The Role of Need for Structure in Technical Analysis and How Identifying Information in Price Movements Raises Traders' Confidence

• Autorzy: Łukasz Markiewicz , Marcin Czupryna , Elżbieta Kubińska

Warianty tytułu

Potrzeba struktury w analizie technicznej : jak identyfikowanie informacji w ruchach cen zwiększa zaufanie traderów

• Języki publikacji: EN

Abstrakty

EN

Technical analysis (TA) is a tool believed to support investor's investment decisions. Even if research has demonstrated that TA cannot be used to make systematic profits over a long time period, it could potentially bring psychological payoffs to its users in the form of enhancing their confidence. In an experimental study we show that: (1) chartists demonstrate overconfidence in TA usage, believing that they are better than they actually are in TA formation recognition, and that; (2) the act of naming an observed trend as a TA formation brings extra confidence to the chartist, regardless of whether this is a real TA sequence or a random sequence. Thus, both naming an existing TA formation as a TA formation and naming a random sequence as a TA formation result in greater confidence.
Also, irrespective of the high popularity of TA among investors, there are marked individual differences in TA followers. In a questionnaire study, we demonstrate that declared positive attitudes toward TA correlate positively with high need for (cognitive) closure (as measured by the Need for Cognitive Closure Scale; NFCS), specifically, desire for predictability. (original abstract)

Analiza techniczna (AT) to narzędzie, które ma wspierać decyzje inwestycyjne inwestora. Nawet jeśli badania wykazały, że AT nie przyczynia się znacząco do osiągania systematycznych zysków w dłuższym okresie, to może jednak przynosić korzyści psychologiczne dla użytkowników. W badaniu eksperymentalnym wykazaliśmy, że: (1) inwestorzy wykazują nadmierną pewność siebie w stosowaniu analizy technicznej, przeceniając swoje umiejętności w rozpoznawaniu płynących z niej sygnałów; (2) sam akt nazwania obserwowanego trendu "formacją AT" podnosi pewność inwestora wobec własnego sądu, niezależnie od tego, czy w rzeczywistości jest to prawdziwa sekwencja AT, czy też ciąg losowy. Zatem zarówno nazwanie istniejącej formacji AT jako "formacji AT", jak i nazwanie losowej sekwencji jako "formacji AT" skutkuje wzrostem pewności siebie inwestora.
Niezależnie od wysokiej popularności AT wśród inwestorów, istnieją wyraźne indywidualne różnice pośród zwolenników AT. W badaniu kwestionariuszowym wykazaliśmy, że zadeklarowane pozytywne postawy wobec AT korelują dodatnio z wysoką potrzebą domknięcia poznawczego, w szczególności z preferowaniem przewidywalności. (abstrakt oryginalny)

Słowa kluczowe

EN

Technical analysis; Cognitive processes; Cognitive psychology; Investment decisions

PL

Analiza techniczna; Procesy poznawcze; Psychologia poznawcza; Decyzje inwestycyjne

