تجزیه و تحلیل فراکتال است

آرامش قبل از طوفان،‌ تحلیل فراکتال قیمت بیت کوین روندی پایدار را پیش‌بینی می‌کند

روند صعودی قیمت بیت کوین روز جمعه و پس از رسیدن به تراز ۱۱۴۰۰ دلار، شتاب خود را از دست داد. این ارز دیجیتال که در حال حاضر با قیمت ۱۱۶۵۰ دلار معامله می‌شود، در ۲۴ ساعت گذشته حدود ۲٪ رشد قیمت داشته است.

تغییرات قیمت بیت کوین در روزهای اخیر موجب سردرگمی سرمایه‌گذارانی شده است که پیش‌تر معتقد بودند روند صعودی بیت کوین تضمین شده است. با این حال تحلیلگری که پیش‌تر پیش‌بینی‌های دقیقی داشته است عملکرد فعلی بیت کوین را کاملاً قابل پیش‌بینی می‌داند.

تحلیل فراکتال (Fractal) این تحلیلگر نشان می‌دهند که قیمت بیت کوین تا یک ماه دیگر در محدوده‌ای ثابت باقی خواهد ماند. او با تجزیه و تحلیل فراکتال قیمت بیت کوین و با توجه به تکرار الگوی عملکرد قیمتی گذشته این دارایی، اینگونه نتیجه‌گیری کرده است.

حرکت بعدی بیت کوین چیست؟

از نظر تحلیلگری که پیش‌تر نظرات دقیقی ارائه داده، عملکرد روز گذشته بیت کوین نشان دهنده این است که حرکت رو به پائین این ارز دیجیتال چندان هم غیر منتظره یا نزولی نیست. وی برای بیان منظور خود نمودار زیر را به اشتراک گذاشته است.

این نمودار نشان می‌دهد که حرکت اخیر قیمت بیت کوین در واقع یک فراکتال یا الگوی قیمتی تکرار شونده است که از ماه مه تا پایان آگوست ادامه یافته است. یک فراکتال از نظر تحلیل تکنیکال زمانی رخ تجزیه و تحلیل فراکتال است می‌دهد که عملکرد قیمتی گذشته یک دارایی در یک بازه زمانی دیگر تکرار شود.

فراکتال‌ها را زمانی می‌توان مورد استفاده قرار داد که تحلیلگران تکرار عملکرد قیمتی یک دارایی را در نقطه دیگری از نمودار نیز مشاهده کنند. اینگونه تحلیلگران عملکرد آینده‌ی آن دارایی را با توجه به روند گذشته‌اش پیش‌بینی می‌کنند.

به گفته این معامله‌گر، تحلیل فراکتال نشان می‌دهد که احتمالاً این ارز دیجیتال برای چهار هفته آینده در محدوده ۱۱۰۰۰ تا ۱۲۰۰ دلار تثبیت خواهد شد و سپس با یک شکست مقاومتی، روند صعودی دیگری را آغاز خواهد کرد. این معامله‌گر با اشاره به نمودار زیر نوشته است:

“سعی کنید فراکتال مورد بحث را پیدا کنید. با توجه به اینکه قیمت الان روی منطقه خرید / منحنی لاگ قرار دارد، اگر قیمت پایین بیاید یا در سطح فعلی باقی بماند تعجبی نخواهد داشت. “

نمودار قیمت بیت کوین از ماه فوریه تا کنون به همراه تحلیل فراکتال

یک تحلیلگر دیگر نیز متوجه این فراکتال شده است اما به گفته او ثبات قیمت می‌تواند زودتر از یک ماه تمام شود.

نوسانات قیمت بیت کوین ممکن است زودتر آغاز شود

نوسان قیمتی ممکن است زودتر از آن چیزی که هر دو تحلیل فراکتال قیمت بیت کوین نشان می‌دهند از راه برسد.

از مقیاس کلان، تحلیلگران در حال مشاهده حرکات جالبی در بازار سهام و ارزهای خارجی هستند. حرکاتی که می‌توانند بازار رمزارز را بالا کشیده یا باعث نزول آن شوند.

در بازار بیت کوین نیز تحلیلگران از رسیدن نوسانات به سطحی خبر می‌دهند که پیش از شروع روند صعودی مشاهده شده است.

نمودار قیمت بیت کوین در سال گذشته به همراه اندیکاتور باند بالینگر

پیش از این جاش اولسویچ (Josh Olszewicz)، تحلیلگر شرکت بریو نیو کوین (Brave New Coin) ارائه دهنده داده‌های بازار ارز دیجیتال، اشاره کرده بود که شاخص باند بالینگر (Bollinger Bands) در حال باریک شدن است.

اندیکاتور باند بالینگر، یک شاخص تکنیکال است که برای اندازه گیری نوسان بازار استفاده می‌شود. این ابزار تحلیل تکنیکال از دو باند بالا و پایین تشکیل شده، که با یک خط مرکزی از هم جدا می‌شوند. از این باندها که نشان دهنده سطح قیمت تکنینکال / محدوده معاملات هستند، برای مشاهده نوسان قیمت بازار استفاده می‌شود.

