پیش بینی قیمت سهام در بورس

پیش بینی بازار بورس فردا ایران چگونه پیش بینی می شود؟ آمار ساده و کاربردی

ما امروز در این مقاله سعی کرده ایم تا پیش بینی بازار بورس فردا را در دستور کار خود قرار دهیم. شاید شما نیز تا به حال به این بازار بی اعتنا بودید و یا خبری از ساز و کار آن نداشتید. اما دنیای امروز می طلبد که علم بورسی خود را افزایش دهید تا بتوانید از سرمایه خود به نحو احسن نگهداری کنید.

امیدواریم این مطلب بتواند به شما در تصمیم گیری راه درست کمک کند. همچنین شما می توانید از وضعیت امروز بازار بورس از این لینک مطلع شوید.

پیش بینی وضعیت بورس فردا

برای پیش بینی بازار بورس فردا، بازار روز شنبه را هر چند ضعیف ولی به نسبت روز های گذشته خوب آغاز کرد تا بتواند کم کم آرامش، ثبات و پایداری را بر گرداند. هر چند که اکثریت بازار منفی و صف فروش بود، اما امیدواریم با کنترل حقوقی ها معاملات امروز بهتر از روز گذشته باشد و شاهد سبز شدن بیشتر سهام شرکت های بازار باشیم.

دلار و سکه یک تنه می تازد تا احمق هایی که نمی دانستند نقش پیش بینی بازار بورس فردا در عملکرد اقتصاد کشور و جلوگیری از تورم و ضربه گیرآ ن چیست، کمی به خود آیند. اقتصاد علم است و بازار سرمایه هم جایگاه خود را دارد که در این 40 سال به فراموشی سپرده شده بود. در نشست هم اندیشی ایمیدرو شرکت های معدنی و صنایع معدنی و رئیس سازمان بورس مطرح شد. در این خصوص پیشنهاد های بسیاری ارائه شد که به مهم ترین آن ها می پردازیم.

تشکیل صندوق های بازار گردان به ارزش 30 هزار میلیارد تومان به صورت پلکانی ترکیب سهام به نسب ارزش بازار، اجرای مصوبه بورس در مورد 10 درصد سهام خزانه در مورد کلیه شرکت های گروه، اجرای مصوبه بورس در مورد اختیار فروش تبعی و بیمه سهام، افزایش اعتبارات بازار گردان های مستقل شرکت ها، ملی مس 500 میلیارد تومان و فولاد مبارکه 500 میلیارد تومان، تسریع در افزایش سرمایه 34 هزار میلیارد تومانی شرکت ها و تحقق برنامه: ملی مس 10 هزار میلیارد تومان، شرکت فولاد مبارکه 9500 و گل گهر 5200 میلیارد تومان.

در صورت لزوم تجدید ارزیابی دارایی ها که فقط برای زمین و زیر بناها استفاده می شود. هماهنگی بیش تر با شرکت های حقوقی فروشنده سهام به منظور جلوگیری از بروز هیجان در بازار و مدیریت عرضه سهم. هم چنین هماهنگی بازار گردان های شرکت های تابعه ایمیدرو با صندوق ثبات بازار نیز بسیار حائز اهمیت می باشد.

در رابطه با پیش بینی قیمت سهام در بورس مختصات این بازار آشفته گفته شد: بازار سهام ما مختصاتی توده ‌وار دارد و مسئولان باید از کار هایی که موجب می شود صف های فروش پر شوند خودداری کنند. متولیان امر باید تا به حال این موضوع را فهمیده باشند که این موج بی اعتمادی که در بین مردم ایجاد شود که حاصل کار های خود آن هاست. با این اوضاع پیش بینی بازار بورس فردا کاری عبث است.

فیلتر پیش بینی بازار بورس فردا

در واقع فیلتر پیش بینی بازار فردا به عنوان یکی پر کاربرد ترین فیلتر های بازار بورس شناخته می شود. همان طور که می دانید تعداد سهم های بازار بورس بسیار زیاد است و اگر بخواهید تک تک آن ها را تحلیل کنید، باید قید زمان مفید خود را بزنید. البته که این کار نه از نظر عقلی منطقی است و نه از نظر نتیجه دهی! برای این کار ابزاری بسیار کاربردی وجود دارد که فیلتر های نوسان گیر نامیده می شوند. شما با استفاده از این فیلتر ها می توانید سهم هایی که آینده خوبی را دارا هستند و مستعد رشد می باشند را شناسایی و افدام به خرید کنید.

نقش فیلتر در پیش بینی بازار بورس

فیلتر پیش بینی بازار فردا به عنوان یک استراتژی معاملاتی رفتار می کند که با استفاده از آن فرد سرمایه گذار می تواند بر اساس درصد تغییرات نسبت به قیمت‌ های قبلی، قوانینی را برای زمان خرید و فروش سرمایه گذاری تعیین می‌ کند.

فیلتر پیش بینی بازار فردا

شما با بهره گیری از این فیلتر پیش بینی بازار فردای بورس به راحتی می توانید صف های خرید و فروش روز آینده را شناسایی کنید. شاید بد نباشد در این جا بدانید که این فیلتر بورسی طبق یک ساعت نهایی بازار تصمیم گیری خود را انجام می دهد. چرا که در ساعات پایانی بورس نتایج بازار به واقعیت نزدیک تر است و رفتار های هیجانی کمی فروکش کرده است. اگر می خواهید سهام هایی را پیدا کنید که در آستانه صف خرید باشند، باید چند نکته مهم را بدانید:

• میزان حجم معاملات
• درصد ورود پول هوشمند
• تشخیص سطوح حمایت و مقاومت آن سهم
• تشخیص بالا بودن قدرت خریداران نسبت به فروشندگان سهم
• انتشار اخبار مثبت بنیادی از سهم
• میزان شناوری سهم باید بررسی گردد

شما با به کار گیری نکات بالا می توانید بازه های خرید و فروش خوبی را پیدا کنید و معاملات امنی را تجربه کنید.

پیش بینی بازار بورس فردا و صف فروش

در حالی که ما می بینیم دیروز با وجود مثبت بودن بازار، شاخص هم ‌وزن منفی بود و این نشان‌ دهنده منفی بودن سهام اکثر شرکت‌ هاست که دقیقا همین موضوع باعث شلوغ شدن صف فروش سهام ها می گردد که اصلا خوب نیست و باعث می شود تا سرمایه اندک مردم بازیچه دست افرادی بی کفایت گردد. بازار بورس امروز با شروع معاملات روند صعودی و سبز را بعد از مدت طولانی تجربه کرد. اما در ادامه روند معاملات شاخص کل تاثیر گرفته از اخبار راست و دروغ و شایعات به راه افتاده در پیش بینی قیمت سهام در بورس بورس بیان گر بازگشایی نماد های پالایشی نیز، با صف ‌های فروش رو به ‌رو شدند.

