Технический анализ традиционно рассматривается как один из ключевых методов прогнозирования краткосрочных движений цен на финансовых рынках. Несмотря на его широкую популярность среди практикующих трейдеров, вопрос об объективной эффективности технических индикаторов остаётся открытым. В данном исследовании была проведена эмпирическая оценка способности классических технических индикаторов — скользящих средних (SMA, EMA), индекса относительной силы (RSI) и индикатора схождения/расхождения скользящих средних (MACD) — предсказывать краткосрочные изменения цен акций ведущих компаний технологического сектора: Amazon (AMZN), Palantir Technologies (PLTR), Meta Platforms (META) и Tesla (TSLA). В качестве критерия эффективности использовалась точность торговых сигналов с горизонтом прогноза в пять торговых дней. Результаты показали различную степень прогностической способности исследуемых индикаторов, что подчёркивает необходимость их осторожного применения в торговой практике.

Ключевые слова: технический анализ, краткосрочный прогноз, финансовые рынки, скользящая средняя, RSI, MACD, торговые сигналы, эффективность индикаторов.

Финансовые рынки характеризуются высокой степенью неопределенности, где цены активов формируются под влиянием множества факторов — от макроэкономических показателей до настроений инвесторов. В таких условиях технический анализ приобрел популярность благодаря своей ориентированности на ценовую динамику без необходимости глубокой фундаментальной оценки компаний. Согласно постулатам технического анализа, вся релевантная информация уже заложена в цене, а ее изменения следуют определённым паттернам, выявляемым через различные индикаторы [1]. Тем не менее, несмотря на широкое распространение методов технического анализа в инвестиционной практике, академические исследования давали противоречивые результаты относительно их реальной прогностической силы.

Целью проведённого исследования является эмпирическая проверка способности базовых технических индикаторов генерировать достоверные сигналы для краткосрочного прогнозирования направления изменения цен акций. В качестве объектов исследования были выбраны акции четырёх крупных компаний технологического сектора США:

– Amazon (AMZN),

– Palantir Technologies (PLTR),

– Meta Platforms (META),

– Tesla (TSLA).

Данные об их ценах закрытия за период с 1 января 2019 года по 31 декабря 2024 года были использованы для расчета значений индикаторов и последующего анализа эффективности сигналов. Источником данных служил агрегатор Yahoo Finance, а обработка осуществлялась в табличном формате.

Для проведения количественной оценки эффективности технических индикаторов в краткосрочном прогнозировании цен акций в рамках данного исследования были применены классические методы расчёта основных инструментов технического анализа. Ниже приведены формулы, использованные для вычисления простых и экспоненциальных скользящих средних, индекса относительной силы и индикатора MACD, а также критерий оценки успешности торговых сигналов.

Все расчёты выполнялись на основе исторических данных о ценах закрытия акций, с использованием стандартных окон усреднения, принятых в практике технического анализа. Параметры индикаторов, такие как длина окон для скользящих средних и число периодов для расчёта RSI и MACD, были выбраны в соответствии с наиболее распространёнными в литературе значениями, что обеспечивало репрезентативность полученных результатов.

Расчёт простых и экспоненциальных скользящих средних осуществлялся с использованием короткого (5-дневного) и длинного (20-дневного) окон усреднения. Генерация торговых сигналов базировалась на пересечении краткосрочной средней линии с долгосрочной: при пересечении снизу вверх формировался сигнал на покупку, а при пересечении сверху вниз — сигнал на продажу. Индекс относительной силы (RSI) рассчитывался с 14-дневным периодом, и сигналы появлялись при выходе значения RSI за традиционные пороговые уровни: ниже 30 для покупки и выше 70 для продажи. Индикатор MACD рассчитывался как разность между 12-дневной и 26-дневной экспоненциальными скользящими средними, а сигнальная линия — как 9-дневное EMA от значения MACD. Сигналы формировались при пересечении MACD и сигнальной линии.

