Escolar Documentos
Profissional Documentos
Cultura Documentos
Rio de janeiro
Outubro de 2009
UM ESTUDO DE CASO DE PREVISÃO DE TENDÊNCIA EM UMA SÉRIE
TEMPORAL FINANCEIRA UTILIZANDO ANÁLISE TÉCNICA
Aprovada por:
__________________________________________
Prof. Alexandre Gonçalves Evsukoff, D.Sc.
__________________________________________
Prof. Nelson Francisco Favilla Ebecken, D.Sc.
__________________________________________
Prof. Heloisa Márcia Pires, D.Sc.
iii
Resumo da Dissertação apresentada à COPPE/UFRJ como parte dos requisitos
necessários para a obtenção do grau de Mestre em Ciências (M.Sc.)
Outubro/2009
iv
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)
October/2009
This work aims to identify trends in financial time series and investment
strategies. It used serie of prices on shares of Petrobras PN (PETR4) for a case study
using some rules of technical analysis (moving averages crossover, breakout support
and resistance, and breakout of Bollingerer bands) compared with a hibrid rule
profitable strategies. The work concluded that discounting the operating costs, only the
hybrid rule suggested submitted returns above the benchmark buy and hold during the
period.
v
Sumário
1 - Introdução ............................................................................................................... 1
5 - Estratégias de Investimento................................................................................... 29
6- Resultados ............................................................................................................. 42
7 – Conclusão ............................................................................................................. 51
8 – Referências Bibliográficas..................................................................................... 57
vi
1 - Introdução
entre si. Para realizar esse trabalho, são necessárias inúmerais informações que
muitas vezes não são possíveis. Muitos economistas utilizam modelos econométricos
com o objetivo de encontrar relações entre séries econômicas relevantes, tais como
causam. Nesse caso, são realizados testes para a identificação de variáveis na própria
série que possam explicar o movimento observado. São realizadas diversas análises
1
Esses trabalhos evidenciaram padrões não lineares nos preços, capazes de colaborar
comportamento do mercado.
sugerindo estratégias capazes de gerar retornos acima do benchmark buy and hold.
2
2 - Hipótese do Mercado Eficiente – HME
distribuição normal. Também conhecida pela teoria do random walk (teoria do passeio
aleatório), os seus seguidores acreditam que as séries temporais dos retornos dos
originaram os primeiros conceitos sobre mercado eficiente que deu início a teoria de
finanças moderna.
de números aleatórios. Desta forma, a teoria do random walk assume duas Hipóteses,
normal.
média dos retornos, em uma amostra significativa de negociações, seria zero, não
investidores obterem ganhos acima da média pela variação dos preços em função das
3
Fama (1970), contribuiu muito para sustentar a teoria de mercados eficientes
da informação nos preços de um ativo. Ele ressalta que a eficiência do mercado pode
ser classificada em três formas: fraca, semi-forte e forte. Cada qual representada pelo
função dos preços passados. A forma semi-forte assume que os preços atuais são
função de toda informação, não somente de preços passados, como também de toda
e financeiras. Na forma forte, os preços dos ativos contêm toda informação, inclusive
informações privadas.
mercado eficiente na forma fraca, não gera valor, pois se as informações dos preços
passados estão contidas nos atuais, não seria possível através de padrões passados
4
Na eficiência forte de mercado, até mesmo os agentes possuidores de informações
mercado.
