Phân tích kỹ thuật trong đầu tư


Bài ngắn gọn:

1. Phân tích kỹ thuật là gì?

Phân tích kỹ thuật (Technical analysis)  là phương pháp dựa vào biểu đồ, đồ thị diễn biến giá cả và khối lượng giao dịch của cổ phiếu nhằm phân tích các biến động cung –  cầu đối với cổ phiếu để giúp cho nhà đầu tư quyết định thời điểm nên mua vào, bán ra hay giữ cổ phiếu trên thị trường.

2. Đặc điểm của phân tích kỹ thuật 

Nếu như phân tích cơ bản (fundmental analysis) – PTCB được sử dụng để đánh giá giá trị của một cổ phiếu dựa trên kết quả kinh doanh của doanh nghiệp thì phân tích kỹ thuật (PTKT) tập trung vào việc nghiên cứu giá cả chứng khoán và khối lượng giao dịch.

Các công cụ được sử dụng trong phân tích kỹ thuật để xem xét các tác động của cung và cầu đối với một cổ phiếu sẽ ảnh hưởng tới giá của cổ phiếu đó như thế nào.

PTKT  thường được sử dụng trong các chiến thuật đầu tư trong ngắn hạn.

3.Ưu và nhược điểm của phân tích kỹ thuật:

Ưu điểm:

Xác định các tín hiệu để phân tích xu hướng giá của chứng khoán là yếu tố quan trọng giúp nhà đầu tư thành công trong các chiến lược đầu tư. Nếu phân tích cơ bản thường được sử dụng để ra quyết định đầu tư thì phân tích kỹ thuật được dùng để xác định điểm mua vào và điểm bán ra của cổ phiếu.

Nhược điểm:

Trên thị trường chứng khoán sẽ có nhiều yếu tố tác động mà chúng không thể lường trước và không thể được phát hiện ra khi phân tích kỹ thuật. Việc sử dụng phân tích kỹ thuật hoặc phân tích cơ bản không đảm bảo sẽ đem lại hiệu quả 100% cho các chiến lược đầu tư.

Bởi vậy. các nhà đầu tư cần có một chiến lược quản lý rủi ro để hạn chế tác động của các biến động bất lợi tác động tới danh mục đầu tư của mình.

4. Vai trò của Phân tích kỹ thuật

PTKT đóng vai trò là công cụ trợ giúp nhà đầu tư với 03 chức năng chính: báo động, xác thực và dự đoán.

  • Công cụ báo động: PTKT cảnh báo sự phá vỡ các ngưỡng an toàn gồm hỗ trợ & kháng cự và thiết lập nên các ngưỡng an toàn mới hay nói cách khác là thiết lập mức giá mới thực sự thay vì dao động quanh một mức giá cũ. Đối với trader, việc nhận biết các dấu hiệu về sự thay đổi mức giá càng sớm sẽ giúp cho họ sớm có hành động mua vào hoặc bán ra kịp thời.
  • Công cụ xác nhận: Mỗi phương pháp PTKT được sử dụng kết hợp với các PTKT khác hoặc các phương pháp PTCB để đánh giá về xu thế của giá chứng khoán. Việc kết hợp và bổ trợ lẫn nhau giữa các phương pháp kỹ thuật khác nhau giúp nhà đầu tư có được kết luận chính xác và tối ưu hơn.
  • Công cụ dự đoán: Nhà đầu tư sử dụng các kết luận của PTKT để dự đoán giá tương lai với kỳ vọng về khả năng dự đoán tốt hơn.

5. Các trường phái và phương pháp Phân tích kỹ thuật

Có rất nhiều trường phái và phương pháp PTKT khác nhau, nhưng sau đây là những trường phái, phương pháp thông dụng nhất:

  1. Trường phái, phương pháp phân tích đồ thị nến Nhật (Candlestick Charting).
  2. Trường phái, phương pháp phân tích nguyên lý sóng Elliott (Elliott Wave Theory).
  3. Trường phái, phương pháp ứng dụng mô hình đảo chiều (Reversal) và mô hình tiếp tục (continues).
  4. Trường phái, phương pháp phân tích lý thuyết Dow (Dow Theory)
  5. Phương pháp ứng dụng xường xu hướng (Trendline Charting).
  6. Phương pháp ứng dụng dãy số fibonacci (Fibonacci Series).
  7. Phương pháp ứng dụng các hệ thống chỉ báo Phân tích kỹ thuật (Technical Indicator).
  8. Phương pháp ứng dụng điểm Pivot (Pivot Point).
  9. Phương pháp đầu tư CANSLIM của Ông William O’Neil
  10. Phương pháp phân tích của Wyckoff – Wyckoff Analysis

Nguồn: tổng hợp

——-

Bài đầy đủ:

Phân tích kỹ thuật

Trong tài chínhphân tích kỹ thuật là một phương pháp phân tích chứng khoán dự báo hướng của giá cả thông qua việc nghiên cứu các dữ liệu thị trường quá khứ, chủ yếu là giá cả và khối lượng.[1] Kinh tế học hành vi và phân tích định lượng sử dụng rất nhiều các công cụ tương tự của phân tích kỹ thuật,[2][3][4][5] là một khía cạnh của quản lý tích cực, đứng trong mâu thuẫn với nhiều lý thuyết danh mục đầu tư hiện đại. Hiệu quả của cả phân tích kỹ thuật và phân tích cơ bản còn gây tranh cãi bởi Giả thuyết thị trường hiệu quảnói rằng giá cả thị trường chứng khoán về cơ bản là không thể đoán trước.[6]

Lịch sử

Các nguyên tắc của phân tích kỹ thuật xuất phát từ hàng trăm năm dữ liệu thị trường tài chính.[7] Một số khía cạnh của phân tích kỹ thuật đã bắt đầu xuất hiện trong các bản miêu tả của Joseph de la Vega về thị trường Hà Lan trong thế kỷ 17. Tuy nhiên, theo một số di tích cổ được khai quật gần đây tại New Zealand, phân tích kỹ thuật có thể đã được phát minh trước đó 300-500 năm bởi người Māori, những cư dân bản xứ của New Zealand (Phương pháp phân tích MACD được cho là viết tắt của Māori Analysis Chart Design). Ở châu Á, phân tích kỹ thuật được cho là một phương pháp được Homma Munehisaphát triển vào đầu thế kỷ 18, biến hóa thành việc sử dụng các kỹ thuật nến, và ngày nay là một công cụ lập biểu đồ phân tích kỹ thuật.[8][9] Trong những năm 1920 và 1930, Richard W. Schabacker xuất bản một số cuốn sách, là sự tiếp nối công việc của Charles DowWilliam Peter Hamiltontrong các cuốn sách Lý thuyết và thực tiễn thị trường chứng khoánPhân tích thị trường kỹ thuật của họ. Năm 1948, Robert D. Edwards và John Magee xuất bản Phân tích kỹ thuật các xu hướng cổ phiếu, được coi rộng khắp là một trong những công trình có ảnh hưởng sâu rộng của lĩnh vực kiến thức này. Nó chủ yếu liên quan tới phân tích xu hướng và các hình mẫu biểu đồ và vẫn còn được sử dụng cho đến nay. Gần như hiển nhiên, phân tích kỹ thuật ban đầu hầu như chỉ là phân tích các biểu đồ, vì sức mạnh xử lý của máy tính là không có sẵn để phân tích thống kê. Charles Dow được coi là đã khởi thủy một hình thức của phân tích biểu đồ điểm và số.

Lý thuyết Dow dựa trên tập hợp các bài viết của người đồng sáng lập Dow Jones kiêm biên tập viên là Charles Dow, và lấy cảm hứng từ việc sử dụng và phát triển của phân tích kỹ thuật hiện đại vào cuối thế kỷ 19. Những người tiên phong khác của các kỹ thuật phân tích bao gồm Ralph Nelson ElliottWilliam Delbert Gann và Richard Wyckoff, những người đã phát triển các kỹ thuật tương ứng của họ trong những năm đầu thế kỷ 20. Thêm nhiều công cụ kỹ thuật và lý thuyết đã được phát triển và mở rộng trong những thập kỷ gần đây, với sự nhấn mạnh ngày càng tăng về các kỹ thuật được máy tính hỗ trợ, sử dụng phần mềm máy tính được thiết kế chuyên biệt.

Mô tả tổng quát

Các nhà phân tích cơ bản kiểm tra thu nhập, cổ tức, sản phẩm mới, nghiên cứu mới và các thứ tương tự. Các nhà phân tích kỹ thuật sử dụng nhiều phương pháp, công cụ và kỹ thuật, một trong số đó là việc sử dụng các biểu đồ. Sử dụng biểu đồ, các nhà phân tích kỹ thuật tìm kiếm để xác định các mẫu hình giá cả và các xu hướng thị trườngtrong thị trường tài chính và cố gắng khai thác những hình mẫu này.[10]

Các nhà phân tích kỹ thuật sử dụng các biểu đồ để tìm kiếm các mẫu hình biểu đồ giá cả nguyên mẫu, chẳng hạn các mẫu hình đảo ngược [xu hướng] như đầu và vai hay đỉnh/đáy kép nổi tiếng, nghiên cứu các chỉ báo kỹ thuậttrung bình động, và tìm kiếm các hình thức như ngưỡng hỗ trợ, ngưỡng kháng cự, các kênh, và nhiều mẫu hình mơ hồ hơn như cờcờ hiệu, các mẫu hình ngày cân bằng và cốc và quai.[11]

Các nhà phân tích kỹ thuật cũng sử dụng rộng rãi nhiều loại chỉ báo thị trường, một vài trong số đó là các biến đổi toán học của giá cả, thường bao gồm cả khối lượng lên xuống, dữ liệu tăng/giảm và các đầu vào khác. Những chỉ số này được sử dụng để giúp đánh giá liệu một tài sản có đang trong xu hướng không, và nếu nó là trong xu hướng, khả năng về hướng và sự tiếp diễn của nó là như thế nào. Nhà phân tích kỹ thuật cũng tìm kiếm các mối quan hệ giữa các chỉ số giá/khối lượng và các chỉ báo thị trường. Ví dụ như RSIvà MACD. Các con đường nghiên cứu khác bao gồm các mối tương quan giữa các thay đổi trong các Quyền chọn (biến động mặc nhiên) và tỷ lệ đặt/gọi với giá. Cũng quan trọng là các chỉ báo cảm tính như tỷ lệ Đặt/Gọi, tỷ lệ bò/gấu, tỷ suất bán khống, biến động mặc nhiên v.v.