هم چنین پیش بینی بازار بورس فردا باعث شد که صف خرید سهام نماد های بانکی بسیار بالا برود و سهم های خرد نیز در صف خرید غرق شود. دیروز زمانی که بازار در حال طی کردن روند و روش عادی خود بود، ناگهان شایعاتی مبنی بر بازگشایی نماد های پالایشی به گوش خورد که باعث آشفتگی بازار شد.

هم چنین همان طور که انتظار می رفت این اخبار کذب باعث شد که اکثر سهام ها به صف فروش بروند که همین موضوع نشان از جو هیجانی و بی ‌اعتمادی به بازار در این روزها را می دهد. این قضیه پیش بینی بازار بورس فردا را در هاله ای از ابهام فرو برد. البته بسیار جالب است که دیروز در ابتدا بسیاری از نماد ها سبز بودند و به دلیل معاملات کلانی که در این بازار انجام می شد جو خوب و مثبتی حاکم بود اما همواره کلیت بازار روند منفی را نشان می‌ داد. امروز برخی از نماد ها از جمله کویر و ذوب سبز بودند که باعث خوشحالی سهامدارانشان شد.

بورس امروز چگونه است؟

شاخص کل بازار رشد ۲.۵۴ درصدی و شاخص هم وزن رشد ۰.۹۶ درصدی را تجربه کردند. در ادامه شاخص کل فرابورس با رشد ۳۹۶ واحدی به سطح ۲۱ هزار و ۳۰۱ واحد رسید و گزارش ها حاکی از آن است که شروع یک روند پر قدرت آغاز شده است.

بخشی از شرکت هایی که در بورس هستند مانند شرکت های دولتی و حقوقی مکلف هستند وجوهی که از بازار خارج کرده اند را به بازار برگردانند تا بازار گردانی به درستی انجام شود و هیچ کس خارج از بورس لیدری بورس را انجام ندهد. هم چنین از ابزار های پوشش ریسک و بیمه سهام در بورس به نحو احسن استفاده شود.

بورس فردا چگونه است؟

اکثر کارشناسان بازار سرمایه معتقد هستند که از فردا یعنی روز یک شنبه تاثیر روانی اخبار حمایت از بازار سرمایه بروز و روند بازار را مثبت اعلام خواهد شد اما برخی شایعه‌ ها نیز جو بی‌ اعتماد بازار را تشدید کرد. فرایند تصمیمات شورای عالی بورس برای حمایت از بازار سهام زمان‌ بر است و اگر حمایتی در کار باشد باید کمی منتظر ماند.

آن ها با اشاره به منفی شدن پی در پی بورس اعلام داشتند: علت غالب نشدن سهم های کلان و صعودی بر سهم های نزولی، حمایت بازار فقط در غالب چند سهم است و به همین علت اکثر بازار منفی است. اما قرار است چند سهم شاخص‌ ساز حمایت شوند و شاخص مثبت را شاهد باشیم. اکثر فعالان بورس در این زمینه عقیده دارند اگر حمایتی قرار است انجام شود باید در آن کاملا مصمم عمل کرد. مورد دوم آن است که فقط چند سهم مشخص را حمایت نکنند و حمایت نسبت به تمامی سهم ها اعمال شود.

جمعی از سرمایه گذاران و فعالان بورس در این زمینه عقیده دارند که بازار سهام ما مختصاتی توده‌ وار دارد و متولیان امر باید از عواملی که صف‌ نشینی را تشدید می‌ کند پرهیز کنند. متولیان باید بدانند این بی‌ اعتمادی در بازار ایجاد شده و دست رنج همین مسئولین است. دیروز با وجود مثبت بودن بازار، شاخص هم‌ وزن منفی بود و این نشان‌ دهنده منفی بودن اکثر شرکت‌ ها در بازار سهام است و این موضوع باعث افزایش عرضه در بازار خواهد شد.

بورس در ماه اینده چگونه است؟

همان طور که می دانید بازار بورس این روز ها زیاد اوضاع و احوال خوشی ندارد و از همین رو حدس زدن روند کاری آن در ماه های آینده و پیش بینی بازار بورس فردا چندان کار درستی نیست زیرا هم اکنون نوسانات زیادی را تجربه می کند. اما با توجه به این که این روال همیشگی نیست و تا کنون نیز کشور ما روز هایی این چنینی را تجربه کرده است، می توان گفت که در ماه های اینده روند بهتری را شاهد خواهیم بود و لازمه آن که ان روزهای سبز را دوباره ببینیم، این است که در روز های قرمز بازار هیجانی عمل نکنیم و اجازه دهیم که بازار راه خود را پیدا کند و دوباره شاهد سود دهی های آن باشیم.

با توجه به آن که همیشه این گونه بوده است که ماه های اخر هر سال رشد خوبی در این بازار شاهد بودیم، می توانیم امید وار باشیم که زمستان امسال نیز بهاری در این عرصه رخ دهد و سرمایه از دست رفته عده ای معامله گران و سهام داران مجددا باز گردد. در این ماه شاهد آن بودیم که چندین شرکت معتبر سهام خود را برای اولین بار عرضه کردند و به اصطلاح سهام اولی های زیادی عرضه شد که بیش تر افراد ان ها را خریداری کردند تا بلکه با این کار چند روز اول را با سود مواجه شوند و اندکی از ضرر های گذشته آنان جبران شود.

به طور کلی سهام های اولیه از یک قانون نا نوشته پیروی می کنند و آن هم این است که بعد از عرضه چند روز اول را سود دهی می کنند و خیال سهام داران راحت است. اما پس از مدتی بسته به روند بازار ممکن است که در سراشیبی زیان قرار گیرند و اگر شما قبل از آن اقدام به فروش سهام خود نکرده باشید باید بدانید که زیان آن متحمل شما نیز می شود و شما تا زمانی که آن سهم را در اختیار دارید در سود و ضرر شرکت سهام خواهید بود.