com redes neurais utilizando dados mensais do Índice Ibovespa com o objetivo de
capacidade preditiva atingiu 85% enquanto que no período de teste este valor
5
Recentemente, autores como (LISE e MEDIO, 1997), (LO e MACKINLEY,
6
3 - Análise Técnica
publicou um artigo no Wall Street Journal descrevendo suas análises feitas a respeito
da variação dos preços dos ativos na bolsa de Nova York. Neste trabalho, Charles
Dow concluiu que na maior parte do tempo, os preços seguiam uma tendência. Logo
em seguida, ele criou um índice (Dow Jones Industrial Average) com as ações mais
Bolsa de Nova York. Desde então, diversos estudos foram baseados em sua teoria
O índice Dow Jones, até hoje continua sendo um dos índices mais
compreender as oscilações dos preços, através de simples padrões gráficos até redes
conceito sobre finanças vem sendo aplicado. Junto com a evolução da análise técnica
7
A teoria de finanças comportamental acredita que o que move os preços são
as expectativas dos investidores, que muitas vezes não tomam decisões racionais,
investimento.
através de indicadores.
constataram que mais de 50% dos entrevistados utilizavam análise técnica para
tomada de decisão. O estudo também demonstra que estes fundos controlavam 23%
64% dos traders utilizavam rastreadores de tendência tais como médias móveis e 40%
respondeu utilizar algum tipo de análise técnica para tomadas de decisão no curto
fundamentalista.
8
Visto que os modelos de análise técnica no mercado financeiro vêm sendo
são testadas.
Um dos primeiros estudos sobre o assunto foi realizado por Fama e Blume
(1966). Foram testadas regras de filtro para os preços diários de 30 ações do índice
Dow Jones (DJIA) entre 1956 e 1962. Foram analisadas 24 regras e os resultados
parametrização de cada modelo foi feita por otimização em períodos de três anos e a
1988 até 2002. Verificou-se também o resultado das estratégias utilizadas durante os
9
três últimos anos analisados, entre 1999 e 2002. Concluiu-se neste trabalho que o
apresentou resultados significativos com baixo risco, tanto no período total analisado
quanto nos três últimos anos, confirmando assim a eficácia da estratégia de trend
empírico com dados diários dos mercados analisados os autores encontraram retornos
médias móveis (exceto TRIX), concluindo que analise técnica é uma ótima ferramenta
a hipótese nula de randow walk pode ser rejeitada em pelo menos 5% de significância.
Outros autores, Frankel e Froot (1990), Lui e Mole (1998) e Cheung e Chinn
(2001) também apresentaram estudos sobre regras de análise técnica nos mercados
10
3.1 – Gráficos
Através das séries de preços, os analistas técnicos fazem uso das mais
dos gráficos tem grande relevância e muitas análises são realizadas apenas
interpretando-os.
os. Na maioria das vezes os estudiosos da análise técnica combinam
podem ser de preços, volumes, médias e desvios, com o objetivo de identificar o início
de uma
a tendência ou o fim da mesma.
Candlestick
11
Candlestick de Alta - Quando a variação for de alta, o preço de abertura é indicado
3.2 – Tendências
ocorre a formação da sucessão de topos e fundos cada vez maiores aparentes nos
formação da sucessão de topos e fundos cada vez menores aparentes nos gráficos,
topo mais alto que o anterior é formado sucessivamente e a queda posterior fica acima
12
Figura 2: Gráfico de Tendências (PETR4)
governo que refletem nas taxas de juros, câmbio e balança comercial. Para Kaufman
os preços não apresentam uma distribuição normal e sim fat tail. A fat tail significa que
existem algumas situações não usuais de movimento direcional de preços que são
maiores que o esperado por uma distribuição nornal, se apresentando como uma
preços que persiste em uma direção durante um período muito maior do que pode ser
explicado pela teoria do random walk. Como exemplo, o caso clássico de lançamento
- 50% dos lançamentos será cara ou coroa seguido pelo oposto, coroa ou cara.
- 25% dos lançamentos será cara e cara seguidos ou coroa e coroa seguidos.