• Czasopismo: Decyzje
• Rocznik: 2020
• Numer: nr 33
• Strony: 75--96

Twórcy

autor

Łukasz Markiewicz

• Kozminski University, Poland

autor

Marcin Czupryna

• Cracow University of Economics, Poland

autor

Elżbieta Kubińska

• Cracow University of Economics, Poland

Bibliografia

• Aronson, D. (2011). Evidence-based technical analysis: applying the scientific method and statistical inference to trading signals (Vol. 274): John Wiley & Sons.
• Bates, D., Mächler, M., Bolker, B., & Walker, S. (2015). Fitting linear mixed-effects models using lme4. Journal of Statistical Software, 67(i01), 1-48. doi:10.18637/jss.v067.i01.
• Burns, B. D., & Corpus, B. (2004). Randomness and Inductions From Streaks: "Gambler's Fallacy" Versus "Hot Hand". Psychonomic Bulletin and Review, 11(1), 179-184.
• Campbell, J.Y., Lo, A.W.-C., & MacKinlay, A. C. (1997). The econometrics of financial markets (Vol. 2): Princeton University Press, Princeton, NJ.
• Charlebois, M., & Sapp, S. (2007). Temporal Patterns in Foreign Exchange Returns and Options. Journal of Money, Credit and Banking, 39(2-3), 443-470. doi:10.1111/j.0022-2879.2007.00032.x.
• Fama, E. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 383-417.
• Fama, E., & Blume, M. (1966). Filter Rules and Stock-Market Trading. The Journal of Business, 39(1), 226-241. Retrieved from http://www.jstor.org/stable/2351744.
• Hsu, P.-H., Hsu, Y.-C., & Kuan, C.-M. (2010). Testing the predictive ability of technical analysis using a new stepwise test without data snooping bias. Journal of Empirical Finance, 17(3), 471-484. doi: http://dx.doi.org/10.1016/j.jempfin.2010.01.001.
• Iacus, S.M. (2009). Simulation and inference for stochastic differential equations: with R examples: Springer Science & Business Media.
• Kossowska, M., Hanusz, K., & Trejtowicz, M. (2012). Skrócona wersja Skali Potrzeby Poznawczego Domknięcia. Dobór pozycji i walidacja skali. Psychologia Społeczna, 71(20), 89-99.
• Kounios, J., & Beeman, M. (2009). The Aha! Moment:The Cognitive Neuroscience of Insight. Current Directions in Psychological Science, 18(4), 210-216. doi:10.1111/j.1467-8721.2009.01638.x.
• Kourtidis, D., Šević, Ž., & Chatzoglou, P. (2011). Investors' trading activity: A behavioural perspective and empirical results. The Journal of Socio-Economics, 40(5), 548-557. doi: http://dx.doi.org/10.1016/j.socec.2011.04.008.
• Kruglanski, A.W. (1989). Lay epistemics and human knowledge: Cognitive and motivational bases: Springer.
• Kubińska, E., Czupryna, M., Markiewicz, Ł., & Czekaj, J. (2018). Technical analysis gives you courage, but not money - on the relationship between technical analysis usage, overconfidence and investment performance. Argumenta Oeconomica, 1(40).
• Kubińska, E., & Markiewicz, Ł. (2013). Wpływ nadmiernej pewności siebie na ryzyko portfela inwestycyjnego.
• In A. S. Barczak & P. Tworek (Eds.), Zastosowanie metod ilościowych w zarządzaniu ryzykiem w działalności inwestycyjnej (pp. 375-385). Katowice: Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
• Larrick, R., Burson, K., & Soll, J. (2007). Social comparison and confidence: When thinking you're better than average predicts overconfidence (and when it does not). Organizational Behavior and Human Decision Processes, 102(1), 76-94.
• Lo, A.W., & Hasanhodzic, J. (2009). The Heretics of Finance: Conversations with Leading Practitioners of Technical Analysis. New York: Bloomberg Press.
• Lo, A.W., & Hasanhodzic, J. (2010). The evolution of technical analysis: financial prediction from Babylonian tablets to Bloomberg terminals. New York: Bloomberg Press.
• Lo, A.W., Mamaysky, H., & Wang, J. (2000). Foundations of Technical Analysis: Computational Algorithms, Statistical Inference, and Empirical Implementation. The Journal of Finance, 55(4), 1705-1765. doi:10.1111/0022-1082.00265.
• Lopes, L.L., & Oden, G. C. (1987). Distinguishing between random and nonrandom events. Journal of Experimental Psychology: Learning, Memory, and Cognition, 13(3), 392-400. doi:10.1037/0278-7393.13.3.392.
• Markiewicz, Ł., & Markiewicz-Żuchowska, A. (2012). Skłonności poznawcze sędziego wpływające na wysokość wymierzonej kary. Decyzje, 18, 49-81.
