فارسی

تخصیص دارایی تاکتیکی با استفاده از قوانین تقاطع میانگین‌های متحرک

نویسنده: Familiarize Team
آخرین به‌روزرسانی: July 19, 2026

تعریف

تخصیص دارایی تاکتیکی (TAA) با استفاده از قوانین تقاطع میانگین‌های متحرک، رویکردی سیستماتیک و مبتنی بر قواعد است که وزن‌های استراتژیک پرتفوی را به‌صورت پویا بر اساس سیگنال‌های روند استخراج‌شده از میانگین‌های متحرک تنظیم می‌کند. رایج‌ترین نسخه این روش میانگین کوتاه‌مدت—معمولاً میانگین متحرک ساده ۱۰ ماهه یا ۵۰ روزه (SMA)—را با یک میانگین بلندمدت (مثلاً SMA ۲۰۰ روزه) یا سطح قیمت جاری دارایی مقایسه می‌کند. هنگامی که میانگین کوتاه‌مدت از میانگین بلندمدت عبور می‌کند (یا قیمت از SMA خود عبور می‌کند)، سیگنال مومنتوم مثبت را نشان داده و تخصیص کامل یا جزئی به کلاس دارایی پرخطر را فعال می‌سازد؛ در حالی که وقتی میانگین کوتاه‌مدت زیر میانگین بلندمدت سقوط می‌کند (یا قیمت زیر SMA خود می‌افتد)، سیگنال ضعف مومنتوم را نشان داده و انتقال به نقدینگی، اوراق قرضه یا سایر دارایی‌های دفاعی را برانگیخته می‌کند.

این روش اصول دنبال‌گر روند را به‌صورت شفاف و قابل تکرار عملیاتی می‌کند و به سرمایه‌گذاران امکان می‌دهد در بازارهای صعودی شرکت کنند و در دوره‌های طولانی نزولی کنار بکشند. مطالعات تجربی و تست‌های پس‌زمینه—از جمله آن‌هایی که توسط Portfolio Visualizer و فابر (2007) مستند شده‌اند—نشان می‌دهند که چنین قوانینی بازده‌های تنظیم‌شده بر خطر را در سهام، اوراق قرضه و کلاس‌های دارایی جهانی به‌طور قابل‌توجهی بهبود می‌بخشند، عمدتاً با کاهش در معرض بودن در بازارهای خرسی سکولار و رژیم‌های نوسان‌پذیری بالا.

اجزای اصلی

  • میانگین متحرک کوتاه‌مدت: معمولاً SMA ۱۰ ماهه یا ۵۰ روزه، که برای تعادل بین واکنش سریع به روندهای نوظهور و کاهش نویز انتخاب می‌شود. بازه زمانی کوتاه‌تر سریع‌تر واکنش نشان می‌دهد اما ممکن است سیگنال‌های کاذب بیشتری تولید کند؛ بازه طولانی‌تر پایدارتر است اما بازگشت‌های روند را با تاخیر می‌بیند.
  • معیار بلندمدت: اغلب SMA ۲۰۰ روزه یا خود SMA ۱۰ ماهه (که در تقاطع دوگانه SMA استفاده می‌شود)، به‌عنوان فیلتر روند عمل می‌کند. SMA ۲۰۰ روزه به‌طور گسترده به‌عنوان نماینده روند سالانه در شاخص‌های سهام شناخته می‌شود.
  • آستانه سیگنال: خود رویداد تقاطع—چه عبور قیمت از SMA و چه عبور یک SMA از دیگری—تنها محرک تغییر تخصیص است. در زمان اجرا نیازی به قضاوت ذهنی یا داده‌های اضافی نیست.
  • قانون اندازه‌گیری موقعیت: در اکثر پیاده‌سازی‌ها هنگام مثبت بودن سیگنال، ۱۰۰٪ تخصیص به دارایی پرخطر و هنگام منفی بودن، ۰٪ (یا ۱۰۰٪ نقدینگی/اوراق قرضه) اعمال می‌شود؛ برخی نسخه‌ها به‌صورت تدریجی میزان در معرض بودن را تنظیم می‌کنند یا از هدف‌گذاری نوسان برای تثبیت ریسک پرتفوی استفاده می‌نمایند.

نحوه عملکرد در عمل

این فرآیند به‌صورت دوره‌ای (مثلاً ماهانه یا هفتگی) اجرا می‌شود و منطق زیر را دنبال می‌کند:

  • سیگنال صعودی: اگر SMA کوتاه‌مدت > SMA بلندمدت (یا قیمت > SMA) باشد، پرتفوی دارایی پرخطر را نگه می‌دارد (مثلاً S&P 500، سهام‌های جهانی).
  • سیگنال نزولی: اگر SMA کوتاه‌مدت ≤ SMA بلندمدت (یا قیمت ≤ SMA) باشد، پرتفوی به دارایی امن منتقل می‌شود (مثلاً اوراق خزانه‌داری ایالات متحده، اوراق قرضه کوتاه‌مدت).

