شاخص احساسات بازار سرمایه و کاربرد آن در پیشبینی نوسانات آتی بازار
اخیرا موضوع احساسات سرمایهگذار به مرکز توجه بسیاری از تحقیقات مرتبط با قیمتگذاری داراییها بدل شده است. تحقیقات نشان دادهاند که تغییر در احساسات سرمایهگذار ممکن است باعث ایجاد تغییرهایی در قیمت داراییها شده و در واقع میتواند بخش مهمی از فرآیند قیمتگذاری بازار باشد. در برخی موارد تغییر در احساسات سرمایهگذار میتواند حرکات کوتاهمدت در قیمت داراییها را بهتر از هر عامل بنیادی دیگری توضیح دهد.
تحقیقات گذشته پیرامون قیمتگذاری داراییها بر عوامل اساسی و خاص بنگاه و عوامل اقتصادی تمرکز داشته است و تغییر قیمت داراییها را ناشی از تغییر این عوامل میدانسته است. اما اخیراً برخی محققان برای توضیح رفتارهای قیمت دارایی، به روانشناسی سرمایهگذار روی آوردهاند. پیش از این تصور میشد که بین احساسات سرمایهگذاران ارتباط کمی وجود دارد. بنابراین احساسات متفاوت یکدیگر را جبران میکنند و هیچ تاثیری در قیمتهای بازار ندارند. از طرف دیگر، اگر در بین سرمایهگذاران اجماع کافی وجود داشته باشد، نظرات آنها جبران نمیشود و در عوض به بخشی جدایی ناپذیر از روند تعیین قیمت تبدیل میشوند. در حقیقت، برخی یک مجموعه از قیمت دارایی ممکن است، به ویژه در کوتاهمدت، باعث ایجاد تغییرات در جای دیگر شود زیرا چنین تغییری باعث ایجاد نگرش بازار نسبت به ریسک میشود. چنین تغییر در نگرش ریسک ممکن است حرکات کوتاهمدت در قیمت دارایی را بهتر از سایر مجموعههای اساسی توضیح دهد. مطالعات دیگر همچنین به این نتیجه رسیدهاند که احساسات سرمایهگذار میتواند مؤلفه مهمی از فرایند قیمتگذاری بازار باشد.
2- احساسات بازار
احساسات بازار به نگرش کلی سرمایهگذاران نسبت به اوراق خاص یا بازارهای مالی برمیگردد. این احساس، لحن بازار یا روانشناسی جمعیت است که از طریق فعالیت و حرکت قیمت اوراق بهادار معاملهشده در آن بازار نشانداده شده است. بهطور کلی، افزایش قیمتها احساسات بازار صعودی و کاهش قیمت، احساسات نزولی بازار را نشان میدهد. احساسات بازار، که احساسات سرمایهگذار نیز نامیده میشود، همیشه بر مبنای عوامل بنیادی نیست. معاملهگران و تکنیکالیستها متکی به احساسات بازار هستند، انواع مختلفی از شاخصهای احساسات مانند رفتار و باورهای مصرفکننده و رفتار و باورهای سرمایهگذار وجود دارد. توجه بیش از حد بر روی یک شاخص احساسات موجب میشود برخی از معاملهگران دیدگاه مخالف در پیش بگیرند. به عنوان مثال خوشبینی عمیق معمولا بدنبال بدبینی است و بالعکس.
شاخص احساسات توسط سرمایهگذاران مورد استفاده قرار میگیرد تا بتوانند رفتار خوشبینانه یا بدبینانه مردم در مورد شرایط بازار یا اقتصاد فعلی را نظاره کنند. شاخص احساسات تنها قسمتی از دادههای مورد تصمیمگیری هستند و به معنای علامت زمانی برای انجام اقدامات نیستند. بهعنوان مثال، اگر یکی از شاخصها مانند شاخص نسبت Put/Call باشد که احساسات بازار را میسنجد بالاترین مقدار را گزارش دهد، سرمایهگذاران انتظار کاهش قیمتهای بازار سهام را خواهند داشت وبالعکس اگر این نسبت کاهش یابد نشاندهنده احتمال زیاد افزایش قیمت است.
در زیر برخی از شاخصهای مرسوم احساسات بازار آورده شده است.
