendationer. Detta kan skapa omotiverade rally i aktiekurser som inte alltid (eller kanske tom. sällan) följer ett mönster.

Självklart hade man kunnat välja att se OMXS30 indexet som en multiplikativ process istället för en additiv. Men personligen så tror jag mer på en additiv dekomponering. Nog sagt om det. Låt oss kolla på lite resultat!

Vi börjar med att titta på månadsbasis för att se vilka månader OMX indexet typiskt går upp och ned under året. I grafen till höger ser ni resultatet. Det visar tydligt att Januari och Februari inte har de starkaste avsluten. Däremot är slutet av April mycket starkt. Man kan också se ett visst rättfärdigande av den gamla skrönan "Sell in May and go away.", men uppenbarligen bara till Juli månad då vi återigen går upp på plus. Fram till Oktober ser det ut att gå bra, men November är en katastrof. I December ser vi nya lyft.

Om vi istället tittar lite bredare och koncentrerar oss om kvartalen istället så ser vi någorlunda samma trend som vi såg för månaderna. Vi ser att Q1 slutar på svagt plus, medans Q2 slutar ganska långt ned i minus. Q3 är förhållandevis starkt medans Q4 är lite mer blygsamt.

Vad ska man då använda de här resultaten till? Ja jag använder det mest till att stilla min egen nyfikenhet på aktiemarknaden och hur den svingar. De flesta sparar förhoppningsvis långsiktigt i aktier. Alla vet ju att en Köp och behåll strategi oftast är bäst i det långa loppet. Men om man nu vill handla under året så kan ju säsongen hjälpa lite på vägen. Dock finns det ju betydligt svårare beslut som måste tas innan man tittar på säsongen. Det är också möjligt och till och med troligt att individuella aktier har andra säsonger.

Det var allt för denna gången! Hoppas ni fick lite underhållande och informativ läsning.