پیش بینی بازار سهام


از اخبار مهم بازار چه خبر؟

پیش بینی شاخص بازار سهام با استفاده از تلفیق تکنیک های یادگیری ماشین

شکل 1: معماری عمومی یک روش تک مرحله ای برای پیش بینی n روز پیش از مدت معین.

جدول 1: شاخص های فنی انتخاب شده وفرمول های آن ها (کارا و همکاران، 2011)

جدول 2: پارامترهای شبکه عصبی مصنوعی (ANN) و مقادیر تست شده آن ها

جدول 3: پارامترهای رگرسيون های بردار پشتیبانی (SVR) و مقادیر تست شده آن ها

شکل 2: مدل شبکه عصبی مصنوعی (ANN)

شکل3: معماری عمومی یک روش ترکیبی دو مرحله ای برای پیش بینی n روز پیش از مدت معین.

3- روش ترکیبی دو مرحله ای

شکل 4: جزئیات روش ترکیبی دو مرحله ای برای پیش بینی n روز پیش از مدت معین.

4-1 داده های آزمایش

4-2 معیارهای ارزیابی

جدول 4: بهترین ترکیب پارامتر گزارش شده از آزمایشات تنظیم پارامتر برای هر یک از رگرسيون های بردار پشتیبانی (SVR) در مرحله اول روش ترکیبی دو مرحله ای

جدول 5: پیش بینی عملکرد یک روز پیش از مدت معین (برای CNX NIFTY).

جدول 6: پیش بینی عملکرد 2 روز پیش از مدت معین (برای CNX NIFTY).

جدول 7: پیش بینی عملکرد 3 روز پیش از مدت معین (برای CNX NIFTY).

جدول 8: پیش بینی عملکرد 4 روز پیش از مدت معین (برای CNX NIFTY).

جدول 9: پیش بینی عملکرد 5 روز پیش از مدت معین (برای CNX NIFTY).

جدول 10: پیش بینی عملکرد 6 روز پیش از مدت معین (برای CNX NIFTY).

جدول 11: پیش بینی عملکرد 7 روز پیش از مدت معین (برای CNX NIFTY).

جدول 12: پیش بینی عملکرد 8 روز پیش از مدت معین (برای CNX NIFTY).

جدول 13: پیش بینی عملکرد 9 روز پیش از مدت معین (برای CNX NIFTY).

جدول 14: پیش بینی عملکرد 10 روز پیش از مدت معین (برای CNX NIFTY).

جدول 15: پیش بینی عملکرد 15 روز پیش از مدت معین (برای CNX NIFTY).

جدول 16: پیش بینی عملکرد 30 روز پیش از مدت معین (برای CNX NIFTY).

جدول 17: پیش بینی عملکرد یک روز پیش از مدت معین (برای S&P BSE).

جدول 18: پیش بینی عملکرد 2 روز پیش از مدت معین (برای S&P BSE).

جدول 19: پیش بینی عملکرد 3 روز پیش از مدت معین (برای S&P BSE).

جدول 20: پیش بینی عملکرد 4 روز پیش از مدت معین (برای S&P BSE).

جدول 21: پیش بینی عملکرد 5 روز پیش از مدت معین (برای S&P BSE).

جدول 22: پیش بینی عملکرد 6 روز پیش از مدت معین (برای S&P BSE).

جدول 23: پیش بینی عملکرد 7 روز پیش از مدت معین (برای S&P BSE).

جدول 24: پیش بینی عملکرد 8 روز پیش از مدت معین (برای S&P BSE).

جدول 25: پیش بینی عملکرد 9 روز پیش از مدت معین (برای S&P BSE).

جدول 26: پیش بینی عملکرد 10 روز پیش از مدت معین (برای S&P BSE).

جدول 27: پیش بینی عملکرد 15 روز پیش از مدت معین (برای S&P BSE).

جدول 28: پیش بینی عملکرد 30 روز پیش از مدت معین (برای S&P BSE).

جدول 29: میانگین عملکرد پیش بینی برای بورس اوراق بهادار ملی هند (CNX Nifty)

جدول 30: بهبود عملکرد (مدل های پیش بینی دو مرحله ای نسبت به تک مرحله ای) برای CNX Nifty

جدول 31: میانگین عملکرد پیش بینی برای بورس اوراق بهادار بمبئی (S&P BSE)

جدول 32: بهبود عملکرد (مدل های پیش بینی دو مرحله ای نسبت به تک مرحله ای) برای S&P BSE

شکل 5: مقایسه پیش بینی عملکرد ANN و SVR-ANN برای پیش بینی 5 روز پیش از زمان برای بورس اوراق بهادار ملی هند (CNX Nifty).

در این مقاله به بحث در خصوص پیش بینی مقادیر آینده شاخص سهام پرداخته شده است. برای ارزیابی تجربی از دو شاخص بورس اوراق بهادار ملی هند (CNX Nifty) و بورس اوراق بهادار بمبئی(S&P BSE) از بازارهای سهام هند استفاده گردیده است. آزمایش ها براساس تاریخچه اطلاعات 10 ساله این دو شاخص انجام شده است. پیش بینی ها بر اساس 1 تا 10، 15 و 30 روز پیش از مدت معین انجام شده است. در این مقاله روش دو مرحله ای ترکیبی پیشنهاد گردیده که در مرحله اول آن از رگرسیون بردار پشتیبانی (SVR) استفاده شده است. در دومین مرحله روش ترکیبی، از شبکه های عصبی مصنوعی (ANN)، جنگل تصادفی (RF) و نتایج رگرسیون بردار پشتیبانی (SVR) در مدل های پیش بینی SVR-ANN، SVR-RF و SVR-SVR استفاده شده است. عملکرد پیش بینی این مدل های ترکیبی با سناریوهای تک مرحله ای ANN، RF و SVR مقایسه گردیده است. برای هر یک از مدل های پیش بینی، 10 شاخص فنی به عنوان ورودی انتخاب شده است.

