آموزش مقدماتی تحلیل تکنیکال
تحلیل تکنیکال (Technical Analysis) یعنی پیش بینی آینده روند قیمت ها با استفاده از تجزیه و تحلیل گذشته نمودار شامل تغییرات قیمت، حجم معاملات و… که در تمامی بازارهای مالی مبتنی بر عرضه و تقاضا مثل بورس، طلا، دلار، فارکس، ارزهای دیجیتال مورد استفاده قرار میگیرد. معامله‌گران از تحلیل تکنیکال کمک میگیرند تا بتوانند در معاملات خود به سود برسند. به عبارت دیگر، تحلیل تکنیکال علم ترجمه وتفسیر زبان نمودارهاست.
تاریخچه بررسی روش های تحلیل در بورس تحلیل تکنیکال
تحلیل تکنیکال برای اولین بار در قرن17 در هلند و در قرن 18 در ژاپن مورد استفاده قرار گرفته است. نخستین استفاده مستقیم اقتصادی مشهور از این تحلیل توسط چارلز داو انجام شد است. چارلز داو بعنوان بنیان گذار وال استریت ژورنال، شاخص میانگین صنعتی داو جونز را نیز ابداع کرد. طی سالیان اخیر از زمانی که تحلیل تکنیکال ابداع شد تا امروز، الگوها و تکنیک های بسیاری در تحلیل تکنیکال گسترش پیدا کرده اند. تحلیلگران با ترکیب تعداد زیادی از این الگوها و تکنیک ها، استراتژی بهینه معاملاتی خود را بدست آورده اند. آنها با بکارگیری استراتژی خود، سهام را خرید و فروش می کنند.
تحلیل تنکیکال در شکل مدرن و امروزی خود، به شدت مدیون افراد زیر است :
چارلز داو (Charles Dow)
ویلیام پی همیلتون (William P. Hamilton)
رابرت ریا (Robert Rhea)
ادسون گولد (Edson Gould)
نیکلاس دارواس Nicolas Darvas))
تحلیل تکنیکال بر پایه سه اصل اساسی استوار است :
1) همه‌چیز در قیمت یک سهم منعکس میشود
مبنای تحلیل تکنیکال همین اصل است. تحلیلگر تکنیکال می‌داند که همه عوامل تأثیر گذار روی قیمت سهم، در نمودار مشخص شده است. در واقع تحلیل قیمت‌ها همه ی چیزی است که به آن نیاز دارد. اگر عرضه بیشتر شد قیمت‌ها افزایش می‌یابند و چنانچه تقاضا بیش تر از عرضه باشد قیمت‌ها کاهش پیدا میکنند.
2) قیمت سهم بر اساس روند حرکت میکند
قیمت در روند نمودار و بر اساس الگوهای مشخصی حرکت میکند. گذشته در مسیر روندهای بلندمدت، میان‌مدت و بررسی روش های تحلیل در بورس کوتاه‌مدت تکرار میشود. به عبارت دیگر، حرکت‌های قیمت تصادفی نیست.
3) تاریخ تمایل به تکرار دارد
تحلیلگران تکنیکال معتقدند که روند حرکت سهم در گذشته، در آینده نیز تکرار میشود. اصول روانشناسی حاکم بر بازار، تکرار پذیر بودن چرخه های قیمت گذشته را توجیه خواهد کرد. به عبارت دیگر، فعالان بازار سرمایه تحت تأثیر احساساتی همچون هیجان و ترس تمایل دارند تا در طول زمان عکس العمل های مشابهی نسبت به نوسانات بازار نشان دهند.
مزایای تحلیل تکنیکال
- انعطاف پذیری و سازگاری بالا در تمام بازارهای مالی
- منابع آموزشی بیشتر، فهم راحتتر و یادگیری آسان تر
- سرعت بالا و واکنش بهتر در معاملات
- امکان برنامه نویسی و معاملات الگوریتمی
- شناسایی بهترین نقطه خرید و فروش
محدودیت های تحلیل تکنیکال
- عدم کاربرد در عرضه اولیه ها
- تحلیل متعصبانه
- تعداد زیاد ابزارها و روش های مختلف
- تحلیل های مختلف؛ تحلیل شخصی و خود تفسیرگری
- عدم شناسایی ارزش ذاتی
تفاوت تحلیل تکنیکال با تحلیل فاندامنتال (بنیادی)
از نظر مفهوم :
تحلیل تکنیکال : پیش بینی قیمت آینده با توجه به قیمت گذشته
تحلیل بنیادی : تعیین ارزش ذاتی با توجه به عوامل بیرونی
از نظر زمان سرمایه گذاری :
تحلیل تکنیکال : برای سرمایه گذاری کوتاه مدت مناسب تر است
تحلیل بنیادی : برای سرمایه گذاری بلند مدت مناسب تر است
از نظر هدف گذاری :
تحلیل تکنیکال : یافتن بهترین نقاط برای خرید و فروش
تحلیل بنیادی : فهمیدن اینکه قیمت فعلی از قیمت واقعی کمتر است یا بیشتر
از نظر نوع داده ها در تحلیل :
تحلیل تکنیکال : نمودار قیمت مورد بررسی قرار میگیرد
تحلیل بنیادی : استفاده از گزارش های شرکت ها، اخبار وآماروارقام
از نظر تصمیم گیری:
تحلیل تکنیکال : براساس قیمت گذشته انجام میشود
تحلیل بنیادی : بر اساس عوامل بیرونی صورت میگیرد
تحلیلگران تکنیکال معتقدند که ٪۸۰ رفتار بازار متأثر از حالات روانی افراد و ٪۲۰ آن بر پایه منطق است. در حالی که یک تحلیلگر بنیادی معتقد است که ٪۲۰ رفتار بازار بر پایه حالات روانی افراد و ٪۸۰ آن بر پایه منطق است.
ابزارهای مورد استفاده در تحلیل تکنیکال
انواع نمودارها (Charts)
- نمودار خطی (Line Chart)
- نمودار میله‌ای (Bar Chart)
- نمودار شمعی (Candlestick Chart)
انواع خط روند
روند صعودی : در روند صعودی کف ها از کفهای قبلی و سقف ها از سقفهای قبلی بالاتر است.