Name | How Measured | Studies |
1. Optimism/Pessimism about the Economy | ||
Index of Consumer Confidence | Survey by Conference Board www.conferenceboard.org | Fisher and Statman (2003) |
Consumer Confidence Index | Survey by U Mich.- monthly | Charoenrook (2003) Fisher and Statman (2003) |
2. Optimism/Pessimism about the Stock Market | ||
Put/Call ratio | Dennis and Mayhew (2002) | |
Trin. Statistic | NO ACADEMIC REF | |
Mutual Fund Cash positions | % cash held in MFs Net cash flow into MF’s | Gup (1973) Branch (1976) Randall, Suk, and Tully (2003) |
Mutual Fund redemptions | Net redemptions/total assets | Randall, Suk, and Tully (2003) |
AAII Survey | Survey of individual investors | Fisher & Statman (2000) Fisher & Statman (2003) |
Investors Intelligence Survey | Survey of newsletter writers | Fisher & Statman (2000) |
Barron’s confidence index | AAA yield – BBB yield | Lashgari (2000) |
TED Spread | Tbill futures yield – Eurodollar futures yield | Lashgari (2000) |
Merrill Lynch Survey | Wall St. sell-side analysts | Fisher & Statman (2000) Fisher & Statman (2003) |
Issuance % | Baker & Wurgler (2006) | |
RIPO | Avg. ann. first-day returns on IPO’s | Baker & Wurgler (2006) |
Turnover | Reported sh.vol./avg shs listed NYSE (logged & detrended) | Baker & Wurgler (2006) |
Closed-end fund discount | Y/E, value wtd. avg. disc. On closed-end mutual funds | Baker & Wurgler (2006) Neal and Wheatley (1998) Lee, Schleifer, & Thaler (1991) Chopra, Lee, Schleifer, & Thaler (1993) |
Market liquidity | Baker & Stein (2002 WP) | |
NYSE seat prices | Trading volume or quoted bid-ask spread | Keim and Madhavan (2000) |
4. Riskiness of an individual stock | ||
Beta | CAPM | Various |
5. Risk Aversion | ||
Risk Appetite Index | Spearman Rank correlation volatility vs. excess returns | Kumar and Persaud (2002) |
VIX – Investor Fear Gauge | Implied option volatility | Whaley (2000) |
3- شاخص احساسات بازار سرمایه
علاوه بر معیارهای اندازهگیری ذکر شده، پرساد[1] (1996) معیاری از رفتار بازار نسبت به ریسک را در زمینه بازارهای ارز توسعه داد، معیاری که او به عنوان اشتهای بازار (RAI[2]) برای ریسک توصیفش میکند. او عنوان میکند که در کوتاهمدت، در بازار ارزهای خارجی، اشتهای متغیر بازار برای ریسک یک نیروی غالب بوده و در مواقعی موثرترین عامل در بازدهی ارزی است. پرساد معتقد است اگر اشتهای بازار برای ریسک ثابت باشد، نرخهای مبادله تنها به خاطر تغییرات پیشبینی نشده در ریسک اقتصادی تغییر خواهند کرد. اگر اشتهای ریسک افزایش یابد و ریسکهای اقتصادی ثابت بمانند، سرمایهگذاران احساس خواهند کرد که در این سطوح ریسک، با جبران بیش از حد [3] مواجه شده و این احساس با افزایش سطح ریسک تقویت خواهد شد. با بهرهبرداری سرمایهگذاران از آنچه آنها موازنه ریسک-بازده تقویت شده تلقی میکنند، قیمت ارز همراه با ریسک آنها تغییر خواهد کرد. ارزهایی با ریسک بالا قیمت بیشتری نسبت به ارزهای کم ریسک یافته و ریسکیترین ارز شاهد بالاترین افزایش قیمت خواهد بود. بنابراین شاخص اشتهای ریسک میتواند بر اساس قوت همبستگی بین رتبه عملکرد ارز و رتبه ریسک آن ساخته شود.
باندوپادیایا و جونز (2005) نشان دادند که اندازهگیری اشتهای ریسک ایجاد شده توسط پرساد (1996) برای بازار ارز میتواند با موفقیت برای اندازه گیری احساسات سرمایهگذار در بازار سهام با استفاده از داده های در دسترس عموم سازگار شود. آنها با استفاده از روشی که پرساد (1996) جهت محاسبه اشتهای ریسک ارز به کار برد، شاخص تمایل به بازار سهام (EMSI[4]) را برای گروهی از شرکتها در شاخص بازار سهام تهیه و تعیین کردند. مزیت مدل توسعه یافته در مطالعه پرساد (1996) و EMSI ساخته شده توسط باندوپادیایا و جونز(2005) این است که تغییر در خطرپذیری اساسی بازار مستقیماً روی اندازه پیشنهادی تأثیر نمی گذارد و بنابراین، این اقدامات با دقت بیشتری منعکسکننده تغییرات در نگرش بازار به ریسک است. شاخص اشتهای ریسک و EMSI به طور خاص با ریسک، بازده و توازن قیمت ها صحبت میکنند، بنابراین تنها بر تمایل بازار به پذیرش هرگونه ریسک ذاتی در بازار در یک زمان معطوف متمرکز میشوند.