پیش بینی قیمت سهام یک مشکل کلاسیک است. طبق فرضیه بازار کارآمد، پیش بینی قیمت های سهام امکان-پذیر نیست و سهام به شیوه تصادفی رفتار می کند. اما تحلیلگران فنی معتقدند که بیشتر اطلاعات مربوط به سهام در قیمت های اخیر منعکس شده است و بنابراین اگر روند حرکت قیمت ها بررسی شود، قیمت ها به راحتی قابل پیش بینی می باشند. علاوه بر این، حرکات بازار سهام تحت تاثیر عوامل اقتصاد کلان متعددی همچون حوادث سیاسی، سیاست شرکت ها، شرایط اقتصادی عمومی، شاخص قیمت کالاها، نرخ بانکی، نرخ ارز بانکی، انتظارات سرمایه گذاران، انتخاب سرمایه گذاران نهادی، روند حرکتی سایر بازارهای سهام، روانشناسی سرمایه گذاران و غیره دارد (مایائو ، چن و ژائو ، 2007). ارزش شاخص های سهام بر اساس برآورد ارزش حال سرمایه بازار بالا محاسبه می شود. برای دستیابی به اطلاعات آماری از ارزش قیمت سهام، پارامترهای فنی متعددی مورد استفاده قرار گرفته است. شاخص های سهام از برآورد ارزش حال سرمایه بازار بالا استخراج شده اند و به این ترتیب یک نمای کلی از اقتصاد را نشان می دهند و به عوامل متعددی بستگی دارند. روش های متعدد متفاوتی برای مدل سازی سری زمانی وجود دارد. مدل های آماری سنتی شامل میانگین متحرک، یکنواخت سازی نهائی و میانگین متحرک خودهمبسته یکپارچه (ARIMA) در پیش بینی مقادیر آینده خطی هستند (بلرسلف ، 1986؛ شیه ، 1991؛ رائو و گابر، 1984). تحقیقات گسترده ای بر روی برنامه-های پیش بینی متعدد با استفاده از شبکه های عصبی مصنوعی (ANN)، منطق فازی، الگوریتم های ژنتیک (GA) و سایر روش ها انجام شده است (هادوندی، شاوندی و قنبری، 2010؛ لی و تانگ، 2011؛ زرندی، هادوندی و ترکسن، 2012). شبکه های عصبی مصنوعی (ANN) و رگرسيون بردار پشتیبان (SVR) دو الگوريتم يادگيري ماشيني هستند که عمدتاً براي پيش بيني قيمت سهام و شاخص هاي بازار سهام مورد استفاده قرار می گیرند. هر الگوریتم روش منحصر به خود را برای یادگیری الگوها دارد. ژانگ و وو (2009) شبکه عصبی برگشتی را با یک بهینه سازی شیمیایی بهبود یافته باکتریایی (IBCO) به صورت یکپارچه درآوردند. آنها توانایی روش پیشنهادی خود را در زمینه پیش بینی شاخص سهام هم برای دوره کوتاه مدت (روز بعد) و هم بلند مدت (15 روز) نشان دادند. نتایج شبیه سازی نشان دهنده عملکرد برتر روش پیشنهادی بود. در مطالعات انجام شده توسط اسدی، هادوندی، مهمانپذیر و ناخوستین (2012)، برای یادگیری شبکه های عصبی پیشخور ، ترکیبی از روش های پیش پردازش داده ها، الگوریتم های ژنتیک و الگوریتم لونبرگ- مارکاد (LM) استفاده شده است. آن ها از روش های پیش پردازش داده مانند انتقال داده و انتخاب متغیرهای ورودی برای بهبود دقت مدل استفاده کردند. نتایج حاصل نشان داد که روش پیشنهادی قادر به مقابله با نوسانات ارزش بازار سهام بوده و همچنین از دقت پیش بینی خوبی برخوردار است. برای آموزش دادن به شبکه عصبی تابع پایه شعاعی (RBFNN)، الگوریتم ازدحام ماهی های مصنوعی (AFSA) توسط شن، گوا، و وو (2011) معرفی گردید. آزمایشات آن ها بر روی شاخص سهام بورس شانگهای نشان داد که RBF بهینه شده توسط AFSA یک الگوریتم آسان برای استفاده و با دقت قابل ملاحظه است. اوو و وانگ (2009) برای پیش بینی روند حرکتی قیمت شاخص سهام هنگ سنگ بازار سهام هنگ کنگ، از 10 روش داده کاوی استفاده کردند. این روش ها شامل تجزیه و تحلیل افتراقی خطی (LDA)، تحلیل افتراقی درجه دوم (QDA)، الگوریتم K-نزدیکترین همسایه، الگوریتم دسته بندی بیز براساس تابع برآورد کرنل ، مدل لاجیت ، طبقه بندی درختی، شبکه عصبی، طبقه بندی بیزی با فرایند گاوسی، ماشین بردار پشتیبانی (SVM) و حداقل مربعات ماشین بردار پشتیبانی (LS-SVM) می باشد. نتایج تجربی نشان داد که عملکرد پیش بینی مدل های ماشین بردار پشتیبانی (SVM) و حداقل مربعات ماشین بردار پشتیبانی (LS-SVM) بهتر از سایر مدل ها بود. هادوندي، قنبری و نغمه عباسيان (2010) براي پيش بيني شاخص بورس عرضه، مدل هوش هيجاني هوشمند را پیشنهاد دادند. این مدل، ترکیبی از الگوریتم پیش بینی بازار سهام های ژنتیک و شبکه های عصبی پیشخور است. اخیراً ماشین بردار پشتیبانی (SVM) (وپنیک ، 1999) محبوبیت فراوانی یافته و به