Có nhiều kỹ thuật trong phân tích kỹ thuật. Các tín đồ của các kỹ thuật khác nhau (ví dụ: phân tích biểu đồ nếnLý thuyết Dow và lý thuyết sóng Elliott) có thể bỏ qua các phương pháp tiếp cận khác, nhưng nhiều thương nhân kết hợp các yếu tố từ nhiều kỹ thuật. Một số nhà phân tích kỹ thuật sử dụng đánh giá chủ quan để quyết định (những) mẫu hình mà một công cụ cụ thể phản ánh tại một thời điểm nhất định và diễn giải của mẫu hình đó sẽ là gì. Những người khác sử dụng cách tiếp cận hệ thống hoặc hoàn toàn máy móc để nhận dạng và diễn giải mẫu hình.

Phân tích kỹ thuật thường xuyên trái ngược với phân tích cơ bản, là nghiên cứu về các yếu tố kinh tế ảnh hưởng đến cách thức các nhà đầu tư đánh giá các thị trường tài chính. Phân tích kỹ thuật cho rằng giá cả đã phản ánh tất cả các xu hướng như vậy trước khi các nhà đầu tư nhận thức về chúng. Việc khám phá những xu hướng này là những gì các chỉ báo kỹ thuật được thiết kế để làm, không hoàn hảo như chúng có thể. Hoàn toàn tự nhiên, các chỉ báo cơ bản cũng chịu các hạn chế tương tự. Một số thương nhân chỉ sử dụng phân tích kỹ thuật hoặc phân tích cơ bản, trong khi những người khác sử dụng cả hai loại để đưa ra các quyết định mua bán.[12]

Đặc điểm

Phân tích kỹ thuật sử dụng các mô hình và quy tắc trao đổi dựa trên các biến đổi giá cả và khối lượng, chẳng hạn như chỉ số sức mạnh tương đốitrung bình độnghồi quy, mối tương quan giá cả liên thị trường và nội thị trường, chu kỳ kinh doanhchu kỳ thị trường chứng khoán hoặc, theo cách cổ điển, thông qua sự công nhận của các mẫu hình biểu đồ.

Phân tích kỹ thuật là trái ngược với cách tiếp cận phân tích cơ bản đối với phân tích chứng khoán và cổ phiếu. Phân tích kỹ thuật phân tích giá cả, khối lượng và thông tin thị trường khác, trong khi phân tích cơ bản nhìn vào các sự kiện của công ty, thị trường, tiền tệ hoặc hàng hóa. Hầu hết các nhà môi giới lớn, nhóm hoạt động trao đổi, hoặc tổ chức tài chính thường sẽ có cả hai đội ngũ phân tích kỹ thuật và phân tích cơ bản.

Phân tích kỹ thuật được sử dụng rộng rãi trong các thương nhân và các chuyên gia tài chính và được sử dụng thường xuyên bởi các thương nhân trong ngày tích cực, các nhà tạo lập thị trường và các thương nhân trên sàn. Trong những năm 1960 và 1970 nó đã bị các học giả gạt bỏ rộng khắp. Trong một nghiên cứu gần đây, Irwin và Park[13] báo cáo rằng 56 trong tổng số 95 nghiên cứu hiện đại cho thấy nó tạo ra các kết quả tích cực nhưng lưu ý rằng nhiều kết quả tích cực đã được kết xuất không rõ ràng bởi các vấn đề như can thiệp vào dữ liệu, cho nên bằng chứng hỗ trợ của phân tích kỹ thuật là không thuyết phục; nó vẫn bị nhiều học giả coi là giả khoa học.[14] Các nhà nghiên cứu như Eugene Fama nói rằng bằng chứng cho phân tích kỹ thuật là thưa thớt và không phù hợp với dạng yếu của giả thuyết thị trường hiệu quả.[15][16] Những người sử dụng cho rằng ngay cả khi phân tích kỹ thuật không thể dự đoán tương lai, nó cũng giúp xác định các cơ hội trao đổi.[17]

Trong các thị trường ngoại hối, sử dụng của nó có thể rộng rãi hơn phân tích cơ bản.[18][19] Điều này không có nghĩa là phân tích kỹ thuật là thích hợp hơn tại các thị trường ngoại hối, mà là phân tích kỹ thuật được công nhận hơn do hiệu quả của nó có nhiều hơn tại đây so với những thị trường khác. Trong khi một số nghiên cứu độc lập đã chỉ ra rằng các quy tắc trao đổi kỹ thuật có thể dẫn đến hoàn vốn phù hợp trong giai đoạn trước năm 1987,[20][21][22][23]hầu hết công trình học thuật tập trung vào bản chất của vị trí bất thường của thị trường ngoại hối.[24] Có thể suy đoán rằng sự bất thường này là do sự can thiệp của ngân hàng trung ương, mà rõ ràng là phân tích kỹ thuật không được thiết kế để dự đoán.[25] Nghiên cứu gần đây cho thấy việc kết hợp các tín hiệu kinh doanh khác nhau thành cách tiếp cận tín hiệu tổ hợp có thể tăng khả năng lợi nhuận và giảm sự phụ thuộc vào một quy tắc duy nhất bất kỳ.[26]

Các nguyên lý

Biểu đồ cổ phiếu cho thấy các mức hỗ trợ (4,5,6, 7, và 8) và mức kháng cự (1, 2, và 3); các mức kháng cự có xu hướng trở thành mức hỗ trợ và ngược lại.

Một nguyên tắc cơ bản của phân tích kỹ thuật là giá của thị trường phản ánh tất cả các thông tin có liên quan, do đó phân tích của họ nhìn vào lịch sử của hình mẫu trao đổi của chứng khoán chứ không phải là các điều khiển bên ngoài như sự kiện kinh tế, cơ bản và tin tức. Vì vậy, hoạt động của giá có xu hướng tự lặp lại do các nhà đầu tư có xu hướng chung đối với hành vi được hình mẫu hóa  – do đó phân tích kỹ thuật tập trung vào các xu hướng và điều kiện có thể định danh.[27][28]

Hành động thị trường phản ánh tất cả mọi thứ

Dựa trên tiền đề rằng tất cả các thông tin liên quan đã được phản ánh bởi giá cả, các nhà phân tích kỹ thuật tin rằng điều quan trọng là phải hiểu các nhà đầu tư nghĩ gì, biết gì và cảm nhận những gì về thông tin đó.

Giá cả di chuyển theo xu hướng

Xem thêm: Xu hướng thị trường

Các nhà phân tích kỹ thuật tin rằng giá cả có xu hướng một cách trực tiếp, tức là, lên, xuống, hoặc ngang (phẳng) hay kết hợp. Định nghĩa cơ bản của một xu hướng giá ban đầu được đưa ra bởi Lý thuyết Dow.[10]

Một ví dụ về một chứng khoán đã có một xu hướng rõ ràng là AOL từ tháng 11 năm 2001 đến tháng 8 năm 2002. Một nhà phân tích kỹ thuật hoặc người theo xu hướng ghi nhận xu hướng này sẽ có thể tìm kiếm cơ hội để bán chứng khoán này. AOL liên tục di chuyển xuống trong giá. Mỗi lần cổ phiếu này tăng, người bán sẽ gia nhập thị trường và bán cổ phiếu; vì vậy có các chuyển động “dích-dắc” trong giá cả. Các chuỗi “cao thấp hơn” và “thấp thấp hơn” là một dấu hiệu nói cho biết về một cổ phiếu trong một xu hướng giảm.[29] Nói cách khác, mỗi khi cổ phiếu di chuyển thấp hơn, nó giảm xuống dưới giá thấp tương đối trước đó của nó. Mỗi khi cổ phiếu di chuyển cao hơn, nó không thể đạt được mức giá cao tương đối trước đó của nó.

Lưu ý rằng chuỗi các mức thấp thấp hơn và các mức cao thấp hơn đã không bắt đầu cho đến tận tháng Tám. Sau đó, AOL làm một giá thấp mà không xuyên qua bộ thấp tương đối hồi đầu tháng. Sau đó trong cùng một tháng, cổ phiếu này làm một cao tương đối bằng cao tương đối gần nhất. Trong tình thế này một nhà phân tích kỹ thuật nhìn thấy các chỉ báo mạnh mẽ rằng xu hướng giảm giá ít nhất là đang tạm dừng và có thể kết thúc, và có thể sẽ dừng lại bằng cách tích cực bán cổ phiếu tại thời điểm đó.