اگرچه باندها به اندازه قبل از جهش بیت کوین در ماه ژوئیه به هم نزدیک نشده‌اند، اما همچنان به باریک شدن ادامه می‌دهند.

نوشته آرامش قبل از طوفان،‌ تحلیل فراکتال قیمت بیت کوین روندی پایدار را پیش‌بینی می‌کند اولین بار در ایکس بلاکچین. پدیدار شد.

آرامش قبل از طوفان؛‌ تحلیل فراکتالی قیمت بیت کوین

روند صعودی قیمت بیت کوین روز جمعه و پس از رسیدن به تراز ۱۱۴۰۰ دلار، شتاب خود را از دست داد. این ارز دیجیتال که در حال حاضر با قیمت ۱۱۶۵۰ دلار معامله می‌شود، در ۲۴ ساعت گذشته حدود ۲٪ رشد قیمت داشته است.

تغییرات قیمت بیت کوین در روزهای اخیر موجب سردرگمی سرمایه‌گذارانی شده است که پیش‌تر معتقد بودند روند صعودی بیت کوین تضمین شده است. با این حال تحلیلگری که پیش‌تر پیش‌بینی‌های دقیقی داشته است عملکرد فعلی بیت کوین را کاملاً قابل پیش‌بینی می‌داند.

تحلیل تکرار شونده فراکتالی این تحلیلگر نشان می‌دهد که قیمت بیت کوین تا یک ماه دیگر در محدوده‌ای ثابت باقی خواهد ماند. او با تجزیه و تحلیل فراکتال قیمت بیت کوین و با توجه به تکرار الگوی عملکرد قیمتی گذشته این دارایی، اینگونه نتیجه‌گیری کرده است.

حرکت بعدی بیت کوین چیست؟

از نظر تحلیلگری که پیش‌تر نظرات دقیقی ارائه داده، عملکرد روز گذشته بیت کوین نشان دهنده این است که حرکت رو به پائین این ارز دیجیتال چندان هم غیر منتظره یا نزولی نیست. وی برای بیان منظور خود نمودار زیر را به اشتراک گذاشته است.

این نمودار نشان می‌دهد که حرکت اخیر قیمت بیت کوین در واقع یک فراکتال یا الگوی قیمتی تکرار شونده است که از ماه مه تا پایان آگوست ادامه یافته است. یک فراکتال از نظر تحلیل تکنیکال زمانی رخ می‌دهد که عملکرد قیمتی گذشته یک دارایی در یک بازه زمانی دیگر تکرار شود.

فراکتال‌ها را زمانی می‌توان مورد استفاده قرار داد که تحلیلگران تکرار عملکرد قیمتی یک دارایی را در نقطه دیگری از نمودار نیز مشاهده کنند. اینگونه تحلیلگران عملکرد آینده‌ی آن دارایی را با توجه به روند گذشته‌اش پیش‌بینی می‌کنند.

به گفته این معامله‌گر، تحلیل فراکتال نشان می‌دهد که احتمالاً این ارز دیجیتال برای چهار هفته آینده در محدوده ۱۱۰۰۰ تا ۱۲۰۰۰ دلار تثبیت خواهد شد و سپس با یک شکست مقاومتی، روند صعودی دیگری را آغاز خواهد کرد. این معامله‌گر با اشاره به نمودار فوق نوشته است:

“سعی کنید فراکتال مورد بحث را پیدا کنید. با توجه به اینکه قیمت الان روی منطقه خرید / منحنی لاگ قرار دارد، اگر قیمت پایین بیاید یا در سطح فعلی باقی بماند تعجبی نخواهد داشت. “

یک تحلیلگر دیگر نیز متوجه این فراکتال شده است اما به گفته او ثبات قیمت می‌تواند زودتر از یک ماه تمام شود.

نوسانات قیمت بیت کوین ممکن تجزیه و تحلیل فراکتال است تجزیه و تحلیل فراکتال است است زودتر آغاز شود

نوسان قیمتی ممکن است زودتر از آن چیزی که هر دو تحلیل فراکتال قیمت بیت کوین نشان می‌دهند از راه برسد. از مقیاس کلان، تحلیلگران در حال مشاهده حرکات جالبی در بازار سهام و ارزهای خارجی هستند. حرکاتی که می‌توانند بازار رمزارز را بالا کشیده یا باعث نزول آن شوند.

در بازار بیت کوین نیز تحلیلگران از رسیدن نوسانات به سطحی خبر می‌دهند که پیش از شروع روند صعودی مشاهده شده است.

نمودار قیمت بیت کوین در سال گذشته به همراه اندیکاتور باند بولینگر

پیش از این جاش اولسویچ، تحلیلگر تجزیه و تحلیل فراکتال است شرکت بریو نیوکوین (Brave New Coin) ارائه دهنده داده‌های بازار ارز دیجیتال، اشاره کرده بود که شاخص باند بولینگر (Bollinger Bands) در حال باریک شدن است.