عنوان یک تکنولوژی پیشرفته برای کاربردهای رگرسیون و طبقه بندی در نظر گرفته شده است. کاظم، شریفی، حسین، صابری و حسین (2013) یک مدل پیش بینی مبتنی بر نقشه برداری آشوب، الگوریتم کرم شب تاب و رگرسیون بردار پشتیبانی (SVR) را برای پیش بینی قیمت بازار سهام پیشنهاد نمودند. مدل SVR-CFA که اخیراً در این مطالعه معرفی گردید، با SVR-GA (الگوریتم ژنتیک)، SVR-CGA (الگوریتم ژنتیک هرج و مرج)، SVR-FA (الگوریتم کرم شب تاب)، ANN و ANFIS مقایسه گردید و نتایج حاصل حاکی از آن بود که SVR مدل SVR-CFA بهتر از سایر مدل ها عمل کرد. پای، لین، لین و چانگ (2010) برای پیش بینی داده های سری زمانی فصلی، یک مدل رگرسیون بردار فصلی پشتیبانی (SSVR) را توسعه دادند. آن ها به منظور انتخاب سه پارامتر مدل SSVR از الگوریتم های ژنتیک ترکیبی و جستجوی ممنوعه (GAnTS) استفاده نمودند. آنها همچنین برای پیش بینی بر روی مجموعه داده های مشابه، دو مدل پیش بینی دیگر به نام های سری زمانی میانگین متحرک انباشته خود رگرسیون (SARIMA) و رگرسیون بردار پشتیبانی (SVR) را اعمال کردند. نتایج تجربی نشان داد که عملکرد SSVR از لحاظ دقت پیش بینی بهتر از هر دو مدل SVR و SARIMA بهتر می باشد. هوانگ و وو (2008) به منظور پیش بینی تحولات آینده شاخص های مختلف سهام، با یکپارچه سازی الگوریتم ژنتیک مبتنی بر مقیاس زمانی بهینه استخراج شده ماشین بردار پشتیبانی، یک مدل پیش بینی ترکیبی جدید توسعه دادند که برای دقت های مقیاس زمانی چندگانه و یک رگرسور غیر پارامتری انعطاف پذیر استفاده می شود. مدل پیشنهادی در مقایسه با ماشین های بردار پشتیبانی (SVM) خالص، مدل های GARCH سنتی و شبکه های عصبی از عملکرد بهتری برخوردار است. کاهش خطای مربع میانگین ریشه معنی دار بود. چنگ، ژو و وانگ (2012) پیش بینی سری زمانی مالی را با استفاده از الگوریتم های یادگیری گروهی پیشنهاد دادند. الگوریتم-های گروهی در ارتقای عملکرد یادگیرندگان پایه قدرتمند بودند. آلدین، دینور و انتظاری (2012) در مطالعه پیش بینی حرکت قیمت شاخص بورس تهران (TEPIX)، اثربخشی استفاده از شاخص های فنی مانند میانگین متحرک، RSI، CCI، MACD و غیره را مورد بررسی قرار دادند. این مقاله بر روی پیش بینی ارزش آینده شاخص های بازار سهام تمرکز دارد. پیش بینی ها بر اساس 1 تا 10، 15 و 30 روز پیش انجام شده است. پیشینه و ادبیات پژوهش نشان می دهد که روش های موجود برای وظیفه-ای که این مقاله بر روی آن تمرکز دارد، فقط از یک لایه پیش بینی استفاده می کند که پارامترهای آماری را به عنوان ورودی می گیرد و خروجی نهایی را می دهد. در این روش های موجود، مقدار پارامترهای آماری روز t اُم به عنوان ورودی برای پیش بینی قیمت یا ارزش پایان روز (t+n)اُم مورد استفاده قرار می گیرد (t یک روز جاری است). در چنین سناریوهایی احساس می شود هنگامی که مقدار n افزایش می یابد، پیش بینی به طور فزاینده ای بر اساس مقادیر پارامترهای آماری است و در نتیجه به اندازه کافی دقیق نیست. از این بحث ها به روشنی می توان فهمید که بایستی این مشکل را حل نمود و پیش بینی دو مرحله ای می تواند این شکاف را به حداقل برساند و مرحله خطا کاهش را کاهش دهد. تصور بر این است که موفقیت مدل پیشنهادی دو مرحله ای واقعاً می تواند سهم قابل توجهی در تحقیق داشته باشد؛ زیرا می توان این روش را برای سایر وظایف پیش بینی مانند پیش بینی، برآورد مصرف انرژی، پیش بینی GDP و غیره تعمیم داد. روش ترکیبی دو مرحله ای که در این مقاله پیشنهاد شده است، شامل رگرسيون بردار پشتیبانی (SVR) در مرحله اول است. مرحله دوم روش ترکیبی با استفاده از شبکه عصبی مصنوعی (ANN)، جنگل تصادفی (RF) و رگرسیون بردار پشتیبانی (SVR) به مدل های پیش بینی SVR-ANN، SVR-RF و SVR-SVR می انجامد. عملکرد پیش بینی این مدل های ترکیبی با سناریوهای تک مرحله ای ANN، RF و SVR مقایسه گردیده است. سایر بخش های این مقاله به شرح زیر سازماندهی شده است. در بخش 2 به توصیف روش تک مرحله ای پرداخته شده است، در حالیکه تمرکز بخش 3 بر روی روش دو مرحله ای می باشد. بخش 4 به نتایج تجربی و بحث در مورد این نتایج می پردازد. در بخش 5 نیز به بحث و نتیجه گیری پرداخته شده است.