Lịch sử có xu hướng tự lặp lại

Các nhà phân tích kỹ thuật tin rằng các nhà đầu tư lặp lại theo cách tập thể các hành vi của các nhà đầu tư trước đó. Đối với một nhà phân tích kỹ thuật, những cảm xúc trên thị trường có thể là không hợp lý, nhưng chúng tồn tại. Vì hành vi nhà đầu tư tự lặp lại thường xuyên, các nhà phân tích kỹ thuật tin rằng các hình mẫu giá có thể nhận biết (và có thể dự đoán) sẽ phát triển trên một biểu đồ.[10] Sự công nhận các hình mẫu này có thể cho phép các nhà phân tích kỹ thuật chọn các trao đổi mà có một xác suất thành công cao hơn.[30]

Phân tích kỹ thuật là không giới hạn vào hoạt động biểu đồ, nhưng nó luôn luôn xem xét các xu hướng giá. Ví dụ, nhiều nhà phân tích kỹ thuật theo dõi các cuộc điều tra tình cảm nhà đầu tư. Các cuộc điều tra này đánh giá thái độ của những người tham gia thị trường, một cách đặc biệt cho dù chúng là gấu hay . Các nhà phân tích kỹ thuật sử dụng các cuộc điều tra để xác định xem liệu một xu hướng sẽ tiếp tục hay phát triển có thể đảo ngược; họ có nhiều khả năng dự đoán một sự thay đổi khi các điều tra báo cáo tình cảm nhà đầu tư cực đoan. [31] Các cuộc điều tra cho thấy xu hướng tăng giá áp đảo, ví dụ, là bằng chứng cho thấy một xu hướng tăng có thể đảo ngược; tiền đề này được rằng nếu hầu hết các nhà đầu tư đang “bò” họ đã mua xong thị trường (sự dự đoán giá cao hơn). Và bởi vì hầu hết các nhà đầu tư là  và đã đầu tư, một giả định rằng vài người mua vẫn còn. Điều này khiến người bán tiềm năng hơn người mua, mặc dù tâm lý “bò”. Điều này cho thấy giá sẽ có xu hướng giảm, và là một ví dụ trao đổi trái ngược.[32]

Gần đây, Kim Man Lui, Lun Hu, và Keith C.C. Chan đã gợi ý rằng có bằng chứng thống kê của các mối quan hệ liên quan giữa một số các cổ phiếu chỉ số tổng hợp trong khi không có bằng chứng cho một mối quan hệ như vậy giữa một số cổ phiếu chỉ số tổng hợp khác. Họ cho rằng hành vi giá của các chứng khoán chỉ số tổng hợp Hang Seng là dễ hiểu hơn.[33]

Công nghiệp

Ngành công nghiệp này được đại diện trên toàn cầu bởi Liên đoàn quốc tế các nhà phân tích kỹ thuật (IFTA), là một Liên đoàn của các tổ chức khu vực và quốc gia. Tại Hoa Kỳ, ngành công nghiệp này được đại diện bằng cả Hiệp hội các nhà kỹ thuật thị trường (MTA) lẫn Hiệp hội Các nhà phân tích kỹ thuật chuyên nghiệp (AAPTA). Hoa Kỳ cũng được đại diện bởi Hiệp hội các nhà phân tích chứng khoán kỹ thuật của San Francisco (TSAASF). Ở Vương quốc Anh, ngành công nghiệp được đại diện bởi Hội các nhà phân tích kỹ thuật (STA). Tại Canada ngành công nghiệp được đại diện bởi Hội Các nhà phân tích kỹ thuật Canada.[34] Tại Úc, ngành công nghiệp này được đại diện bởi Hiệp hội các nhà phân tích kỹ thuật Úc (ATAA),[35] (hội viên của IFTA) và tổ chức Các nhà phân tích kỹ thuật chuyên nghiệp Australia[36].

Các hội phân tích kỹ thuật chuyên nghiệp đã làm việc trong việc tạo ra một khối kiến thức mô tả lĩnh vực phân tích kỹ thuật. Một khối kiến thức là trung tâm của lĩnh vực này như một cách để xác định cách thức và lý do tại sao phân tích kỹ thuật có thể làm việc. Nó có thể được sử dụng bởi giới học thuật, cũng như các cơ quan quản lý, trong việc phát triển nghiên cứu thích hợp và các tiêu chuẩn cho lĩnh vực.[37]Hiệp hội các nhà kỹ thuật thị trường(MTA) đã xuất bản khối kiến thức, là một cấu trúc cho kỳ sát hạch Kỹ thuật viên thị trường được công nhận (CMT) của MTA.[38]

Hoạt động trao đổi có tính hệ thống

Mạng thần kinh

Kể từ đầu những năm 1990 khi các loại có thể sử dụng thực tế đầu tiên xuất hiện, các mạng thần kinh nhân tạo(ANN) đã nhanh chóng phát triển về mức độ phổ biến. Chúng là các hệ thống phần mềm thích ứng trí tuệ nhân tạo lấy cảm hứng từ cách các mạng thần kinh sinh học làm việc. Chúng được sử dụng bởi vì chúng có thể học hỏi để phát hiện các hình mẫu phức tạp trong dữ liệu. Trong thuật ngữ toán học, chúng là các bộ xấp xỉ hàm phổ quát,[39][40] có nghĩa là được cấp cho các dữ liệu đúng và cấu hình chính xác, chúng có thể nắm bắt và mô hình hóa bất kỳ mối quan hệ đầu vào-đầu ra nào. Điều này không chỉ loại bỏ sự cần thiết của giải thích con người đối với các biểu đồ hoặc các chuỗi quy tắc để tạo ra các tín hiệu vào/ra, mà còn cung cấp một cầu nối với phân tích cơ bản, do các biến được sử dụng trong phân tích cơ bản có thể được sử dụng như là đầu vào.

Do các ANN về cơ bản là các mô hình thống kê phi tuyến tính, độ chính xác và khả năng dự đoán của chúng có thể được kiểm tra cả về mặt toán học và thực nghiệm. Trong các nghiên cứu khác nhau, các tác giả đã cho rằng các mạng thần kinh được sử dụng để tạo ra các tín hiệu trao đổi với các đầu vào kỹ thuật và cơ bản khác nhau đã tốt hơn đáng kể các chiến lược mua và giữ cũng như các phương pháp phân tích kỹ thuật tuyến tính truyền thống khi được kết hợp với các hệ thống chuyên gia dựa trên quy tắc.[41][42][43]

Trong khi bản chất toán học tiên tiến của các hệ thống thích nghi như vậy đã giữ các mạng thần kinh cho các phân tích tài chính chủ yếu trong giới nghiên cứu học thuật, trong những năm gần đây nhiều phần mềm mạng thần kinhthân thiện người dùng đã làm cho công nghệ này dễ tiếp cận hơn đối với các thương nhân. Tuy nhiên, ứng dụng quy mô lớn là có vấn đề vì vấn đề làm phù hợp cấu trúc liên kết mạng thần kinh chính xác với thị trường được nghiên cứu.

Thử nghiệm ngược

Trao đổi có hệ thống thường được sử dụng sau khi thử nghiệm một chiến lược đầu tư trên dữ liệu lịch sử. Điều này được gọi là thử nghiệm ngược (backtesting). Thử nghiệm ngược thường được thực hiện cho các chỉ số kỹ thuật, nhưng có thể được áp dụng cho hầu hết các chiến lược đầu tư (ví dụ như phân tích cơ bản). Trong khi thử nghiệm ngược truyền thống được thực hiện thủ công, điều này thường chỉ được thực hiện trên các cổ phiếu do con người lựa chọn, và như vậy dễ bị thiên về kiến thức đã biết trong lựa chọn cổ phiếu. Với sự ra đời của máy tính, thử nghiệm ngược có thể được thực hiện trên toàn bộ các trao đổi trong nhiều thập kỷ dữ liệu lịch sử trong một lượng thời gian rất ngắn.

Việc sử dụng các máy tính cũng có nhược điểm của nó, bị giới hạn đối với các thuật toán mà máy tính có thể thực hiện. Một số chiến lược trao đổi dựa vào diễn giải của con người,[44] và không thích hợp đối với xử lý máy tính.[45] Chỉ có các chỉ báo kỹ thuật là thuật toán hoàn toàn có thể được lập trình trên máy tính cho thử nghiệm ngược tự động.

Kết hợp với các phương pháp dự báo thị trường khác

John Murphy nói rằng những nguồn thông tin sẵn có cho các nhà kỹ thuật là giá, khối lượng và hợp đồng mở.[10] Các dữ liệu khác, chẳng hạn như các chỉ báo và phân tích cảm tính, được coi là thứ yếu.

Tuy nhiên, nhiều nhà phân tích kỹ thuật vươn ra ngoài phân tích kỹ thuật thuần túy, bằng cách kết hợp các phương pháp dự báo thị trường khác với công việc kỹ thuật của họ. Một người ủng hộ cho cách tiếp cận này là John Bollinger, người đã đặt ra thuật ngữ phân tích hợp lý vào giữa những năm 1980 cho dường giao nhau của phân tích kỹ thuật và phân tích cơ bản.[46] Một cách tiếp cận khác như vậy, phân tích hợp nhất,[47]che phủ phân tích cơ bản bằng phân tích kỹ thuật, trong nỗ lực nhằm cải thiện hiệu suất quản lý danh mục đầu tư.

Phân tích kỹ thuật cũng thường được kết hợp với phân tích định lượng và kinh tế học. Ví dụ, các mạng thần kinh có thể được sử dụng để giúp xác định các mối quan hệ liên thị trường.[48] Một vài nhà dự báo thị trường kết hợp chiêm tinh học tài chính với phân tích kỹ thuật. Bài viết của Chris Carolan “Hoảng loạn mùa thu và Hiện tượng lịch”, giành được Giải thưởng Dow của Hiệp hội các nhà kỹ thuật thị trường cho bài báo phân tích kỹ thuật tốt nhất trong năm 1998, trình bày cách phân tích kỹ thuật và các chu kỳ trăng có thể được kết hợp.[49]Hiện tượng lịch, chẳng hạn như hiệu ứng tháng Một trong thị trường chứng khoán, thường được cho là gây ra bởi các nghiệp vụ liên quan đến thuế và kế toán, và không liên quan đến chủ đề của chiêm tinh học tài chính.