4- نحوه محاسبه شاخص احساسات بازار سرمایه (EMSI)
بازده روزانه را برای هر یک از اوراق بهادار موجود در شاخص محاسبه میشود . برای هر یک از اوراق بهادار، همچنین میانگین انحراف استاندارد بازده روزانه را در طی پنج روز گذشته (“نوسانات تاریخی”) برای هر روز از دوره نمونه میشود. نوسانات و محاسبه ضریب همبستگی رتبه اسپیرمن بین رتبه بازده روزانه برای هر بنگاه و رتبه نوسانات تاریخی بازده برای هر بنگاه، و نتیجه را با 100 برابر ضرب کنید. بنابراین EMSI به شرح زیر محاسبه میشود:
جدول(2): محدوده EMSI به طور مرسوم، مقادیر EMSI در پنج دسته طبقهبندی میشود. برای مقادیر بین 10- تا 10+ بازار را خنثی نسبت به ریسک، برای مقادیر بین 10- تا 30- آن را نسبتا ریسکگریز، و برای مقادیر کمتر از 30- آن را کاملا ریسکگریز تلقی کردهاند. بهطور مشابه، اگر EMSI بین 10+ تا 30+ باشد، بازار نسبتا ریسک پذیر، و اگر شاخص از 30+ بیشتر باشد، کاملا ریسکپذیر در نظر گرفته میشود.
EMSI محدوده | طبقه بندی |
30- و کمتر | بسیار ریسکگریز |
30- تا10- | نسبتا ریسکگریز |
10- تا 10+ | ریسک خنثی |
10+ تا 30+ | نسبتا ریسکپذیر |
30+ و بیشتر | بسیار ریسکپذیر |
نمودار زیر نمونهای از شاخص احساسات بازار سرمایه است که در بازه زمانی 10 ماهه ابتدایی سال 1398 در بازار سرمایه ایران محاسبه شده است. مبنای محاسبات آن دادههای 331 سهم موجود در شاخص بورس اوراق بهادار تهران (TEDPIX) است. همچنین از بازده روزانه و واریانس 50 روزه سهام در شاخص احساسات استفاده شده است.
برای نمونه، این شاخص در مهرماه 1398به صورت نسبی منفی بالایی را تجربه کرده که نشاندهنده افزایش ریسک گریزی سرمایهگذاران در بازار بوده است. همانطور که در نمودار فوق نیز مشخص است دامنه نوسان شاخص احساسات EMSI در بازار سرمایه ایران محدود بوده که علت آن وجود محدودیت دامنه نوسان برای سهام است. محدودیت دامنه نوسان قیمت سهام باعث میشود همبستگی بین رتبه بازده و رتبه واریانس تاریخی آن مثبت یا منفی کامل نباشد و از این رو، بازنگری نحوه محاسبه همبستگی در بازار در مقادیر تعیین شده در جدول (2) ضروری به نظر میرسد.
5- نتیجه گیری
شاخص EMSI از دادههای در دسترس عموم مانند بازده و واریانس سهام استفاده میکند و تمایلات بازار را برای پذیرش ریسکهای ذاتی در یک زمان مشخص اندازهگیری میکند. شاخص احساسات را میتوان به عنوان ابزاری در جهت پیشبینی روند کلی بازار در روزهای آینده دانست. از این رو تحلیلگران و سرمایهگذاران باید به احساسات سرمایهگذران به عنوان یک عامل تعیینکننده تغییرات در بازار سرمایه توجه کنند.
[2] Risk Appetite Index
[4] Equity Market Sentiment Index
تهیه کننده: ایوب گودرزی- کارشناس صندوق تثبیت بازار سرمایه
همبستگی کانونی چیست?-تحلیل آن در SPSS
همبستگی کانونی به زبان ساده و با مثالی کاربردی و کاملا ملموس
همبستگی کانوني شبیه رگرسیون چند متغیری است، به این معنا که در این روش ترکیبی از متغیرهای پیش بینی کننده به منظور پیش بینی متغیر ملاک به کار برده میشود، تفاوت این دو روش در تعداد متغیرهای ملاک است. در رگرسیون چند متغیری فقط یک متغیر ملاک وجود دارد، در صورتی که همبستگی کانوني بیش از یک متغیر ملاک دارد.