پیش نمایش مقاله پیش بینی شاخص بازار سهام با استفاده از تلفیق تکنیک های یادگیری ماشین

چکیده انگلیسی

The paper focuses on the task of predicting future values of stock market index. Two indices namely CNX Nifty and S&P Bombay Stock Exchange (BSE) Sensex from Indian stock markets are selected for experimental evaluation. Experiments are based on 10 years of historical data of these two indices. The predictions are made for 1–10, 15 and 30 days in advance. The paper proposes two stage fusion approach involving Support Vector Regression (SVR) پیش بینی بازار سهام in the first stage. The second stage of the fusion approach uses Artificial Neural Network (ANN), Random Forest (RF) and SVR resulting into SVR–ANN, SVR–RF and SVR–SVR fusion prediction models. The prediction performance of these hybrid models is compared with the single stage scenarios where ANN, RF and SVR are used single-handedly. Ten technical indicators are selected as the inputs to each of the prediction models.

گزارش بازار: بازگشت تقاضا به بازار سهام

گزارش بازار: بازگشت تقاضا به بازار سهام

به گزارش پاداش سرمایه، بازار در هفته گذشته روندی نوسانی داشت و شاهد فراز و نشیب زیادی در بازار بودیم و هرچند گروه های کوچکتر و اصطلاحا ریالی مورد توجه بودند اما در میانه هفته و با شوک ابلاغیه عوارض صادراتی مجددا جو بی اعتمادی در بازار تشدید و روند مثبت بازار متوقف شد.

این موضوع در حالی رخ داده که علاوه بر رشد نرخ ارز شاهد رشد قیمت جهانی ها من جمله نفت برنت بودیم. بازار سهام که می توانست از این رشدها، سود قابل توجهی ببرد، پیش بینی بازار سهام روندی معکوس به خود گرفته و باز هم نشان داده که بزرگترین ریسک بازار همین تصمیمات شتابزده و نسنجیده می باشد. اما برخلاف روند معاملاتی روز سه شنبه هفته گذشته، در آخرین روز معاملاتی هفته قبل چهارشنبه 24 فروردین ماه، با لیدری پالایشی ها و فولادی ها شاهد بهبود تقاضا از همان دقایق ابتدایی تا پایان معاملات بودیم و در نهایت افزایش تقاضا در نیم ساعت پایانی، تراز نقدینگی حقیقی ها را مثبت کرد، به طوری که در بازار روز چهارشنبه حدود 53 میلیارد تومان ورود پول از سوی حقیقی ها صورت گرفت.

در معاملات روز چهارشنبه هفته گذشته، فعالیت حقوقی ها و بازارگردانان کاهش یافت؛ با پیش بینی بازار سهام توجه به شرایط بازار عمده فعالیت این طیف از فعالان بازار هم در سمت خرید و هم در سمت فروش فعال بودند اما برتری حقیقی ها در این روز معاملاتی کاملا مشهود بود.

همانطور که گفتیم، گرایش نقدینگی به گروه های کوچک تر که عمدتا افت زیادی را نیز تجربه کرده اند، در روز چهارشنبه قابل توجه تر بود و خودرویی ها نیز با توجه به اخبار مربوط به جابجایی بلوک همچنان با تزریق نقدینگی همراه شدند. اما شروع هفته آخر فروردین 1401، با توجه به شفاف سازی هایی مبنی بر عوارض صادرات فولادی در گروه فلزات، متعادل و مثبت دنبال شد و از سوی دیگر پرواز نفت برنت و دیگر کامودیتی ها، موجب شد تا مدار معاملات نمادهای تاثیر پذیر از این موضوع مثبت باشد. اگرچه تکانه های منفی در میان بزرگان منجر به معاملاتی نوسانی در برخی از نمادها شد اما بالاخره بازار سهام با برتری خریداران با رشد 13 هزار واحدی در سطح 1 میلیون و 467 هزار واحد به کار خود پایان داد و نماگر هم وزن نیز رشد بیش از 4600 واحد را به ثبت رساند. شاخص کل با بیشترین تاثیر پذیری مثبت از نمادهای فولاد، فملی، شتران و پارسان به کار خود پایان داد.

در نهایت می توان گفت، با توجه به نزدیک شدن موعد قرار گرفتن گزارش اولین ماه سال 1401 و عملکرد سالانه شرکت ها و با توجه به روند فروش اکثریت آنها که در وضعیت مطلوب قرار دارد، بازار سهام را می توان در هفته پیشرو مثبت و متعادل ارزیابی کرد و همچنین تاثیر این گزارشات می‌تواند از هیجان و ترس سهامداران کاسته و لذا نگاه بنده به نمادهای کامودیتی محور و دلارمحور، پتروشیمی های، دارویی ها، فلزات اساسی، پالایشی ها و گروه قند و شکر و … همچنان مثبت و رشد درآمد آن‌ها را متاثر از عملکرد مطلوب عملیاتی، افزایش نرخ محصولات و حذف ارز 4200 و گرانی روز افزون شکر ، قیمت ارز و قیمت‌های جهانی متصور هستم.