Простая скользящая средняя (SMA) и экспоненциальная скользящая средняя (EMA) рассчитывались с коротким и длинным периодами, обеспечивая возможность выявления сигналов пересечения, традиционно трактуемых как сигналы к покупке или продаже. Индекс относительной силы (RSI) использовался для выявления состояний перекупленности и перепроданности активов: при значении RSI ниже 30 генерировался сигнал на покупку, выше 70 — на продажу. Индикатор MACD интерпретировался посредством анализа пересечений основной линии и сигнальной линии: пересечение снизу вверх служило сигналом покупки, пересечение сверху вниз — сигналом продажи. Расчётные зависимости, применённые в исследовании, представлены ниже [2].

Простая скользящая средняя (SMA):

Экспоненциальная скользящая средняя (EMA):

Индекс относительной силы (RSI):

Индикатор схождения/расхождения скользящих средних (MACD):

где EMA _12,t и EMA _26,t — экспоненциальные скользящие средние за 12 и 26 дней соответственно.

Критерий успешности торгового сигнала:

Эффективность сигналов оценивалась по следующей методике: после появления сигнала отслеживалась динамика цены в течение пяти торговых дней. Если изменение цены соответствовало направлению сигнала (рост после сигнала покупки или падение после сигнала продажи), сигнал признавался успешным. Таким образом, рассчитывалась доля успешных сигналов для каждого индикатора и каждой акции.

Результаты расчетов по акциям Tesla показали, что стратегия на основе пересечения простых скользящих средних (SMA 5/20) обеспечила успешность прогнозов на уровне 59,48 %, что превышало эффективность случайного прогнозирования. Стратегия на основе EMA 5/20 продемонстрировала схожую успешность — 58,87 %. Применение индекса RSI дало результат в 54,76 %, а MACD обеспечил успешность на уровне 57,62 % (Рис.1).

Рис. 1. Успешность прогнозов различных технических индикаторов по акциям Tesla за период 2019–2024 гг.

Аналогичный анализ был проведён для акций компании Amazon. Стратегия на основе простой скользящей средней с периодами 5 и 20 дней (SMA 5/20) обеспечила успешность прогнозов на уровне 57,12 %, в то время как стратегия на базе экспоненциальной скользящей средней (EMA 5/20) продемонстрировала сопоставимый результат — 56,04 %. Применение индекса относительной силы (RSI 14) позволило достичь успешности 52,43 %, тогда как использование индикатора MACD обеспечило успешность прогнозов в 55,89 % случаев (Рис.2).

Проведённая визуализация динамики цен акций Amazon совместно с наложением технических индикаторов позволила выявить ряд характерных закономерностей. В частности, на протяжении фаз выраженного трендового движения, преимущественно в периоды роста, стратегии, основанные на скользящих средних, демонстрировали высокую чувствительность к изменениям направления тренда, что способствовало своевременной генерации корректных торговых сигналов. Применение методов сглаживания цен позволило эффективно фильтровать рыночный шум и выделять доминирующие тенденции.

Рис. 2. Успешность прогнозов различных технических индикаторов по акциям Amazon за период 2019–2024 гг.

Анализ акций компании Meta Platforms показал наилучшие результаты среди всех исследуемых активов. Успешность стратегии на основе простой скользящей средней с периодами 5 и 20 дней (SMA 5/20) составила 60,17 %, в то время как стратегия на базе экспоненциальной скользящей средней (EMA 5/20) достигла 59,65 %. Индикатор относительной силы (RSI 14) обеспечил успешность прогнозов на уровне 53,87 %, а индикатор MACD — 58,42 % (Рис.3).

Детальный графический анализ динамики цен акций Meta Platforms в сочетании с индикаторами выявил чёткую закономерность: данный актив в рассматриваемом периоде характеризовался более выраженными и продолжительными трендовыми движениями по сравнению с остальными активами выборки. Подобное поведение акций оказывало позитивное влияние на работоспособность стратегий, основанных на скользящих средних, поскольку они, по своей природе, наиболее эффективны именно в условиях устойчивого тренда.

Рис. 3. Успешность прогнозов различных технических индикаторов по акциям Meta Platforms за период 2019–2024 гг.