Các cuộc thăm dò nhà đầu tư và bản tin, và các chỉ báo cảm tính trên bìa tạp chí, cũng được các nhà phân tích kỹ thuật sử dụng.[50]

Bằng chứng thực nghiệm

Liệu phân tích kỹ thuật có thực sự hoạt động hay không là một vấn đề tranh cãi. Các phương pháp khác nhau rất nhiều, và các nhà phân tích kỹ thuật khác nhau đôi khi có thể đưa ra các dự đoán trái ngược nhau từ cùng một dữ liệu. Nhiều nhà đầu tư cho rằng họ trải nghiệm hoàn vốn tích cực, nhưng việc đánh giá học thuật thường thấy rằng nó có rất ít sức mạnh dự đoán.[51] Trong 95 nghiên cứu hiện đại, 56 kết luận rằng phân tích kỹ thuật đã có kết quả tích cực, mặc dù thiên vị rình mò dữ liệuvà các vấn đề khác làm cho các phân tích khó khăn.[13] Dự đoán phi tuyến sử dụng mạng thần kinh đôi khi tạo ra các kết quả dự đoán mang ý nghĩa thống kê.[52] Một bài báo của Cục Dự trữ Liên bang[21] liên quan đến các mức hỗ trợ và kháng cự tỷ giá hối đoái trong ngắn hạn “cung cấp bằng chứng rõ ràng rằng các mức này giúp dự đoán các gián đoạn xu hướng trong ngày,” mặc dù “sức mạnh tiên đoán” của những ngưỡng này đã được “tìm thấy thay đổi theo tỷ giá hối đoái và được kiểm tra ngặt nghèo”.

Các chiến lược trao đổi kỹ thuật đã được thấy có hiệu quả trong thị trường Trung Quốc bởi một nghiên cứu gần đây khẳng định, “Cuối cùng, chúng ta thấy hoàn vốn tích cực đáng kể đối với các trao đổi mua được tạo ra bởi các phiên bản trái ngược của quy luật cắt chéo trung bình động, quy tắc bùng nổ kênh, và quy tắc trao đổi dải Bollinger, sau khi hạch toán chi phí giao dịch 0,50 phần trăm.”[53]

Một nghiên cứu có ảnh hưởng năm 1992 bởi Brock et al. xuất hiện để tìm hỗ trợ cho các quy tắc trao đổi kỹ thuật đã được thử nghiệm đối với can thiệp dữ liệu và các vấn đề khác trong năm 1999;[54] việc lấy mẫu của Brock et al. là đủ mạnh đối với can thiệp dữ liệu.

Sau đó, một nghiên cứu toàn diện về câu hỏi này bởi nhà kinh tế trường phái Amsterdam Gerwin Griffioen kết luận rằng: “đối với các chỉ số thị trường chứng khoán Mỹ, Nhật Bản và Tây Âu hầu hết các thủ tục dự báo không-theo-mẫu đệ quy không cho thấy khả năng có lợi nhuận, sau khi thực hiện các chi phí giao dịch ít. Hơn nữa, đối với chi phí giao dịch đủ cao nó được tìm thấy, bằng cách ước tính các CAPM, mà trao đổi kỹ thuật cho thấy không có sức mạnh dự báo không-theo-mẫu được điều chỉnh rủi ro có ý nghĩa thống kê đối với gần như tất cả các chỉ số thị trường chứng khoán.”[16] Chi phí giao dịch đặc biệt áp dụng đối với “các chiến lược xung lượng”; một đánh giá toàn diện năm 1996 của các dữ liệu và nghiên cứu kết luận rằng ngay cả chi phí giao dịch nhỏ sẽ có thể dẫn đến không có khả năng để nắm bắt bất kỳ dư thừa nào từ các chiến lược như vậy.[55]

Trong một bài báo được công bố trên Tạp chí Tài chính, Tiến sĩ Andrew W. Lo, giám đốc Phòng thí nghiệm Kỹ thuật tài chính của MIT, làm việc với Harry Mamaysky và Giang Wang phát hiện ra rằng “

Phân tích kỹ thuật, còn được gọi là “lập biểu đồ,” đã là một phần của hoạt động tài chính trong nhiều thập kỷ, nhưng môn học này đã không nhận được cùng một mức độ giám sát và chấp nhận học thuật như các phương pháp tiếp cận truyền thống hơn chẳng hạn phân tích cơ bản. Một trong những trở ngại chính là bản chất rất chủ quan của phân tích kỹ thuật – sự hiện diện của các hình dạng hình học trong các biểu đồ giá lịch sử thường là trong mắt của khán giả. Trong bài báo này, chúng tôi đề xuất một cách tiếp cận có hệ thống và tự động tới việc nhận dạng mẫu kỹ thuật bằng cách sử dụng hồi quy hạt nhân phi tham số, và áp dụng phương pháp này cho một số lượng lớn chứng khoán Mỹ từ năm 1962 đến năm 1996 để đánh giá hiệu quả của phân tích kỹ thuật. Bằng cách so sánh phân bố thực nghiệm vô điều kiện của hoàn vốn chứng khoán hàng ngày với phân phối có điều kiện – điều kiện trên các chỉ báo kỹ thuật cụ thể như đầu-và-vai hoặc đáy kép – chúng tôi thấy rằng qua 31 năm giai đoạn lấy mẫu, một số chỉ báo kỹ thuật cung cấp thông tin gia tăng và có thể có giá trị thực tế.[56]

Trong cùng bài báo đó Tiến sĩ Lo đã viết rằng “một số nghiên cứu học thuật cho thấy rằng … phân tích kỹ thuật cũng có thể là một phương tiện hiệu quả để trích xuất thông tin hữu ích từ giá cả thị trường.”[57] Một số kỹ thuật như Hình học Drummond cố gắng khắc phục thiên vị dữ liệu quá khứ bằng cách dự phóng các mức hỗ trợ và kháng cự từ các khung thời gian khác nhau vào tương lai ngắn hạn và bằng cách kết hợp điều đó với đổi trở lại các kỹ thuật ý nghĩa.[58]

Giả thuyết thị trường hiệu quả

Giả thuyết thị trường hiệu quả (EMH) mâu thuẫn với các nguyên lý cơ bản của phân tích kỹ thuật bằng cách nói rằng giá quá khứ không thể được sử dụng để dự đoán giá trong tương lai theo cách có thể mang lại lợi nhuận. Do đó nó cho rằng phân tích kỹ thuật không thể có hiệu quả. Nhà kinh tế Eugene Fama đã xuất bản bài báo chuyên đề về EMH trên Journal of Finance trong năm 1970, và cho biết “Trong ngắn hạn, bằng chứng hỗ trợ của mô hình thị trường hiệu quả là rộng lớn, và (phần nào đó duy nhất trong kinh tế học) bằng chứng mâu thuẫn là thưa thớt.”[59]

Các nhà phân tích kỹ thuật nói rằng EMH bỏ qua cách thị trường làm việc, trong đó nhiều nhà đầu tư đặt cơ sở kỳ vọng của họ trên các thu nhập trong quá khứ hay hồ sơ theo dõi, ví dụ. Bởi vì giá cổ phiếu trong tương lai có thể bị ảnh hưởng mạnh mẽ bởi những kỳ vọng nhà đầu tư, các nhà kỹ thuật cho rằng nó chỉ theo sau các giá trong quá khứ đó ảnh hưởng đến giá trong tương lai.[60] Họ cũng chỉ tới nghiên cứu trong lĩnh vực tài chính hành vi, đặc biệt là những người không phải là người tham gia hợp lý mà EMH đã loại họ ra. Các nhà phân tích kỹ thuật từ lâu đã cho rằng hành vi con người không hợp lý ảnh hưởng đến giá cổ phiếu, và rằng hành vi này dẫn đến kết quả dự đoán được.[61] Tác giả David Aronson nói rằng lý thuyết tài chính hành vi pha trộn với sự thực hành phân tích kỹ thuật:

Bằng cách xem xét tác động của cảm xúc, lỗi nhận thức, ưu tiên không hợp lý, và sự năng động của hành vi nhóm, tài chính hành vi cung cấp các giải thích ngắn gọn của biến động thị trường dư thừa cũng như hoàn vốn vượt quá thu được của các chiến lược thông tin cũ…. lỗi nhận thức cũng có thể giải thích sự tồn tại của các không hiệu quả thị trường đẻ ra các chuyển động giá có tính hệ thống cho phép các phương pháp TA [phân tích kỹ thuật] khách quan làm việc.[60]

Những người ủng hộ EMH trả lời rằng trong khi những người tham gia thị trường cá nhân không phải lúc nào hành động hợp lý (hoặc có thông tin đầy đủ), các quyết định tổng hợp của họ cân bằng lẫn nhau, dẫn đến một kết quả hợp lý (người lạc quan, mua cổ phiếu và mời thầu giá cao hơn bị đối lập bởi những người bi quan, bán cổ phiếu của họ, mà giữ giá trong trạng thái cân bằng).[62] Tương tự như vậy, thông tin đầy đủ được phản ánh trong giá cả bởi vì tất cả người tham gia thị trường mang kiến thức cá nhân của mình, nhưng không đầy đủ, lại với nhau trên thị trường.[62]

Giả thuyết bước đi ngẫu nhiên

Giả thuyết bước đi ngẫu nhiên có thể được bắt nguồn từ giả thuyết thị trường hiệu quả dưới hình thức yếu, mà dựa trên giả định rằng những người tham gia thị trường xem xét đầy đủ mọi thông tin chứa trong các biến động giá trong quá khứ (nhưng không nhất thiết là thông tin công cộng khác). Trong cuốn sách A Random Walk Down Wall Street, nhà kinh tế học Princeton Burton Malkiel nói rằng các công cụ dự báo kỹ thuật như phân tích hình mẫu cuối cùng phải tự đánh bại: “Vấn đề là một khi một quy luật như vậy được biết tới những người tham gia thị trường, mọi người sẽ hành động theo cách như vậy để có thể ngăn chặn nó xảy ra trong tương lai.”[63] Malkiel đã tuyên bố rằng trong khi xung lượng có thể giải thích một số biến động giá cổ phiếu, không có đủ xung lượng để làm ra các lợi nhuận siêu ngạch. Malkiel đã so sánh phân tích kỹ thuật với “chiêm tinh học“.[64]