خرید سهم

نکته قابل توجه در این مورد ان است که در زمان خرید سهم توجه داشته باشید که سهم را گران تر از حد معمول نخرید. یعنی زمانی که شما می خواهید سهام یک شرکت را بخرید باید قبل از آن تحلیل های مناسبی در آن خصوص را آغاز کرده باشید و بدانید که قیمت آن در چه زمانی آن قدر تنزل پیدا می کند که به اصطلاح کف قیمت بازار باشد و در ان زمان برای خرید سهم مورد نظر خود اقدام به خرید کنید.

اما آیا می دانید که در چه زمان هایی قیمت سهم در کف قرار می گیرد و شما باید برای خرید اقدام کنید؟ در واقع تمامی سهام ها یک نمودار روندی خاصی را دارند و ما با تحلیل دوره های قبلی آن می توانیم روند آینده آن را تا حدودی حدس بزنیم. زمانی که این کار را کردیم متوجه می شویم که در بعضی از نقاط روند کاهشی ادامه دار خواهد بود و مدت زمان تقریبا زیادی را در قعر قرار دارد و اما کار ما در همان زمان اغاز خواهد شد.

ما باید زمان آخرین روز های روند قرمزی سهم را تخمین بزنیم و با توجه به آن در نقطه ای سهم کشش به سوی صعود را نشان داد اقدام به خرید کنیم. ما با این کار تعداد بیش تری سهم با قیمت کمتر را می توانیم داشته باشیم. به طور کلی خرید هوشمندانه بدین صورت است و اگر می خواهیم در این بازار موفق باشیم باید از این قوانین پیروی کنیم و بررسی های خود را نیز بر روی آن اعمال کنیم و پیش بینی بازار بورس فردا را در دست بگیریم.

فروش سهم

آیا می دانید که برای فروش سهم خود باید از چه استراتژی استفاده کنید تا ضرر نکنید؟ ما در این جا چند روش برای تخمین زدن حدودی زمان فروش سهم را برایتان بیان خواهیم کرد. در ابتدا حتما شنیده اید که عده ای می گویند باید توجه خود را بر روی تعداد افراد در صف فروش متمرکز کنیم یعنی اگر مشاهده کردیم که صف فروش سهام مورد نظر ما شلوغ شده است، ما نیز سهام را برای فروش بگذاریم. می توان گفت که این استراتژی یک استراتژی ناقص به شمار می رود زیرا در این صورت ما انتخاب دیگران بر انتخاب خود ترجیح داده ایم و حتی دلیل آن را نمی دانیم.

در این مورد بهتر است که در ابتدا نوع نگاه خود برای سرمایه گذاری در این بازار را مرور کنید که آیا نگاه بلند مدت به آن داشتید یا می خواستید که در کوتاه مدت سودی را ببرید. تمامی این نکات بر روی انتخاب شما تاثیر خواهد گذاشت و شما باید طبق برنامه خود پیش بروید.

در سمتی دیگر عده ای نیز قرار دارند که در ابتدا اقدام به خرید چند سهم بنیادی یا غیر بنیادی می کنند و گمان می کنند که سهام مورد نظر را به هیچ وجه نباید فروخت و اگر این کار را بکنند متحمل ضرر می شوند که این نگاه هم نگاه باطلی است زیرا تا زمانی که خرید و فروش صورت نگیرد سودی هم جا به جا نخواهد شد.

پیش بینی وضعیت بورس در آینده

هنوز بعضی از افراد هستند که مفهوم بازار سرمایه و اهمیت آن را درک نکرده اند. البته مشکل از آنان نیست و شاید دوران گذار است و برای کسانی که 40 سال با ملک و طلا و مسکن این چنین را به روز کشور آورده اند و خوش گذراندند، بازار سرمایه برایشان نا مفهوم و سخت است.

اقتصادی که در کل دنیا بر اساس بورس محوری است هنوز کسانی هستند که نمی دانند بانک محوری و ربا همان است در طی این دوران با خدا جنگیده اید و فقط گاهی حرف آن را می زنید ولی در عمل باز به مخالفت از بازار سرمایه می پردازید. هم چنین با توجه به سهام های اولیه شرکت ها، تا این لحظه آگهی عرضه اولیه در بورس و فرا بورس انتشار نیافته است و به احتمال زیاد در این هفته عرضه اولیه نخواهیم داشت.

هم چنین در رابطه با پیش بینی بازار بورس فردا رئیس کمیسیون اقتصادی مجلس در مورد حال و روز این روز های بورس گفت: طی روز های آینده جلسه مهمی با حضور وزیر اقتصاد، رئیس کل بانک مرکزی، رئیس سازمان بورس و مدیران بورسی در دفتر رئیس مجلس شورای اسلامی برگزار و راه کار های تقویت بازار سرمایه به تصویب خواهد رسید.

• با سایت ایران بورس همراه باشید …

پیش بینی بازار بورس فردا تا عید

در واقع بیشتر مردم بر این امید هستند که تا عید اوضاع سهام های بازار بورس رونق گیرد و سرمایه از دست رفته شان دوباره بازگردد. سهام داران خرد در جریان بازی های حقوقی ها سرمایه بسیاری از دست دادند و افرادی که باید از این آشفته بازار سود می بردند، به نحو احسن این کار را انجام دادند. در واقع با تغییر رئیس سازمان بورس و شخص وزیر، تغییر و تحولاتی در بورس و فرا بورس رخ داد. گر چه اکثر مردم بر این عقیده اند که این تغییر و تحولات بیش تر به نفع حقوقی ها می باشد و در واقع با وضع قوانینی این چنینی نوعی رانت خواری قانونی شروع شده است. گفته ها و شنیده ها حاکی از این است که تا عید اوضاع کمی بهتر از اکنون می شود و مردم صبور باشند. باید دید که مردم باز هم بعد از آن همه قول های بی سر انجام باز هم به بورسی ها اعتماد می کنند یا خیر!

موفق و پر سود باشید.

سوالات متداول در مورد پیش بینی بازار بورس فردا

1. پیش بینی بازار بورس فردا چگونه دیده شد؟

بازار با روند هر چند ضعیف ولی با چشم انداز نرخ دلار و تورم و حذف ارز دولتی می تواند کم کم آرامش، ثبات و پایداری داشته باشد

مجلس شورای اسلامی در جلسه غیر علنی خود در روز های پیش، به بررسی مسائل روز اقتصادی اعم از بورس، ارز و خودرو با حضور وزیر اقتصاد و مسئولین مرتبط پرداخت و با صرف شیرینی و میوه جلسه خود را به پایان رساندند.

با توجه به سهام های اولیه شرکت ها، تا این لحظه آگهی عرضه اولیه در بورس و فرا بورس انتشار نیافته است و به احتمال زیاد در این هفته عرضه اولیه نخواهیم داشت.