روند نزولی : در روند نزولی کف ها از کفهای قبلی و سقف ها از سقفهای قبلی پایین تر است.
روند خنثی : در روند خنثی کف ها و سقفها به صورت نامنظم شکل میگیرند. صعود یا نزول قیمتی خاصی را در این روند انجام نمیشود.
سطوح حمایت و مقاومت
سطوح حمایت
درحالیکه قیمت در یک مسیر نزولی در حال حرکت باشد، اگر به سطحی برسد که نه تنها مانع از ادامه حرکت نزولی شده بلکه باعث تغییر جهت قیمت هم بشود، آن سطح یا محدوده یک سطح حمایتی نامیده میشود. در محدوده این سطح میزان عرضه کم میشود و به تدریج تمایل افراد به خرید بیشتر شده و در نتیجه تقاضا بر عرضه پیشی میگیرد.
سطوح مقاومت
زمانی که قیمت در یک مسیر صعودی در حال حرکت باشد، اگر به سطحی برسد که نه تنها مانع از ادامه حرکت صعودی شده بلکه باعث تغییر جهت قیمت هم بشود، آن سطح یا محدوده یک سطح مقاومتی نامیده میشود. در محدوده این سطح میزان تقاضا کم شده و به تدریج تمایل افراد به فروش )عرضه) بیشتر شده و در نتیجه عرضه بر تقاضا پیشی میگیرد
روانشناسی بازار، نقشی مهمی در تشکیل سطوح حمایت و مقاومتی ایفا میکند. معامله‌گران گذشته بازار و واکنش قیمت نسبت به آن سطوح را ترسیم کرده و از آنها به‌منظور پیشبینی جهت حرکت قیمت در آینده استفاده میکنند.
اندیکاتورها و اسیلاتورها در تحلیل تکنیکال
اندیکاتورها معادلات ریاضی حاکم بر معاملات را به نمودارهای قابل فهم برای معامله‌گران تبدیل میکنند. معروفترین وپرکاربردترین اندیکاتورهای تحلیل تکنیکال شامل موارد زیر است:
میانگین متحرک (Moving Average)
میانگین متحرک با محاسبات و مفهوم ساده، کاربرد فراوانی در تحلیل تکنیکال و سایر ابزارهای معاملاتی آن دارد. دو نوع میانگین متحرک 1)ساده SMA 2) نمایی EMA
میانگین متحرک در دسته اندیکاتورهای پسرو و دنباله‌رو روند قرار دارد. MA با حذف نوسانات قیمت، نمودار حرکت قیمت را هموارتر میکند.
اندیکاتور RSI (Relative Strength Index)
به معنای “شاخص قدرت نسبی” است که در دسته اسیلاتورها قرار میگیرد و بین دو سطح 0 و 100 نوسان میکند. سطوح 30 و 70 به عنوان سطوح کلیدی درنظر گرفته میشود. بدین صورت که با خریدهای هیجانی معامله‌گران، اگر RSI بالای سطح 70 برسد میتوان آن‌را هشدار اتمام روند صعودی و اشباع خرید دانست. همچنین فروش‌های بیشتر باعث نزول RSI به زیر سطح 30 و سیگنال پایان روند نزولی و اشباع فروش خواهد بود.
در واقع RSI به تنهایی قادر به پیشبینی بازگشت روند نیست. استفاده از واگرایی در اندیکاتورهایی مثل RSI و MACD سیگنالهایی با اعتبار بالاتری به ما میدهد.
اندیکاتور MACD(Moving Average Convergence Divergence)
به معنای “میانگین متحرک همگرا واگرا” است. در دسته اندیکاتورهای تاخیری و دنبال‌کننده روند قرار میگیرد. شامل دو خط بنام خط مکدی و خط سیگنال و یک هیستوگرام میباشد.
تقاطع خط مکدی (خط آبی) و خط سیگنال (خط قرمز) از پایین، سیگنال خرید و تقاطع آنها از بالا هشدار فروش است. دقت بفرمایید که در نقاط تقاطع، هیستوگرام صفر است چرا که اختلاف بین این دو خط صفر میشود! استفاده از واگرایی در MACD و RSI بررسی روش های تحلیل در بورس همزمان می‌تواند اعتبار تحلیل را افزایش دهد.
فیبوناچی (Fibonacci)
سطوح فیبوناچی از اعداد 1، 2، 3، 5، 8،… در دنباله فیبوناچی گرفته شده‌اند. این سطوح از طریق تقسیم اعداد این دنباله بر همدیگر به دست می‌آیند که معروفترین آنها سطوح 23.6 درصد، 38.2 درصد، 0.5 درصد، 61.8 درصد و 78.6 درصد هستند. این سطوح محدوده‌های احتمالی حمایت و مقاومت را میسازند.
ابر ایچیموکو (Ichimoku Cloud)
ایچیموکو تنها یک اندیکاتور نیست بلکه یک استراتژی معاملاتی بسیار کارآمد است. با این اندیکاتور جهت روندها و سطوح حمایت و مقاومت شناسایی می‌شوند. ایچیموکو در اصل بر اساس میانگین‌های متحرک رسم میشود و در یک نمودار سه اندیکاتور متختلف را در اختیار معامله‌گران قرار میدهد.
سخن پایانی
در مطالب بررسی روش های تحلیل در بورس فوق در مورد تحلیل تکنیکال و سبک‌های مختلف آن سخن گفتیم. مزایا و معایب آن را بررسی کردیم تا دیدگاهی مناسب از این روش تحلیل ارائه دهیم. تکیه کردن بیش از حد به تکنیکال با ریسک زیادی همراه است. معامله‌گران موفق تکنیکال را در کنار روانشناسی و مدیریت سرمایه استفاده میکنند. اینها سه پایه‌ی اصلی موفقیت در بازارهای مالی هستند. در اصل لازم است با استفاده از تحلیل بنیادی سهم‌های ارزنده را شناسایی کنید و با تحلیل تکنیکال نقاط دقیق ورود و خروج به بازار را شناسایی کنید و در نهایت به کسب سود بیشتر در بازارهای مالی برسید.