به‌عنوان مثال، در قانون کلاسیک SMA ۱۰‑ماهه که بر روی S&P 500 اعمال می‌شود، شاخص تنها زمانی نگه‌داشته می‌شود که قیمت آن بالای SMA ۱۰‑ماهه باشد. آزمون‌های تاریخی نشان می‌دهند این قانون می‌توانست افت‌های شدید در دوره‌های ۲۰۰۰‑۲۰۰۲ و ۲۰۰۷‑۲۰۰۹ را جلوگیری کند و در عین حال بیشترین بخش رشد در فازهای صعودی را به دست آورد.

انواع و گسترش‌ها

  • تقاطع دو میانگین متحرک: از دو SMA استفاده می‌کند (مثلاً ۵۰ روزه و ۲۰۰ روزه)؛ «تقاطع طلایی» (۵۰ روز بالای ۲۰۰ روز) یک سیگنال صعودی است، در حالی که «تقاطع مرگ» (۵۰ روز زیر ۲۰۰ روز) یک سیگنال نزولی است.
  • تقاطع قیمت نسبت به SMA: ساده‌تر و رایج‌تر در تخصیص تاکتیکی؛ قیمت جاری را مستقیماً با یک میانگین متحرک (مثلاً SMA ۲۰۰ روزه) مقایسه می‌کند و تاخیر ناشی از دو بار هموارسازی را حذف می‌نماید.
  • میانگین‌های هموار یا وزن‌دار: برخی پیاده‌سازی‌ها به‌جای SMA از میانگین‌های متحرک نمایی (EMA) یا میانگین متحرک هال استفاده می‌کنند تا تاخیر را کاهش دهند، هرچند این کار حساسیت به نوفه‌های کوتاه‌مدت را افزایش می‌دهد.
  • چرخش چنددارایی: قانون را به مجموعه‌ای از کلاس‌های دارایی (مثلاً سهام‌های جهانی، اوراق قرضه، کالاها) گسترش می‌دهد و تنها دارایی‌هایی را انتخاب می‌کند که قیمت آن‌ها بالای SMA خود باشد؛ به‌طوری‌که یک سیستم چرخش مبتنی بر روند را به‌صورت مؤثر اجرا می‌کند.

شواهد تجربی و ملاحظات عملکردی

آزمون‌های پس‌زمینه بر روی شاخص‌های سهام و کلاس‌های دارایی مختلف (مثلاً سهام‌های بزرگ‌ارزش ایالات متحده، بازارهای توسعه‌یافته بین‌المللی، بازارهای نوظهور) به‌طور مستمر نشان می‌دهند که تخصیص تاکتیکال مبتنی بر میانگین متحرک، معیارهای کلیدی را بهبود می‌بخشد:

  • کاهش نوسان: با کاهش مواجهه با سهام در دوره‌های با نوسان بالا.
  • کاهش افت‌ها: جلوگیری از بازارهای نزولی طولانی‌مدت، ضررهای اوج‑به‑پایین را به‌طور قابل‌توجهی کاهش می‌دهد.
  • بازدهی بالاتر تنظیم‌شده بر ریسک: نسبت‌های شارپ و سورتینو اغلب بهبود می‌یابند، به‌ویژه در بازه‌های چنددهه‌ای.

با این حال، این استراتژی تبادل‌های خود را دارد: در بازارهای صعودی قوی و بدون وقفه عملکرد کمتری دارد (به‌دلیل ورودهای با تاخیر) و در صورت استفاده مکرر هزینه‌های معامله و ناکارآمدی مالیاتی ایجاد می‌کند. تعادل ماهانه معمولاً برای بهینه‌سازی دقت سیگنال و هزینه‌ها مناسب‌ترین گزینه است.

محدودیت‌ها و ریسک‌ها

  • طبیعت تاخیری: میانگین‌های متحرک ذاتاً به‌سوی گذشته نگاه می‌کنند؛ سیگنال‌ها تنها پس از اینکه روند به‌طور قابل‌توجهی تغییر کرده باشد تأیید می‌شوند، که در بازگشت‌های ناگهانی منجر به ادراک «خرید بالا، فروش پایین» می‌شود.
  • ریسک نوسان‌پذیری: در بازارهای افقی یا نوسانی، سیگنال‌های نادرست مکرر می‌توانند بازده را از طریق معاملات غیرضروری و لغزش قیمت کاهش دهند.
  • حساسیت به رژیم: این قانون در محیط‌های میانگین‑بازگشتی عملکرد ضعیفی دارد (مثلاً اصلاحات کوتاه‌مدت که با V‑پایین‌های سریع دنبال می‌شوند)، جایی که قیمت به‌سرعت باز می‌گردد قبل از اینکه سیگنال تغییر جهت پیدا کند.
  • ریسک بیش‌برازش: بهینه‌سازی دوره بازنگری (مثلاً SMA ۱۸۷‑روزه در مقابل ۲۰۰‑روزه) بر روی داده‌های تاریخی ممکن است عملکرد خارج‑نمونه گمراه‌کننده‌ای بدهد مگر اینکه آزمون‌های استحکام اعمال شوند.

