انتخاب سبد سهام با استفاده از تئوری دمپستر شفر (مطالعه موردی: شرکتهای پذیرفته شده در بورس اوراق بهادار تهران)
مدل بازده – ریسک مارکویتز برای انتخاب سبد سهام در سال های اخیر مورد انتقاد قرار گرفته است.زیرا که عوامل بسیاری بهصورت مستقیم یا غیرمستقیم بازار سهام را تحت تأثیر قرار میدهند و حرکات قیمتهای دارایی را خیلی نامطمئن و غیرقابلپیشبینی میسازد. لذا هدف از انجام این تحقیق بررسی انتخاب سبد سهام از شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران با استفاده از تئوری دمپستر شفر بوده است. این تحقیق به روش توصیفی- همبستگی انجامشده و از نوع تحقیقات کاربردی است. جامعه آماری تحقیق را کلیه شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران طی سالهای 138۹ تا 139۴ تشکیل میدهند که تعداد ۱۰۸ شرکت بهعنوان نمونه موردمطالعه قرارگرفتهاند. دادههای تحقیق از صورتهای مالی شرکتها استخراج گردیده و با استفاده از مدلهای رگرسیونی به روش دادههای ترکیبی مورد تجزیهوتحلیل قرار گرفت. یافتههای حاصل از آزمون فرضیه نشان داد که متغیرهای سود هر سهم (EPS)، نسبت درآمد به قیمت(P/E)، نسبت پرداخت (PR)، نسبت قیمت به فروش (P/S)، بدهیهای بلندمدت به حقوق صاحبان سهام (LTDER)، نسبت قیمت به جریان نقدی (P/CF) و حاشیه سود (PM) در مدل تئوری دمپستر شفر معنادار بودهاند.
کلیدواژهها
مراجع
* پاشا، عین اله ،مصطفایی ،حمیدرضا، خلج ، مهران ، خلج، فرشته (۱۳۹۲) ،محاسبه فاصله عدم قطعیت بر پایه آنتروپی شانون و تئوری دمپستر شافر از شواهد محاسبه فاصله عدم قطعیت بر پایه آنتروپی شانون و تئوری دمپسترشافر از شواهد، نشریه بینالمللی مهندسی صنایع و مدیریت تولید، شماره۲ ، جلــد 2۴ ،صفحـــه ۲۲۳-2۱۶.
* حیدری، حسن، ملا بهرامی، احمد(1389)، بهینهسازی سبد سرمایهگذاری سهام بر اساس مدلهای چند متغیره شواهدی از بورس اوراق بهادار تهران GARCH،تحقیقات مالی دانشکده مدیریت دانشگاه تهران دوره12،شماره 3،پاییز و زمستان 1389 ص 56-35.
* غضنفری، م. و کاظمی، ز. (1382) . اصول و مبانی سیستمهای خبره: با فصولی درباره شبکههای عصبی مصنوعی، تئوری مجموعههای فازی. دانشگاه علوم و صنعت ایران، صفحه 684.
* شاه علیزاده، محمد.، و معماریانی، عزیز الله(1382) چارچوب ریاضی گزینش سبد سهام با اهداف چندگانه بررسیهای حسابداری و حسابرسی دانشکده مدیریت دانشگاه تهران ، 86
* مرادی، حمیدرضا و همکاران (1389)،تحلیل خطر زمینلغزش در استان گلستان با استفاده از تئوری دمپستر شفر ،پژوهشهای دانش زمین ،سال اول،شماره 3،پاییز 1389،ص14-1.
* محمدی، م. مرادی، ح. و پور قاسمی، ح. (1391) . آنالیز حساسیت زمینلغزش با استفاده از تئوری احتمالاتی دمپستر_ شیفر در محیطGIS. دومین همایش و نمایشگاه بینالمللی تهیه نقشه و اطلاعات مکانی (2012ICMSI) و نوزدهمین همایش ملی ژئوماتیک.