اصولا فیلترها استفاده های زیادی دارند به عنوان مثال فرد معامله گر می تواند با استفاده از آن بر اساس درصد تغییرات نسبت به قیمت‌ های قبلی، قوانینی را برای زمان خرید و فروش سرمایه گذاری تعیین کند.

آخرین امید بورس از دست رفت/پیش بینی بازار سهام

اقتصادنیوز: تنها امیدواری فعالان بازار سهام این بود که با وجود افت شاخص ها، ارزش معاملات خرد در حال افزایش است اما دیروز روند رو به رشد ارزش معاملات خرد نیز از بین رفت تا این امید بورسی ها تبدیل به یاس شود.

به گزارش اقتصادنیوز ، روز گذشته شاخص کل بورس تهران بیش از 10 هزار واحد افت کرد. این افت گرچه از افت روز دوشنبه کوچک تر بود، اما باعث ایجاد ناامیدی بیشتری در بازار سهام شد.

تا پیش از معاملات روز گذشته، با وجود افت شاخص ها این نکته مد نظر فعالان بازار سهام قرار گرفته بود که ارزش معاملات خرد چند روزی است رشد می کند و اگر این روال ادامه پیدا کند، افت شاخص ها نیز جبران می شود. اما دیروز بالاخره ارزش معاملات خرد نیز کاهش یافت تا این تنها کورسوی امید نیز از بین برود.

دیروز ارزش معاملات خرد نسبت به روز دوشنبه کاهش کمتر از 100 میلیارد تومانی داشت. گرچه این رقم نسبتا عدد کوچکی است اما از آنجا که سایر شاخص های عملکردی بورس نیز در جهت منفی گام برمی دارند، حالا می توان گفت که ارزش معاملات خرد نیز هم‌راستای سایر شاخص ها شده و فعلا جو بازار چندان خوش بین به آینده نخواهد بود.

خروج پول از بازار شدت گرفت

از نظر وضعیت ارزش معاملات خرد که فعلا وضعیت خوب نیست، از نظر تغییر مالکیت سهام در بخش حقیقی ها و حقوقی ها هم وضعیت به همین شکل است. دیروز حدودا 400 میلیارد تومان پول از بازار خارج شد که رقم بزرگی است.

حقیقی ها با این خروج پول نشان دادند سیگنال کاهش ارزش معاملات خرد را دریافت کرده اند و به سرعت پول خود را از بازار خارج کردند تا آن را یا وارد ابزارهای درآمد ثابت کنند، یا به بازاری دیگر ببرند.

شاخص قدرت خریداران حقیقی هم که همین چند روز قبل به مدت سه روز متوالی بالای عدد 1 ثبت شده بود، هم روز دوشنبه و هم دیروز، به کمتر از عدد 1 رسید و افزایش قدرت فروشندگان حقیقی را نشان داد.

سرایت فشار فروش دیروز به معاملات امروز

در این شرایط برای بازار امروز نمی توان انتظار رشد شاخص ها را داشت. در دقایق پایانی بازار دیروز 540 نماد منفی در مقابل 130 نماد مثبت وجود داشت و بخشی از فشار فروش روز گذشته به معاملات امروز سرایت می کند.

این نکته را هم نباید فراموش کرد که چهارشنبه ها معمولا فشار فروش در بازار بیشتر است و بخشی از سهامداران، عادت دارند سهام خود را در پایان هفته نقد کنند تا دوباره در شروع هفته بعد، سهام جدید بخرند.

پیش بینی قیمت سهام در بورس

فرهاد رامشینی [ پدیدآور اصلی ] ، احمد نزاکتی رضازاده[ استاد راهنما ] ، حمید حسن پور[ استاد مشاور ] ، مجید عامری[ استاد مشاور ]

چکیده: امروزه یکی از مهمترین موضوعات مورد علاقه اقتصاددانان و تحلیل گران مالی، تبیین چگونگی و روند نوسانات قیمت هاست که راه های متفاوت و دیدگاه های گوناگونی را در این باره پدید آورده است. در این میان، با توجه به در دسترس نبودن اطلاعات دقیق درباره عوامل مؤثر بر نوسانات بازار سهام، پیش بینی این تغییرات به سادگی میسر نیست. تغییر درجه تأثیر متغیرها با زمان بر روی شاخص ها و یکدیگر، وجود متغیرهای سیاسی داخلی و جهانی که تأثیر مستقیم بر سیستم های اقتصادی دارد چالش اساسی در مدل سازی بازار بورس است. طراحی ماشین هایی با توانایی فراگیری و تجربه آموزی مدت ها یکی از بحث های مهم علوم تحقیق بود تا سرانجام با ظهور کامپیوتر های قدرتمند در این راه گام های مثبتی برداشته شد. در ادامه اثبات گردید که این ماشین ها توانایی بالایی جهت فراگیری داده ها دارند و می توانند پس از فراگیری داده های آموزشی، نتایج قابل قبولی را ارائه نمایند. ماشین برداری در اوایل دهه 90 معرفی شد و پس از آن به عنوان روشی نیرومند در حل مسائل طبقه بندی غیر خطی و رگرسیون مورد استفاده قرار گرفت. بر طبق نظریه محققین دلیل موفقیت این روش را می توان در قدرت بالای تعمیم دادن مسائل و توانمندی در مقابله با نویز ها و کمبود داده ها دانست. در همین راستا هدف از مبحث حاضر، معرفی روشی جدید و قدرتمند در شناسایی الگو تحت عنوان ماشین های برداری پشتیان است که از ترکیب بهینه سازی، آموزه های آماری و هسته های کرنل بهره می جوید. پس از تحقیق در شاخص های پیش بینی قیمت سهام در بورس بازار بورس، تغییرات قیمت سهام شرکت سرمایه گذاری البـرز در سـال های 1387 و 1388 به عنوان متغیر وابسته و 14 متغیر اقتصادی و بازار سهام به عنوان متغیرهای مستقل تشخیص داده شدند. پس از نرمال سازی، مدل سازی به کمک ماشین های برداری صورت گرفت. عملکرد کرنل های مختلف و پارامترهای مدل نیز مورد آزمون قرار گرفتند و مدل بهینه استخراج گردید. در انتها شبکه های عصبی رگرسیون مختصر توضیح داده شده و بر روی داده ها مدل شد که نتایج حاصل از ماشین برداری خطای کمتری داشت.