13
- 12,5% dos lançamentos será cara, cara e cara seguidos ou coroa, coroa e coroa
seguido.
cara pode ser considerada alta de preço e coroa ser queda de preço. Se o padrão de
tendências nos preços. Mas os preços não apresentam uma distribuição normal. A
dinâmica de preços tem fat tail, o que significa que, ao invés de seis movimentos de
14
3.3 - Suporte e Resistência
ativo atinge o nível de preço de um suporte, a demanda costuma ser maior que a
A oferta supera a demanda, fazendo com que os preços parem de subir e voltem a
cair.
valores de máxima e mínima dos preços são considerados bons níveis de suporte e
resistência, que também são conhecidos como topos e fundos de uma série histórica.
costuma ocorrer um aumento da demanda, assim como nos topos anteriores ocorre
15
Resistência
Resistência
Suporte
resistência e vice-versa.
psicologia de mercado.
alguns dias, por exemplo, a quebra do suporte ou da resistência neste período é muito
curto prazo.
negociação.
16
3.4 – Volume
preços, sendo muito importante para sustentar a consistência de uma tendência, não
ativo sobem com volume superior à média, existe uma maior probabilidade de uma
ser de curta duração. Se o preço sobe com volume crescente, significa que há
enfraquecimento.
lineares e não lineares para analisar a relação dinâmica entre preços e volume. Foram
aplicados testes na série de retornos do Dow Jones Industry Average comparada com
Exchange durante o período de 1915 até 1990. Nos resultados encontrou-se evidencia
17
De acordo com Pring (1991), a correlação entre volume e preço ocorre da
seguinte maneira:
preços.
preços.
18
com potencial de reversão a média. Visto que este trabalho tem como objetivo analisar
e outras). Muitos estudos e estratégias fazem uso de médias móveis para confirmar
uma tendência, seja ela de alta ou de baixa. Geralmente, utiliza-se o cruzamento dos
preços com uma média móvel qualquer ou o cruzamento de duas médias móveis com
Onde :
t= período no tempo
Para Murphy (1999) a média móvel destaca-se por ser o indicador mais
utilizado e versátil entre todos os outros indicadores técnicos. Este indicador é de fácil
19
3.5.2 - Hilo Activator
com uma janela móvel das três últimas máximas e mínimas, indicando se o mercado
preço está acima do Hilo Activator, ele pode ser usado como filtro de confirmação de
compra. Quando os preços estão abaixo do indicador, ele pode ser usado como um
filtro de confirmação de venda. Segue abaixo a fórmula para o cálculo dos hilos de alta
e baixa:
Onde :
t= período no tempo
20
3.5.3 - Bandas de Bollinger
redor de uma média móvel desvios padrão. A soma estabelece a banda superior e
média.
tendência for de alta e entre a linha central e a banda inferior quando essa for de
21
Banda Superior= ∑Fech[t-n:t]/n + (f*desvio (Fech[t-n:t]))
Onde :
t= período no tempo
22
4 - Estudo de Caso
utilizada. Importa ressaltar que as análises com séries temporais lentas (diárias,
informação diminui e os sinais são gerados antes dos sinais das séries mais lentas.
Os dados utilizados neste trabalho foram retirados da série horária das ações
treinamento (2/3) e teste (1/3). No estudo de caso utilizou-se uma janela de 3000
horas, sendo 2000 horas para treinamento e otimização dos parâmetros de cada uma
das estratégias e 1000 horas de teste para verificar e validas os parãmetros ótimos
23
Figura 4: Série de preços em horas das ações da Petrobrás PN (PETR4)
abaixo:
24
4.2 - Pré- Processamento dos Dados
sugerido. A séria tem registro dos preços de abertura, máxima, mínima, fechamento e
volume financeiro negociado a cada hora do dia, representados pelas variáveis x1 ,x2
estudada. Importa também ressaltar que todos os valores da séria de preços foram
X1 X2 X3 X4 X5
DATA HORA ABERTURA MÁXIMA MÍNIMA FECHAMENTO VOLUME
se distanciarem muito da média (geralmente define-se como outlier registros com três
desvios padrão para mais ou para menos da média). As variáveis de entrada x1, x2,
volume (x5) apresenta alguns valores muito acima da mediana, isto pode ser explicado
maior volatilidade.