* نبوی چاشمی ،سید علی،داداش پور عمرانی،احمد (1391)، انتخاب سبد سهام چندهدفه تحت محدودیت احتمالی در بستر بازار سرمایه ایران، مجله مهندسی مالی و مدیریت اوراق بهادار شماره سیزدهم ،زمستان 91
* Abdollahzadeh, F. (2002). Investment management and Tehran Stock Exchange. Tehran, Iran: Pardazeshgaran press.
* Adebiyi, A., Ayo, C., Adebiyi, M.O., Otokiti, S.,( 2012). Stock price prediction using neural network with hybridized market indicators. J. Emerg. Trends Comput. Inf. Sci. 3 (1), 1–9.
* Bermudez, J.D., Segura, J.V., Vercher, E., (2007). A fuzzy ranking strategy for portfolio selection applied to the spanish stock market.In: Fuzzy Systems Conference, 2007.FUZZ-IEEE 2007, pp. 1–4.
* Bhattacharyya, R., Kar, S., (2011). Multi-objective fuzzy optimization for portfolio selection: an embedding theorem approach. Turk. J.Fuzzy Syst. 2 (1), 14–35
* Bhattacharyya, R., Kar, M.B., Kar, S., Majumder, D.D., (2009). Meanentropy-skewness fuzzy portfolio selection by credibility theory approach. In: Pattern Recognition and Machine Intelligence. Springer, pp. 603–608
* Bhattacharyya, R., Kar, S., Majumder, D.D., (2011). Fuzzy mean–variance–skewness portfolio selection models by interval analysis.Comput. Math. Appl. 61 (1), 126–137
* Bhattacharyya, R., Hossain, S.A., Kar, S., (2014). Fuzzy cross-entropy,mean, variance, skewness models for portfolio selection. J. King Saud Univ.-Comput. Inf. Sci. 26 (1), 79–87
* Bilbao-Terol, A., Pe´r-Gladish, B.M., Arenas-Parra, Rodrı´guez-Uria,M.V., (2006). Fuzzy compromise programming for portfolio selection.Appl. Math. Comput. 173, 251–264
* Chen, J.-S., Lin, Y.-T., (2009). A partitioned portfolio insurance strategy by a relational genetic algorithm. Expert Syst. Appl. 36(2), 2727–2734
* Chen, J.-S., Hou, J.-L., Wu, S.-M., Chang-Chien, Y.-W., (2009).Constructing investment strategy portfolios by combination genetic algorithms. Expert Syst. Appl. 36 (2), 3824–3828.
* Chen, Y., Mabu, S., Hirasawa, K., (2010). A model of portfolio اصول تشکیل سبد سهام optimization using time adapting genetic network programming.Comput. Oper. Res. 37 (10), 1697–1707
* Edirisinghe, NCP & X Zhang, (2008), Portfolio selection under DEA-based relative financial strength indicators: case of US industries, Journal of the Operational Research Society, 57.
* Fasanghari, M., Montazer, G.A., (2010). Design and implementation of fuzzy expert system for Tehran stock exchange portfolio recommendation. Expert Syst. Appl. 37 (9), 6138–6147
* Ferna´ ndez, A., Go´ mez, S., (2007). Portfolio selection using neural networks. Comput. Oper. Res. 34 (4), 1177–1191.
* Ferson, S., Nelsen, R. B., Hajagos, J., Berleant, D., Zhang, J., Tucker, T., Ginzburg, L. R., and Oberkampf, W. L. )2004(.Dependence in probabilistic modeling, Dempster-Shafer theory and probability bounds analysis. New Mexico.
* Gour Sundar Mitra Thakur et all (2016). Stock portfolio selection using Dempster–Shafer evidence theory. Journal of King Saud University – Computer and Information Sciences
* Grossman, S.J., Stiglitz, J.E., (1980). On the impossibility of informationally efficient markets. Am. Econ. Rev. 70 (3), 393–408
* Hong-dong, L., Jing, Z., Lin, X., Hai-ping, L., Yi, F., 2008. Application of DS evidence theory in combined price forecasting. In: Third International Conference on Electric Utility Deregulation and Restructuring and Power Technologies, 2008. DRPT 2008. IEEE, pp. 1025–1029.