#نوسانات قیمت ها #نوسانات بازار سهام #سیستم های اقتصادی #هسته های کرنل

دانلود نسخه تمام متن (رایگان)
محل نگهداری: کتابخانه مرکزی دانشگاه صنعتی شاهرود
یادداشت: حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.
تعداد بازدید کننده:

[کلیدواژه ها: قیمت گذاری نادرست سهام، نوسانات ویژه (ریسک غیرسیستماتیک)، مدل برگر و اوفک، مدل ایکنبری و همکاران، بازده سهام، بازار کارا]

[کلیدواژه ها: اعتبار تجاری، هم‌زمانی قیمت سهام، قیمت سهام، مدل رگرسیون داده‌های ترکیبی، اطلاعات خاص شرکتی، متغیرهای کلان اقتصادی]

[کلیدواژه ها: قیمت گذاری، پخش بار، مصرف کننده، انتقال، قیمت گذاری نهایی، قیمت گذاری مسیر قرارداد، قیمت گذاری مگاوات مایل مبتنی بر پخش بار، تخصیص فلو، ترانزیت]

[کلیدواژه ها: مدل فاما – فرنچ، نوسانات غیر سیستماتیک، بازده سهام، اندازه، نسبت ارزش دفتری به ارزش بازار]

[کلیدواژه ها: بازاریابی، آمیخته بازاریابی، محصول، قیمت، ترفیع، توزیع، بازار، سهم بازار، صنایع غذایی، شرکت سه نان و فرنان]

پیش‌بینی بازده سهام بورس تهران: مقایسه رویکردهای بیزی، هموارسازی نمایی و باکس جنکینز

پیش‌بینی بازده سهام برای سرمایه‌گذاران در بازارهای مالی از اهمیت فراوانی برخوردار است. به ‌طور کلی چهار روش برای پیش‌بینی قیمت سهام وجود دارد: تحلیل تکنیکال، تحلیل بنیادی، پیش‌بینی سری‌های زمانی کلاسیک و روش یادگیری ماشینی. این مطالعه در دسته سوم؛ یعنی پیش‌بینی سری زمانی که در آن مقادیر یک متغیر در طول زمان پیش‌بینی می‌شود، قرار می‌گیرد. بررسی مطالعات انجام شده نشان می‌دهد پیش‌بینی قیمت سهام بیشتر با روش‌هایی چون شبکه عصبی و الگوریتم ژنتیک که در گروه روش یادگیری ماشینی قرار دارند، بوده است. عدم کاربرد روش بیزین، هموارسازی نمایی و باکس جنکینز در مطالعات انجام شده مشهود است. در واقع تمایز این پژوهش با سایر مطالعات، کاربرد روش‌های بیزین، هموارسازی نمایی و باکس جنکینز و مقایسه آن‌ها در پیش‌بینی بازده سهام است. این مطالعه پیش‌بینی با سری‌های زمانی با سه روش مختلف فوق را مورد استفاده قرار داده است. بازه زمانی این مطالعه از 0۶/0۱/13۹۷ تا ۲۷/1۲/۱۳۹۹ در تناوب روزانه است. براساس معیار ریشه میانگین مربع خطاها (RMSE) که کاهش آن تنها در صورتی ممکن است که روش مورد استفاده اطلاعات بیشتری را از فرآیند سری زمانی داده‌ها لحاظ کند. نتیجه این مطالعه نشان‌دهنده برتری روش بیزی بر سایر روش‌ها است. این تحقیق اهمیت توجه به این روش‌ پیش‌بینی در بازده بازارهای مالی را نشان می دهد.

کلیدواژه‌ها

20.1001.1.17260728.1401.27.91.5.5

موضوعات

مراجع

امیری، مقصود و بیگلری کامی، مهدی. (1393). پیش بینی رفتار سهام با استفاده از مدل زنجیره مارکوف. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، 5(20) ، 79 - 94.

حقیقت منفرد، جلال، احمدعلی نژاد، محمود و متقالچی، سارا. (1391). مقایسه مدل های شبکه عصبی با مدل سری زمانی باکس- جنکینز در پیش بینی شاخص کل قیمت سهام بورس اوراق بهادار تهران. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، 3(11)، 1 - 16.

زمانی، محسن، افسر، امیر، ثقفی، سید وحید و بیات، الهام. (1393). سیستم خبره پیش بینی قیمت سهام و بهینه سازی سبد سهام با استفاده از شبکه‌های عصبی فازی، مدل سازی فازی و الگوریتم ژنتیک. مهندسی مالی و مدیریت اوراق بهادار، 6 (21)، 107-130

سجاد، رسول و عسگری، محسن. (1391). بررسی روند زمانی قطعی و تغییر در پایداری شاخص کل بورس اوراق بهادار تهران، مبتنی بر تحلیل بیزین و با مدل تعمیم یافته ریشه واحد تصادفی (GSTUR). مهندسی مالی و مدیریت اوراق بهادار، 3(12)، 81-109.

محمدی، علی،خلیفه، مجتبی و معینی، محمدرضا. (1395). انتخاب سهام با استفاده از تکنیک دیمتل فازی و بکارگیری فرایند زنجیره مارکوف در پیش بینی وضعیت آینده سهام. فصلنامه مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، 7(26)، ۱۲۳-۱۴۱.

مکیان، سیدنظام الدین و موسوی، فاطمه السادات. (1391). پیش­بینی قیمت سهام شرکت فرآورده‌های نفتی پارس با استفاده از شبکه عصبی و روش رگرسیونی: مطالعه موردی: قیمت سهام شرکت فرآورده های نفتی پارس. مدلسازی اقتصادی، 6(2-پ18)، 105-121.

Abdollahi, H. (2020). A novel hybrid model for forecasting crude oil price based on time series decomposition. Applied Energy, 267, 115035.

Abu-Mostafa, Y. S., & Atiya, A. F. (1996). Introduction to financial forecasting. Applied Intelligence, 6 (3), 205-213.

Al-Qaness, M. A., Abd Elaziz, M., & Ewees, A. A. (2018). Oil consumption forecasting using optimized adaptive neuro-fuzzy inference system based on sine cosine algorithm. IEEE Access, 6, 68394-68402.

Amiri, M., & Biglari Kami, M. (2014). Predicting stock behavior using the Markov Chain model. Financial Engineering and Securities Management (Portfolio Management): 5 (20), 79-94. [In Persian]

Atsalakis, G. S., & Valavanis, K. P. (2009). Surveying stock market forecasting techniques–part II: soft computing methods. Expert Systems with Applications, 36 (3), 5932-5941.