فرض کنید محققی به نمرههای یک عده دانشجو در متغیرهای پیش بینی کنندهای مانند خانواده، میانگین نمره های دبیرستان، علائق شغلی و تیپ شخصیت (درونگرایی و برونگرایی) دسترسی دارد. همچنین نمره های این دانشجویان در متغیرهای ملاکی مانند مدت فراغت از تحصیل، درآمد سالانه، پرسشهای فیزیولوژیکی و روانی و میزان مشارکت در فعالیتهای اجتماعی، که بعدا مورد اندازهگیری قرار گرفتهاند، در دست است.
یک روش برای تعیین همبستگی بین متغیرهای پیشبینی کننده و متغیرهای ملاک این است که همبستگی هریک از متغیرهای پیشبینی کننده با هریک از متغیرهای ملاک به طور جداگانه با استفاده از روش همبستگی پیرسون محاسبه شود. روش دیگر، مطرح کردن این سؤال است که کدام دسته از متغیرهای پیش بینی کننده بهتر از دسته دیگر، متغیرهای ملاک را پیش بینی میکند. روشی که برای پاسخ دادن به این سؤال به کار برده میشود، همبستگی کانوني نامیده میشود.
همبستگی کانونی یکی از خدمات تحلیل آماری است که شما می توانید آن را خود انجام دهید یا به یک شرکت آماری بسپارید، اگر وقت لازم را دارید می توانید در این مطلب کامل یک مثال ملموس را حل کردیم که تمامی مواردی که به همبستگی کانونی مربوط می شود آموزش ببینید، اما چنانچه وقت کافی ندارید می توانید این نوع همبستگی را به عنوان یکی از خدمات تحلیل آماری با تعریف پروژه آماری از بخش خدمات سفارش دهید.
کاربرد همبستگی کانونی
تحقیقی که توسط هربرت والبرگ (۱۹۶۹) با استفاده از این روش اجرا شده است نحوه محاسبه همبستگی در بازار کاربرد آن را نشان میدهد. هدف این تحقیق تعیین تاثیرات محیط اجتماعی کلاس، ویژگیهای زندگی، شخصیتی و هوش دانش آموزان در یادگیری فیزیک در دبیرستان بود. تعداد زیادی متغیر در این تحقیق به کار برده شد: ۱۴متغیر برای اندازهگیری محیط اجتماعی کلاس، ۷ متغیر برای اندازه گیری شخصیت، ۲۰ سوال برای ویژگیهای زندگی و ۶ نوع اندازه گیری در مورد پیشرفت دانش آموزان در درس فیزیک (۳مورد، شناختی و ۳ مورد، غیر شناختی).
بدین طریق تودهای از اطلاعات به دست آمد که ابتدا با استفاده همبستگی ساده خطی پیرسون مورد تجزیه و تحلیل قرار گرفتند. یعنی، ابتدا همبستگی هر متغیر پیش بینی کننده با هریک از متغیرهایی که پیشرفت دانش آموزان را در درس فیزیک نشان میداد، محاسبه شد. سپس همبستگی کانوني به منظور توصیف دقیق همبستگیها محاسبه شد.
از این تجزیه و تحلیل، دو همبستگی کانوني معنادار به دست آمد (این همبستگیها شبیه عواملی بودند که در تجزیه و تحلیل عاملی پیدا میشوند). بر اساس اولین همبستگی کانوني، کلاسهایی که بهترین ملاک شناختی یادگیری درس فیزیک را کسب کردهاند، کلاسهایی هستند که دانش آموزان آنها طرفدار استبداد و تمرکز قدرت در کلاس نیستند، بهرهی هوشی و نمرههای درسی بالایی دارند و کلاس خود را مشکل میدانند.
بر اساس همبستگی دوم کانوني، کلاسهایی که بهترین ملاک غیر شناختی یادگیری درس فیزیک را کسب کردهاند، کلاسهایی هستند که دانش آموزان آنها جوایز بیشتری را در مسابقات علمی کسب کردهاند، مطالعات غیر درسی بیشتری دارند، مدرسه را دوست دارند و فکر نمیکنند که کلاسشان کسالت آور و نامطبوع است.
اساس ریاضی همبستگی کانوني
همانند محاسبات و تفسیر نتایج همبستگی کانونی کاملا پیچیده است. با وجود این، نوشتههای مجلههای علمی – تحقیقی حکایت از آن دارند که استفاده از این روش، روز به روز افزایش مییابد. همبستگی کانوني را میتوان در پیش بینیهای عملی به کار برد. این روش به ویژه زمانی به کار برده میشود که محقق علاقهمند است همبستگی بین دستهای از متغیرهای پیشبینی کننده را با گروهی از متغیرهای ملاک اندازهگیری و کشف کند، و اندازه گیریهای این دو دسته متغیر نیز ممکن است در زمانهای مختلف انجام شده باشند.