25
Figura 5: Gráfico de Box Plot
Na tabela 3 abaixo, observa-se a matriz de correlação das variáveis x1,x2, x3, x4 e x5:
x1 x2 x3 x4 x5
x1 1 0.9999 0.9999 0.9998 0.3806
x2 0.9999 1 0.9998 0.9999 0.3871
x3 0.9999 0.9998 1 0.9999 0.3738
x4 0.9998 0.9999 0.9999 1 0.3804
x5 0.3806 0.3871 0.3738 0.3804 1
26
Na figura 6, percebe-se que as variáveis x1, x2, x3, x4 apresentam elevado
diferente das demais, concluindo que embora a correlação entre preços e volume seja
não eliminou-se nenhuma delas da base utilizada, visto que todas apresentam alguma
27
4.3- Seleção dos Atributos
técnicos. A partir dos dados brutos das variáveis de abertura, máxima, mínima,
fechamento e volume (x1, x2, x3, x4, x5) foram realizados diversos cálculos
analisada.
28
5 - Estratégias de Investimento
custos de transação têm que ser levados em conta. Modelos de séries temporais são
bem sucedidos quando identificam uma tendência duradoura, sem gerar muitos sinais,
resultados positivos. Ao avaliar uma estratégia não podem ser consideradas somente
medidas erro, tais como a raiz do erro quadrático médio (REQM) e outras similares. O
previsão total é importante, mas na prática é mais relevante a previsão correta do sinal
ser mais importante para avaliar a qualidade de determinada estratégia. Desta forma,
A regra hibrida proposta consiste em combinar algumas das regras citadas acima de
acordo com o conhecimento heurístico. Das regras de análise técnica que serão
29
adotadas nos estudos de Sullivan, Timmermann et al.(1999) e de Qi e Wu (2006). A
ganhos também com a queda dos preços do ativo em uma tendência de baixa. Vender
descoberto significa vender um determinado ativo sem tê-lo em carteira. Sendo assim,
auferindo lucro na operação. Desta forma as estratégias operaram através dos sinais
Capital=Capital*(1+ganho/perda)
Tendência de Alta
Tendência de Baixa
Onde:
30
Perda= Valor(%) quando o retorno é negativo
resultados encontrados são superiores ao benchmark buy and hold. Para contemplar
custos operacionais. Os custos operacionais são compostos por três fatores distintos:
Corretagem – Valor fixo ou percentual pago a uma Corretora de Valores para que a
Emolumentos – Valor fixo e percentual pago a Bolsa de Valores para cada compra e
venda realizada.
Slippage – Valor percentual estimado para que a operação seja efetuada. Este valor
próximos a realidade:
31
Visto que todas as estratégias utilizadas nesse estudo são focadas em
demanda muito grande pelo ativo, ocasionando uma variação significativa de preço em
slippage.
série de preços da Petrobrás com a estratégia buy and hold. No período de teste, o
benchmak buy and hold comprou no dia 26/07/2005 às 13h por R$ 11,30 e vendeu no
141,60%.
computada como média simples dos preços nos últimos n períodos. Esta estratégia
consiste em calcular duas médias móveis simples, sendo uma lenta e a outra mais
rápida. Para que a estratégia sugerida não seja sensível a qualquer ruído da série de
venda. Os sinais de compra são gerados quando a média mais rápida cruza de baixo
para cima com a média mais lenta, somado o filtro f(%). Os sinais de venda são
gerados quando a média mais rápida cruza de cima para baixo com a média lenta,
32
Ou seja:
Compra
Vende
Sendo:
f = filtro (%)
Onde:
33
A figura 7 apresenta os preços em horas das ações da Petrobras PN (PETR4)
preço de máxima é maior do que o preço de resistência, somado um filtro f(%). O sinal
34
Ou seja:
Compra
Venda
Sendo:
f = filtro (%)
Onde:
suporte e resistência.