Barak, S., Arjmand, A., & Ortobelli, S. (2017). Fusion of multiple diverse predictors in stock market. Information Fusion, 36, 90-102.

Billah, B., King, M.L., Snyder, R.D. & Koehler, A.B. (2006). Exponential smoothing model selection for forecasting. Int. J. Forecast. 22, 239–247.

Clements, M. P. (2004). Evaluating the Bank of England density forecasts of inflation. The Economic Journal, 114 (498), 844-866.

De Oliveira, F. A., Nobre, C. N., & Zárate, L. E. (2013). Applying artificial neural networks to prediction of stock price and improvement of the directional prediction index–case study of PETR4, Petro bras, Brazil. Expert Systems with Applications, 40 (18), 7596-7606.

Fama, E. F., & French, K. R. (1996). Multifactor explanations of asset pricing anomalies. The Journal of Finance, 51 (1), 55-84.

Fenghua, W. E. N., Jihong, X. I. A. O., Zhifang, H. E., & Xu, G. O. N. G. (2014). Stock price prediction based on SSA and SVM. Procedia Computer Science, 31, 625-631.

Gardner Jr., E.S. & McKenzie, E., (2010). Damped trend exponential smoothing: a modelling viewpoint. Int. J. Forecast. 26, 661–665.

Gardner Jr., E.S. (2006). Exponential smoothing: the state of the art—part II. Int. J. Forecast. 22, 637–666.

Göçken, M., Özçalıcı, M., Boru, A., & Dosdoğru, A. T. (2016). Integrating metaheuristics and artificial neural networks for improved stock price prediction. Expert Systems with Applications, 44, 320-331.

Grazzini, J., Richiardi, M. G., & Tsionas, M. (2017). Bayesian estimation of agent-based models. Journal of Economic Dynamics and Control, 77, 26-47.

Guo, X., Li, D., & Zhang, A. (2012). Improved support vector machine oil price forecast model based on genetic algorithm optimization parameters. Aasri Procedia, 1, 525-530.

Guresen, E., Kayakutlu, G., & Daim, T. U. (2011). Using artificial neural network models in stock market index prediction. Expert Systems with Applications, 38 (8), 10389-10397.

Hafiqat Monfared, J., , Alinejad M.A. & Metghalchi S. (2012). Comparison of neural network models with Box-Jenkins time series model in predicting the total stock price index of Tehran Stock Exchange. Financial Engineering and Securities Management (Portfolio Management), 3 (11), 1-16. [In Persian]

Hall, J., Pitt, M. K., & Kohn, R. (2014). Bayesian inference for nonlinear structural time series models. Journal of Econometrics, 179 (2), 99-111.

Harvey, A. C., Trimbur, T. M., & Van Dijk, H. K (2007). Trends and cycles in economic time series: a Bayesian approach. Journal of Econometrics, 140 (2), 618-649.

Hastie, T., Tibshirani, R., & Friedman, J. (2003). The elements of statistical learning: data mining, inference and prediction, Springer, (ISBN 0-387-95284-5).

Holt, C.C., (2004). Forecasting seasonal and trends by exponentially weighted moving averages. International Journal of Forecasting, 20 (1), 5-10.

Huang, C. L., & Tsai, C. Y. (2009). A hybrid SOFM-SVR with a filter-based feature selection for stock market forecasting. Expert Systems with Applications, 36 (2), 1529-1539.

Hyndman, R.J., & Khandakar, Y. (2008). Automatic time series forecasting: the forecast package for R, J. Stat. Journal of Statistic Software, 27, 3, 1-22.

Jeon, S., Hong, B., & Chang, V. (2017). Pattern graph tracking-based stock price prediction using big data, Future Generation Computer Systems.

Jones, C. I. (1999). Growth: with or without sale effects? The American Economic Review, 89 (2), 139-144.

Khashman, A., & Nwulu, N. I. (2011). Intelligent prediction of crude oil price using support vector machines. In 2011 IEEE 9th International Symposium on Applied Machine Intelligence and Informatics (SAMI), 165-169. IEEE.

Kim, H., & Han, S. T. (2016). The enhanced classification for the stock index prediction. Procedia Computer Science, 91, 284-286.

Kim, K. (2003). Financial time series forecasting using support vector machines. Neurocomputing, 55 (1), 307–319.

Kuo, R. J. (2001). A sales forecasting system based on fuzzy neural network with initial weights generated by genetic algorithm. European Journal of Operational Research, 129 (3), 496-517.

Lampreht Tratar, U., Loiacono, L., Cemazar, M., Kamensek, U., Fazio, V. M., Sersa, G., & Signori, E. (2017). Gene electro transfer of plasmid-encoding IL-12 recruits the M1 macrophages and antigen-presenting cells inducing the eradication of aggressive B16F10 murine melanoma. Mediators of Inflammation.

Lettau, M., & Ludvigson, S. (2001). Consumption, aggregate wealth and expected stock returns. The Journal of Finance, 56 (3), 815-849.

Lettau, M., & Ludvigson, S. (2005). Expected returns and expected dividend growth. Journal of Financial Economics, 76, 583–626.

Makiyan S. N., & Musavi F. (2012). Pars petroleum products company stock price prediction using neural network and regression method: case study: pars petroleum products company stock price. Economic Modeling: 6 (2), Series 18, 105-121. [In Persian]

Makiyan, S. N., & Rostami, M. (2018). Heterogeneous effect of unemployment on crime in Iran: Hierarchical Panel Bayesian-Poisson approach. Iranian Journal of Economic Research, 23(76), 137-158. [In Persian]

Makridakis, S. & Hibon, M. (2000). The M3-competition: results, conclusions and implications. Int. J. Forecast. 16, 451–476.

Makridakis, S., Wheelwright, S.C. & Hyndman, R.J. (1998). Forecasting: methods and applications, Third ed. Wiley, New York.

Malkiel, B. G. (2003). The efficient market hypothesis and its critics. The Journal of Economic Perspectives, 17 (1), 59-82.

Moghaddam, A. H., Moghaddam, M. H., & Esfandyari, M. (2016). Stock market index prediction using artificial neural network. Journal of Economics, Finance and Administrative Science, 21 (41), 89-93.

Mohammadi, A., Khalifeh M. & Moeini M.(2016). Selection of stocks using fuzzy technique and application of Markov Chain process in predicting the future status of stocks. Quarterly Journal of Financial Engineering and Securities Management, 7(26), 123-141. [In Persian]

Murat, A., & Tokat, E. (2009). Forecasting oil price movements with crack spread futures. Energy Economics, 31 (1), 85-90.