اندیکاتور باند بولینگر، یک شاخص تکنیکال است که برای اندازه گیری نوسان بازار استفاده می‌شود. این ابزار تحلیل تکنیکال از دو باند بالا و پایین تشکیل شده، که با یک خط مرکزی از هم جدا می‌شوند. از این باندها که نشان دهنده سطح قیمت تکنینکال / محدوده معاملات هستند، برای مشاهده نوسان قیمت بازار استفاده می‌شود.

اگرچه باندها به اندازه قبل از جهش بیت کوین در ماه ژوئیه به هم نزدیک نشده‌اند، اما همچنان به باریک شدن ادامه می‌دهند.

استفاده از رسوبات آبراهه ای برای تعیین آنومالی های ژئوشیمیایی بوسیله تحلیل آماری و هندسه فراکتال در منطقه تفرش از ایران مرکزی

زون ماگمایی ارومیه دختر در ایران به عنوان یک کمربند چند فلزی شناخته شده است که دارای سنگ میزبان کانسارهای پورفیری، کانسار اسکارن چند فلزی است.در این تحقیق تحلیل آماری چند متغیره برای شناسایی آنومالی های ژئوشیمیایی مورد توجه است.تحلیل های آنالیز فاکتوری مرحله به مرحله ، آنالیز خوشه ای و مدل فراکتال برای شناسایی آنومالی های عناصری چون طلا،مس، سرب، روی، نقره، مولیبدن، تنگستن، قلع و آرسنیک برای کانسارهای اسکارنی مورد تجزیه و تحلیل قرار گرفت و مشخص شد که کمربند ارومیه -دختر میزبان طلا در این منطقه است. به علاوه مشخص شد که تلفیق روش های آماری و مدل فراکتال ابزار های مناسب تجزیه و تحلیل فراکتال است برای شناسایی آنومالی های ژئوشیمیایی هستند.