35
Figura 8: Gráfico da Regra de Rompimento de Suporte/Resistência
vender quando o preço de fechamento é maior ou menor que uma das bandas. As
bandas são calculadas por uma média móvel simples, somando e subtraíndo valores
preço de fechamento em (t) é maior que a banda superior. O sinal de venda ocorre
Ou seja:
Compra
Venda
Sendo:
36
Desvio[t-n:t] = desvio padrão com janela de tempo [t-n: t]
Onde:
(PETR4) com bandas de Bollinger calculadas com o parâmetro de janela n=20 e f=2.
37
5.3.4 - Regra Híbrida Proposta
regras de análise técnica e desenvolveu-se uma regra híbrida para confirmação dos
mínimo, onde volume em (t-1) deve ser maior que o volume da média móvel com
parâmetro (n2) multiplicado pelo parâmetro (f). O sinal de compra ocorre quando a
máxima (t) é maior que a máxima do período [t-n1:t-1], os preços de fechamento [t-
fechamento de (t-1) acima do Hilo_Alta e o volume (t-1) deve ser maior que a média
móvel do volume [t-n2: t-1] multiplicado pelo filtro (f). O sinal de venda ocorre quando
a mínima (t) é menor que a mínima do período [t-n1:t-1], os preços de fechamento [t-
fechamento de (t-1) abaixo do Hilo_Baixa e o volume (t-1) deve ser maior que a média
38
Ou seja:
Compra
Se Fech[t-n1+1:t-1] > Fech(t-n1) e se Fech(t-1) > Hilo_Alta e se Max(t) > Max [t-n1:t-
1] e se Vol(t-1)> MM_Vol(t-n2:t-1)*f
Vende
Se Fech[t-n1+1:t-1] < Fech(t-n1) e se Fech(t-1) |< Hilo_Baixa e se Min(t) < Max [t-n1:t-
1] e se Vol(t-1)> MM_Vol(t-n2:t-1)*f
Sendo:
Onde:
39
Regra Híbrida – Sinal de Compra
parâmetros (n1=3, n2=12 e f=2) podem ser visualizados na figura 10. Observa-se que
(média móvel da máxima dos três Candlestick anteriores (linha azul)). O histograma
média móvel dos últimos doze volumes anteriores. Pode-se observar que o volume
média móvel dos últimos doze volumes anteriores. Por fim, o quarto Candlestick verde
anterior e seu preço de máxima acima do preço de máxima dos três Candlesticks
40
Regra Híbrida – Sinal de Venda
parâmetros (n1=3, n2=12 e f=2) podem ser visualizados na figura 11. Observa-se que
financeiro da hora e a linha em vermelho representa a média móvel dos últimos doze
Candlestick em vermelho, é maior que 200% do valor da média móvel dos últimos
doze volumes anteriores. Por fim, o terceiro Candlestick vermelho (seta vermelha)
41
6- Resultados
operacionais.
custos operacionais.
Verifica-se
se que as regras de médias móveis, rompimento
rompimento de suporte e
2000%
1500%
1000%
500%
0%
-500%
Média Móvel Suporte/Resistência Bandas de Bollinger Hibrido Benchmarck (Buy and Hold)
Figura 12:Gráfico
:Gráfico dos retornos acumulados das estratégias desconsiderando os
custos operacionais
bolliger (518).
42
Desconsideranto os custos de transação
transação todas as estratégias analisadas
700%
600%
500%
400%
300%
200%
100%
0%
-100%
Média Móvel Suporte/Resistência Bandas de Bollinger Hibrido Benchmarck (Buy and Hold)
Figura 12:Gráfico
:Gráfico dos retornos acumulados das estratégias considerando os custos
operacionais
81 operações.