• Markiewicz, Ł., & Weber, E. U. (2013). DOSPERT's Gambling Risk-Taking Propensity Scale Predicts Excessive Stock Trading. Journal of Behavioral Finance, 14(1), 65-78. doi:10.1080/15427560.2013.762000.
• Mateus, A., & Caeiro, F. (2014). An R implementation of several randomness tests. Paper presented at the International conference of computational methods in sciences and engineering 2014 (iccmse 2014).
• Moore, D.A. (2007). Not so above average after all: When people believe they are worse than average and its implications for theories of bias in social comparison. Organizational Behavior and Human Decision Processes, 102(1), 42-58. Retrieved from http://www.sciencedirect.com/science/article/B6WP2-4M93P6S-3/2/af3bb54d1d3d6eb467fe8197957ccd69.
• Moore, D.A., & Healy, P.J. (2008). The trouble with overconfidence. Psychological review, 115(2), 502-517.
• Murphy, J.J. (1999). Technical analysis of the financial markets: A comprehensive guide to trading methods and applications: Penguin.
• R Core Team. (2016). R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing. Retrieved from http://www.R-project.org/.
• Rustichini, A., DeYoung, C.G., Anderson, J.E., & Burks, S.V. (2016). Toward the integration of personality theory and decision theory in explaining economic behavior: An experimental investigation. Journal of Behavioral and Experimental Economics, 64, 122-137. doi: http://dx.doi.org/10.1016/j.socec.2016.04.019.
• Schmitz, C. (2015). LimeSurvey: An Open Source survey tool. Hamburg, Germany: LimeSurvey Project Team. Retrieved from http://www.limesurvey.org.
• Sternberg, R.J., & Davidson, J.E. (1995). The nature of insight. Cambridge, MA, US: The MIT Press.
• Sturm, R.R. (2014). A Turning Point Method For Measuring Investor Sentiment. Journal of Behavioral Finance, 15(1), 30-42. doi:10.1080/15427560.2014.877464.
• Tyszka, T., Markiewicz, Ł., Kubińska, E., Gawryluk, K., & Zielonka, P. (2017). A belief in trend reversal requires access to cognitive resources. Journal of Cognitive Psychology, 29(2), 202-216. doi:10.1080/20445911.2016.1245195.
• Tyszka, T., Zielonka, P., Dacey, R., & Sawicki, P. (2008). Perception of randomness and predicting uncertain events. Thinking & Reasoning, 14(1), 83-110. doi:10.1080/13546780701677669.
• Weber, E.U. (2004). Perception matters: Psychophysics for economists. The psychology of economic decisions, 2, 163-176.
• Weber, E.U., Siebenmorgen, N., & Weber, M. (2005). Communicating Asset Risk: How Name Recognition and the Format of Historic Volatility Information Affect Risk Perception and Investment Decisions. Risk Analysis, 25(3), 597-609. doi:10.1111/j.1539-6924.2005.00627.x.
• Webster, D. M., & Kruglanski, A. W. (1994). Individual differences in need for cognitive closure. Journal of Personality and Social Psychology, 67(6), 1049-1062. doi:10.1037/0022-3514.67.6.1049.
• Williams, J.J., & Griffiths, T.L. (2013). Why are people bad at detecting randomness? A statistical argument. Journal of Experimental Psychology: Learning, Memory, and Cognition, 39(5), 1473-1490. doi:10.1037/a0032397.
• Wojciszke, B. (2009). Dane i pseudodane w procesie postrzegania ludzi. In M. Kofta & T. Szustrowa (Eds.), Złudzenia, które pozwalają żyć: szkice ze społecznej psychologii osobowości: praca zbiorowa: Wydawnictwo Naukowe PWN.
• Zaleśkiewicz, T., Gąsiorowska, A., Stasiuk, K., Maksymiuk, R., & Bar-Tal, Y. (2016). Efekt aktywnej rekomendacji czy efekt konfirmacyjny? Mechanizm zniekształceń poznawczych w ocenie autorytetu epistemicznego na przykładzie ekspertów z dziedziny finansów. Psychologia Ekonomiczna (8), 59-74.
• Zielonka, P. (2002). How financial analysts perceive macroeconomic, political news and technical analysis signals. Financial Counseling and Planning, 13(1), 87-97.
• Zielonka, P. (2004). Technical analysis as the representation of typical cognitive biases. International Review of Financial Analysis, 13(2), 217-225. Retrieved from http://www.sciencedirect.com/science/article/B6W4W-4BYF8YP-1/2/22eadef1501f5a0c1eb575f303539691.
• Zielonka, P., Białaszek, W. (2020). Technical analysis momentum and contrarian signals as a representation of common cognitive biases. Journal of Management and Business Administration. Central Europe, 3(2), 217-225.

Identyfikatory

DOI

10.7206/DEC.1733-0092.141