Naranjo, A., Nimalendran, M., & Ryngaert, M. (1998). Stock returns, dividend yields and taxes. The Journal of Finance, 53 (6), 2029-2057.

Patel, J., Shah, S., Thakkar, P., & Kotecha, K. (2015). Predicting stock and stock price index movement using trend deterministic data preparation and machine learning techniques. Expert Systems with Applications, 42 (1), 259-268.

Poloni, F., & Sbrana, G. (2015). A note on forecasting demand using the multivariate exponential smoothing framework. International Journal of Production پیش بینی قیمت سهام در بورس Economics, 162, 143-150.

Qiu, M., Song, Y., & Akagi, F. (2016). Application of artificial neural network for the prediction of stock market returns: the case of the Japanese stock market. Chaos, Solitons & Fractals, 85, 1-7.

Raoofi, A., & Mohammadi, T. (2018). Forecasting Tehran stock exchange index returns using a combination of wavelet decomposition and adaptive neural fuzzy inference systems. Iranian Journal of Economic Research, 23 (76), 107-136. doi: 10.22054/ijer.2018.9514. [In Persian]

Sadeghi, A. (2015). Providing a measure for bullwhip effect in a two-product supply chain with exponential smoothing forecasts. International Journal of Production Economics, 169, 44-54.

Sajjad, R. & Asgari, M. (2012). Investigation of definite time trend and change in the stability of the total index of Tehran Stock Exchange: A Bayesian analysis and with the generalized model of random unit root (GSTUR). Financial Engineering and Securities Management, 3(12), 81-109. [In Persian]

Santos, T., & Veronesi, P. (2006). Labor income and predictable stock returns. Review of Financial Studies, 19 (1), 1-44.

Senf, C., Pflugmacher, D., Heurich, M., & Krueger, T. (2017). A Bayesian hierarchical model for estimating spatial and temporal variation in vegetation phenology from Landsat time series. Remote Sensing of Environment, 194, 155-160.

Tay, F. E., & Cao, L. (2001). Application of support vector machines in financial time series forecasting. Omega, 29 (4), 309-317.

Taylor, J.W. (2003). Exponential smoothing with a damped multiplicative trend. Int. J. Forecast. 19, 715–725.

Ticknor, J. L. (2013). A Bayesian regularized artificial neural network for stock market forecasting. Expert Systems with Applications, 40 (14), 5501-5506.

Wallström, P., & Segerstedt, A. (2010). Evaluation of forecasting error measurements and techniques for intermittent demand. Int. J. Prod. Econ. 128, 625–636.

Wang, L., Wang, Z., Zhao, S., & Tan, S. (2015). Stock market trend prediction using dynamical Bayesian factor graph. Expert Systems with Applications, 42 (15), 6267-6275.

Wei, Y., Wang, Y., & Huang, D. (2010). Forecasting crude oil market volatility: Further evidence using GARCH-class models. Energy Economics, 32 (6), 1477-1484.

Xiang, Y. & Zhuang, X. H. (2013). Application of ARIMA model in short-term prediction of international crude oil price. In Advanced Materials Research, 798, 979-982. Trans Tech Publications Ltd.

Xiao, Q., Chaoqin, C., & Li, Z. (2017). Time series prediction using dynamic Bayesian network. Optic International Journal for Light and Electron Optics, 135, 98-103.

Zamani, M., , Afsar A., Saghafi Nezhad V. & Bayat E. (2014). Expert system of stock price forecasting and stock portfolio optimization using fuzzy neural networks, fuzzy modeling and genetic algorithm. Financial Engineering and Securities Management. 6(21), 107-130. [In Persian]

Żbikowski, K. (2014). Time series forecasting with volume weighted support vector machines. In International Conference: Beyond Databases, Architectures and Structures, 250-258. Springer International Publishing.

پیش بینی قیمت سهام در بورس

اقتصاد نیوز: برای معاملات امروز، رشد شاخص ها پیش بینی می شود اما با توجه به زیاد شدن نوسان گیران بازار، احتمالا حجم عرضه ها در نیمه دوم زمان معاملات افزایش خواهد یافت.

اتفاقات مثبت در بورس

اقتصاد نیوز: بورس تهران مجددا وضعیت مناسبی پیدا کرده است. البته هنوز مشخص نیست که این وضعیت برای چند هفته ادامه خواهد داشت یا اینکه به زودی روند منفی از سر گرفته می شود.

بورس بازان بلاتکلیف شدند

اقتصاد نیوز: چند روزی بود که وضعیت معاملات بازار سهام بهبود چشمگیری پیدا کرده بود. اما همه نشانه ها به طور دسته جمعی در بازار روز سه شنبه از بین رفتند.

اُفت بورس ادامه پیدا می کند؟

اقتصاد نیوز: بورس تهران در معاملات روز گذشته با رشد شاخص ها مواجه شد اما تفاوت رشد شاخص کل و شاخص هم وزن نشان داد که همچنان اکثریت بازار وضعیت خوبی ندارد

پیش بینی بورس امروز ۵ مرداد ۱۴۰۱

اقتصاد نیوز: یکی از نگرانی های فعالان بازار سهام، رشد پی در پی نرخ سود بین بانکی بود که طبق نمودارها، از سال ۹۹ تا به حال هر زمان که سود بین بانکی افزایش یافته، شاخص بورس کاهشی شده و برعکس.

منتظر صعود بورس نباشید

اقتصاد نیوز: روز گذشته در بازار سهام معاملات به گونه ای رقم خورد که تمام آثار نکات مثبت روزهای گذشته از بین رفت.

پیش بینی بورس امروز ۲۶ تیر ۱۴۰۱

اقتصاد نیوز: بالاخره پس از ۱۶ روز معاملاتی، در روز گذشته قدرت خریداران حقیقی نسبت به فروشندگان حقیقی بیشتر شد.

پیش بینی بورس امروز ۱۵ تیر ۱۴۰۱

اقتصاد نیوز: دیروز با وجود رشد شاخص ها، اما تعداد نمادهای منفی و مثبت تقریبا برابر بود که این نشان دهنده ایجاد یک تعادل نسبی در بازار است.

پیش بینی بورس امروز ۱۳ تیر ۱۴۰۱

اقتصاد نیوز: بورس تهران اسیر یک دوره رکود شده و این رکود به اندازه ای عمیق است که ارزش معاملات هر روز در حال کاهش و ثبت رکوردهای جدید است.