43
O desempenho de cada estratégia pode ser avaliado a partir de um simples
critério que consiste em verificar o retorno acumulado de cada uma das regras de
análise técnica e suas simulações das operação de compra e venda. Porém, retorno
Onde:
risco. Ou seja, quanto maior for desvio padrão, maior o risco da estratégia proposta.
investimento.
avaliação é limitada visto que ele pode gerar medidas viesadas de desempenho, dado
44
Porém, para avaliação do desempenho das estratégias propostas neste
estudo, o índice de Sharpe é uma boa medida de avaliação, visto que gera uma
viés de uma amostra de dados, mostrando se a média dos retornos de uma estratégia
com poucas operações, sendo capaz de avaliar a eficácia do mesmo. Para uma série
seguinte fórmula:
T= (R/σR ) * √
Onde:
N= número de operações
45
Tabela 3: Estatísticas dos retornos das estratégias
resistência.
46
Ainda nas tabelas 3 e 4 pode-se verificar os valores da estatística T de
bolliger rejeitaram a hipótese nula de média dos retornos negativa para um nível de
regra proposta no período obter somente três operações ganhadoras a mais que
perdedoras, a média dos ganhos foi de 9,74% enquanto que a média das perdas foi de
-4,02% e a média total registrou 3,11%. O modelo gerou quase a mesma quantidade
de operações com lucro e perda, porém a média dos lucros é mais que o dobro da
47
Segue, na figura 13,, o gráfico de ganho/perda (%) de todas as operações
Uma análise que também deve ser considerada é o fator de ganho/perda que pode
ser calculado pela relação entre o percentual de acertos multiplicada pela média de
lucros percentuais, assim como pela relação de percentual de erros multiplicada pela
48
Pode-se
se observar pela análise acima que o fator de ganho maior que o fator
de perda e que a Relação (Fator de ganho /Fator de perda) apresenta valor muito
superior a um.
49
Embora a estratégia apresente quase a mesma quantidade de operações de
ganho e perda ao analisar somente as vendas, a média dos ganhos foi de 8,2%
a média dos retornos das operações de venda seja menor que das operações de
significativas.
50
7 – Conclusão
dos preços de séries financeiras fortalece a evidência de que eles não apresentam um
comportamento random walk. Muitos são os casos que confirmam ganhos acima da
regras de análise técnica, apresente resultados acima do benchmark buy and hold
da regra híbrida com as demais regras de análise técnica testadas, verificou-se que o
51
Importa ressaltar que a série de preços das ações da Petrobras PN no
Porém, o estudo proposto apresenta uma situação particular tanto do ponto de vista do
período analisado quando da série utilizada, sendo necessário realizar estudos mais
conclusivos. Por se tratar de uma estratégia de trend follow o exito da regra híbrida
deste trabalho em outras séries temporais financeiras em mercados distintos tais como
52
APÊNDICE A: Histograma dos retornos das regras propostas
53
Figura AB3: Histograma dos retornos da Regra de Rompimento de Bandas de
custos operacionais
54
Figura AB5: Histograma dos retornos da Regra de cruzamento de médias móveis
55
Figura AA5: Histograma dos retornos da Regra de Rompimento de Bandas de
custos operacionais
56
8 – Referências Bibliográficas
Brock, W., Lakonishok, J., Le, B.B., 1992, “Simple Technical Trading Rules and the
Stochastic Properties of Stock Returns.” Journal of Finance, v.47, n.5, pp. 173-1764.
Brorsen, B. W., Irwin, S. H., 1987, “Futures Funds and Price Volatility.” The Review of
Futures Markets, v.6, n.2, pp.118-135.
Capobianco, H., Cister, A. M., Maceió, B. F., 2002, “Market Efficiency in Brazilian Stock
Chaudhuri, K., Wu, Y., 2003, “Random walk versus breaking trend in stock prices:
Evidence from emerging markets”, Journal of Banking & Finance, v.27. pp.575–592.
Cheung, Y. W., Chinn, M. D., 2001, “Currency Traders and Exchange Rate Dynamics:
A Survey of the US Market.” Journal of International Money and Finance, v.20, n.4, pp.