صفر تا صد آموزش تحلیل تکنیکال در بورس
صفر تا صد آموزش تحلیل تکنیکال در بورس
پک شماره دو از سری مجموعه بررسی روش های تحلیل در بورس های صفرتاصد بورس
Technical Analysis in Bourse
– آموزش تحلیل تکنیکال در بورس ، علمی ترین روش های تحلیل سهام در بازار بورس ایران
– آشنایی با سطوح حمایت و مقاومت ، تایم فریم ها ، سیگنال های خرید و فروش و انواع الگو ها
– آشنایی کامل با پولبک و علل روانشناسی آن ، اندیکاتور ها و اسیلاتورهای تحلیل تکنیکال
– پیش بینی حرکت آینده سهم ها با روشهای ترکیبی فیبوناچی ، شناسایی روند سهم ها در چند ثانیه
– از همین امروز یک تحلیل گر حرفه ای بورس شوید !
۵ ساعت آموزش ویدیویی
سطح متوسطه و پیشرفته !
مدرس و تحلیلگر : سید محمد صالح هاشمی
ویژگی های اصلی مجموعه آموزشی ” صفر تا صد آموزش تحلیل تکنیکال در بورس “:
- ۳۰۰ دقیقه آموزش تحلیل تکنیکال در بورس ، آموزش علمی ترین روش های تحلیل سهام در بازار بورس ایران
- آموزش فوق العاده کاربردی برای اولین بار در ایران ، تدریس شده توسط تحلیل گران برتر بازار سرمایه ایران
- دوره جامع آموزشی که معادل ده ها جلسه کلاس آموزشی و یک دوره کامل کارگاه آموزشی تحلیل تکنیکال بورس است
- صرفه جویی در وقت ، زمان و هزینه ، درآمدزایی مطمئن از بورس با تحلیل اصولی و درست
- آشنایی با سطوح حمایت و مقاومت ، تایم فریم ها ، سیگنال های خرید و فروش و انواع الگو ها
- آشنایی کامل با پولبک و علل روانشناسی آن ، اندیکاتور ها و اسیلاتورهای تحلیل تکنیکال
- پیش بینی حرکت آینده سهم ها با روشهای ترکیبی فیبوناچی ، شناسایی روند سهم ها در چند ثانیه
توجه : سری پکیج های آموزشی صفرتاصد بازار بورس در چندین پکیج منتشر شده اند که در ادامه هم هستند و هم پوشانی ندارند ، لذا توصیه میکنیم همگی پکیج های منتشر شده را به مرور ببینید.
صفر تا صد مبانی بازار بورس – پک شماره یک از سری مجموعه های صفرتاصد بورس
صفر تا صد آموزش تحلیل تکنیکال در بورس – پک شماره دو از سری مجموعه های صفرتاصد بورس
نمونه فیلم معرفی دوره ” صفر تا صد آموزش تحلیل تکنیکال در بورس “
دوره ” آموزش جامع تحلیل تکنیکال در بازار بورس ”
The Complete Technical Analysis Trading Course
به دنبال بهترین و کم ریسک ترین روش های سرمایه گذاری در بازار بورس هستید؟
بعد از یادگیری مبانی بازار بورس، اکنون نوبت به یادگیری تحلیل تکنیکال نمادها می رسد تا در کمترین زمان ممکن قادر باشید بهترین نقاط ورود به سهم ها و خروج از آن ها را بیابید و کم ریسک ترین سودها را کسب کنید.
با آموزش تحلیل تکنیکال قادر خواهید بود روند سهم ها و بازار را با بهترین اندیکاتور ها، اسلاتورها و ترکیبی از آن ها پیش بینی کنید و با توجه به الگوهای شمعی و تایم فریم های مورد نظر، بهترین زمان ورود و خروج به سهم ها را بدست آورید.
در این دوره آموزش تحلیل تکنیکال سعی شده انواع مثال های عملی از بازار بورس ایران گنجانده شود تا کاملا آماده ی انجام معاملات در بازار بورس ایران با توجه به تحلیل های تکنیکال سریع و ترکیبی باشید.
سعی شده است که در این دوره تمام ابزارهای مورد نیاز برای گسترش دادن پورتفوی سرمایه گذاری خود بدون ریسک بالا را در اختیارتان قرار داده باشیم.
مطالبی که در این دوره آموزش تحلیل تکنیکال یاد می گیرید:
- کسب مهارت در اندیکاتور های تحلیل تکنیکال، اسیلاتورها، الگوهای نمودار و الگوهای کندل استیک با مثال های واقعی.
- نحوه ایجاد یک پایه قوی تحلیل تکنیکال برای بازار بورس.
- نحوه تحلیل چندین بازه زمانی نمودار.
- نحوه استفاده از سطح، خطوط روند و کانال ها برای تشخیص حرکات بازار.