کلیدواژه‌ها

مراجع

Afzal, P., Khakzad, A., Moarefvand, P., Rashidnejad, N.O., Esfandiari, B., FadakarAlghalandis, Y., 2010. Geochemical anomaly separation by multifractal modeling inKahang (GorGor) porphyry system, Central Iran .Journal of Geochemical Exploration 104, 34–46.
Afzal, P., FadakarAlghalandis, Y., Khakzad, A., Moarefvand, P., RashidnejadOmran, N., 2011. Delineation of mineralization zones in porphyry Cu deposits by fractal concentration–volume modeling, Journal of Geochemical Exploration 108, 220–232.
Afzal, P., Harati, H., FadakarAlghalandis, Y., Yasrebi, A.B., 2013. Application of spectrum–area fractal model to identify of geochemical anomalies based on soil data in Kahang porphyry-type Cu deposit, Iran, Chemie der Erde - Geochemistry, Volume 73, Issue 4, December 2013, 533-543.
Afzal, P., Alhoseini, S.H., Tokhmechi, B., KavehAhangarana, D., Yasrebi, A.B., Madani, N., ,Wetherelt, A., 2014. Outlining of high quality coking coal by Concentration-Volume fractal Model and Turning Bands Simulation in East-Parvadeh Coal Deposit, Central Iran. International Journal of Coal Geology 127: 88-99.
Aitchison, J., 1986. The statistical analysis of compositional data. London, UK: Chapman and Hall; p. 416.
Alavi, M., 1994. Tectonic of Zagros orogenic belt of Iran: new data and interpretations. Tectonophysics 229, 211–238.
Arias, M., Gumiel, P., Marti-Izard, C., 2012. Multifractal analysis of geochemical anomalies: a tool for assessing prospectivity at the SE border of the Ossa Morena Zone, Variscan Massif (Spain). Journal of Geochemical Exploration 122, 101–112.
Borna, B., 2004. Exploration studies of Au in TafrashZaghar, Geological Organization of Iran.
Carranza E.J.M. 2009. Mapping of anomalies in continuous and discrete fields of stream sediment geochemical landscapes. Geochemistry: Exploration, Environment, Analysis. 10: 171–187.
Carranza, E.J.M., 2010. Catchment basin modeling of stream sediment anomalies revisited: incorporation of EDA and fractal analysis. Geochemistry: Exploration, Environment, Analysis. 10: 365–381.
Carranza, E.J.M., 2011. Analysis and mapping of geochemical anomalies using logratiotransformed stream sediment data with censored values. Journal of Geochemical Exploration. 110: 167–185.
Cheng, Q., Agterberg, F.P., Ballantyne, S.B., 1994. The separation of geochemical anomalies from background by fractal methods. Journal of Geochemical Exploration. 54: 109–130.
Cheng, Q., 2007. Mapping singularities with stream sediment geochemical data for prediction of undiscovered mineral deposits in Gejiu, Yunnan Province, China. Ore Geology Reviews. 32: 314–324.
Cheng, Q., Agterberg, F.P., 2009. Singularity analysis of ore-mineral and toxic trace elements in stream sediments. Computers and Geosciences. 35: 234–244.
Cheng, Q., Xia, Q., Li, W., Zhang, S., Chen, Z., Zuo, R., Wang, W., 2010. Density/area power–law models for separating multi-scale anomalies of ore and toxic elements in stream sediments in Gejiu mineral district, Yunnan Province, China. Biogeosciences. 7: 3019–3025.
Cheng, Q., Bonham-Carter, G.F., Wang, W., Zhang, S., Li, W., Xia, Q., 2011. A spatially weighted principal component analysis for multi-element geochemical data for mapping locations of felsic intrusions in the Gejiu mineral district of Yunnan, China. Computers and Geosciences. 5: 662–669.تجزیه و تحلیل فراکتال است
Egozcue, J.J., Pawlowsky-Glahn, V., Mateu-Figueras, G., Barceló-Vidal, C., 2003. Isometric logratio transformations for compositional data analysis. Mathematical Geology. 35: 279- 300.
Geranian, H., Mokhtari, A.R., Cohen,D.R., 2013. A comparison of fractal methods and probability plots in identifying and mapping soil metal contamination near an active mining area, Iran, Science of the Total Environment, 463-464.
Grunsky E.C., Drew, L.J., and Sutphin, D.M., 2009. Process recognition in multi-element soil and stream-sediment geochemical data. Applied Geochemistry 24, 1602–1616.
Grunsky, E.C., 2010. The interpretation of geochemical survey data. Geochemistry: Exploration, Environment, Analysis. 10: 27–74.
Hajian, J., 1999. Geological map of Tafrash, Geological Organization of Iran.
Heidari, M., Ghaderi, M., Afzal, P., 2013. Delineating mineralized phases based on lithogeochemical data using multifractal model in Touzlar epithermal Au-Ag (Cu) deposit, NW Iran. Applied Geochemistry. 31: 119-132.
Jolliffe, T., 2002. Principal Component Analysis. Springer Verlag, New York.
Johnson, R.A.,Wichern, D.W., 2002. Applied Multivariate Statistical Analysis, 5th ed. Prentice Hall, Upper Saddle River, New Jersey.
Kaiser, H.F., 1958. The varimax criterion for analytic rotation in factor analysis. Psychometrika. 23: 187-200.
Lahermo, P., Väänänen, P., Tavainen, T., Salminen, R., 1996. Geochemical Atlas of Finland: Part 3. Environmental Geochemistry– Stream Waters and Sediments. Geological Survey of Finland, Espoo.
Reimann, C., Filzmoser, P., 2000. Normal and lognormal data distribution in geochemistry: death of a myth. Consequences for the statistical treatment of geochemical and environmental data. Environmental Geology. 39: 1001–1014.
Rudnick, R.L., Gao, S., 2003. Composition of the Continental Crust. In: Holland, H.D., Turekian, K.K. (eds-in-chief), Treatise on Geochemistry Volume 3: Rudnick, R.L. (ed.), The Crust, 1–64. Elsevier-Pergamon, Oxford.
Salminen, R., Tarvainen, T., Demetriades, A., Duris, M., Fordyce, F. M., Gregorauskiene,V., Kahelin, H., Kivisilla, J., Klaver, G., Klein, H., Larson, J.O., Lis, J., Locutura, J., Marsina,K., Mjartanova, H., Mouvet, C., O'Connor, P., Odor L., Ottonello, G., Paukola, T., Plant ,J.A., Reimann, C., Schermann, O., Siewers, U., Steenfelt, A., Van der Sluys, J., De Vivo, B., Williams, L., 1998. FOREGS geochemical mapping field manual. Geological Survey of Finland, p. 47.
Shahabpour, J., 1994. Post-mineral breccia dyke from the Sar-Cheshmeh porphyry copper deposit, Kerman, Iran. Exploration and Mining Geology. 3: 39- 43.
Soltani, F., Afzal, P., Asghari,O., 2014. Delineation of alteration zones based on Sequential Gaussian Simulation and concentration–volume fractal modeling in the hypogene zone of Sungun copper deposit, NW Iran, Journal of Geochemical Exploration.140: 64-76.
Spadoni, M., Voltaggio, M., Cavarretta, G., 2005. Recognition of areas of anomalous concentration of تجزیه و تحلیل فراکتال است potentially hazardous elements by means of a subcatchment-based discriminant analysis of stream sediments. Journal of Geochemical Exploration. 87: 83–91.
Spadoni, M., 2006. Geochemical mapping using a geomorphologic approach based on catchments, Journal of Geochemical Exploration. 90: 183–196.
Sun, X., Deng, J., Gong, Q., Wang, Q., Yang, L., Zhao, Z., 2009.Kohonen neural network and factor analysis based approach to geochemical data pattern recognition. Journal of Geochemical Exploration. 103: 6–16.
Yousefi, M., Nykänen,V., 2015. Data-driven logistic-based weighting of geochemical and geological evidence layers in mineral prospectivity mapping, Journal of Geochemical Exploration,doi:10.1016/J.gexplo010.008.
Yousefi, M., Carranza, E.J.M., 2015. Prediction–area (P–A) plot and C–A fractal analysis to classify and evaluate evidential maps for mineral prospectivity modeling, Computers & Geosciences.79: 69–81.
Yousefi, M., Carranza, E.J.M., 2014. Fuzzification of continuous-value spatial evidence for mineral prospectivity mapping. Computer and Geoscience. 74: 97-109.
Yousefi, M., Kamkar- Rouhani, A., Carranza, E.J.M., 2014. Application of staged factor analysis and logistic function to create a fuzzy stream sediment geochemical evidence layer for mineral prospectivity mapping, Geochemistry: Exploration, Environment, Analysis. 14 (1): 45-58.
Yousefi, M., Carranza, E.J.M., Kamkar-Rouhani, A., 2013. Weighted drainage catchment basin mapping of geochemical anomalies using stream sediment data for mineral potential modeling. Journal of Geochemical Exploration. 128: 88-96.
Yousefi, M., Kamkar-Rouhani, A., Carranza, E.J.M, 2012. Geochemical mineralization probability index (GMPI): A new approach to generate enhanced stream sediment geochemical evidential map for increasing probability of success in mineral potential mapping. Journal of Geochemical Exploration. 115: 24–35.
Zheng, Y., Sun, X., Gao, S., Wang, C., Zhao, Z., Song., 2014. Analysis of stream sediment data for exploring the Zhunuo porphyry Cu deposit, southern Tibet, Journal of Geochemical Exploration. Available online 1 March 2014.
Zuo, R., Cheng, Q., Agterberg, F.P., 2009a. Application of a hybrid method combining multilevel fuzzy comprehensive evaluation with asymmetric fuzzy relation analysis to mapping prospectivity. Ore Geology Reviews. 35: 101–108.
Zuo, R., Cheng, Q., Agterberg, F.P., Xia, Q. 2009b. Application of singularity mapping technique to identification local anomalies using stream sediment geochemical data, a case study from Gangdese, Tibet, Western China. Journal of Geochemical Exploration. 101: 225–235.
Zuo, R., Xia, Q., 2009. Application fractal and multifractal methods to mapping prospectivity for metamorphosed sedimentary iron deposits using stream sediment geochemical data in eastern Hebei province, China. GeochimicaetCosmochimicaActa. 73: A1540-A1540.
Zuo, R., 2011a. Decomposing of mixed pattern of arsenic using fractal model in Gangdese Belt, Tibet, China. Applied Geochemistry. 26: S271–S273.
Zuo, R., Xia, Q., 2009. Application fractal and multifractal methods to mapping prospectivity for metamorphosed sedimentary iron deposits using stream sediment geochemical data in eastern Hebei province, China. GeochimicaetCosmochimicaActa. 73 A1540-A1540.
Zuo,R., 2011. Identifying geochemical anomalies associated with Cu and Pb-Zn skarn mineralization using principal component analysis and spectrum-area fractal modeling in the Gandese Belt, Tibet (China). J Geochem Explor. 111: 13–22.
Zuo, R., 2014. Identification of weak geochemical anomalies using robust neighborhood statistics coupled with GIS in covered areas,Journal of Geochemical Exploration,Volume 136, January. 2014: 93–101.