439-471.
Cooper, M.J., 1999,”Filter rules based on price and volume in individual security
overreaction”, The Review of Finacial Studies, v.12, n.4.
Elder, A., 1993, Trading for a Living: Psychology, Trading Tactics, Money Management
New York, Wiley.
Fama, E. F., 1970, “Efficient capital markets: a review of theory and empirical work”
Journal of Finance, v. 25, pp.383-417.
Fama, E.F., 1965, “The price behavior of stock market prices.” EUA. The journal of
bussines, v.38,pp. 34-105,1965.
Fama, E.F., Blume, M., 1966, “Filter Rules and Stock Market Trading Profits”, Journal
of Business, v.39, pp. 226-241.
57
Fama, E. F., French , K. R., 1988, “Dividend yields and expected stock returns.”,
Journal of Financia Economics, v.22, pp.3–25.
Frankel, J. A., Froot, K. A., 1990, “Chartist, Fundamentalists, and Trading in the
Foreign Exchange Market.” American Economic Review, v.80, pp.181-185.
Hiemstra, C., Jones, D.J., 1994, “Testing for linear and Nonlinear Granger Causality in
Kaufman, Perry J., 2005, New Trading Systems and Methods.4 ed. New York, Wiley
Lisi, F., Medio, A., 1997, “Is a random walk the best exchange rate predictor?”,
International Journal of Forecasting, v. 13, pp. 255-267.
Lo, A. W.; Mackinley, A. C., 1988, “Stock market prices do not follow random walks:
evidence from a simple specification test.”, Review of Financial Studies, v. 1, pp. 41-66.
Lui, Y. H., Mole, D., 1998, “The Use of Fundamental and Technical Analysis by Foreign
Exchange Dealers: Hong Kong Evidence.” Journal of International Money and Finance,
v.17, n.3, pp. 535-545.
Lukac, L. P., Brorsen, B. W., Irwin, S. H., 1988, “A Test of Futures Market
Disequilibrium Using Twelve Different Technical Trading Systems.” Applied Economics,
v.20, n.5, 623-639.
Mandelbrot, B. Hudson, R.L., 2004, The (mis) Behaviour of Markets: A Fractal View of
Risk, Ruin and Reward, New York, Basic Books.
Murphy, J.J., 1999, Technical analysis of the financial markets a comprehensive guide
to trading methods and applications., New York, New York Institute of Finance.
McMillan, D.G., 2007, “Non-linear forecasting of stock returns: Does volume help?”,
International Journal of Forecasting, v.23, n.1, pp. 115-126.
58
Noronha, M, 1995, Análise Técnica: Teorias, Ferramentas, Estratégias. Rio de Janeiro,
Editec.
Qi, M., Wu, Y., 2006, “Technical Trading-Rule Profitability, Data Snooping, and Reality
Check: Evidence from the Foreign Exchange Market.” Journal of Money, Credit, and
Banking, v.38, n.8. pp. 2135-2158.
Sullivan, R., Timmermann, A, White, H., 1999, “Data Snooping, Technical Trading
Rule Performance, and the Bootstrap.” Journal of Finance, v.54, n.5, pp.1647-1691.
Taylor, M. P., Allen, H., 1992, “The Use of Technical Analysis in the Foreign Exchange
Market.” Journal of International Money and Finance, v.11, n.3, pp.304-314.
Wang, C. & Chin, S., 2004, “Profitability of return and volume-based investment
strategies in China’s stock market”, Pacific-Basin Finance Journal, v.12, pp.541– 564.
Wilcox, C., Crittenden, E., 2005, “Does Trend Following Work on Stocks?”
Wong, W.K., Du, J., Chong, T.T.L, “Do technical Indicators Reward Chartists? A study
of Stock Market of China, Hong Kong and Tawian”, Review of Applied Economic, v.1,
p.p183-205.
59