- نحوه معامله با حمایت و مقاومت
- نحوه معامله با Exponential Moving Average
- نحوه معامله با MACD
- نحوه معامله با Parabolic SAR
- نحوه معامله با RSI
- نحوه استفاده از الگوهای نمودار برای تشخیص و پیش بینی حرکات بعدی بازارنحوه معامله با سقف و کف دوقلو
- نحوه معامله با الگوهای کندل استیک (شمعی) تکی
- نحوه معامله با الگوهای کندل استیک (شمعی) دوتایی
- نحوه معامله با الگوهای کندل استیک سه تایی
- نحوه خواندن موثر نمودارهای سهام برای تشخیص روند بازار
- نحوه استفاده از خطوط حمایت و مقاومت برای تعیین نقاط ورود و خروج از سهمپ
- نحوه خودداری از اشتباهات زیان بار در معامله و ایجاد ذهنیت مناسب برای معامله
- نحوه معامله با فیبوناچی و اکستنشن ها
- نحوه معامله با کنج ها، مثلث ها و پرچم های سه گوش
- نحوه معامله با الگوی سر و شانه + فنجان و دسته
- نحوه معامله با تکنیک های ترکیبی
- تعیین روند بازار در چند ثانیه
- و …
سرفصل ها و دروس دوره ” آموزش جامع تحلیل تکنیکال در بازار بورس ” :
مقدمه
۱- مقدمه
فصل اول – اصول تحلیل تکنیکال
۱- مقدمات تحلیل تکنیکال در بورس
۲- کار با ابزار Trading View برای تحلیل تکنیکال
۳- تعیین روند صعودی و نزولی در چند ثانیه
۴- مثال های عملی تعیین روند
۵- معرفی تایم فریم ها و کاربرد آن ها در معاملات
۶- بررسی عملی تایم فریم ها روی چند سهم
۷- سطوح مقاومت و حمایت چیست؟
۸- بررسی عملی سطوح مقاومت و حمایت
۹- درک مفهوم خطوط روند و کانال ها
۱۰- بررسی عملی مفاهیم خط روند و کانال ها
۱۱- سیگنال های خرید و فروش عملی با خطوط روند و کانال ها
۱۲- پولبک و علل روانشناسی بازار آن
۱۳- اشباهات متداول در بازار
فصل دوم – بهترین اندیکاتور ها و اسیلاتورهای تکنیکال
۱- خرید و فروش با استفاده از سطوح حمایت و مقاومت
۲- انجام معاملات به صورت عملی در بازار بورس ایران با استفاده از سطوح حمایت و مقاومت
۳- نکاتی از تابلوخوانی – پیش بینی امکان شکست سطوح حمایت و مقاومت
۴- فیبوناچی اصلاحی و اکستنشن – شناسایی سطوح حمایت و مقاومت داینامیک
۵- سیگنال خرید و فروش با فیبوناچی اصلاحی و اکستنشن به صورت عملی
۶- بررسی کامل میانگین های متحرک ساده و نمایی
۷- سیگنال های خرید و فروش از طریق تلاقی میانگین های متحرک به صورت عملی
۸- تفاوت سطوح حمایت و مقاومت های استاتیک و داینامیک
۹- انجام معامله با استفاده از اندیکاتور Parabolic SAR
۱۰- چگونه با اندیکاتور پرطرفدار MACD معامله کنیم؟
۱۱- بررسی نسخه جدید MACD و انجام معامله با آن
۱۲- اندیکاتور RSI برای بررسی اشباع خرید و فروش
۱۳- بررسی دقیق تر RSI و تکنیک های معامله با آن در بورس
۱۴- بررسی اندیکاتور مهم شاخص جریان نقدینگی یا MFI برای معاملات در بورس
۱۵- یک تکنیک بدست آوردن سریع سیگنال های خرید و فروش با ترکیب RSI و MFI در آموزش تحلیل تکنیکال
۱۶- بررسی قدرت روند بازار با اندیکاتور ADX در چند ثانیه
۱۷- اندیکاتور پراهمیت حجم معاملات در بازار و سیگنال های مهم آن
۱۸- بررسی اندیکاتور CCI برای شناسایی قدرت شتاب نوسان
۱۹- بررسی اندیکاتور Bollinger Bands برای شناسایی محدوده ی نوسانات سهم
۲۰- بررسی اندیکاتور Aroon برای مشخص کردن روند و قدرت آن
۲۱- بررسی اندیکاتور جذاب Stochastic RSI و سیگنال های خرید و فروش عملی
۲۲- چگونه اندیکاتور ها را در کنار هم استفاده کنیم؟
فصل سوم – نحوه معامله با کندل استیک ها و الگوهای نمودار در آموزش تحلیل تکنیکال
۱- بررسی نحوه عملکرد کندل استیک ها و دریافت سیگنال های خرید و فروش
۲- معامله با دیدن کنج ها، مثلث ها و آویزها
۳- معامله در بورس با سقف و کف دوقلو
۴- یک معامله ی عملی در بورس ایران با توجه به سقف و کف دوقلو
۵- سیگنال های مهم الگوهای سر و شانه و فنجان و دسته
۶- اطلاعات تکمیلی الگوهای سر و شانه و فنجان و دسته
۷- کندل شناسی و پیش بینی آینده ی روند سهم با کندل ها
۸- ریسک کمتر معاملات با تایید اندیکاتورها
۹- بررسی کندل های جفتی یا دوتایی برای پیش بینی آینده ی سهم
۱۰- بررسی دقیق تر کندل های جفتی یا دوتایی
۱۱- معامله و پیش بینی روند سهم با کندل های قدرتمند سه تایی
۱۲- اطلاعات تکمیلی کندل های سه تایی
مراحل تحلیل بنیادی در بازار سرمایه
هرچند که امروزه حوزه های مختلف و متعدد برای سرمایه گذاری وجود دارند و می توانند بازدهی های مناسبی داشته باشند اما بازار بورس به واسطه ویژگی های منحصر به فردی که دارد بهترین و مطمئن‌ترین و پربازده‌ترین حوزه برای سرمایه گذاری است. حضور در بازار سرمایه نیازمند داشتن دانش، تجربه، مهارت، زمان و انرژی است و به همین دلیل افرادی که فاقد هر کدام از این فاکتورها باشند بهتر است که از روشهای غیر مستقیم مانند صندوق سرمایه گذاری استفاده کنند. تحلیل بنیادی در بازار سرمایه از مهم‌ترین فاکتورهای دانش بورسی است و قطعا افرادی که توان تحلیل سهام شرکت ها و بازار را نداشته باشند قادر نخواهند بود موفقیتی کسب کنند و سودآوری داشته باشند. در ادامه مطلب به بررسی مراحل اصلی تحلیل بنیادی در بازار سرمایه پرداخته خواهد شد.
مهم ترین فاکتورهای تحلیل بازار سرمایه
همانطور که گفته شد برای حضور مستقیم در بازار بورس به فاکتورهای مختلفی نیاز است. دانش و مهارت تحلیل بازار از اهمیت بسیار بالایی برخوردار است. برای تحلیل کلی بازار سرمایه لازم است که به چند فاکتور اصلی توجه شود که شامل تحلیل بنیادی یا فاندامنتال، تحلیل تکنیکال یا فنی و تابلو خوانی، روانشناسی، رفتارشناسی بازار و همچنین مدیریت سرمایه می باشند. می توان با قاطعیت گفت چنانچه هر کدام از این فاکتورها نادیده گرفته شود پروسه موفقیت و سودآوری در بازار بورس دچار اختلال خواهد شد. با توجه به مواردی که گفته شد چنانچه سرمایه گذاران توان اجرای تحلیل های فنی و فاندامنتال را نداشته باشند بهتر است که از روشهای غیر مستقیم برای سرمایه گذاری در بورس استفاده کنند.