تجزیه و تحلیل فراکتال است

قبل از این‌که به توضیح شاخص بورس بپردازیم، ابتدا خود مفهوم بورس را مرور می‌کنیم. بورس، بازاری است که به منظور مبادله میان خریدار و فروشنده ایجاد شده و افراد در آن به خرید و فروش سهام شرکت‌های مختلف می‌پردازند.

واژه‌ی شاخص ترجمه کلمه انگلیسی (index) است. به صورت کلی شاخص به معنی معیار، نماگر یا نشانگر بوده و عددی است که تغییرات حاصل در یک یا چند متغیر را در یک بازه زمانی مشخص، به ما نشان می‌دهد. در واقع، بررسی یک شاخص به معنی بررسی وضعیت و روند رشد یا نزول در متغیرهای مورد بررسی آن شاخص است.

شاخص بورس چیست؟

شاخص بورس، عددی است که وضعیت کلی بورس و نوسانات آن یعنی روندهای افزایشی و کاهشی را در این بازار نشان می‌دهد. البته فقط یک شاخص وجود ندارد، بلکه چند شاخص مختلف وجود دارد که هر کدام از آنها نشان‌دهنده‌ی وضعیت بورس از یک جنبه‌ی خاص هستند. بنابراین، هر کدام از این شاخص‌ها توسط یک فرمول متفاوت محاسبه می‌شود. برای تحلیل هر شاخص باید ابتدا با کارکرد هر کدام آشنا باشیم.

به طور کلی شاخص‌ها معیارهای مهمی هستند و کارکردهای متفاوتی دارند. تحلیل و بررسی هر شاخص وضعیت گذشته و حال بورس را از جنبه‌های مختلف، برای ما مشخص می‌سازد. در میان شاخص‌های موجود، چند شاخص برای سهامداران دارای اهمیت بیشتری هستند. در ادامه در مورد این شاخص‌های مهم توضیحاتی را به شما ارائه می‌دهیم.

