Technische analyse met AI en algoritmes

Technische analyse gebruikt koersgegevens, handelsvolume en technische indicatoren om ontwikkelingen op financiële markten te onderzoeken. Traditioneel worden grafieken en indicatoren door een belegger of trader zelf beoordeeld, maar een groot deel van deze analyse kan ook automatisch worden uitgevoerd.

Algoritmes kunnen koersgegevens voortdurend verwerken, indicatoren berekenen en controleren of aan vooraf vastgelegde handelsregels wordt voldaan. Artificial intelligence kan worden ingezet om grotere hoeveelheden gegevens te combineren en complexere patronen te onderzoeken.

Daardoor vormt technische analyse een logische basis voor veel systematische en AI-gestuurde handelsmethoden.

Dat betekent niet dat AI toekomstige beurskoersen met zekerheid kan voorspellen. De software analyseert beschikbare marktgegevens en probeert daaruit informatie of handelssignalen af te leiden.

Waarom is technische analyse geschikt voor automatisering?

Veel onderdelen van technische analyse zijn gebaseerd op getallen en duidelijke berekeningen.

Een voortschrijdend gemiddelde wordt bijvoorbeeld volgens een vaste berekeningsmethode bepaald. Hetzelfde geldt voor indicatoren zoals RSI, MACD en verschillende volatiliteitsmetingen.

Een computer kan dergelijke berekeningen vrijwel onmiddellijk uitvoeren en voortdurend opnieuw berekenen wanneer nieuwe marktgegevens beschikbaar komen.

Algoritmes kunnen bijvoorbeeld:

koersreeksen verwerken;
voortschrijdende gemiddelden berekenen;
momentum meten;
volatiliteit volgen;
technische indicatoren vergelijken;
toppen en bodems herkennen;
trendveranderingen signaleren;
steun- en weerstandszones onderzoeken.

Daardoor hoeft een trader niet steeds alle grafieken en indicatoren handmatig te controleren.

Van koersgegevens naar technische indicatoren

Technische analyse begint met marktgegevens.

Voor een bepaalde handelsperiode kunnen bijvoorbeeld worden gebruikt:

openingskoers;
hoogste koers;
laagste koers;
slotkoers;
handelsvolume.

Op basis van deze gegevens kunnen vervolgens technische indicatoren worden berekend.

Een algoritme kan niet alleen één indicator volgen, maar ook verschillende indicatoren tegelijkertijd analyseren.

Het systeem kan bijvoorbeeld onderzoeken hoe momentum, trendrichting en volatiliteit zich op hetzelfde moment ontwikkelen.

Welke combinatie nuttig is, hangt af van de gebruikte handelsstrategie. Wie meer achtergrond wil over de betekenis en toepassing van verschillende indicatoren, kan ook lezen wat technische indicatoren over de beurs kunnen vertellen.

Voortschrijdende gemiddelden

Een moving average of voortschrijdend gemiddelde verwerkt koersgegevens over een gekozen periode om de onderliggende koersontwikkeling beter zichtbaar te maken.

De precieze berekening hangt af van het soort gemiddelde. Bij een simple moving average (SMA) wegen de gebruikte waarden gelijk mee, terwijl bij een exponential moving average (EMA) recentere waarden zwaarder meetellen.

Een algoritme kan bijvoorbeeld onderzoeken:

of de koers boven of onder een gemiddelde ligt;
of het gemiddelde stijgt of daalt;
hoe groot de afstand tussen koers en gemiddelde is;
of twee gemiddelden elkaar kruisen.

Een kruising of verandering is echter niet automatisch een koop- of verkoopsignaal.

De betekenis hangt af van de handelsregels en andere gegevens die in het systeem worden meegenomen.

Momentum analyseren

Momentum geeft informatie over de snelheid en kracht van een koersbeweging.

Bekende indicatoren waarmee momentum kan worden onderzocht zijn onder andere:

Relative Strength Index (RSI);
Stochastic Oscillator;
MACD;
Commodity Channel Index (CCI).

Een algoritme kan dergelijke indicatoren voortdurend berekenen en vergelijken met eerdere waarden.

Daarmee kan bijvoorbeeld worden onderzocht of het momentum sterker of zwakker wordt terwijl de koers blijft stijgen of dalen.