دی: عدم حصول نتیجه از برگزاری مزایده /موضوع مزایده: مزایده عمومی فروش اموال مازاد بانک دی (سهامی عام)

فملی: پیرو اخبار منتشر شده در پایگاه خبری وزارت صمت مبنی بر وضع تعرفه بر مس کاتد جهت اخذ عوارض صادراتی به استحضار می رساند درصورت اعمال عوارض مذکور ( با حفظ قیمت های کنونی ) 151 میلیارد تومان ماهانه از سود سهامداران شرکت ، کاهش خواهد یافت.

فولاد: پیرو اخبار منتشر شده در فضای مجازی مبنی بر وضع عوارض صادراتی بر محصولات زنجیره فولاد به استحضار می رساند درصورت حفظ قیمت های جهانی محصولات فولادی و پیش بینی 1،150،000 تن صادرات در سال 1401 ، سود خالص از دست رفته سهام داران به شرح ذیل می باشد ( نرخ تسعیر ارز 250،000 ریال ) اسلب = 750،000 تن * 850 دلار * 250،000 ریال * 20% *1/12 = 2،650 میلیارد ریال محصولات گرم= 400،000 تن* 950 دلار * 250،000 ریال * 5% *1/12 = 395 میلیارد ریال . با توجه به محاسبات فوق الذکر ودر صورت اعمال عوارض بر اساس جدول پلکانی و با فرض حفظ قیمت های کنونی نسبت به بودجه پیش بینی شده ، 3،045 میلیارد ریال به صورت ماهیانه از سود سهامداران کاهش خواهد یافت. بدیهی است با توجه به افرایش نرخ های فروش صادراتی اسلب و ورق گرم و در صورت تغییر در نرخ مبنا ( افزایش ) مندرج در بخشنامه مذکور ، این مبلغ کاهش خواهد یافت.

فجهان: پیرو اخبار منتشر شده در پایگاه خبری وزارت صمت مبنی بر اعمال عوارض صادراتی به استحضار می رساند وضع عوارض مذکور باعث کاهش حدود هفت درصدی سود سالانه شرکت گردد.

فجر: پیرو اخبار منتشر شده در پایگاه خبری وزارت صمت مبنی بر اخذ عوارض صادراتی به استحضار می رساند عوارض صادراتی وضع شده برقیمتهای صادراتی موضوع بخشنامه شماره 60/26976 مورخ 1401/01/20 با فرض حفظ قیمتهای کنونی ودرصورت اعمال عوارض 5 درصد بر صادرات معادل 307.500 میلیون ریال ازسودپیش بینی شده سهامداران کاهش خواهدیافت . ضمناً ذکر این نکته ضروری است که صادرات پیش بینی شده این شرکت برای سال مالی منتهی به پایان 1401 معادل 30.000 تن می باشد.

فاراک: این شرکت برنده عملیات ساخت 10 دستگاه عرشه پل خرپایی به دهانه 45 متر با تیپ استاندارد گردیده است. مبلغ پروژه 457،872 میلیون ریال می باشد. محل اجرای پروژه استان اصفهان بوده و مدت اجرای آن 9 ماه می باشد . لازم به ذکر است پس از ارایه تضمین بانکی انجام تعهدات نسبت به انعقاد قرارداد اقدام لازم به عمل می آید و قرارداد مربوطه به محض نهایی شدن متعاقباً ارسال خواهد شد.

از اخبار مهم بازار چه خبر؟

افزایش دامنه نوسان در تابلوی بازار اول بورس و فرابورس از روز ۲۹ فروردین 1401: هیات مدیره سازمان بورس و اوراق بهادار در جهت افزایش کارایی و افزایش نقدشوندگی بازار سرمایه، افزایش یک درصدی دامنه نوسان به‌صورت متقارن در بازار اول شرکت بورس اوراق بهادار تهران و شرکت فرابورس ایران را از تاریخ ۲۹ فروردین ۱۴۰۱ مقرر کرد. حال شاهد آن هستیم با تصمیم سازمان بورس و اوراق بهادار از دوشنبه هفته آینده 29 فروردین‌ماه 1401 دامنه نوسان در بازارهای اول بورس تهران و فرابورس ایران به مثبت و منفی 6 درصد افزایش می‌یابد. سنا

واردات ۷۰ هزار خودرو در آستانه صدور مجوز/ مجمع تشخیص به دولت پالس مثبت داد: جلسه مقدماتی در صحن مجمع تشخیص در خصوص تعیین تکلیف بحث واردات خودرو انجام شده است. ظاهراً گره کور واردات ۷۰ هزار خودرو با پالس مشخص مجمع تشخیص و توسط خود دولت باز خواهد شد. تسنیم

روند قیمت فولاد صادراتی ایران/ کاهش قیمت شمش فولادی صادراتی ایران در پی تخفیف‌های فولادسازان روس: در هفته گذشته، میانگین قیمت بیلت صادراتی ایران، ۶۸۸.۵ دلار به ازای هر تن بود که نسبت به هفته پیش از آن، کاهش ۳۱.۵ دلاری، معادل ۴.۴ درصدی را نشان می‌دهد. قیمت میانگین اسلب صادراتی ایران نیز در هفته گذشته ۸۰۵ دلار به ازای هر تن بود که نسبت به هفته پیش از آن، تغییری نشان نمی‌دهد. چیلان