1. شاخص کل بورس

این شاخص، معروف‌ترین و پرکاربردترین شاخص بورس است و در اخبار و تحلیل‌ها از آن با عنوان «شاخص بورس تهران» نام برده می‌شود. شاخص کل، سطح عمومی قیمت و سود سهام شرکت‌های پذیرفته شده را نشان می‌دهد.

یعنی، تغییرات شاخص کل، نشان‌دهنده‌ی میانگین بازدهی شما به عنوان یک سرمایه گذار در بورس است. برای مثال اگر شما یک سهم از هر شرکت پذیرفته شده در بورس را خریده باشید، میزان بازدهی کل سهام شما توسط تغییرات شاخص کل بورس نشان داده می‌شود. به عبارت دیگر این شاخص هم تغییرات قیمت سهام و هم سودهایی که در پایان هر سال توسط شرکت‌ها به شما پرداخت می‌شوند را محاسبه می‌کند.

به شاخص کل «شاخص قیمت و بازده نقدی» (TEDPIX) هم گفته می‌شود. نکته‌ی قابل توجه به منظور بررسی شاخص این است که خود عدد شاخص اهمیتی ندارد، بلکه میزان تغییرات شاخص برای ما مهم خواهد بود. برای مثال اگر شاخص کل بورس تجزیه و تحلیل فراکتال است در بازه زمانی یک سال از عدد ۲۰۰۰۰ به ۳۰۰۰۰ برسد، یعنی ۵۰% رشد را نشان دهد، یعنی در این یک سال میانگین بازدهی بورس معادل با ۵۰% بوده است.

فرمول محاسبه‌ی شاخص کل به صورتی تعیین شده که در آن وزن هر شرکت، روی شاخص کل موثر است. یعنی هرچه شرکت‌ بزرگ‌تر و دارای سرمایه بیشتری باشد، تاثیر ان هم بر عدد شاخص کل بیشتر خواهد بود.

2. شاخص قیمت بورس

یکی دیگر از اصلی‌ترین شاخص‌های بورس، شاخص قیمت است. این شاخص، روند عمومی قیمت سهام را برای همه شرکت‌های پذیرفته نشان می‌دهد. برای مثال 20درصد رشد در شاخص قیمت بورس در بازه زمانی یک سال، یعنی رشد سطح عمومی قیمت‌ها در بورس اوراق بهادار در طی این یک سال به طور متوسط ۲۰ درصد بوده است.

تفاوت اصلی شاخص قیمت با شاخص کل در نوع محاسبه‌ و فرمول آن‌هاست. یعنی در فرمول شاخص قیمت، تنها قیمت سهام شرکت‌های بورسی به منظور محاسبه شاخص در نظر گرفته می‌شود. ولی در فرمول شاخص کل، هم از قیمت و هم از سود پرداختی سالیانه شرکت‌ها به منظور محاسبه شاخص استفاده می‌گردد. در شاخص قیمت هم مانند شاخص کل، هرچه شرکت دارای سرمایه بیشتری باشد، تاثیرش هم بر شاخص بیشتر خواهد بود.

3. شاخص 50 شرکت فعال‌تر

هر سه ماه یک بار، فهرست شرکت‌های فعال‌تر بر مبنای میزان نقد شوندگی توسط بورس منتشر می‌شود. این فهرست شرکت‌هایی را شامل می‌شود که سهامشان آسان‌تر و سریع‌تر خرید و فروش می‌شود و در اصطلاح نقد شوندگی بالاتری دارد. بنابراین، شاخص ۵۰ شرکت فعال‌تر، تغییرات سطح عمومی قیمت سهام ۵۰ شرکت برتر آن فهرست را نشان می‌دهد.

4. شاخص 30 شرکت بزرگ

این شاخص، نشان‌دهنده‌ی سطح عمومی قیمت سهام ۳۰ شرکت بزرگ است. منظور از ۳۰ شرکت بزرگ، شرکت‌هایی است که ارزش بازارشان بیشتر از سایر شرکت‌ها می‌باشد. ارزش بازار یک شرکت از حاصل ضرب قیمت روز سهام شرکت در تعداد سهام آن به دست می‌آید.

5. شاخص صنعت

شاخص صنعت، سطح عمومی قیمت سهام شرکت‌های فعال در بخش صنعت را نشان می‌دهد. شرکت‌های صنعتی، به شرکت‌هایی گفته می‌شود که در صنایعی شامل پتروشیمی، خودروسازی، فلزات اساسی، مخابرات، ساختمان و … فعال هستند. البته بررسی عملکرد هر کدام از این صنایع توسط شاخص جداگانه‌ای انجام می‌شود.

6. شاخص واسطه‌گری مالی

این شاخص، بیانگر عملکرد شرکت‌های واسطه‌گری است که در حوزه مالی فعالیت می‌کنند. برای مثال، هلدینگ‌ها، لیزینگ‌ها و سرمایه‌گذاری‌ها.