Trong cuối những năm 1980, giáo sư Andrew Lo và Craig McKinlay xuất bản một bài báo nghi ngờ về giả thuyết bước đi ngẫu nhiên. Trong một phản ứng năm 1999 đối với Malkiel, Lo và McKinlay đã thu thập các bài báo thực nghiệm đã hỏi khả năng ứng dụng của giả thuyết[65] mà đề nghị một thành phần không ngẫu nhiên và có thể tiên đoán cho chuyển động giá cổ phiếu, mặc dù họ đã cẩn thận chỉ ra rằng việc từ chối bước đi ngẫu nhiên không nhất thiết phải làm mất hiệu lực EMH, đó là một khái niệm hoàn toàn tách biệt với RWH. Trong một bài báo năm 2000, Andrew Lo phân tích lại dữ liệu của Hoa Kỳ từ 1962-1996 và thấy rằng “một số chỉ báo kỹ thuật cung cấp thông tin gia tăng và có thể có một số giá trị thực tiễn”.[57] Burton Malkiel đã bác bỏ những bất thường được đề cập bởi Lo và McKinlay do là quá nhỏ để có lợi nhuận từ đó.[64]

Các nhà phân tích kỹ thuật nói rằng các lý thuyết EMH và bước đi ngẫu nhiên cả hai đều bỏ qua tính thực tế của thị trường, trong đó những người tham gia không phải là hoàn toàn hợp lý và các di chuyển giá hiện tại không là độc lập của các di chuyển trước đó.[29][66] Một số nhà nghiên cứu xử lý tín hiệu phủ nhận giả thuyết bước đi ngẫu nhiên mà giá cả thị trường chứng khoán tương tự như các quá trình Wiener, bởi vì những khoảnh khắc thống kê của các quá trình như vậy và dữ liệu chứng khoán thực tế thay đổi đáng kể với kích thước cửa sổ liên quan và biện pháp tương tự.[67] Họ cho rằng các biến đổi tính năng được sử dụng cho sự mô tả về âm thanh và các tín hiệu sinh học cũng có thể được sử dụng để dự đoán giá thị trường chứng khoán thành công đó sẽ mâu thuẫn với giả thuyết bước đi ngẫu nhiên.

Chỉ số bước đi ngẫu nhiên (RWI) là một chỉ báo kỹ thuật mà cố gắng để xác định xem liệu biến động giá của một cổ phiếu là ngẫu nhiên trong tự nhiên hay là kết quả của một xu hướng có ý nghĩa thống kê. Chỉ số bước đi ngẫu nhiên cố gắng để xác định khi nào thị trường đang trong xu hướng tăng mạnh hay giảm mạnh bằng cách đo các dao động giá qua N và nó khác với những gì được mong đợi bởi một bước đi ngẫu nhiên (ngẫu nhiên đi lên hoặc xuống) như thế nào. Việc phạm vi lớn hơn cho thấy một xu hướng mạnh hơn.[68]

Phân tích kỹ thuật có tính khoa học

Caginalp và Balenovich vào năm 1994[69] đã sử dụng mô hình các phương trình khác biệt dòng tài sản của họ để cho thấy rằng các hình mẫu chính của phân tích kỹ thuật có thể được tạo ra với một số giả định cơ bản. Một số hình mẫu như một sự tiếp nối tam giác hoặc hình mẫu đảo chiều có thể được tạo ra với giả định của hai nhóm riêng biệt các nhà đầu tư với những đánh giá khác nhau. Các giả thuyết chính của các mô hình này là tính hữu hạn của tài sản và việc sử dụng xu hướng cũng như định giá trong việc ra quyết định. Nhiều trong số các hình mẫu theo như những hậu quả hợp lý toán học của các giả định này.

Một trong những vấn đề với phân tích kỹ thuật thông thường là khó khăn trong việc xác định các hình mẫu trong một cách mà cho phép trắc nghiệm khách quan.

Các hình mẫu nến Nhật Bản liên quan đến các hình mẫu của một vài ngày mà trong một xu hướng tăng hay giảm. Caginalp và Laurent[70] là những người đầu tiên thực hiện một thử nghiệm quy mô lớn thành công của các hình mẫu. Một tập hợp toán học chính xác các tiêu chí đã được thử nghiệm bằng cách đầu tiên sử dụng một định nghĩa của một xu hướng ngắn hạn bằng cách làm mịn dữ liệu và cho phép một độ lệch trong xu hướng trơn. Sau đó, họ đã xem xét tám hình mẫu đảo ngược nến ba ngày chính một cách phi tham số và xác định các hình mẫu này như một tập hợp các bất phương trình. Kết quả là dương tính với một sự tự tin thống kê áp đảo cho mỗi hình mẫu bằng cách sử dụng bộ dữ liệu của tất cả 500 cổ phiếu S&P hàng ngày trong giai đoạn 5 năm 1992-1996.

Trong số những ý tưởng cơ bản nhất của phân tích kỹ thuật thông thường là một xu hướng, một khi được thành lập, có xu hướng tiếp tục. Tuy nhiên, việc thử nghiệm cho xu hướng này thường dẫn các nhà nghiên cứu kết luận rằng cổ phiếu là một bước đi ngẫu nhiên. Một nghiên cứu, được thực hiện bởi Poterba và Summers,[71] tìm thấy một hiệu ứng xu hướng nhỏ mà là quá nhỏ để có thể có giá trị giao dịch. Như Fisher Black lưu ý,[72] “nhiễu” trong dữ liệu giá trao đổi làm cho nó khó khăn để kiểm tra giả thuyết.

Một phương pháp để tránh nhiễu này được phát hiện vào năm 1995 bởi Caginalp và Constantine[73] người sử dụng một tỷ lệ của hai quỹ đóng cơ bản giống nhau để loại bỏ bất kỳ thay đổi trong định giá. Một quỹ đóng (không giống như một quỹ mở) giao dịch độc lập với giá trị tài sản ròng của nó và cổ phần của nó không thể được mua lại, mà chỉ trao đổi giữa các nhà đầu tư như bất cứ cổ phiếu nào trên sàn giao dịch. Trong nghiên cứu này, các tác giả thấy rằng ước tính tốt nhất giá ngày mai không phải là giá của ngày hôm qua (như giả thuyết thị trường hiệu quả có thể cho thấy), cũng không phải là giá xung lượng thuần túy (cụ thể là, sự thay đổi giá tương đối giống nhau từ hôm qua đến hôm nay vẫn tiếp tục từ hôm nay tới ngày mai). Nhưng đúng hơn đó là gần như chính xác nằm giữa hai ngày.

Một cuộc khảo sát nghiên cứu hiện đại của Park và Irwin[74] cho thấy hầu hết tìm thấy một kết quả tích cực từ phân tích kỹ thuật.

Trong những năm gần đây, Caginalp và DeSantis[75] đã sử dụng các bộ dữ liệu lớn của các quỹ đóng, trong đó so sánh với định giá là có thể, để xác định một cách định lượng, liệu những khía cạnh quan trọng của phân tích kỹ thuật như xu hướng và kháng cự có giá trị khoa học hay không. Sử dụng bộ dữ liệu của hơn 100.000 điểm họ chứng minh xu hướng có tác động ít nhất là một nửa quan trọng như định giá. Những ảnh hưởng của khối lượng và biến động, đó là nhỏ hơn, cũng thấy rõ và có ý nghĩa thống kê.

Một khía cạnh quan trọng của công trình của họ liên quan đến hiệu ứng phi tuyến của xu hướng. Các xu hướng tích cực xảy ra trong khoảng độ lệch chuẩn 3,7 có tác động tích cực. Đối với các xu hướng lên mạnh hơn, có tác động tiêu cực trở lại, cho thấy việc chốt lời xảy ra như độ lớn của sự gia tăng xu hướng lên. Đối với các xu hướng xuống tình hình cũng tương tự ngoại trừ việc “mua trên thị trường yếu” không diễn ra cho đến khi xu hướng giảm là một sự kiện độ lệch chuẩn 4.6. Những phương pháp này có thể được sử dụng để kiểm tra hành vi của nhà đầu tư và so sánh các chiến lược cơ bản giữa các lớp tài sản khác nhau.

Đọc băng mã chứng khoán

Bài chi tiết: Băng mã chứng khoán

Trong những thập kỷ gần đây với sự phổ biến của PC và sau đó là internet, và thông qua chúng, giao dịch điện tửphân tích biểu đồ đã trở thành nhánh chính và phổ biến nhất của phân tích kỹ thuật. Nhưng nó không phải là một nhánh duy nhất của loại hình phân tích này.

Một hình thức rất phổ biến của phân tích kỹ thuật cho đến giữa những năm 1960 là “đọc băng”. Nó đã được bao gồm trong việc đọc các thông tin thị trường như giá cả, khối lượng, kích thước đặt lệnh, tốc độ, điều kiện, mời thầu để mua và bán, vv; in trong một dải giấy mà chạy qua một máy được gọi là máy đọc mã chứng khoán (stock ticker). Nó đã được gửi đến các nhà môi giới và các ngôi nhà và văn phòng của hầu hết các nhà đầu cơ hoạt động. Một hệ thống như vậy đã bị bỏ đi với sự ra đời vào cuối những năm 60, của các bảng điện tử.