Анализ акций компании Palantir Technologies продемонстрировал наиболее скромные результаты среди всех исследуемых активов. Успешность стратегии на основе простой скользящей средней с периодами 5 и 20 дней (SMA 5/20) составила 55,38 %, экспоненциальная скользящая средняя (EMA 5/20) показала результат 54,91 %, индекс относительной силы (RSI 14) обеспечил успешность 51,24 %, а индикатор MACD достиг 53,79 % (Рис.4).

Визуализация динамики цен акций Palantir совместно с наложением индикаторов позволила выявить ряд характерных особенностей поведения актива. В отличие от более зрелых компаний, акции Palantir, как относительно молодой эмитент на фондовом рынке, характеризовались высокой волатильностью, частыми колебаниями без формирования устойчивых направленных движений, а также повышенной чувствительностью к новостному фону.

Рис. 4. Успешность прогнозов различных технических индикаторов по акциям Palantir Technologies за период 2019–2024 гг.

Обобщённые результаты исследования представлены в таблице 1, где отражена успешность каждого индикатора для всех исследуемых активов. Таким образом, было выявлено, что стратегии на основе скользящих средних (SMA и EMA) демонстрировали наибольшую устойчивость и эффективность на трендовых рынках, тогда как RSI и MACD давали более неоднозначные результаты, зависящие от текущей рыночной фазы.

Таблица 1

Успешность применения технических индикаторов на акциях Tesla, Amazon, Meta и Palantir

Проведённое исследование позволило установить, что классические технические индикаторы способны обеспечивать умеренную прогностическую силу в задачах краткосрочного прогнозирования цен акций. Стратегии на основе пересечения скользящих средних (SMA и EMA) продемонстрировали успешность прогнозов, превышающую уровень случайного угадывания, особенно на активах с ярко выраженными трендовыми характеристиками, такими как акции компаний Tesla и Meta Platforms. На активах с выраженными трендовыми характеристиками пересечения скользящих средних выступали надёжным инструментом для распознавания изменения рыночных фаз, снижая вероятность ошибочных входов и повышая эффективность краткосрочного прогнозирования.

Индекс относительной силы (RSI) показал наибольшую эффективность в фазах бокового движения рынка, где характерны частые локальные развороты цен [3]. В условиях устойчивого тренда его прогностическая сила заметно снижалась, что объяснялось опозданием сигналов и высокой вероятностью преждевременного выхода из прибыльных позиций. Данный результат подчёркивает необходимость адаптивного подхода к выбору индикаторов в зависимости от текущей рыночной структуры.

Индикатор MACD продемонстрировал относительно стабильные результаты на всех анализируемых активах, обеспечивая сбалансированную комбинацию чувствительности к новым трендам и фильтрации краткосрочных рыночных шумов. Однако характерное запаздывание сигналов MACD относительно фактических изменений направления движения цены требует осторожного применения в высоковолатильных условиях.

Результаты исследования подчёркивают, что использование технических индикаторов может повышать вероятность успешного принятия торговых решений, однако не является универсальным инструментом, гарантирующим достижение стабильных результатов. Эффективность применения индикаторов зависит от множества факторов, включая волатильность актива, наличие или отсутствие тренда, а также особенности микро- и макроэкономического контекста.

На практике оптимизация торговых стратегий требует тщательной настройки параметров индикаторов для каждого конкретного актива, регулярной переоценки их эффективности и применения дополнительных методов фильтрации торговых сигналов. Полученные результаты подтверждают целесообразность использования комплексных подходов, объединяющих элементы технического анализа, фундаментального анализа, а также методов машинного обучения и интеллектуального анализа данных. Такие интегрированные стратегии способны существенно повысить надёжность прогнозов и устойчивость торговых систем к изменению рыночной среды, что особенно актуально в условиях динамично развивающихся финансовых рынков.

Литература:

1. Веселов Д. А., Пекарский С. Э. Макроэкономика финансовых рынков: учебник. — М.: ВШЭ, 2011. — 255 с.
2. Moving Average Convergence / Divergence and Relative Strength Index Applied to Predict Price of ASE // International Journal of Business and Social Science. — 2018. — Vol. 9, No. 6.
3. Михайлов А. Ю. Технический анализ и трейдинг на финансовом рынке. — М.: ИНФРА-М, 2018. — 92 с.