تحلیل بنیادی چیست؟
قطعا هر کسی که قصد داشته باشد بر روی سهام یک شرکت خاص سرمایه گذاری کند این سوال را در ذهن خود خواهد داشت که میزان ارزندگی سهام چقدر است و آیا این سهام ارزش سرمایه گذاری دارد یا خیر. تحلیل بنیادی در حقیقت بررسی پایه ایی مواردی است که نشان دهنده وضعیت کلی اقتصاد یک شرکت یا کمپانی است. با استفاده از این تحلیل افراد می توانند به موارد واضحی مانند درآمد و سود، نسبت فروش شرکت به کل فروش، کیفیت مدیریت و … پی ببرند. تحلیل بنیادی اولین بار در سال 1934 توسط بنجامین گراهام (Benjamin Graham) و دیوید داد (David Dodd) پایه گذاری شد است.
مراحل اصلی تحلیل فاندامنتال
به صورت کلی برای تحلیل بنیادی سهم یا شرکتی که در بازار بورس وجود دارد لازم است که مراحل مختلفی پشت سر گذاشته شود البته هر مرحله از مراحل تحلیل بنیادی به زیر مجموعه های بیشتری دسته بندی می شوند که به شرح زیر هستند:
تحلیل اقتصاد کلان
اولین مرحله از تحلیل فاندامنتال تحلیل اقتصاد کلان شرکت یا سهام مورد نظر است. در این حالت فرد باید عوامل موثر بر وضعیت اقتصاد شرکت در سطوح مختلف را بررسی کند چرا که این فاکتورها در صادرات، رقابت، سوددهی و … تاثیرگذار است. چنانچه سرمایه گذار بتواند پیشبینی و چشم انداز مناسبی از وضعیت اقتصاد شرکت داشته باشد می تواند عملکرد بهتری در سرمایه گذاری داشته باشد. در تحلیل اقتصاد کلان باید به فاکتورهای مختلفی توجه شود که مهم ترین آنها شامل موارد زیر هستند:
- نرخ تبدیل ارز
- میزان تولید ناخالص داخلی
- میزان نرخ اشتغال
- میزان سطح تورم
- میزان نرخ بازدهی
- میزان کسری بودجه
- چرخه های تجاری
تحلیل صنعت
دومین فاکتور مهم در تحلیل فاندامنتال تحلیل صنعت است. در حقیقت سرمایه گذاران برای اجرای تحلیل بنیادی یک شرکت، صنعت و سهم، میزان جذابیت کلی آن و میزان رشد آن صنعت در آینده را بررسی می کنند. عوامل متعددی بر روی صنعت تاثیر می گذارند که باید همه آنها به دقت و به شکل تخصصی تحلیل شود. از جمله مهم ترین عواملی که می توانند بر تحلیل فاندامنتال از بعد صنعت تاثیر داشته باشند شامل موارد زیر هستند:
- میزان حمایت دولت از صنعت مورد نظر
- تعداد مشتریان بالقوه و بالفعل صنعت
- میزان احتمالات ضرر و زیان کسب و کار
- چرخه های صنعت از نظر صنایع چرخه ای (Cyclical Industries) و صنایع تدافعی (Defensive Industries)
تحلیل شرکت
همانطور که گفته شد تحلیل بنیادی در اصل ارزش ذاتی یک سهم را مشخص می کند. لازم است که قبل از بررسی صورت حساب های مالی شرکت ها جنبه های کیفی آن مورد مطالعه قرار بگیرد. هرچند که کمی کردن موارد کیفی و محاسبه آنها می تواند کار دشواری باشد اما به هیچ عنوان نباید از آن چشم پوشی کرد. از جمله مهم ترین و اصلی ترین موارد کیفی شرکت ها که باید بررسی شوند می توان موارد زیر را عنوان نمود:
- مزیت رقابتی
- نوع مدیریت
- اندازه بازاری حجم شرکت
- مشخص کردن مرحله توسعه شرکت که شامل استارت آپ، گسترش، رشد انفجاری، بلوغ و رکود است
- مدل کسب و کار
تحلیل بنیادی کمی شرکت چیست؟
ازجمله مهم‌ترین فاکتورها در تحلیل فاندامنتال، بررسی نسبت های مالی است که بیانگر ویژگی های اولیه شرکت را به صورت مختصر و واضح می باشد. از مهم ترین فاکتورهای موثر در تحلیل بنیادی یک شرکت می توان به صورت سود و زیان (Income Statemen)، صورت جریان وجوه نقد(Cash Flow Statement) و ترازنامه (Balance Sheet) اشاره کرد. البته باید توجه داشت که تحلیل کامل یک شرکت و سهم کار زمانبر و انرژی بری است و افرادی که دانش و مهارت این کار را نداشته باشند می توانند از خدمات سبدگردان خصوصی شرکت ها استفاده کنند.
عوامل تاثیرگذار بر تحلیل بنیادی چه هستند؟
به صورت کلی می توان گفت عواملی که بر تحلیل بنیادی یک سهم یا شرکت موثر هستند به دو دسته کیفی و کمی تقسیم می شوند. عوامل کمی به کمک اعداد بیان می شوند و عوامل کیفی تحت تاثیر ویژگی ها و کیفیت (کیفیت کار اعضای هیئت مدیره و کادر اجرایی، اعتبار برند و …) هستند و نامحسوس تر از عوامل کمی می باشند. نمی توان گفت که هیچ کدام از تحلیل های کمی یا کیفی بر دیگری برتری دارند. در حقیقت تحلیلگران موفق همیشه از عوامل کمی و کیفی در کنار هم و به یک اندازه استفاده می کنند.
بهترین روش سرمایه گذاری
همانطور که گفته شد بازار سرمایه بهترین، مطمئن ترین و پربازده ترین بستر برای سرمایه گذاری است اما حضور مستقیم در این بازار نیازمند داشتن دانش، مهارت، تجربه، زمان و انرژی بالایی است و افراد که به این موارد تسلط نداشته باشند می توانند از روش غیر مستقیم و از طریق صندوق های سرمایه گذاری در این بازار حضور داشته باشند. در مقاله ای با عنوان صندوق‌های سرمایه‌گذاری برای سرمایه‌گذاری چه نوع افرادی مناسب است؟ که در سایت رسمی شرکت آرکا منتشر شده است می توان به اطلاعات مناسب و کاملی در مورد صندوق های سرمایه گذاری دست پیدا کرد.