* Huynh, اصول تشکیل سبد سهام V. N. (2009). Discounting and combination scheme in evidence theory for dealing with conflict in information fusion. In Modeling Decisions for ArtificialIntelligence (pp.217-230): Springer Berlin Heidelberg
* Jiao, J.R., Zhang, Y., Wang, Y., (2007). A heuristic genetic algorithm for product portfolio planning. Comput. Oper. Res. 34 (6), 1777–1799
* Ko, P.C., Lin, P.C., (2008). Resource allocation neural network in portfolio selection. Expert Syst. Appl. 35 (1), 330–337
* Maseleno, A., Hasan, M.M., 2012. Skin diseases expert system using Dempster–Shafer theory. International Journal of Intelligent Systems and Applications 4 (5), 38
* Olatunji, S.O., Al-Ahmadi, M.S., Elshafei, M., Fallatah, Y.A., (2011).Saudi Arabia stock prices forecasting using artificial neural networks. In: 2011 Fourth International Conference on the Applications of Digital Information and Web Technologies (ICADIWT). IEEE, pp. 81–86
* Sharp, Alexander., bailey., (1993), “Fundamentals of Investments”, Third Edition, Fabozzi, Investment Management., PP.139-151, 835-84
* Siskos, Y., Spyridakos, A., Yannacopoulos, D., (1993). Minora: a multicriteria decision aiding system for discrete alternatives. J. Inf.Sci. Technol. 2 (2), 136–149.
* Tiryaki, F., Ahlatcioglu, M., (2005). Fuzzy stock selection using a new fuzzy ranking and weighting algorithm. Appl. Math. Comput. 170,144–157
* Woodside-Oriakhi, M. (2011). Portfolio Optimisation with Transaction Cost(thesis), London, School of Information Systems, Computing and Mathematics Brunel University.
* Xidonas, P., Ergazakis, E., Ergazakis, K., Metaxiotis, K., Askounis, D., Mavrotas, G., Psarras, J., (2009). On the selection of equity securities: an expert systems methodology and an application on the athens stock exchange. Expert Syst. Appl. 36, 11966–11980.
* Xidonas, P., Mavrotas, G., Zopounidis, C., Psarras, J., (2011). Ipssis: an integrated multicriteria decision support system for equity portfolio construction and selection. Eur. J. Oper. Res. 210 (2), 398–409.
* Yunusoglu, M.G., Selim, H., (2013) A fuzzy rule based expert system for stock evaluation and portfolio construction: an application to Istanbul stock exchange. Expert Syst. Appl. 40 (3), 908–920
* Zhang, C., Zhu, W., Yang, S., 2007. Banking operational risk management on DS evidence theory. In: International Conference on Wireless Communications, Networking and Mobile Computing, 2007. WiCom 2007. IEEE, pp. 4640–4644
تشکیل سبد سهام به روش وارن بافت
انتشارات چالش منتشر کرد:
همواره استفاده از یک استراتژی معاملاتی منطقی و علمی که در گذشته نتایج مطلوبی از خود به جای گذاشته، موجب موفقیت سرمایه گذار در انجام معاملات خواهد شد. به عقدیده بسیاری از افراد وارن بافت موفق ترین سرمایه گذار قرن بیستم می باشد، از همین رو مطالعه و بکارگیری استراتژی های معاملاتی و تحلیلی وی می تواند نتایج بسیار مطلوبی را به همراه داشته باشد. در این کتاب بر اساس متدهای تحلیلی وارن بافت سعی شده تا یک روش نظام مند تحلیل سهام ارائه شود. چک لیست کاوش سهام در راستای بررسی مرحله به مرحله وضعیت شرکت ها ارائه شده و عمده مباحث مهم تحلیل بنیادی در آن گنجانده شده است. لازم است تا قبل از انجام هر سرمایه گذاری تمامی بخش های این چک لیست را مورد بررسی قرار دهید. موضوعات مختلفی مانند برند، بازار رقابتی، محصولات، ورشکستگی، بحران های مالی و سایر موارد همراه با مثال هایی از سرمایه گذاری های اصول تشکیل سبد سهام واقعی مؤلف كتاب و وارن بافت شرح داده شده است. در این کتاب عمده مباحث حیاتی تحلیل سهام را در کنار موضوعات مدیریت ریسک، مدیریت سرمایه، مدیریت سبد سهام و استراتژی خروج از معاملات فرا خواهید گرفت.