سخن نهایی

در بررسی و تحلیل شاخص‌ها لازم است به این نکته توجه کنید که به طور کلی شاخص، بیانگر عملکرد و وضعیت بورس است، ولی مثبت یا منفی بودن شاخص همیشه نشان‌دهنده‌ی مثبت یا منفی بودن کل بورس نیست و فقط وضعیت کلی بورس را برای ما مشخص می‌سازد. یعنی ممکن است در برخی مواقع چند شرکت بزرگ به دلیل وزن زیادی (سرمایه و ارزش بازار بالا) که دارند، باعث روند مثبت یا منفی شاخص کل شوند. اما واقعیت این است در این زمان تعداد بسیار زیادی از شرکت‌های دیگر وجود دارند که وضعیتشان متفاوت است. در چنین مواقعی، بررسی شاخص هم وزن قیمت یا شاخص کل هم وزن بهتر می‌تواند نشان‌دهنده‌ی وضعیت کلی بازار باشد. دلیل آن هم این است که در شاخص هم وزن، وزن همه‌ی شرکت‌های پذیرفته شده در بورس برابر در نظر گرفته می‌شود. بنابراین، شرکت‌های بزرگ قادر نخواهند بود به دلیل سرمایه زیادشان شاخص را تحت تاثیر قرار دهند.

در این مطلب به بررسی شاخص‌های اساسی بازار بورس پرداختیم. شاخص‌های دیگری هم وجود دارند که البته برای سرمایه گذاران عام کاربرد زیادی نخواهند داشت و بنابراین در این مقاله به آن‌ها پرداخته نشده است.

مقالات بورس

دسترسی به ساعات معاملاتی پیوسته در تریدینگ ویو

ویژگی ساعات معاملاتی پیوسته در تریدینگ ویو، جلسات معاملاتی قبل و بعد نام دارد و با این عنوان شناخته می‌شود. به واسطه‌ی این ویژگی، سرمایه‌گزاران و معامله‌گران می‌توانند از اتفاقات خارج از ساعت‌های معاملاتی پیوسته، آگاهی پیدا کنند. به طور کل می‌توان گفت که برای بدست آوردن اطلاعات کامل در …

ابزارهای مخصوص کاربر در تریدینگ ویو و دسترسی به آن

ابزارهای مخصوص کاربر در تریدینگ ویو شامل مواردی مانند داشبورد پروفایل، ترازنامه شرکت‌ها و اتاق‌های گفت و گو است. به تریدینگ ویو برآورد سود، نشانگرهای نموداری سود قطعی سهم و سود نقدی اضافه شده‌اند. به صورت کاملا شهودی و مفید می‌توان به کمک این قابلیت‌ها، بر مبنای زمان انتشار، ترازنامه …

سرخطی در بورس به چه معناست؟ معرفی روش های سرخطی

سرخطی در بورس نوعی معامله در بازار سهام است. در این معامله، توسط سهامدار راس ساعت ۸:۳۰ صبح سفارش خرید یا فروش ثبت و ارسال میشود. درواقع سرخطی زدن در بورس به این معنی است که راس ساعت آغاز معاملات و در صف‌های خرید یا فروش، سفارش ارسال می‌شود تا …

تنظیمات اندیکاتورها و نمودارها در تریدینگ ویو چگونه است؟

اندیکاتورها و نمودارها در تریدینگ ویو امکان بسیار خوبی برای تحلیل در اختیار سرمایه گذاران قرار می دهد. با استفاده از ابزار تحلیلی در تریدینگ ویو می توان در بازار ایران و حتی بازار های بین المللی فعالیت نمود. استفاده از ابزارهای تریدینگ ویو بسیارساده می باشد و حتی افراد …

ارزش دفتری چیست؟ – محاسبه ارزش دفتری سهام در بورس

با محاسبه‌ی ارزش یا بهای خالص یک دارایی که در ترازنامه‌ی شرکت ثبت شده و و با کم کردن هزینه‌ی استهلاک انباشته از قیمت خرید یا بهای تاریخی، می‌توانیم بفهمیم که این ارزش چیست. ارزش دفتری درواقع معیاری است برای اندازه‌گیری ارزش سهام که سرمایه‌گذاران از آن استفاده می‌کنند. در …

ریسک مساعد و نامساعد در بورس چیست؟

یکی از پیچیده‌ترین بازارها، بازار بورس است. با وجود اینکه ممکن است به نظر فعالیت در این حوزه ساده باشد، اما با ورود به آن و مواجه شدن با چالش‌ها و شرایط مختلف، دچار سردرگمی می‌شوید. از جمله پارامترهایی که تحلیلگر یا سرمایه‌گذار فکر می‌کند که می‌تواند تخمین درستی از …

حاشیه سود در تحلیل بنیادی به چه معناست؟ (profit margin)