Ook hier geldt dat één indicator geen zekerheid geeft over de volgende koersbeweging.

Volatiliteit meten

Volatiliteit beschrijft hoe sterk koersen gedurende een bepaalde periode bewegen.

Een sterk bewegende markt heeft andere kenmerken dan een markt waarin de koers nauwelijks verandert.

Algoritmes kunnen volatiliteit meten en deze informatie gebruiken om te beoordelen hoe een handelsmethode zich onder verschillende marktomstandigheden gedraagt.

Bekende hulpmiddelen zijn bijvoorbeeld:

Average True Range (ATR);
Bollinger Bands;
historische volatiliteit.

Een verandering in volatiliteit kan belangrijke informatie geven, maar vertelt op zichzelf niet of de markt daarna zal stijgen of dalen.

Trends automatisch herkennen

Een belangrijk onderdeel van technische analyse is het herkennen van trends.

Een stijgende markt wordt vaak gekenmerkt door hogere toppen en hogere bodems. Bij een dalende markt kunnen juist lagere toppen en lagere bodems ontstaan.

Een computer kan deze koersstructuren systematisch vergelijken.

Daarnaast kunnen bijvoorbeeld voortschrijdende gemiddelden, momentum en trendsterkte worden meegenomen.

Hierdoor kan een algoritme volgens vooraf bepaalde regels bepalen of een markt binnen de gebruikte handelsmethode als stijgend, dalend of zijwaarts wordt beschouwd.

Steun en weerstand algoritmisch analyseren

Steun- en weerstandszones worden traditioneel vaak visueel op een grafiek aangegeven.

Voor een algoritme moeten dergelijke begrippen meetbaar worden gemaakt.

Software kan bijvoorbeeld onderzoeken:

rond welke koersniveaus eerdere toppen of bodems ontstonden;
hoe vaak een bepaald prijsgebied werd geraakt;
hoe sterk de koers daarna reageerde;
of een eerdere zone later opnieuw relevant werd;
wanneer een koers overtuigend door een gebied beweegt.

Daarmee kan een subjectief grafiekbegrip worden vertaald naar concrete handelsregels.

De uitkomst blijft echter afhankelijk van de gekozen definitie van steun en weerstand.

Wat kan AI toevoegen aan technische analyse?

Een traditioneel algoritme werkt volgens regels die vooraf zijn vastgelegd.

Artificial intelligence kan worden ingezet wanneer grotere hoeveelheden variabelen of complexere relaties moeten worden onderzocht.

Een AI-model kan bijvoorbeeld meerdere technische indicatoren, koersveranderingen en volatiliteitsgegevens tegelijkertijd analyseren.

Machine learning kan daarnaast worden gebruikt om in historische gegevens te onderzoeken welke combinaties van kenmerken eerder samen voorkwamen.

Dat kan interessante verbanden opleveren, maar brengt ook risico's met zich mee.

Een model kan bijvoorbeeld patronen ontdekken die toevallig in historische gegevens voorkomen maar in toekomstige markten geen bruikbare voorspellende waarde hebben.

Overfitting bij technische handelsmodellen

Een belangrijk risico bij het ontwikkelen van algoritmische handelsmodellen is overfitting.

Daarbij wordt een systeem zo nauwkeurig aangepast aan historische gegevens dat het verleden uitstekend wordt verklaard, maar nieuwe marktgegevens veel minder goed worden verwerkt.

Stel bijvoorbeeld dat tientallen indicatoren en instellingen worden getest totdat precies de combinatie wordt gevonden die historisch het hoogste resultaat laat zien.

Dat kan indrukwekkend lijken.

Maar een deel van dat resultaat kan puur toeval zijn.

Een handelsmodel moet daarom niet alleen worden beoordeeld op de gegevens waarmee het is ontwikkeld. Vaak wordt onderscheid gemaakt tussen gegevens waarop een model wordt ontwikkeld en afzonderlijke gegevens die niet voor het afstellen van het model zijn gebruikt. Zo kan worden onderzocht of een methode ook buiten de oorspronkelijke ontwikkelperiode bruikbaar blijft.

Ook een goed resultaat op zulke afzonderlijke testgegevens biedt echter geen garantie voor toekomstige prestaties.