جمع بندی نهایی
برای سرمایه گذاری بررسی روش های تحلیل در بورس مستقیم بر روی سهام یک شرکت یا کمپانی در بازار سرمایه لازم است که سرمایه گذاران به خوبی به روش های تحلیل تکنیکال، فاندامنتال و تابلو خوانی، روانشناسی، رفتارشناسی بازار و همچنین مدیریت سرمایه تسلط داشته باشند تا به موفقیت و درآمد مناسبی برسند. در صورتی که سرمایه گذار دانش استفاده از این تکنیک ها را نداشته باشد بهتر است که از حضور غیر مستقیم در بازار سرمایه استفاده کند. شرکت سبدگردان آرکا به عنوان یکی از بهترین شرکت های این حوزه خدمات متنوعی مانند مشاوره سرمایه گذاری رایگان ، مدیریت صندوق های سرمایه گذاری، سبدگردانی اختصاصی و … به مشتریان ارائه می دهد و می تواند در سرمایه گذاری به آنها کمک ویژه ای بکند.
بررسی سودمندی روش های بررسی روش های تحلیل در بورس بررسی روش های تحلیل در بورس کاهش متغیرها در پیش بینی بازده سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران
هدف این پژوهش، بررسی سودمندی روش های مختلف کاهش )انتخاب و استخراج( متغیرها در پیش بینی
بازده سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. در این راستا، با بررسی پیشینه
پژوهش، 52 متغیر اولیه که بیشتر در ادبیات استفاده و داده های مورد نیاز برای سنجش آنها در دسترس
بود، جستجو و با استفاده از روش انتخاب متغیر ریلیف و روش استخراج متغیر تحلیل عاملی، متغیرهای بهینه
از بین متغیرهای اولیه، انتخاب یا استخراج شد. در ادامه، با استفاده از 52 متغیر اولیه و همچنین با متغیرهای
انتخاب یا استخراج شده در روش های مزبور به پیش بینی بازده سهام 101 شرکت پذیرفته شده در بورس
اوراق بهادار تهران در بازه زمانی 1383 الی 1392 پرداخته شده است. به منظور پیش بینی نیز از رگرسیون
غیرخطی درخت تصمیم و رگرسیون خطی استفاده شده است. یافتههای تجربی این پژوهش حاکی از
سودمندی هر دو روش کاهش متغیر )نسبت به استفاده از 52 متغیر اولیه(، سودمندی بیشتر روش ریلیف
نسبت به تحلیل عاملی و همچنین عملکرد بهتر درخت تصمیم نسبت به رگرسیون خطی است
کلیدواژه‌ها
عنوان مقاله [English]
The Usefulness of Variables (Dimension) Reduction Methods in Stock Returns of the Companies Listed on Tehran Stock Exchange
نویسندگان [English]
- Mohammad Hossein Setayesh 1
- Mostafa Kazemnezhad 2
1 Ph.D in Accounting, Shiraz University, Shiraz, Iran
2 Ph.D in Accounting, Shiraz University, Shiraz, Iran
چکیده [English]
The Purpose of this research is investigating the usefulness of variables (dimension) reduction methods (selection and extraction) in stock returns of the companies listed on Tehran Stock Exchange (TSE). In this regard, through reviewing literature, 52 predictive features (variables) were specified as the initial features based on the popularity in the literature and the availability of the necessary data. By using variables selection (relief) and variables extraction (factor analysis) methods, optimal variables (factors) are selected or extracted from initial variables. Subsequently, the stock returns of 101 firms listed on TSE from 2004 to 2013 were predicted utilizing decision tree and linear regression. The experimental results confirmed the usefulness of variables (dimension) reduction methods in stock return prediction and better performance of relief (relative to factor analysis). Furthermore, the results indicated that decision tree outperforms the linear regression.
کلیدواژه‌ها [English]
- Stock Return Prediction
- Variables (Dimension) Reduction
- Nonlinear Regression
- Decision Tree
مراجع
آذر، عادل و کریمی، سیروس. (1388). «پیشبینی بازده سهام با استفاده از نسبت‌های حسابداری با رویکرد شبکه‌های عصبی»، تحقیقات مالی، دوره یازدهم، شماره 28، صص. 3-20.
تهرانی، رضا و نوربخش، عسکر. (برگردانندگان) (1386). مدیریت سرمایه‌گذاری، چاپ سوم، تهران: انتشارات نگاه دانش.
ثقفی، علی و شعری، صابر. (1383). «نقش اطلاعات بنیادی حسابداری در پیشبینی بازده سهام»، فصلنامه مطالعات حسابداری، شماره 8، صص. 87-120.
جعفری، بهزاد و آذر، عادل. (1392). «درخت تصمیم فازی؛ رویکردی نوین در تدوین استراتژی»، پژوهش‌های مدیریت عمومی، سال ششم، شماره 19، صص. 25-39.
چالاکی، پری و یوسفی، مرتضی. (1391). «پیشبینی مدیریت سود با استفاده از درخت تصمیم‌گیری»، مطالعات حسابداری و حسابرسی، شماره 1، صص. 110-123.
حساس‌یگانه، یحیی و متین حسن‌نژاد (1394). «فایده‌مندی اطلاعات ترازنامه و سود و زیان در مقایسه با اطلاعات سود و زیان برای توضیح بازده سهام»، مطالعات تجربی حسابداری مالی، شماره 46، صص. 27-62.
خدامی پور، احمد؛ دلدار، مصطفی و محسن چوپان (1392). «بررسی تأثیر عدم تقارن اطلاعاتی و چرخه عمر شرکت بر بازده آتی سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران»، مطالعات تجربی حسابداری مالی، شماره 38، صص. 143-167.
خواجوی، شکراله و ناظمی، امین (1384). «بررسی ارتباط بین کیفیت سود و بازده سهام با تاکید بر نقش ارقام تعهدی در بورس اوراق بهادار تهران»، بررسی‌های حسابداری و حسابرسی، شماره 40، صص. 37-60.