رویکرد تحلیل بنیادی، یکی از روش‌های تحلیل بورس می‌باشد. وضعیت یک شرکت از لحاظ صنعتی و اقتصادی در این روش مورد بررسی قرار داده می‌شود تا بتوان تخمینی از قیمت واقعی هر سهم آن زد. حاشیه سود در تحلیل بنیادی از گزاره‌های مهم و کاربردی در تحلیل بورس می‌باشد. اطلاعات …

منابع اطلاعاتی در تحلیل بنیادی (عوامل تاثیرگذار در تحلیل فاندامنتال)

بررسی و تحلیل عواملی که روی شرکت‌ها و سهم در بازار سرمایه تاثیر بگذارد، تحلیل بنیادی نام دارد. در این مقاله قصد داریم منابع اطلاعاتی در تحلیل بنیادی را مورد بررسی قرار دهیم. سرمایه گذاران و تحلیلگران به کمک تحلیل بنیادی می‌توانند ارزش واقعی اوراق سهام را به دست آورند. …

رویکردهای تحلیل بنیادی در بورس چیست؟

هدف از رویکردهای تحلیل بنیادی، یافتن گزینه‌های مناسب جهت سرمایه‌گذاری از طریق ارز‌ش‌گذاری می‌باشد. این موضوع تنها ختم به بازار سهام نمی‌شود، بلکه با ارزش‌گذاری تمام گزینه‌ها، می‌توان به بهترین گزینه‌ی موجود دست پیدا کرد. ما مواردی همچون اوراق بهادار، املاک، سرمایه‌گذاری مستقیم در تجارت، سود بانکی و … را …

کندل پین بار در بورس (ویژگی ها و انواع کندل پین بار)

کندل پین بار در بورس یکی از پرکاربردترین الگوهای کندل استیک به شمار می‌رود که در پرایس اکشن و تحلیل تکنیکال دارای کاربرد فراوانی است. تحلیل تکنیکال را می‌توان از ابزارهای تحلیل پرکاربرد در بازارهای مالی دانست. این تحلیل با به‌کارگیری از الگوهای مختلف، داده‌ها و در اختیار گذاشتن اطلاعات …

فراکتال طلا (Gold Fractal) پیش بینی می کند:دو برابر شدن LEND مبتنی بر اتریوم درآینده

هفته گذشته مانند سایر ارزهای دیجیتال ، در LEND، اصلاحات اساسی انجام شد. بازار رمزارزها در چند مدت گذشته به دلیل پایین آمدن قیمت بیت کوین و اتریوم ، تحت فشار زیادی قرار گرفته است. LEND نیز به خاطر خروج Chef Nomi از SushiSwap با سقوط کوتاه مدت در DeFi ،روبرو شد.

تحلیلگران حرفه ای و فنی رمزارززها در مورد رمزارزبومی Aave خوش بین هستند.

تحلیلگران میگویند، چطور LEND می تواند دو برابر شود:

اولین بار توسط یک تریدر برجسته ارمزارزها در تجزیه و تحلیل فراکتال(Fractal)، مشاهده شدکه LEND طی ماه های آینده بیش از 100 درصد افزایش خواهد یافت. فراکتال نشان می دهد که از زمان لغو استاندارد طلا ، روند قیمت LEND مشابه روند قیمت طلا به نظر می رسد. این مقایسه نشان می دهد که LEND در آستانه روند رشد سهمی است و پس از یک روند صعودی اولیه ادغام شده است.تریدرهای خطرپذیر ،نسبت به پتانسیل LEND در فضای متغیر DeFi خوشبین هستند.اسپنسر نون از DTC Capital استدلال کرد که این واقعیت که Aave توانسته بیش از 1 میلیارد دلار ارزش داشته باشد ، یک نشانه مثبت برای مناسب بودن پروتکل در بازار است:

“یکی از بهترین سیگنالهای PMF در DeFi این است که آیا یک پروژه می تواند با مشوق های اضافی (استخراج نقدینگی) موفق شود. Aaveمورد ، LM را ندارد اما تجزیه و تحلیل فراکتال است هنوز هم یکی از بزرگترین بهره برداران فعالیت های فارم yield با 1.26 میلیارد دلار TVL و تنها 759 میلیون دلار mcap هستند. “

این مورد را کایل سامانی ، مدیر عامل Multicoin Capital ، تکرار کرد. وی گفت که متناسب بودن بازار و محصول Aave به این معنی است که اگر او مجبور باشد یکی از دارایی های DeFi را در Ethereum برای دو سال انتخاب کند ،حتما LEND خواهد بود.

“اگر مجبور باشم یک دارایی DeFi مبتنی بر Ethereum را به مدت 2 سال در اختیار داشته باشم ، AVE خواهد بود. تا حد زیادی بهترین ترکیب با ویژگی های: تناسب محصول / بازار ، توزیع رمزارزی، جامعه ، سرعت نوآوری و ارزیابی معقول با وارونه است. “

اگرچه این روندهای بلند مدت چه تاثیری بر اقدام کوتاه مدت قیمت دارند ، در حال حاضر مشخص نیست.