فروشگاه اینترنتی 30بوک
کتاب تشکیل سبد سهام به روش وارن بافت
اگر هنگامیکه سهام یک شرکت را خریداری مینمایید، به این فکر کنید که مالک بخشی از آن شرکت هستید، کاملاً متفاوت با عمده سرمایهگذاران موجود در بازار رفتار خواهید کرد. اکثر سرمایهگذاران موجود در بازار اینگونه رفتار میکنند که گویا بازار سهام همانند یک کازینو بوده و سهام موجود در آن بلیتهای ورود به بازیهای کازینو هستند.
تصمیمات خرید و فروش عمده سرمایهگذاران تنها بهوسیله توجه محدود بر روی قیمت انجام شده و کمتر به بنیاد شرکتها دقت میشود. آنها به دنبال این هستند که تغییرات قیمت در کوتاه مدت را پیشبینی کرده و از آنها بهره ببرند. همچنین این خیال را با خود دارند که سرمایهگذارند اما در واقعیت آنها تنها معاملهگر هستند. پیشبینی بازار امر بسیار دشواری است چرا که شواهد تاریخی حاکی از آن است که پیشبینی بازار به خوبی نتیجه بخش نخواهد بود. هنوز تعداد زیادی از معاملهگرها وقت و انرژی بسیاری را صرف پیشبینی بازار میکنند.
فهرست مطالب:
فصل اول: اصول سرمایهگذاری وارن بافت
فصل دوم: چک لیست کاوش سهام
فصل سوم: مدیریت سرمایه
نویسنده: جیوا راماسوی
مترجم: سید حجت وکیلی
ناشر : چالش
قطع:وزیری
شابک: ۴-۲-۹۷۹۸۱-۶۰۰-۹۷۸
بهینه سازی سبد سهام با رویکرد ترکیبی روشهای تحلیل تکنیکال و داده کاوی
سرمایهگذاری در بورس اوراق بهادار، بخش مهمی از اقتصاد کشور را تشکیل میدهد. افزایش سود و کاهش ریسک سرمایهگذاری در بورس همیشه مهمترین دغدغه سرمایهگذاران بوده است. همچنین بازارهای بورس نه تنها از پارامترهای کلان بلکه از هزاران عامل دیگر نیز متأثر میشوند. این تحقیق به دنبال ارائه مدلی است که در آن پتانسیل آتی سهام با در نظر گرفتن شاخصهای تحلیل تکنیکال بهوسیله شبکه عصبی فازی پیشبینی میشود و براساس پیشبینیهای به دست آمده، مدل ریاضی بهینهسازی بر مبنای عواملی چون میانگین، واریانس و چولگی سبد سهام ارائه میشود. سپس، این مدل با استفاده از الگوریتم ژنتیک حل میشود. تحقیق حاضر از بعد هدف از نوع تحقیقات کاربردی و از بعد روش، از نوع توصیفی است. نتایج تحقیق بیانگر آن است که مدل ارائه شده در این مقاله، در مقایسه با روشهای سنتی و شاخص بازار، بازدهی بیشتری را با توجه به واریانس و چولگی برای سرمایهگذاران فراهم میکند.