پیش بینی بورس امروز ۱۲ تیر ۱۴۰۱

اقتصاد نیوز: بورس تهران دیروز با کاهش ۱۲ هزار واحدی شاخص کل مواجه شد. این افت در ادامه روند نزولی است که با برخورد شاخص کل به مقاومت ۱.۶ میلیون واحد آغاز شد.

نگاه بورسی ها به نرخ دلار

اقتصاد نیوز: بورس تهران که شاخص کل آن به حمایت ۱.۵ میلیون واحدی بسیار نزدیک شده بود، دیروز با حمایت حقوقی ها مواجه شد و شاخص کل پایین تر از عدد ۱.۵ میلیون واحد نرفت.

خروج پول حقیقی‌ها از بورس شدت گرفت

اقتصاد نیوز: دیروز بورس تهران همه نکات منفی را یکجا داشت! نسبت به معاملات روز شنبه، در روز یکشنبه همه چیز بدتر بود.

رونق از بورس رفت/ پیش بینی بورس امروز ۵ تیر ۱۴۰۱

اقتصاد نیوز: گرچه روز گذشته در معاملات بازار سهام استقبال خوبی از نمادهای خودرویی شد و اکثر آن ها به صف خرید رسیدند، اما وضعیت کلی بازار نشان می دهد همچنان احتمال افت قیمت سهام بیشتر از احتمال رشد آن است.

پیش بینی بورس امروز ۱ تیر ۱۴۰۱

اقتصاد نیوز: شاخص کل بورس تهران دیروز افت حدودا نیم درصدی داشت. افت نیم درصدی معمولا افتی بزرگ محسوب نمی شود اما از آنجا که شاخص کل مدت هاست در جا زده، باعث آشفتگی سهامداران شده است.

استارت بورس برای دوره صعودی جدید

اقتصاد نیوز: طی چند روز گذشته سهامداران از این موضوع متعجب بودند که چرا با وجود رشد نرخ ارز، بازار سهام تکان نمی خورد و حتی منفی است.

تعداد نمادهای منفی بورس دو برابر نمادهای مثبت

اقتصاد نیوز: بورس تهران در شرایطی که دیروز با کاهش ۲ هزار واحدی شاخص کل مواجه شد، همچنان فروشنده قوی ندارد. اما در طرف مقابل هم وضعیت به همین شکل است و خریداران هم قوی نیستند.

پیش بینی بورس امروز ۱۷ خرداد

اقتصاد نیوز: بورس تهران در سایه ابهاماتی مهم، وضعیتی نوسانی دارد. شرایط طوری است که نه مثل نیمه دوم ۹۹ می توان با قاطعیت حرف از نزول زد، نه می توان صعود را برای آن قطعی دانست.

خطر خروج ادامه دار پول حقیقی از بورس

اقتصاد نیوز: شاخص کل بورس در هفته گذشته روند نزولی داشت. در دو روز ابتدایی هفته سقوط شدیدی کرد و پس از آن روند صعودی پیدا کرد.

پیش بینی بورس امروز ۱۱ خرداد

اقتصاد نیوز: ارزش معاملات بورس خرد در بازار دیروز ۴۱۵۹ میلیارد تومان بود که نسبت به روز دوشنبه کاهشی حدودا ۵۰۰ میلیارد تومانی داشت.

پیش بینی بورس امروز ۹ خرداد

پالس منفی به بورس

اقتصاد نیوز: بورس تهران معاملات امروز را در شرایطی آغاز می کند که شاخص کل آن در روز گذشته تنها یک دهم درصد افت کرد و نسبت به روز دوشنبه، وضعیت بسیار بهتری داشت.

۳ آمار نگران کننده در بورس

اقتصاد نیوز: افت ۲۵ هزار واحدی شاخص کل بورس در معاملات روز گذشته، یکی از بزرگ ترین افت های شاخص کل در سال جاری بود که به احتمال زیاد دامنه فروش های آن به معاملات امروز هم کشیده خواهد شد.

پیش بینی بورس امروز ۲۸ اردیبهشت ۱۴۰۱

اقتصاد نیوز: شاخص کل بورس تهران در معاملات روز گذشته با رشد بیش از ۲۲ هزار واحدی، وارد کانال ۱.۶ میلیون واحد شد. از یک سال و نیم قبل تا به حال، شاخص نتوانسته بود وارد این کانال شود.

پیش بینی بورس امروز ۲۶ اردیبهشت ۱۴۰۱

اقتصاد نیوز: روز گذشته در ۱۰ دقیقه ابتدایی معاملات شاخص کل بورس روند صعودی داشت اما پس از آن سمت عرضه بازار قدرتمند شد و شاخص به سرعت پائین آمد.

پیش بینی بورس امروز ۲۰ اردیبهشت ۱۴۰۱

اقتصاد نیوز: بورس تهران در حالی معاملات روز سه شنبه را آغاز می کند که با توجه به افت بیش از ۱۲۰۰۰ واحدی در معاملات روز گذشته، فشار فروش در دقایق ابتدایی زیاد خواهد بود.

پیش بینی بورس امروز ۱۹ اردیبهشت ۱۴۰۱

اقتصاد نیوز: روز گذشته با اینکه قدرت خریداران حقیقی افزایش یافت و از ۱.۲۳ به ۱.۳ برابر رسید، اما تعداد نمادهای مثبت بازار کاهش یافت و از ۳۹۵ عدد در روز شنبه، به ۳۵۷ عدد در روز یکشنبه رسید.

رشد کوچک‌ترهای بازار سهام در اردیبهشت ۱۴۰۱

پیش بینی بورس امروز ۲۳ فروردین ۱۴۰۱

اقتصاد نیوز: بررسی وضعیت رفتار بورس بازان نشان میدهد که اگرچه تردیدها روز دوشنبه بیشتر خود را نشان داد، اما این رفتار به مثابه تجربه های قبل ممکن است ناپایدار باشد و شاخص بورس امروز ورود به سطح جدید ۱.۴۸ میلیون واحد را حتمی کند.

پیش بینی بورس امروز ۲۲ فروردین ۱۴۰۱

اقتصاد نیوز: بازار سهام تهران دیروز در یک روز غافل گیرنده، تمامی خاک‌ریزهای قبلی را پس گرفت و شاخص دوباره به مرز ۱.۴۷۴ میلیون برگشت.

شرط تداوم حرکت روبه جلوی شاخص‌ها در بورس

اقتصاد نیوز: دادوستدهای بازار سهام وارد سومین هفته کاری بهار می‌شود و این در حالی بود که در دو هفته پیش بازدهی ها مثبت شد.