Backtesting

Bij backtesting wordt een handelsmethode toegepast op historische marktgegevens.

Daarmee kan worden onderzocht hoe de handelsregels in eerdere marktomstandigheden zouden hebben gefunctioneerd.

Bijvoorbeeld:

historische koersgegevens worden geladen;
technische indicatoren worden berekend;
het algoritme past de handelsregels toe;
de theoretische transacties worden vastgelegd;
de resultaten en risico's worden geanalyseerd.

Backtesting kan nuttige informatie opleveren over het gedrag van een handelsmodel.

Het blijft echter een historische simulatie.

Transactiekosten, liquiditeit, uitvoering, slippage en veranderende marktomstandigheden kunnen ervoor zorgen dat werkelijke resultaten afwijken van een backtest.

Van technische analyse naar een handelssignaal

Een algoritmisch systeem kan de uitkomst van verschillende technische analyses combineren.

Stel bijvoorbeeld dat een handelsmethode kijkt naar:

trendrichting;
momentum;
volatiliteit;
koersstructuur;
één of meerdere technische indicatoren.

Wanneer vooraf bepaalde voorwaarden worden vervuld, kan het systeem daaruit een handelssignaal afleiden.

Zo kan worden bepaald dat een strategie long blijft, short blijft of van richting verandert.

Hoe zo'n signaal precies tot stand komt, verschilt per systeem.

Het belangrijkste verschil met handmatige analyse is dat dezelfde regels steeds opnieuw op dezelfde manier worden toegepast.

Technische analyse van de AEX

Ook de AEX kan algoritmisch worden geanalyseerd.

Een systeem kan iedere beursdag koersgegevens en technische informatie verwerken en beoordelen welke marktrichting binnen de gebruikte handelsstrategie wordt gevolgd.

Daarbij hoeven niet iedere dag nieuwe transacties te ontstaan.

Wanneer de technische omstandigheden niet voldoende veranderen, kan een bestaande long- of shortpositie gewoon worden aangehouden.

Pas wanneer de gebruikte handelsregels een relevante verandering aangeven, kan een nieuw signaal ontstaan.

AI neemt onzekerheid niet weg

Het automatiseren van technische analyse heeft duidelijke praktische voordelen, maar verwijdert het beleggingsrisico niet.

Indicatoren zijn gebaseerd op marktgegevens die op het moment van analyse beschikbaar zijn. Ook een AI-model kan niet weten welke onverwachte gebeurtenis morgen plaatsvindt.

Daarnaast kunnen technische signalen mislukken door:

plotseling economisch of politiek nieuws;
veranderende marktstructuren;
zijwaartse markten;
verkeerde modelaannames;
slechte gegevens;
technische storingen;
overfitting;
snel veranderende volatiliteit.

Daarom kan geen technische indicator, algoritme of AI-model een toekomstige beurskoers garanderen.

Menselijke analyse versus algoritmische analyse

Een menselijke analist kan context interpreteren en situaties beoordelen waarvoor geen exacte programmeerregel bestaat.

Een algoritme heeft andere voordelen.

Het kan grote hoeveelheden gegevens verwerken, wordt niet moe en past dezelfde regels voortdurend op dezelfde manier toe.

Daarom hoeven mens en algoritme niet per definitie tegenover elkaar te staan.

Een handelsmethode kan bijvoorbeeld de technische analyse automatiseren terwijl de gebruiker zelf verantwoordelijk blijft voor risicobeheer, positiegrootte en het uitvoeren van transacties.

Technische analyse als basis voor algoritmische analyse

Technische analyse leent zich goed voor algoritmische verwerking omdat veel marktgegevens en indicatoren meetbaar zijn.

Koersen, momentum, volatiliteit, trends en technische indicatoren kunnen automatisch worden berekend en volgens vaste handelsregels worden gecombineerd.

Artificial intelligence kan deze analyse verder uitbreiden door grotere hoeveelheden gegevens en complexere relaties te onderzoeken.

De toegevoegde waarde zit vooral in snelheid, consistentie en systematische gegevensverwerking.

Maar ook met AI blijft technische analyse een hulpmiddel voor het beoordelen van marktgegevens en geen methode waarmee toekomstige beurskoersen met zekerheid kunnen worden voorspeld.