اوج‌گیری بازارهای پلی‌پروپیلن و پیش بینی بازار سهام پلی‌اتیلن همزمان با محدودیت عرضه و سیر صعودی هزینه‌ها: شرایط بحرانی دسترسی‌پذیری عرضه، تولیدکننده بزرگ سعودی را بر آن داشت تا قیمت گریدهای پلی‌اتیلن خود را 188 تا 225 ریال در هر تن (50 تا 60 دلار) و قیمت گریدهای پلی‌پروپیلن خود را 375 ریال در هر تن (100 دلار) افزایش دهد. پتروتحلیل

خبرگزاری دولتی قطر : یک «هیات عالی رتبه قطری» با مقامات ایرانی در تهران برای بررسی مکانیسم‌های آزادسازی برخی از وجوه مسدود شده خود دیدار کرده است.چگونگی آزاد شدن این وجوه، زمینه را برای کاهش محدودیت های بانکی کشور فراهم می کند.

هیچوقت دیر نیست ، اما یادتان باشد که

ثانیه به ثانیه عمر شما با ارزش است.

پس از همین امروز آینده زیبایتان را بسازید.

کارشناس بازار: الناز جمالی

برای خواندن مصاحبه با کارشناسان روی گفتگو و مصاحبه کلیلک کنید.

گزارشات روزانه‌ی بازار سرمایه در گزارش روز بخوانید.

بایدها و نبایدهای سرمایه‌گذاری چیست؟ آموزش بورس را در مقالات آموزشی بخوانید

پیش بینی بورس؛ ترمز شاخص کل کشیده می شود؟

بورس

پس از شوک برجامی ابتدای هفته،‌ زهر عرضه در معاملات روز دوشنبه کاسته شد اما به وضوح می توان عقب نشینی خریداران و تشدید رکود معاملاتی را در بازار سهام دید.

روز دوشنبه در حالی ارزش معاملات خرد به حدود ۲هزار و ۱۰۰ میلیارد تومان رسید که حقیقی‌ها معادل ۱۱ درصد ارزش معاملات از بازار خارج کردند.

هر چه به کف حمایتی شاخص کل نزدیک می شویم از شتاب افت شاخص کاسته می شود امافعلاً چشم انداز روشنی برای رهایی از شرایط کنونی بورس دیده نمی شود.

به گزارش اقتصادآنلاین؛ بورس روز دوشنبه را هم نزولی ادامه دارد؛ شاخص کل افت یک هزار و ۷۵۰ واحدی را ثبت کرد و تا سطح یک میلیون و ۳۸۸ هزار واحدی پایین آمد تا یک قدم دیگر به حمایت خود نزدیک شود.

همین موضوع منجر شد که کمی از شتاب افت شاخص کل کاسته شود و ارزش معاملات خرد به شدت پایین بیاید و به سطح ۲ هزار و ۱۰۰ میلیارد تومانی برسد.

این در حالی است که حقیقی‌ها در روز دوشنبه حدود ۲۳۵ میلیارد تومان از بازار خارج کردند.

شوک برجامی و ترس حقیقی‌ها

آنچه که از روز شنبه مشخص است، حقیقی‌های بازار ترسیده‌اند؛ ترسی که ریشه در اخبار برجامی دارد؛ شدت خروج پول حقیقی از ابتدای هفته شدت یافته است؛ روز شنبه خروج پول حقیقی،‌۱۵.۲ درصد ارزش معاملات بود. این رقم برای روزهای یکشنبه و دوشنبه نیز به ترتیب برابر با ۹.۶ و ۱۱.۲ درصد بود.

این موضوع در کنار کاهش شدید ارزش معاملات حاکی از این است که فعلاً خبری از افزایش تقاضا در کلیت بازار نخواهد بود و در نتیجه نباید انتظار پیش بینی بازار سهام تغییر روند محسوسی در کلیت بازار داشت.

برجام؛ دوباره سکوت

پس از بیانیه روز جمعه اروپا و واکنش مرندی،‌مشاور تیم مذاکره کننده، دوباره سکوت خبری حاکم شده است. مثل آنکه در یک دشت بی انتها ناگهان فریاد بزنی و دوباره سکوت کنی.

دوباره سیل تحلیل ها سرازیر شده است؛ از شکست مذاکرات تا امتیاز گیری در لحظات پایانی. هر چه باشد فعلاً عدم احیای برجام بیش از احیای برجام است. موضوعی که به وضوح در معاملات مشخص است.

بازارهای جهانی، با ثبات اما شکننده

بازارهای جهانی هم حال و روز خوبی ندارد؛ اوره فوب خلیج فارس که دو هفته پیش به ۷۷۲ دلار رسیده بود،‌ دوباره به زیر ۷۰۰ دلار آمد و در قیمت ۶۹۲ دلار معامله می شود.

متانول سی اف آر چین هم هرچند همچنان بالای ۳۰۰ دلار مانده است اما روند صعودی در آن مشاهده نمی شود و بر روی محدود ۳۱۵ دلار باقی مانده است.

نفت و فرآورده های نفتی هم که شرایط با ثباتی را تجربه می کنند و نفت برنت در محدود ۹۳ دلار قرار دارد. شاید فلزات اساسی شرایط به نسبت بهتری را فعلا داشته باشند که البته با روزهای اوح خود همچنان فاصله چشم گیری دارند و در شرایط کنونی به نظر نمی رسد که تا مدت ها به اوج خود باز گردند.