Bảng báo giá

Một dạng khác của phân tích kỹ thuật được sử dụng cho đến nay là thông qua giải thích của dữ liệu thị trường chứng khoán có trong bảng báo giá, mà trong thời gian trước khi màn hình điện tử, là các bảng phấn rất lớn đặt tại các sàn giao dịch chứng khoán, với dữ liệu của các tài sản tài chính chủ yếu niêm yết trên sàn giao dịch để phân tích các chuyển động của chúng.[76] Nó đã được cập nhật bằng tay với đá phấn, với những cập nhật liên quan đến một số dữ liệu được truyền tới môi trường bên ngoài của sàn giao dịch (chẳng hạn như nhà môi giới, các bucket shop, vv.) thông qua băng đã nói ở trên, điện báođiện thoại và sau đó là telex.[77]

Công cụ phân tích này đã được sử dụng tại chỗ, ​​chủ yếu là bởi các chuyên gia thị trường cho trao đổi trong ngàyvà scalping, cũng như cho công chúng thông qua các phiên bản in trên báo chí cho thấy dữ liệu các cuộc đàm phán của ngày hôm trước, cho trao đổi Swingvà các trao đổi vị trí.[78]

Mặc dù tiếp tục xuất hiện trong in ấn trên báo chí, cũng như các phiên bản được vi tính hóa trong một số trang web, phân tích thông qua bảng báo giá là một dạng khác của phân tích kỹ thuật mà đã rơi vào tình trạng bị đa số mọi người bỏ đi.

Các thuật ngữ và chỉ báo biểu đồ

Xem thêm

Chú thích

  1. ^ Kirkpatrick and Dahlquist. Technical Analysis: The Complete Resource for Financial Market Technicians. Financial Times Press, 2006, page 3. ISBN 0-13-153113-1
  2. ^ “Beating the Quants at Their Own Game”. Seeking Alpha. Truy cập 10 tháng 8 năm 2016.
  3. ^ “Capco Search” (PDF). Bản gốc (PDF) lưu trữ ngày 12 tháng 5 năm 2013. Truy cập 10 tháng 8 năm 2016.
  4. ^ “Highs and Lows: A Behavioral and Technical Analysis by Bruce Mizrach, Susan Weerts:: SSRN”. Truy cập 10 tháng 8 năm 2016.
  5. ^ Paul V. Azzopardi (2010). Behavioural Technical Analysis: An introduction to behavioural finance and its role in technical analysis. Harriman House. ISBN 1905641419.
  6. ^ Andrew W. Lo (2010). The Evolution of Technical Analysis: Financial Prediction from Babylonian Tablets to Bloomberg TerminalsBloomberg Press. tr. 150. ISBN 1576603490. Truy cập ngày 8 tháng 8 năm 2011. Đã bỏ qua tham số không rõ |coauthors= (gợi ý |author=) (trợ giúp)
  7. ^ Joseph de la Vega, Confusión de Confusiones, 1688
  8. ^ Nison, Steve (1991). Japanese Candlestick Charting Techniques. tr. 15–18. ISBN 0-13-931650-7.
  9. ^ Nison, Steve (1994). Beyond Candlesticks: New Japanese Charting Techniques Revealed, John Wiley and Sons, p. 14. ISBN 0-471-00720-X
  10. a b c d Murphy, John J. Technical Analysis of the Financial Markets. New York Institute of Finance, 1999, pp. 1-5, 24-31. ISBN 0-7352-0066-1 Lỗi chú thích: Thẻ <ref> không hợp lệ: tên “Murphy” được định rõ nhiều lần, mỗi lần có nội dung khác
  11. ^ Ibidem Elder 1993, Part III Classical Chart Analysis
  12. ^ Ibidem Elder 1993 Part II “Mass Psychology” Chapter 17 “Managing versus Forecasting” pp. 65 to 68
  13. a b Irwin, Scott H. and Park, Cheol-Ho. (2007). “What Do We Know About the Profitability of Technical Analysis?” Journal of Economic Surveys, Vol. 21, No. 4, pp. 786-826. Available at SSRNdoi:10.1111/j.1467-6419.2007.00519.x.
  14. ^ Paulos, J.A. (2003). A Mathematician Plays the Stock Market. Basic Books.
  15. ^ Fama, Eugene (May 1970).“Efficient Capital Markets: A Review of Theory and Empirical Work,” The Journal of Finance, v. 25 (2), pp. 383-417.
  16. a b Griffioen, Technical Analysis in Financial Markets
  17. ^ Schwager, Jack D. Getting Started in Technical Analysis. Wiley, 1999, p. 2. ISBN 0-471-29542-6
  18. ^ Taylor, Mark P.; Allen, Helen (1992). “The Use of Technical Analysis in the Foreign Exchange Market”. Journal of International Money and Finance11 (3): 304–314. doi:10.1016/0261-5606(92)90048-3.
  19. ^ Cross, Sam Y. (1998). All About the Foreign Exchange Market in the United StatesFederal Reserve Bank of New York chapter 11, pp. 113-115.
  20. ^ Brock, William; Lakonishok, Josef; Lebaron, Blake (1992). “Simple Technical Trading Rules and the Stochastic Properties of Stock Returns”. The Journal of Finance47 (5): 1731–1764. doi:10.2307/2328994JSTOR 2328994.
  21. a b Osler, Karen (July 2000). “Support for Resistance: Technical Analysis and Intraday Exchange Rates,” FRBNY Economic Policy Review (abstract and paper here).
  22. ^ Neely, Christopher J., and Paul A. Weller (2001). “Technical analysis and Central Bank Intervention,” Journal of International Money and Finance, 20 (7), 949–70 (abstract and paper here)
  23. ^ Taylor, M.P. (1992). “The use of technical analysis in the foreign exchange market”Journal of International Money and Finance11 (3): 304–314. doi:10.1016/0261-5606(92)90048-3. Truy cập ngày 29 tháng 3 năm 2008. Đã bỏ qua tham số không rõ |coauthors= (gợi ý |author=) (trợ giúp)
  24. ^ Frankel, J.A. (1990). “Chartists, Fundamentalists, and Trading in the Foreign Exchange Market”. The American Economic Review80(2): 181–185. JSTOR 2006566.Đã bỏ qua tham số không rõ |coauthors= (gợi ý |author=) (trợ giúp)
  25. ^ Neely, C.J (1998). “Technical Analysis and the Profitability of US Foreign Exchange Intervention”Federal Reserve Bank of St. Louis Review80 (4): 3–17. Truy cập ngày 29 tháng 3 năm 2008.
  26. ^ Lento, Camillo (2008). “A Combined Signal Approach to Technical Analysis on the S&P 500”. Journal of Business & Economics Research6 (8): 41–51.
  27. ^ Ibidem Elder 2008, Chapter 1 – section “Trend vs Counter-Trending Trading”
  28. ^ Stock Market as a Self-Fulfilling Prophecy
  29. a b Kahn, Michael N. (2006). Technical Analysis Plain and Simple: Charting the Markets in Your Language, Financial Times Press, Upper Saddle River, New Jersey, p. 80. ISBN 0-13-134597-4. Lỗi chú thích: Thẻ <ref> không hợp lệ: tên “Kahn” được định rõ nhiều lần, mỗi lần có nội dung khác
  30. ^ Baiynd, Anne-Marie (2011). The Trading Book: A Complete Solution to Mastering Technical Systems and Trading PsychologyMcGraw-Hill. tr. 272. ISBN 9780071766494Bản gốc lưu trữ ngày 25 tháng 3 năm 2012. Truy cập ngày 30 tháng 4 năm 2013.
  31. ^ Kirkpatrick and Dahlquist. Technical Analysis: The Complete Resource for Financial Market Technicians. Financial Times Press, 2006, p. 87. ISBN 0-13-153113-1
  32. ^ Kirkpatrick and Dahlquist. Technical Analysis: The Complete Resource for Financial Market Technicians. Financial Times Press, 2006, p. 86. ISBN 0-13-153113-1
  33. ^ Kim Man Lui, Lun Hu, and Keith C.C. Chan. “Discovering Pattern Associations in Hang Seng Index Constituent Stocks”International Journal of Economics and Finance, Vol. 2, No. 2 (2010)
  34. ^ Technical Analysis: The Complete Resource for Financial Market Technicians, p. 7
  35. ^ “Home”. Truy cập 10 tháng 8 năm 2016.
  36. ^ Australian Professional Technical Analysts (APTA) Inc.
  37. ^ “Market Technicians Association”Bản gốc lưu trữ ngày 27 tháng 6 năm 2009. Truy cập 10 tháng 8 năm 2016.
  38. ^ “Bản sao đã lưu trữ” (PDF). Bản gốc (PDF) lưu trữ ngày 20 tháng 3 năm 2012. Truy cập ngày 11 tháng 7 năm 2013.
  39. ^ K. Funahashi, On the approximate realization of continuous mappings by neural networks, Neural Networks vol 2, 1989
  40. ^ K. Hornik, Multilayer feed-forward networks are universal approximators, Neural Networks, vol 2, 1989
  41. ^ R. Lawrence. Using Neural Networks to Forecast Stock Market Prices
  42. ^ B.Egeli et al. Stock Market Prediction Using Artificial Neural Networks
  43. ^ M. Zekić. Neural Network Applications in Stock Market Predictions – A Methodology Analysis Lưu trữ 2012-04-24 tại Wayback Machine
  44. ^ Ibidem Elder 1993, pp. 54 & 116 to 118
  45. ^ Ibidem Elder 1993
  46. ^http://www.researchandmarkets.com/reports/450723/the_capital_growth_letter.htm
  47. ^ “Trading”. Truy cập 10 tháng 8 năm 2016.
  48. ^ “An Error Occurred Setting Your User Cookie”. Truy cập 10 tháng 8 năm 2016.
  49. ^ “Bản sao đã lưu trữ” (PDF). Bản gốc (PDF) lưu trữ ngày 7 tháng 1 năm 2010. Truy cập ngày 11 tháng 7 năm 2013.
  50. ^ “SFO”Bản gốc lưu trữ ngày 6 tháng 10 năm 2007. Truy cập 10 tháng 8 năm 2016.
  51. ^ Browning, E.S. (ngày 31 tháng 7 năm 2007). “Reading market tea leaves”. The Wall Street Journal Europe. Dow Jones. tr. 17–18.
  52. ^ Skabar, Cloete, Networks, Financial Trading and the Efficient Markets Hypothesis Lưu trữ2011-07-18 tại Wayback Machine
  53. ^ Nauzer J. Balsara, Gary Chen and Lin Zheng “The Chinese Stock Market: An Examination of the Random Walk Model and Technical Trading Rules” The Quarterly Journal of Business and Economics, Spring 2007
  54. ^ Sullivan, R. (1999). “Data-Snooping, Technical Trading Rule Performance, and the Bootstrap”. The Journal of Finance54 (5): 1647–1691. doi:10.1111/0022-1082.00163. Đã bỏ qua tham số không rõ |coauthors= (gợi ý |author=) (trợ giúp)
  55. ^ Chan, L.K.C. (1996). “Momentum Strategies”. The Journal of Finance. The Journal of Finance, Vol. 51, No. 5. 51 (5): 1681–1713. doi:10.2307/2329534JSTOR 2329534. Đã bỏ qua tham số không rõ |coauthors=(gợi ý |author=) (trợ giúp)
  56. ^ Foundations of Technical Analysis: Computational Algorithms, Statistical Inference, and Empirical Implementation, with Harry Mamaysky and Jiang Wang, Journal of Finance 55(2000), 1705-1765.
  57. a b Lo, Andrew W.; Mamaysky, Harry; Wang, Jiang (2000). “Foundations of Technical Analysis: Computational Algorithms, Statistical Inference, and Empirical Implementation”Journal of Finance55 (4): 1705–1765. doi:10.1111/0022-1082.00265.
  58. ^ David Keller, “Breakthroughs in Technical Analysis; New Thinking from the World’s Top Minds,” New York, Bloomberg Press, 2007, ISBN 978-1-57660-242-3 pp.1-19
  59. ^ Eugene Fama, “Efficient Capital Markets: A Review of Theory and Empirical Work,” The Journal of Finance, volume 25, issue 2 (May 1970), pp. 383-417.
  60. a b Aronson, David R. (2006). Evidence-Based Technical Analysis, Hoboken, New Jersey: John Wiley and Sons, pages 357, 355-356, 342. ISBN 978-0-470-00874-4. Lỗi chú thích: Thẻ <ref> không hợp lệ: tên “Aronson” được định rõ nhiều lần, mỗi lần có nội dung khác
  61. ^ Prechter, Robert R., Jr., and Wayne D. Parker (2007). “The Financial/Economic Dichotomy in Social Behavioral Dynamics: The Socionomic Perspective,” Journal of Behavioral Finance, vol. 8 no. 2 (abstract here), pp. 84-108.
  62. a b Clarke, J., T. Jandik, and Gershon Mandelker (2001). “The efficient markets hypothesis,” Expert Financial Planning: Advice from Industry Leaders, ed. R. Arffa, 126-141. New York: Wiley & Sons.
  63. ^ Burton Malkiel, A Random Walk Down Wall Street, W. W. Norton & Company (April 2003) p. 168.
  64. a b Robert Huebscher. Burton Malkiel Talks the Random Walk. ngày 7 tháng 7 năm 2009.
  65. ^ Lo, Andrew; MacKinlay, Craig. A Non-Random Walk Down Wall Street, Princeton University Press, 1999. ISBN 978-0-691-05774-3
  66. ^ Poser, Steven W. (2003). Applying Elliott Wave Theory Profitably, John Wiley and Sons, p. 71. ISBN 0-471-42007-7.
  67. ^ Eidenberger, Horst (2011). “Fundamental Media Understanding”, atpress. ISBN 978-3-8423-7917-6.
  68. ^ “AsiaPacFinance.com Trading Indicator Glossary”Bản gốclưu trữ ngày 1 tháng 9 năm 2011. Truy cập ngày 11 tháng 7 năm 2013.
  69. ^ “A Theoretical Foundation for Technical Analysis,” Journal of Technical Analysis, 59, 5-22, 2003 (University of Pittsburgh preprint 1994).
  70. ^ G. Caginalp and H. Laurent, “The Predictive Power of Price Patterns.” Applied Mathematical Finance, Vol. 5, pp. 181-206, 1998.
  71. ^ J.M. Poterba and L.H. Summers, “Mean reversion in stock prices: Evidence and Implications,” Journal of Financial Economics 22, 27-59, 1988.
  72. ^ Black, F. 1986. Noise. Journal of Finance 41:529-43.
  73. ^ G. Caginalp and G. Constantine, “Statistical inference and modeling of momentum in stock prices,” Applied Mathematical Finance 2, 225-242, 1995.
  74. ^ C-H Park and S.H. Irwin, “The Profitability of Technical Analysis: A Review” AgMAS Project Research Report No. 2004-04
  75. ^ G. Caginalp and M. DeSantis, “Nonlinearity in the dynamics of financial markets,” Nonlinear Analysis: Real World Applications, 12(2), 1140-1151, 2011.
  76. ^ Lefèvre; Edwin Reminiscences of a Stock Operator; With new Commentary and Insights on the Life and Times of Jesse Livermore” John Wiley & Sons 2000 (1st edition 1923), page 01 & 18 ISBN 9780470481592
  77. ^ Ibidem Lefèvre – reprint 2000, page 17
  78. ^ Livermore; Jesse “How to Trade in Stocks” Duell, Sloan & Pearce NY 1940, pp. 17-18