کلیدواژهها
عنوان مقاله [English]
A Hybrid Approach to Portfolio Optimization Using Technical Analysis and Data Mining
نویسندگان [English]
- Amir Afsar 1
- Fatemeh Helyel 2
Investing in the stock market, is a significant part of the country's economy. Increasing profits and reducing the risk of investing in the stock exchange has always been a major concern for investors. Also, Stock markets are affected not only by macroeconomic parameters but also by thousands of other factors. This research aims to provide a model in which future stock potential is forecasted by considering the technical analysis indicators by the fuzzy neural network. According to the forecasts, the mathematical model based on factors such as the return, variance, and skewness of the stock portfolio will be optimized. Then, this model is solved using the genetic algorithm. This research is an applied research in terms of purpose and is descriptive in terms of method. The empirical results shows that the proposed models will provide more profit to investors regarding variance and skewness comparing to traditional models and stock market index.
کلیدواژهها [English]
- Portfolio Optimization
- Technical analysis
- Data Mining
مراجع
[2] Samuelson P. A. (1970) "The fundamental approximation theorem of portfolio analysis in terms of means, variances, and higher moments". Review of Economic Studies, 37, 4 : 537–542.
[3] Zamani M., Afsar A., Saghafi S. V., Bayat, E. (2014) "Stock price forecasting expert system and portfolio optimization using fuzzy neural network, fuzzy modeling, and genetic algorithm", Financial Engineering and Stock Management, Vol. 6, No. 21, pp. 107-130.
[4] Gudarzi M., Yakideh K., Mahfuzi G. (2016) "Portfolio optimization by combining data envelopment analysis and decision-making Hurwicz method", Modern Researches in Decision Making, Vol. 1, No. 4, pp.b 143-165.
[5] Azar A., Afsar A., Ahmadi P. (2006) "A comparative study on the classical and artifitial intelligence methods in stock price index forecasting and hybrid modeling", Management Researches in Iran, Vol. 10, No. 49, pp. 1-16.
[6] Huang X. (2007) "Two new models for portfolio selection with stochastic returns taking fuzzy information", European Journal of Operational Research, 180, 1, pp. 396-405.
[7] Huang X. (2008) "Portfolio selection with a new definition of risk", European Journal of Operational Research, 186, 1, pp. 351-357.
[8] Lin P., Ko, P. (2009) "Portfolio value-at-risk forecasting with GA-based extreme value theory", Expert Systems with Applications, 36, 2, pp.s 2503-2512.
[9] Chang T., Yang S., "Chang, Kuang-Jung, portfolio optimization problems in different risk measures using genetic algorithm", Expert Systems with Applications, 36, 7, pp. 10529-10537.
[12] Raei R., Mohammadi S., Ali Beygi Hedayat (2011) Mean-semivariance portfolio optimization using harmony search method", Management Researches in Iran, Vol. 15, No. 3, pp. 105-128.
[13] Abbasi Juinani R. (2011) "Mean-variance-skewness model in portfolio optimization using fuzzy logic and genetic algorithm", Master Theses, Univesity of Qom.
[14] Tehrani R., Modares A., Tahriri A. (2010) "Investigation of Technical analysis indexes on stockholder return", Economics Researches, No. 92, pp. 23-46.
[15] Meyers T. (2011) The technical analysis course: Learn how to forecast and time the market, McGraw-Hill Education.
[16] Hashemi O. (2008) Cell phone selection modeling by consumer using neural network, Master theses, Univesity of Tehran, Qom Camps.
[17] Shahidi Shadkam S. A. (2008) A model for stock price forecasting in stock exchange using fuzzy neural network, Master theses, Univesity of Tehran, Qom Camps.
[18] Kartalopoulos S. V. (1995) Understanding neural networks and fuzzy logic: Basic concepts and applications, Wiley-IEEE Press,.
[19] Faraji Davar A. (2007) "Introduction to advanced computing methods in science and technology 2: artificial neural networks", Science and Technology, No. 90, pp. 72-73.
[21] Sadeghi Mogadam M. R., Afsar A., Sohrabi B. (2006) "Supply chain material flow modeling using genetic algorithm", Management Researches in Iran, Vol. 10, No.46, pp. 212-226.