پیش بینی بورس فردا سه پیش بینی بازار سهام شنبه ۲۲ شهریور

در این شرایط به نظر می رسد که بازار روند دو ماه گذشته خود را ادامه دهد ولی اینبار در یک کانال پایین‌تر.

به نظر می رسد فردا معاملات متعادل تری را شاهد باشیم و احتمالا فلزات اساسی و پالایشی‌ها با اقبال نسبی بیش‌تری همراه باشند.

با این وجود همانگونه که بارها گفته شده است، در شرایط کنونی و عدم تعدیل ریسک های بازار سهام، شاهد یک بازار نوسانی هستیم و نباید انتظار بازارهای ابتدایی سال را فعلا داشت.

  • تورم آمریکا به ۸.۳ درصد رسید
  • نرخ رشد اقتصادی بهار امسال ۴.۳ درصد شد
  • حضور فعال شرکت بیمه سامان در چهاردهمین نمایشگاه بین‌المللی صنعت غلات، آرد و نان
  • پیش بینی بورس؛ شاخص کل به کف رسید؟
  • نتایج قرعه کشی ایران خودرو در سامانه یکپارچه اعلام شد +لینک و جزییات
  • پیش‌بینی قیمت طلا و ارز فردا ۲۳ شهریور ۱۴۰۱
  • صندوق تامین خسارت های بدنی از خودی ها می خورد؟
  • رشد ۴۰ درصدی صادرات ایران به اعضای اکو
  • جدیدترین اخبار اربعین/ کشف مواد خمپاره در کربلا
  • ساعت کاری کارمندان شناور شد
  • نسخه الکترونیک روزنامه عصراقتصاد؛ ۲۳ شهریور ماه ۱۴۰۱
  • افول بازار و استراتژی های غلط شرق

نشر مطالب با ذکر نام روزنامه عصر اقتصاد بلامانع است. عصر اقتصاد مسئولیت مطالب از سایر منابع را عهده دار نمی باشد.

پیش‌بینی وضعیت بازار سهام در سال ۱۴۰۱/ بورس به کدام سمت می‌رود؟

پیش‌بینی وضعیت بازار سهام در سال ۱۴۰۱/ بورس به کدام سمت می‌رود؟

یک کارشناس بازار سرمایه گفت: سال ۱۴۰۱ برای بازار سرمایه سال خوبی خواهد بود و این نوید می رود که از ابتدای امسال با توجه به اینکه مسئله بودجه نیز حل شده است و سایر سیاست های اقتصادی شفاف است بازار مثبت شود.

به گزارش خبرگزاری خبرآنلاین، مصطفی صفاری در خصوص دلایل رشد شاخص کل بورس در روزهای اخیر به خبرنگار خبرآنلاین گفت: در همه بازارها ما یک دوره رونق و یک دوره رکود داریم، بازار سرمایه از مرداد ماه ۱۳۹۹ وارد رکود شده است و این رکود تا بهمن ماه سال گذشته ادامه داشته است و به عبارتی بازار سرمایه نزدیک به یک سال و هشت ماه در رکود به سر می‌برده است و در حال حاضر رکود بازار سرمایه به اتمام رسیده است و اگر بیست سال گذشته بازار را مورد مطالعه قرار دهیم به این نتیجه می‌رسیم که بازار سرمایه همواره یک و نیم تا دو سال در رکود بوده است و سپس برگشت خورده است.

وی افزود: از دید بنده در سال ۱۴۰۱ رکود در بازار سرمایه به اتمام رسیده است و از طرفی بازار سرمایه نسبت به بازارهای رقیب جذابیت بیشتری دارد و با توجه به ثبات نرخ ارز و قیمت های بالای طلا و رکود حاکم شده در بازار مسکن، بازار سرمایه بیشترین جذابیت را دارد.

صفاری گفت: در نتیجه سال ۱۴۰۱ برای بازار سرمایه سال خوبی خواهد بود و این نوید می رود که از ابتدای امسال با توجه به اینکه مسئله بودجه نیز حل شده است و سایر سیاست های اقتصادی شفاف است بازار مثبت شود و بازگردد و شرکت های صادرات محور بازار سرمایه نیز به دلیل بحران اوکراین و روسیه رشد های چشمگیری را داشته اند و فروش و سود خیلی خوبی را پیش رو دارند و مطمئن باشید امسال سال بورس است.

شاخص «وارن بافت» سقوط بازار سهام را پیش بینی می کند ، واکنش بیت کوین (Bitcoin) چگونه خواهد بود؟

شاخص «وارن بافت» سقوط بازار سهام را پیش بینی می کند ، واکنش بیت کوین (Bitcoin) چگونه خواهد بود؟

“شاخص بافت” به سطوحی رسیده است که از زمان حباب دات‌کام (Dot – com Bubble) مشاهده نشده بود و بیت کوین (Bitcoin) در صورت سقوط شدید بازارهای سهام می تواند شاهد یک واکنش بزرگ باشد.

یاهو فایننس (Yahoo Finance) در ۲۰ آگوست گزارش داد: “شاخص بافت” نشان می دهد كه بازار سهام ایالات متحده در حال حاضر در سطح حباب دات کام قرار دارد. شاخص بافت ، ارزش کل سهام (Wilshire 5000) را بر تولید ناخالص ملی ایالات متحده تقسیم می كند.