دستگیر، محسن و خدابنده، رامین. (1382). «بررسی ارتباط بین محتوای اطلاعاتی اجزای اصلی صورت گردش وجه نقد با بازده سهام»، مجله علوم انسانی و اجتماعی دانشگاه شیراز، دوره نوزدهم، شماره 2، پیاپی 38، صص. 100-112.
ظریف‌فرد، احمد و ناظمی، امین (1383). «بررسی نقش سود حسابداری و جریان‌های نقدی در سنجش عملکرد شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران»، بررسی‌های حسابداری و حسابرسی، شماره 37، صص. 93-120.
عباسی، ابراهیم و باقری، سحر. (1391). «پیشبینی بازده سهام با استفاده از مدل‌های غیرخطی آستانه‌ای و بررسی نقش حجم معاملات در بهبود عملکرد این مدل‌ها»، تحقیقات مالی، دوره سیزدهم، شماره 32، صص. 91-108.
عبدهتبریزى، حسین و گنابادی، محمود. (1375). «تردید در اعتبار مدل‌های مالی»، مجله حسابدار، شماره 115، صص. 13-20.
کلانتری، خلیل. (1385). پردازش و تحلیل داده‌ها در تحقیقات اجتماعی- اقتصادی، چاپ دوم، تهران: انتشارات شریف.
نصیرزاده، فرزانه. (1392). «ارزیابی توانایی مدل‌های داده‌کاوی در پیشبینی قیمت سهام». یازدهمین همایش ملی حسابداری ایران، 17 و 18 مهرماه 1392، دانشگاه فردوسی مشهد.
نمازی، محمد و ابراهیمی، شهلا (1391). «بررسی ارتباط بین ساختار رقابتی بازار محصول و بازده سهام»، فصلنامه دانش حسابداری مالی، سال دوم، شماره 1 (پیاپی 3)، صص. 9-27.
نمازی، محمد و غفاری، محمدجواد (1394). «بررسی اهمیت و نقش اطلاعات توانایی مدیران و نسبت‌های مالی به عنوان معیاری در انتخاب سبد بهینه سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران (با استفاده از تحلیل پوششی داده‌ها)»، فصلنامه حسابداری مالی، شماره 26، صص. 1-30.
نمازی، محمد و کرمانی، احسان. (1387). «تأثیر ساختار مالکیت بر عملکرد شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران»، بررسی‌های حسابداری و حسابرسی. شماره 53. صص. 100-83.
منصورفر، غلام‌رضا؛ پیری، پرویز؛ و ضیایی، رضا (1394). «مدل‌سازی رفتار نوسانات بازده شرکت‌های بورس اوراق بهادار تهران با به‌کارگیری رهیافت تحلیل عامل»، مجله پیشرفت‌های حسابداری، دوره هفتم، شماره اول، پیاپی 3/68، صص. 167-202.
همت‌فر، محمود، حسینی، سید علی‌اکبر، شاه ویسی، فرهاد و نجفی، یوسف (1390). «روابط خطی و غیرخطی بین متغیرهای حسابداری و بازده سهام شرکت‌های صنعت خودرو و ساخت قطعات»، پژوهشنامه حسابداری مالی و حسابرسی، سال سوم، شماره 12، صص. 137-154.
Atiya, A. F. (2001). “Bankruptcy Prediction for Credit Risk Using Neural Networks: A Survey and New Results”, IEEE Transactions on Neural Networks, Vol. 12, No. 4, pp. 929-935.
Boyacioglu, M. A. and D. Avci (2010). “An Adaptive Network-Based Fuzzy Inference System (ANFIS) for the Prediction of Stock Market Return: The Case of the Istanbul Stock Exchange”, Expert Systems with Applications, Vol. 37, No. 12, pp. 7908–7912.
DeTienne, K. B.; DeTienne, D. H.; and S. A. Joshi (2003). “Neural Networks as Statistical Tools for Business Researchers”, Organizational Research Methods, Vol. 6, No. 2, pp. 236-265.
Fabozzi, F. J. and H. M. Markowitz (2002). The Theory and Practice of Investment Management, 2 nd Edition. John Wiley & Sons.
Gysen, M.; Huang, C. S.; and R. Kruger (2013). “The Performance of Linear Versus Non-Linear Models in Forecasting Returns on The Johannesburg Stock Exchange”, International Business & Economics Research Journal, Vol. 12, No. 8, pp.985-994.
Gehr, A. (1978). “Some Tests of the Arbitrage Pricing Theory”, Journal of the Midwest Finance Association, Vol. 7, pp. 91–105.
Hall, M. A. (2000) “Correlation-based Feature Selection for Discrete and Numeric Class Machine Learning”, Seventeenth International Conference on Machine Learning (June 29 - July 02), San Francisco, CA, pp. 359-366.
Hu, Y. C. (2010). “Analytic Network Process for Pattern Classification Problems Using Genetic Algorithms”, Information Sciences, Vol. 180, No. 13, pp. 2528–2539.
Jardin, P. (2010). “Predicting Bankruptcy Using Neural Networks and Other Classification Methods: The Influence of Variable Selection Techniques on Model Accuracy”, Neurocomputing, Vol. 73, pp. 2047–2060.
Kanas, A. and A. Yannopoulos (2001). “Comparing Linear and Nonlinear Forecasts for Stock Returns”, International Review of Economics and Finance, Vol. 10, No. 4, pp. 383-398.
Kira, K. and L. A. Rendell (1992). “A Practical Approach to Feature Selection”, Proceedings of International Conference on Machine Learning, pp. 249 -256.
Lee, S. K. (2006). “On Classification and Regression Trees for Multiple Responses and Its Application”, Journal of Classification, Vol. 23, No. 1, pp. 123-141.
Liang, D.; Tsai, C. H.; and Wu, H. T. (2015). “The Effect of Feature Selection on Financial Distress Prediction”, Knowledge-Based Systems, Vol. 73, pp. 289-297.
Lindenbaum, M.; Markovitch, S.; and D. Rusakov (2004). “Selective Sampling for Nearest Neighbor Classifiers”, Machine Learning, Vol. 2, pp. 125-152.