آموزش استراتژی معاملاتی و سبد سهام
قبل از پرداختن به استراتژی معاملاتی خوب است با مفهوم استراتژی آشنا شویم. ریشه این کلمه از واژه یونانی "استراتگوس" گرفته شده است و به معنای فرماندهی و رهبری است. فرماندهان یونانی در طی جنگهای خود برنامه مشخصی را برای هر یک از نیروهای خود تعیین میکردند که با همه جزئیات روند جنگ را پیش بینی کرده و در صورت رخ دادن هر اتفاقی برنامهای از پیش تعین شده وجود داشت.
یک سرمایه گذار حرفهای نیز برای اینکه در میدان جنگ بازار سرمایه شکست نخورد باید با استراتژی وارد معاملات شده و برای هر یک از اتفاقات در بازار سرمایه استراتژی معاملاتی داشته باشد. این برنامه دقیق و از پیش تعیین شده کمک میکند تمام رفتارهای غیر قابل پیش بینی بازار مهار شدنی باشد.
بازار سرمایه مدام در حال نوسان است و اغلب در سه حالت متداول صعودی، نزولی و خنثی قرار دارد. برای تعیین استراتژی معاملاتی ابتدا باید جهت یا روند بازار را شناسایی کرده و مورد بررسی قرار دهیم. این اصطلاح در سطح بین المللی نیز رایج است که هر معاملهگر ابتدا باید به یک سؤال یک میلیون دلاری پاسخ دهد "هم اکنون بازار چه روندی دارد؟ "بعد از اینکه روند کلی بازار و ویژگیهای آن را شناختیم باید ابتدا تصمیم بگیریم قصد ورود به بازار را داریم یا نه؟
آموزش استراتژی معاملاتی در بسیاری از موارد از مهمترین نیازهای ورود به بازار معاملات است. شاید بسیاری از ما تکنیکهای تحلیل بازار را بدانیم اما بدون آشنایی و تسلط بر استراتژی معاملاتی نمیتوانیم ورود و خروج موفقی در بازار سرمایه داشته باشیم. یک استراتژی معاملاتی دارای 3 بخش اصلی است که در ادامه هر بخش را بهصورت مجزا توضیح میدهیم.
گردآوری اصول تشکیل سبد سهام اطلاعات از گزینه سرمایه گذاری مورد نظر:
اولین قدم در استراتژی معاملاتی داشتن شناخت درست و دقیق از بازار و شناخت جنس بازار است. روش درست و استاندارد برای شناخت بازار گردآوری اطلاعات از طریق اخبار درست، صورتهای مالی شرکتها و بررسی وضعیت کلان اقتصادی کشور است. در پایان این مرحله سرمایه گذار باید توانایی پاسخ به این سؤال را داشته باشد که کدام گروه یا صنعت برای سرمایه گذاری بهتر است؟
تحلیل و پردازش اطلاعات:
قدم بعدی در آموزش استراتژی معاملاتی آشنایی با شیوههای تحلیل اطلاعات است. در این مرحله سرمایه گذار باید از طریق روشهای مختلف تحلیل تکنیکال، بنیادی و.. اطلاعات را برای خود تحلیل و بررسی کند. تعیین دقیق و درست ابزارها و بهکارگیری آنها در این مرحله بسیار مهم است.
خروجی اطلاعات و تصمیم گیری:
در این مرحله از استراتژی معاملاتی سرمایه گذار باید به یک جمع بندی کلی رسیده و نحوه سرمایه گذاری خود را مشخص کند. چه مقدار از سرمایه وارد بازار شود؟ هر گزینه چند درصد از سبد سهام را تشکیل دهد؟ حد ضرر و حد سود معامله را با چه شیوهای تعیین کرده و چه مقدار در نظر گرفته شود؟ اینها سؤالاتی است که در این مرحله باید پاسخ داده شود.