در همین حین ، در تاریخ ۱۴ آگوست ، شرکت برکشایر هاتاوی (Berkshire Hathaway) به رهبری وارن بافت در شرکت بریک گلد (Barrick Gold) ، دومین شرکت بزرگ استخراج طلا در جهان سرمایه گذاری کرد. برخی از تحلیلگران اظهار داشتند که این امر می تواند در طولانی مدت برای بیت کوین (BTC) مفید باشد زیرا همزمان با هشدار حباب بازار سهام صورت گرفته است.

میانگین تاریخی این شاخص ۱ است و قبل از حباب دات کام حدودا ۱٫۷۱ بوده است. در حال حاضر ، شاخص بافت در سطح ۱٫۷ قرار گرفته است و نشانگر این است که ارزش گذاری بازار سهام بیش از حد است.

اگر با ترس سرمایه گذاران از ارزش گذاری بیش از حد سهام ، بازار سهام ایالات متحده سقوط کند ، بیت کوین (Bitcoin) نیز می تواند واکنش شدیدی نشان دهد.

آیا این امر می تواند تاثیری بر روند بلند مدت بیت کوین (Bitcoin) داشته باشد؟

به گفته (Tom Essaye) ، بنیانگذار (Sevens Report Research) ، وقتی “شاخص بافت” به ۱٫۳ برسد ، بازارهای سهام از نظر بنیادی “دارای ارزش گذاری بیش از حد خواهند بود و در حباب” قرار خواهند گرفت.

سطح فعلی ۱٫۷ نشانگر این است که در صورت بازگشت روند ، احتمال نزول شدید در بازار سهام وجود دارد. وی توضیح داد:

“این امر برای ما به چه معناست؟ به این معناست که در قراردادهای خرید سهام در قرارداد های طولانی تر باقی بمانید و دارایی هایی مانند خانه و غیره را خریداری کنید. اما همچنین بدان معنی است که بهتر است این چرخه تورم دارایی متوقف نشود ، زیرا این شاخص به ما می گوید اگر تورم دارایی متوقف شود ، یک روند بسیار طولانی به سطح حمایت اصلی در پیش است. ”

در طول چهار ماه گذشته ، بیت کوین (Bitcoin) همبستگی شدیدی با شاخص (S&P 500) و طلا نشان داده است. از اواخر ماه جولای ، به دلیل کاهش ارزش دلار آمریکا ، همبستگی بیت کوین (BTC) با طلا تشدید شده است.

می توان گفت سقوط احتمالی بازار سهام ایالات متحده می تواند حرکت بیت کوین (Bitcoin) را تقویت کند. اخیرا برخی از شرکت ها شروع به سرمایه گذاری در بیت کوین (Bitcoin) به عنوان یک دارایی ذخیره ارزش معتبر کرده اند که موجب هجوم سرمایه گذاران نهادی به بازار بیت کوین (BTC) می شود.

همبستگی بین بیت کوین و طلا. منبع: Skew.com

همبستگی بین بیت کوین (Bitcoin) و (S&P 500) در هفته گذشته ، با صعود بازار سهام اندکی کاهش یافت. قیمت بیت کوین (BTC) در سطح ۱۲,۴۰۰ دلاری رد شد و ۸٫۶ درصد کاهش یافت و به ۱۱٫۳۷۰ دلار رسید.

کاهش همبستگی بین بیت کوین (Bitcoin) و بازار سهام ایالات متحده و سقوط همزمان بیت کوین (BTC) و طلا ، نشان دهنده احتمال صعود بیت کوین (Bitcoin) هنگام کاهش ارزش سهام است.

نظر تحلیلگران تکنیکال در خصوص روند کوتاه مدت

در کوتاه مدت ، تحلیلگران تکنیکال دوره تثبیت را برای بیت کوین (Bitcoin) پیش بینی می کنند.

سناریوی احتمالی کوتاه مدت برای بیت کوین. منبع: مایکل ون د پوپ

مایکل ون د پوپ (Michael van de Poppe) معامله گر برجسته در بورس اوراق بهادار آمستردام اظهار داشت که سقوط مجدد به زیر ۱۱٫۵۰۰ دلار می تواند به واگرایی نزولی منجر شود. وی گفت:

” در تایم فریم روزانه ما به سطح بسیار مهمی رسیده ایم که برای حرکت صعودی بیشتر باید این سطح را حفظ کنیم. واگرایی نزولی فقط در صورت از دست دادن محدوده ۱۱۰۰۰۰ دلاری تأیید می شود. حفظ واگرایی نزولی = جهش آلت کوین ها. ”

رابرت کیوساکی (Robert Kiyosaki) ، نویسنده کتاب پرفروش “پدر پولدار پدر بی پول” نیز گفت که یک بحران بانکی در حال نزدیک شدن است. وی با تأکید بر اینکه وارن بافت سهام خود در بانک های اصلی ایالات متحده را به همین دلیل فروخته پیش بینی بازار سهام است اظهار داشت که طلا ، نقره و بیت کوین (Bitcoin) می توانند جهش قابل توجهی را به عنوان دارایی های امن تجربه کنند.

همبستگی سفت و سخت بین بیت کوین (Bitcoin) با طلا و جهش بازار سهام ، می تواند احتمال صعود بیت کوین (BTC) همزمان با سقوط بازار سهام را افزایش دهد.



اشتراک گذاری

دیدگاه شما

اولین دیدگاه را شما ارسال نمایید.