Đọc thêm

  • Covel, Michael. The Complete Turtle Trader. HarperCollins, 2007. ISBN 9780061241703
  • Douglas, Mark. The Disciplined Trader. New York Institute of Finance, 1990. ISBN 0-13-215757-8
  • Edwards, Robert D.; Magee, John; Bassetti, W.H.C. Technical Analysis of Stock Trends, 9th Edition (Hardcover). American Management Association, 2007. ISBN 0-8493-3772-0
  • Fox, Justin. The Myth of the Rational Market. HarperCollings, 2009. ISBN 9780060598990
  • Hurst, J. M. The Profit Magic of Stock Transaction Timing. Prentice-Hall, 1972. ISBN 0-13-726018-0
  • Neill, Humphrey B. Tape Reading & Market Tactics. First edition of 1931. Market Place 2007 reprint ISBN 10: 1592802621 / 1-59280-262-1
  • Neill, Humphrey B. The Art of Contrary Thinking. Caxton Press 1954.
  • Pring, Martin J. Technical Analysis Explained: The Successful Investor’s Guide to Spotting Investment Trends and Turning Points. McGraw Hill, 2002. ISBN 0-07-138193-7
  • Raschke, Linda Bradford; Connors, Lawrence A. Street Smarts: High Probability Short-Term Trading Strategies. M. Gordon Publishing Group, 1995. ISBN 0-9650461-0-9
  • Rollo Tape & Wyckoff, Richard D. Studies in Tape Reading The Ticker Publishing Co. NY 1910.
  • Tharp, Van K. Definitive Guide to Position Sizing International Institute of Trading Mastery, 2008. ISBN 0935219099
  • Wilder, J. Welles. New Concepts in Technical Trading Systems. Trend Research, 1978. ISBN 0-89459-027-8
  • Ladis Konecny, Stocks and Exchange – the only Book you need, 2013, ISBN 9783848220656, technical analysis = chapter 8.

Theo: wikipedia

Phân tích cơ bản là gì?


Phân tích cơ bản là gì? Các yếu tố phân tích chứng khoán bạn nên biết

Phân tích cơ bản chứng khoán – một khái niệm nghe tưởng chừng cơ bản nhưng lại là một hệ thống phân tích kĩ lưỡng đem đến những khoản đầu tư cổ phiếu vô cùng thành công của những huyền thoại Warren Buffett, Peter Lynch. Vậy phân tích cơ bản là gì?

Nội dung chính

  • Phân tích cơ bản là gì?
  • Phân tích cơ bản phù hợp với những ai?
  • Các yếu tố quan trọng trong phân tích cơ bản
    • Phân tích định tính
    • Phân tích định lượng
  • Bắt đầu học phân tích cơ bản từ đâu?

Phân tích cơ bản là gì?

Phân tích cơ bản (fundamental analysis) là một trong số những phương pháp phân tích chứng khoán (security analysis) cổ điển và lâu đời nhất cho đến ngày nay. Phân tích cơ bản tập trung phân tích những yếu tố như triển vọng ngành, giá trị nội tại và năng lực tài chính của doanh nghiệp.

Peter Lynch – nhà quản lý quỹ thành công bậc nhất mọi thời đại với lãi suất kép xấp xỉ 29% trong 13 năm liên tiếp từng có câu châm ngôn nổi tiếng: “Đằng sau mỗi cổ phiếu luôn là một doanh nghiệp đang kinh doanh. Và chỉ có 1 lý do khiến cổ phiếu tăng: doanh nghiệp đứng sau làm ăn tốt hơn, hoặc tăng trưởng mạnh từ công ty nhỏ lên quy mô khổng lồ.”

Dựa vào phân tích cơ bản cổ phiếu, bạn có thể tìm ra những doanh nghiệp có hoạt động kinh doanh hiệu quả, tiềm lực tài chính tốt và tiềm năng tăng trưởng quy mô trong tương lai. Đó cũng là cách đem lại những khoản đầu tư vô cùng thành công cho Warren Buffett, Benjamin Graham.

Phân tích cơ bản thường gắn liền với triết lý đầu tư giá trị và đầu tư dài hạn giúp nhà đầu tư đảm bảo 3 yếu tố kĩ lưỡng, an toàn vốn và hứa hẹn mức lợi nhuận đạt yêu cầu.