هر معامله گر بعد از تعیین و انتخاب استراتژی معاملاتی خود باید کاملاً به آن پایبند باشد و به شایعات و اخبار توجهی نشان ندهد. یک استراتژی دارای چارچوب، قوانین و اصولی است که کاملاً مطابق با منطق است و احساسات و اخبار دروغ جایی در آن ندارند.
بنابراین معامله گری که آموزش استراتژی معاملاتی را بخوبی پشت سر گذاشته باشد باید مطیع و فرمانبر استراتژی خود باشد. ویژگی بعدی استراتژی معاملاتی سادگی و در عین حال شفافیت آن است. گاهی یک کار ساده میتواند بسیار سختتر از کار پیچیده باشد. بنابراین سادگی باید در کنار شفافیت قرار گیرد که معامله گر را بر سر دوراهی تصمیم گیری قرار ندهد.
بطور کلی ؛ برای داشتن معاملاتی موفق، صرفاً فراگیری انواع روشهای تحلیلی کافی نیست. بدون داشتن استراتژی معاملاتی مناسب، موفقیت در بازارهای مالی برایتان میسر نخواهد بود.
یکی از مهمترین عواملی که به شما کمک میکند تا تصمیمات بهتری در بازار سرمایه بگیرید، داشتن استراتژی معاملاتی مناسب است. سبد سهام، ابزاری برای پیادهسازی استراتژی معاملاتی است. با داشتن استراتژی معاملاتی شما از تصمیمگیری برطبق رفتارهای هیجانی دوری میکنید و در تصمیمات خود از منطق بهره میبرید. ممکن است این کار در ابتدا کمی دشوار باشد، اما با گذشت زمان و تمرین و کسب تجربه میتوانید آن را به بهترین نحو اجرا کنید.
استراتژی معاملاتی چیست؟
تحلیلگران خوب لزوماً معاملهگران خوبی نیستند؛ بنابراین اگر فردی روشهای تحلیلی مختلف را بلد باشد، با داشتن یک استراتژی خوب میتواند به یک معاملهگر خوب تبدیل شود.
نداشتن استراتژی موفق موجب بروز خطا و نداشتن برنامه میشود. استراتژی یعنی دانستن آنچه در آینده انجام میدهید.
هر فرد باتوجهبه عواملی از جمله افق زمانی سرمایهگذاری و ویژگیهای شخصیتی، میتواند استراتژی معاملاتی خود را داشته باشد. استراتژی معاملاتی هر فرد میتواند منحصربهفرد او باشد. به تعداد افراد استراتژی برای معامله وجود دارد. استراتژی معاملاتی قابل تغییر است و میتوان آن را مطابق با شرایط، در صورت لزوم، تغییر داد.
سبد سهام چیست؟
احتمالاً این ضربالمثل را شنیده باشید که میگوید: همه تخممرغهایت را در یک سبد نگذار. این ضربالمثل یکی از مرسومترین عباراتی است که درباره تشکیل سبد به کار میرود.
تشکیل سبد سهام کارآمد نیاز به داشتن دانش و مهارت دارد. برخی بهاشتباه تصور میکنند که صرف اینکه با سرمایه خود چند سهم را بخرند، سبد تشکیل دادهاند.
در صورتی که به مسائلی مانند اینکه چه نسبتی از سرمایهشان را به خرید آن سهمها اختصاص دادهاند یا میزان همبستگی که میان سهمهایی که خریداری کردهاند وجود دارد، توجهی نمیکنند.
تشکیل هوشمندانه سبد در وهله اول نیاز به استراتژی دارد. در دوره آموزش استراتژی معاملاتی و سبد سهام فیندو به شما آموزش داده میشود تا قادر باشید که سبد زمانی مناسب را تشکیل دهید. رویکرد تشکیل سبد زمانی، رویکردی نوین در تشکیل سبد سهام است و با روش سنتی تشکیل سبد تفاوت دارد.
در صورتی که این اصول را بهدرستی فراگیرید، علاوه بر کاهش ریسک معاملات خود میتوانید بازدهی خود را افزایش دهید.
دیدگاه شما