Liu, W. (2006). “A Liquidity-Augmented Capital Asset Pricing Model”, Journal of Financial Economics, Vol. 82, No. 3, pp. 631-671.
Lo, S. C. (2010). “The Effects of Feature Selection and Model Selection on the Correctness of Classification”, Proceedings of the 2010 IEEE IEEM, pp. 989-993.
McMillan, D. G. (2007). “Non-linear Forecasting of Stock Returns: Does Volume Help?”, International Journal of Forecasting, Vol. 23, No. 1, pp. 115-126.
Mramor, D. and M. Pahor (1998). “Testing Nonlinear Relationship between Excess Rate of Return on Equity and Financial Rations”, 23rd Meeting of the EURO Working Group on Financial Modelling, pp. 119-134.
Mramor, D. and N. Mramor-Kosta (1997). “Accounting Ratios as Factors of Rate of Return on Equity”, New Operational Approaches for Financial Modelling, Physica-Verlag Heidelberg, pp 335-348.
Olson, D. and C. Mossman (2003). “Neural Network Forecasts of Canadian Stock Returns Using Accounting Ratios”, International Journal of Forecasting, Vol. 19, No. 3, pp. 453–465
Omran, M. and A. Ragab (2004). “Linear Versus Non-linear Relationships between Financial Ratios and Stock Returns: Empirical Evidence from Egyptian Firms”, Review of Accounting and Finance, Vol. 3, No. 2, pp.84-102.
Robnik-Sikonja, M. and I. Kononenko (1997). “An Adaptation of Relief for Attribute Estimation in Regression”, Machine Learning, Proceedings of 14th International Conference on Machine Learning (ICML'97), pp. 296–304.
Roll, R. and Ross, S. A. (1980). “An Empirical Investigation of the Arbitrage Pricing Theory”, Journal of Finance, Vol. 35, No. 5, pp. 1073–1103.
Setayesh, M. H.; Kazemnezhad, M.; Nikouei, M. A.; and S. Azadi (2012). “The Effectiveness of Fuzzy-Rough Set Feature Selection in the Prediction of Financial Distress: A Case of Iranian Context”, Wulfenia Journal, Vol. 19, No. 10, pp. 268-287.
Subrahmanyam, A. (2010). “The Cross-Section of Expected Stock Returns: What Have We Learnt from the Past Twenty-Five Years of Research?”, European Financial Management, Vol. 16, No. 1, pp. 27-42.
Tsai, C. F. (2009). “Feature Selection in Bankruptcy Prediction”, Knowledge-Based Systems, Vol. 22, No. 2, pp. 120–127.
Tsai, C. F. and Y.J. Chiou (2009). “Earnings Management Prediction: A Pilot Study of Combining Neural Networks and Decision Trees”, Expert Systems with Applications, Vol. 36, No. 3, pp. 7183–7191.
Wang, Y. and I. H. Witten (1997). “Inducing Model Trees for Continuous Classes”, In Poster papers of the 9th European Conference on Machine Learning, pp. 128-137.
انواع روشهای تحلیل سهام در بورس
یکی از اصول اولیه سرمایه گذاری در بازار بورس و سایر بازار های موازی، تحلیل و افزایش آگاهی ست. در این بخش از آموزش بورس به انواع روش های تحلیلی بازار بورس خواهیم پرداخت.یکی از عناوین مهم، روان شناسی بازار است که به ما کمک میکند درک بهتر و دقیق تری از رفتار و اتفاقات بازار داشته باشیم.
انواع تحلیل
تحلیل بنیادی یا فاندامنتال و تحلیل تکنیکال جزء تحلیل هایی ست که باید هر معامله گر بداند و بر آنها مسلط باشد. استراتژی هر معامله گربراساس دیدگاهش کمک میکند که میزان تاثیر گذاری هر تحلیل در پیش بینی و تصمیم گیری هایش مشخص شود.
روانشناسی بازار
در ابتدا هر شخص که وارد بازار سرمایه میشود باید به روانشناسی بازار برسد و یک سری از معیار ها و اتفاقاتی که انتخاب سهام خوب یا بد تاثیر گذار هستند را شناسایی کند. مثلا حجم نقدینگی که وارد سهم شده و یا از آن سهم خارج شده، یا تشخص سهام برتر و یا شناخت مزایای شرکت از لیست سهام داران اصلی و…
تحلیل تکنیکال
بعد از روانشناسی بازار تحلیل تکنیکال پیرامون تغییرات قیمتی سهم در بازه زمان انجام می شود. با بررسی تغییرات قیمت در گذشته می توان آینده رو پیش بینی کرد. دقت داشته باشید که تنها میتوان آینده را پیش بیش بینی کرد و عدم قطعیت در پیش بینی همچنان وجود دارد.
تحلیل بنیادی
روش سومی که در تحلیل ها میتونیم استفاده کنیم تحلیل بنیادی است. تحلیل بنیادی به وضعیت و صورت های مالی، عملکرد و میزان تولید و فروش، نسبت های مالی و اطلاعاتی که با استفاده از آن می توانیم آینده شرکت را پیش بینی و بررسی کرد، می پردازد.
استراتژی معاملاتی همچون ترازویی عمل میکند که میزان تاثیر تحلیل های انجام شده را در تصمیم گیری برای خرید و یا فروش یک سهم را نشان میدهد.در استراتژی معاملاتی ما تاثیر تحلیل تکنیکال و تحلیل بنیادی را با توجه به دید سرمایه گذاری مشخص میکنیم.
سرمایه گذاری بلند مدت و کوتاه مدت
برای مثال معامله گرانی که هدف سرمایه گذاری بلند مدت دارند ابتدا می بایست تحلیل بنیادی و بعد روانشناسی بازار و در صورت مورد تایید بودن این دو مورد بوسیله تحلیل تکنیکال نقاط ورود و خروج را سهام مورد نظر را مشخص می کنند. اما معامله گرانی که با هدف کوتاه مدت قصد سرمایه گذاری دارند ابتدا توسط تحلیل تکنیکال سهام خوب را شناسایی و بعد با روانشناسی بازار موارد مهم و تاثیر گذار را بررسی و در صورت مورد تایید بودن این دو مورد تحلیل بنیادی را بررسی میکنند و از وضعیت شرکت مطلع می شوند.
دیدگاه شما