Phân tích cơ bản phù hợp với những ai?

Nếu như bạn có tư duy chuẩn đầu tư và tầm nhìn dài hạn thì xin chúc mừng, phân tích cơ bản chính là phương pháp tuyệt vời dành cho bạn.

“Nhưng tôi không giỏi toán, vậy phân tích cơ bản có phù hợp với tôi không?”

Có thể bạn đã nhìn thấy những mô hình định giá chứng khoán phức tạp, những biểu đồ xanh đỏ chằng chịt và cho rằng chứng khoán cần rất nhiều kiến thức về toán học? Không phải vậy đâu! Đa số chúng ta đang phức tạp hóa vấn đề, kì thực phân tích chứng khoán càng đơn giản càng tốt. Phân tích cơ bản không phải là một thứ toán học gì đó cao siêu.

Ngài Peter Lynch đã từng nói: “Tất cả các thứ toán học mà bạn cần trên thị trường chứng khoán, bạn đều đã học từ năm lớp 4 rồi!”.

Ngài Peter Lynch thừa nhận là chưa học nhiều lớp kế toán, kiểm toán, cũng chẳng học MBA hay thạc sĩ tài chính. Để tham gia thị trường chứng khoán, theo ông thì nhà đầu tư cá nhân không cần phải có bộ óc tính toán phi thường, chẳng cần phải hiểu biểu đồ phức tạp, mô hình CAPM, giả thuyết thị trường hiệu quả,…

Do đó bạn hãy tự tin học phân tích cơ bản, vì thực ra các phép toán cần thiết để đầu tư chứng khoán chúng ta đã học từ hồi tiểu học rồi!

Các yếu tố quan trọng trong phân tích cơ bản

Nhiều nhà đầu tư cá nhân nhận thức được tầm quan trọng của phân tích cơ bản, nhưng họ thực hiện nó một cách hời hợt khi thứ họ quan tâm chỉ là lợi nhuận. Họ chú trọng vào lợi nhuận ngắn hạn, tăng trưởng lợi nhuận ròng trên mỗi cổ phiếu (EPS) mỗi quý nên kết quả phân tích thiếu tầm nhìn dài hạn. Đáng buồn thay, nhiều cá nhân lại thích đầu cơ lướt sóng dựa trên những thông tin như vậy (!)

“Vậy nếu không chỉ nhìn vào lợi nhuận thì chúng ta sẽ cần nhìn vào những yếu tố nào?”.

Nền tảng của đầu tư chứng khoán là kiến thức cơ bản về tài chính. Bạn đừng lo lắng quá, chỉ cần dừng ở mức độ cơ bản là đủ, thậm chí bạn có thể bắt đầu đầu tư mà chẳng cần đến những mô hình định giá phức tạp. Nhưng dù là cơ bản thì cái bạn cần chính là một hệ thống phân tích kĩ lưỡngđể hiểu được mô hình kinh doanh, triển vọng ngành, lợi thế cạnh tranh, năng lực tài chính và rủi ro của doanh nghiệp. Chỉ khi nắm rõ những vấn đề trên, bạn mới có thể yên tâm xuống tiền mua cổ phiếu.

Các tiêu chí trong hệ thống phân tích cơ bản của mỗi người là khác nhau. Benjamin Graham, cha đẻ của triết lý đầu tư giá trị đã đề xuất một hệ thống bao gồm hai nhóm nhân tố định lượng (quantitative) và nhân tốđịnh tính trong cuốn sách Security Analysis (1934). Chúng ta sẽ cùng đến với một vài nhân tố – theo cá nhân tôi là quan trọng.

Phân tích định tính

Các nhân tố định tính(qualitative) bao gồm những yếu tố dưới đây.

Kỳ vọng ngành (prospect): đầu ra của ngành có triển vọng để doanh nghiệp tăng trưởng doanh thu, lợi nhuận trong vài năm tới hay không?

Mô hình kinh doanh (business): các doanh nghiệp hoạt động trong từng ngành sẽ có mô hình kinh doanh khác nhau, tường tận về mô hình kinh doanh sẽ giúp bạn hiểu thêm về lợi thế cạnh tranh và cơ cấu tài chính của doanh nghiệp.

Lợi thế cạnh tranh (moat): đó có thể là lợi thế về nhãn hiệu (branding), bí quyết kinh doanh, độc quyền sản phẩm, chi phí sản xuất thấp (low-cost) nhờ quy mô lớn, bằng sáng chế (license), khả năng đàm phán với nhà cung cấp, khả năng huy động vốn. Lợi thế này có bền vững hay không? Và trong tương lai ban lãnh đạo có kế hoạch gì để cải thiện lợi thế cạnh tranh?

Rủi ro (risk): rủi ro đến từ chu kỳ kinh doanh, biến động nền kinh tế, chính sách vĩ mô. Ban lãnh đạo có biện pháp khống chế rủi ro hay không?

Ban lãnh đạo và quản trị (management): ban lãnh đạo có đáng tin cậy, có tầm nhìn tốt, có tư duy “win-win” với cổ đông hay không?

Các nhân tố trên bạn có thể tham khảo trên vietstock.vn hay cafef.vn hoặc thông qua các báo cáo phân tích ngành và doanh nghiệp của các công ty chứng khoán. Vì định tính nên bạn không cần tìm kiếm kết quả chính xác nhất. Ngay cả những chuyên viên phân tích chứng khoán cũng chỉ có thể đưa ra dự báo tăng trưởng ngành dựa trên cảm quan cá nhân. Trường hợp này, bạn hãy cẩn trọng điều chỉnh lại con số dự phóng dựa trên kiến thức và phán đoán của bạn, thay vì tin tưởng hoàn toàn tuyệt đối vào họ.

Phân tích định lượng

Các nhân tố định lượng(quantitative) bao gồm những chỉ tiêu tài chính (financials) bạn có thể tìm thấy trong báo cáo tài chính được doanh nghiệp công bố hàng quý và hàng năm.

Doanh thu và lợi nhuận: tăng trưởng doanh thu và lợi nhuận, tỷ suất sinh lời ROE, ROA, ROIC, biên lợi nhuận, các khoản thu nhập bất thường, chỉ số EPS.

Tài sản và nguồn vốn: cấu trúc vốn, tỷ lệ nợ vay, cơ cấu tài sản, vốn lưu động, tiền mặt, hệ số thanh toán.

Dòng tiền: dòng tiền tự do, chi phí vốn CAPEX, chính sách cổ tức.

Chỉ số giá thị trường: P/E và P/B.

Những chỉ tiêu trên là những “con số biết nói” và đều có mối liên kết với nhau, cơ bản nhất bạn cần kiểm tra số liệu giữa báo cáo kinh doanh, bảng cân đối kế toán và lưu chuyển tiền tệ (3 bộ phận của báo cáo tài chính). Ngoài ra, việc so sánh các chỉ tiêu giữa các doanh nghiệp cùng ngành là điều nên làm.

Bắt đầu học phân tích cơ bản từ đâu?

Để nắm bắt toàn bộ hệ thống phân tích cơ bản cổ phiếu thật không hề dễ dàng với những nhà đầu tư F0. Nhưng bạn không nhất thiết phải phân tích tất cả.

Tôi nhận thấy một điều kì cục mà nhiều bạn mới đầu tư thường nóng lòng muốn thực hiện đó là định giá cổ phiếu. Đúng là định giá quan trọng thật, nhưng không đơn thuần là phép tính cơ bản mà nó cần nhiều kiến thức, nhiều cảm tính hơn.

Hãy bắt đầu phân tích một vài nhân tố cơ bản định tính như triển vọng ngành, mô hình kinh doanh, lợi thế cạnh tranh và nhân tố định lượng như tỷ suất sinh lời ROE, biên lợi nhuận, tỷ lệ nợ vaydòng tiền tự do. Vậy là bạn đã sẵn sàng để đầu tư rồi.

Liệu ai có thể dự đoán chính xác tốc độ tăng trưởng ngành và doanh nghiệp khi tương lai có quá nhiều biến động, liệu ai có thể đưa ra kết quả định giá chính xác từng đồng.

Câu trả lời là không! Đối với nhà đầu tư mới, các bạn nên tập trung phân tích những yếu tố cơ bản của doanh nghiệp, đưa ra một khoảng giá an toàn để mua cổ phiếu. Khoảng giá an toàn tất nhiên vẫn phụ thuộc vào cảm tính của mỗi người.

Tôi thường tham khảo mức giá thấp – cao trong 52 tuần trở lạicủa một cổ phiếu, ví dụ như cổ phiếu CTCP Tập đoàn Địa ốc Nova (NVL) có mức giá thấp – cao trong 52 tuần trở lại (lấy mốc ngày 31/5/2021) là 39.700 đồng – 106.300 đồng. Thị trường đang trong giai đoạn tăng (uptrend) nên giá cổ phiếu NVL tăng chóng mặt, tuy nhiên dịch bệnh Covid-19 và vướng mắc pháp lý đã làm tắc nghẽn việc triển khai dự án của NVL. Tôi cho rằng ngành bất động sản sẽ còn lao đao trong năm 2022 và cổ phiếu NVL đang được trả mức giá quá cao. Nếu mua cổ phiếu NVL để nắm giữ lâu dài thì tôi sẽ mua vào với mức giá dưới 80.000 đồng.

Tuy nhiên, định giá cổ phiếu vẫn luôn là chủ đề hot. Chúng ta sẽ hẹn gặp lại nhau trong một bài viết giới thiệu các phương pháp định giá cổ phiếu. Hi vọng bài viết này sẽ giải đáp câu hỏi phân tích cơ bản trong chứng khoán là gì cho bạn đọc. Thành công sẽ đến với bạn từ những điều cơ bản nhất!

Theo: doclaptaichinh