مشکلات رایج در پیاده‌سازی

  • ناهمگونی در فرکانس تعادل‌سازی: اعمال سیگنال‌ها به صورت روزانه بدون تاریخ بازنگری ثابت باعث بایاس پیش‌نگاهی و ناهماهنگی زمان‌بندی می‌شود.
  • نادیده گرفتن هزینه‌های تراکنش: استراتژی‌های با گردش بالا ممکن است پس از کسر کارمزدها بازده خالصی زیر نقطه سر به سر تولید کنند، به‌ویژه در حساب‌های مشمول مالیات.
  • تخصیص کور به همه سیگنال‌ها: اعمال قانون بر تمام کلاس‌های دارایی بدون در نظر گرفتن نقدینگی، همبستگی یا رژیم‌های کلان می‌تواند مزایای تنوع‌بخشی را کاهش دهد.
  • ترکیب با مداخله‌های اختیاری: وارد کردن قضاوت ذهنی در حاشیه، مزیت سیستماتیک را تضعیف کرده و بایاس‌های رفتاری را وارد می‌کند.

مثال عملی: قانون SMA ۱۰‑ماهه بر روی سهام‌های ایالات متحده

فرض کنید سرمایه‌گذاری با تخصیص ۱۰۰٪ به شاخص S&P 500 در تاریخ ۱ ژانویه ۲۰۲۰ آغاز می‌کند. SMA ۱۰‑ماهه به صورت ماهانه محاسبه می‌شود:

  • تا تاریخ ۳۱ مارس ۲۰۲۰، شاخص S&P 500 حدود ۲,۶۰۰ بسته شد، در حالی که SMA ۱۰‑ماهه حدود ۲,۹۵۰ بود — قیمت زیر SMA بود و باعث سوئیچ به نقدینگی شد.
  • سیگنال در ماه مه ۲۰۲۰ مثبت شد، زمانی که S&P 500 بالای SMA ۱۰‑ماهه‌اش عبور کرد و پرتفوی به سهام‌ها بازگشت.
  • سیگنال تا پایان ۲۰۲۱ و بیشتر ۲۰۲۲ مثبت باقی ماند و تنها در اکتبر ۲۰۲۲ که فدرال رزرو سیاست را سفت کرد، منفی شد.

در طول این دوره، قانون از عمق کامل سقوط مارس ۲۰۲۰ جلوگیری کرد و پیش از شدیدترین بخش کاهش ۲۰۲۲ خارج شد، که منجر به بازده تجمعی بالاتر و نوسان کمتر نسبت به معیار خرید‑و‑نگهداری شد — علیرغم از دست دادن بازگشت اولیه به شکل V.

این مثال نشان می‌دهد که چگونه انضباط مکانیکی قانون، جدایی عاطفی و کنترل ریسک سیستماتیک را تحمیل می‌کند، حتی زمانی که احساسات بازار قطبی شده‌اند.

سوالات متداول

مکانیزم اصلی قوانین تقاطع میانگین‌های متحرک در تخصیص دارایی تاکتیکی چیست؟

قوانین تقاطع میانگین‌های متحرک میانگین کوتاه‌مدت (مثلاً SMA ۱۰ ماهه) را در مقابل یک معیار بلندمدت (مثلاً SMA ۲۰۰ روزه) یا خود قیمت دارایی مقایسه می‌کنند؛ تقاطع به سمت بالا نشانگر روند صعودی است و تخصیص کامل یا جزئی به دارایی پرخطر را فعال می‌کند، در حالی که تقاطع به سمت پایین نشانگر روند نزولی است و انتقال به نقدینگی یا دارایی‌های ایمن‌تر را برانگیخته می‌سازد.

این قوانین چگونه به کاهش افت‌های پرتفوی کمک می‌کنند؟

با خروج از دارایی‌های پرخطر هنگامی که قیمت زیر یک میانگین متحرک کلیدی سقوط می‌کند—که اغلب به عنوان آغاز بازار خرسی تفسیر می‌شود—استراتژی از دوره‌های طولانی مومنتوم منفی و فرسایش قابل‌توجه سرمایه جلوگیری می‌کند و در نتیجه نسبت به تخصیص ثابت خرید‑و‑نگهداری، افت‌های اوج‑به‑پایین را کاهش می‌دهد.

آیا این رویکرد صرفاً مکانیکی است یا می‌توان آن را با سیگنال‌های دیگر ترکیب کرد؟

اگرچه قانون اصلی تقاطع به صورت مکانیکی و مبتنی بر قواعد است، اما اغلب با فیلترهای دیگر—مانند ارزیابی بازار (مثلاً Shiller PE10)، هدف‌گذاری نوسان یا رتبه‌بندی مومنتوم—به‌ویژه در پیاده‌سازی‌های چنددارایی ترکیب می‌شود تا استحکام افزایش یابد و با تغییر شرایط رژیم سازگار شود.