تحلیل همبستگی کانوني شناخت وکمی کردن رابطه بین دو مجموعه از متغیرها را بررسی میکند. به عنوان مثال رابطه بین متغیرهای سیاست دولتی با متغیرهای هدف اقتصادی و یا رابطه متغیرهای عملکرد دانشکده با متغیرهای موفقیت آمیز پیش دانشگاهی را شامل میشود.
میخواهیم رابطه بین دو گروه از متغیرها را اندازه گیری کنیم، فرض کنید اولین گروه از p متغیر را با بردار تصادفی X 1 و دومین گروه از q متغیر را با بردار تصادفی X 2 نشان دهیم.
برای بردارهای تصادفی X 1 و X 2 داریم:
کوواریانسهای بین زوجهای متغیرها از مجموعههای مختلف، یک متغیر ازX 1 ، یک متغیر از X 2 در Σ12 یا معادل با آن در Σ 21 قرار دارد. یعنی pq عضو Σ12 ارتباط بین دو مجموعه را اندازه میگیرد. وقتی p و q نسبتا بزرگ باشند، تعبیر اعضای Σ12 بطور جمعی معمولا بی فایده است. علاوه بر این اغلب ترکیبات خطی متغیرها که اندازههای خلاصه شده ساده ای را از مجموعه ای از متغیرها فراهم میکنند، برای اهداف تخمینی و مقایسه ای جالب و مفیداند. کار اصلی تحلیل همبستگی کانونی این است که روابط بین مجموعه های X 1 وX 2 را بجای pq کوواریانس در Σ12 بر حسب چند کوواریانسی که به دقت انتخاب شده اند، خلاصه کند.
متغیرهای کانونی و همبستگی های کانوني
تحلیل همبستگی کانوني روی همبستگی بین یک ترکیب خطی از متغیرهای یک مجموعه و یک ترکیب خطی از متغیرهای مجموعه دیگر متمرکز میشود. ابتدا هدف ما این است که دو ترکیب خطی با بیشترین همبستگی را تعیین کنیم سپس دو ترکیب خطی را تعیین میکنیم که در میان تمام زوج های ناهمبسته با زوج انتخاب شده اول دارای بیشترین همبستگی باشد و این فرآیند را ادامه میدهیم. زوج های ترکیبات خطی را متغیرهای کانوني و همبستگی آنها را همبستگی های کانوني مینامیم.
بردارهای ضرایب a و b را طوری پیدا میکنیم که همبستگی نحوه محاسبه همبستگی در بازار فوق تا حد ممکن بزرگ باشد.
اولین زوج متغیرهای کانوني، زوج ترکیب خطیU 1 وV 1 است که دارای واریانسهای واحد بوده که همبستگی فوق را ماکزیمم کند.
دومین زوج از متغیرهای کانوني، ترکیبات خطیU 2 وV 2 هستند که دارای واریانسهای واحد است که همبستگی فوق را در میان تمام انتخابهایی که با اولین زوج متغیرهای کانوني ناهمبسته میباشد را ماکزیمم کند.
kامین زوج از متغیرهای کانوني، ترکیبات خطیU k وV k هستند که دارای واریانسهای واحد بوده که همبستگی فوق را در میان تمام انتخابهای ناهمبسته باk-1 زوج متغیر کانوني قبلی ماکزیمم کند. همبستگی بین زوج kام از متغیرهای کانوني را همبستگی کانوني kام مینامند.
بردارهای α k وb k به ترتیب kامین بردارهای همبستگی کانوني برای X 1 وX 2 نامیده میشوند.
تحلیل همبستگی کانوني دارای بعضی خاصیت های ماکسیمال مشابه با خاصیت های تحلیل مولفه اصلی است. اما در حالیکه تحلیل مولفه اصلی بستگی های درونی بین مجموعه ای از متغیرها را در نظر میگیرد، تمرکز همبستگی کانوني بر همبستگی بین دو گروه ازمتغیرهاست.
یک راه بررسی تحلیل همبستگی کانوني بسط رگرسیون چندگانه است. بخاطر آورید که درتحلیل رگرسیون چندگانه متغیرها به یک مجموعهx شامل q متغیر و یک مجموعه y شامل p=1 متغیر افراز میشوند. جواب رگرسیون چندگانه مستلزم پیداکردن آن ترکیب خطی ′xα است که قویا با y همبسته است. حال آنکه در تحلیل همبستگی کانوني مجموعه y شامل بیشتر از یک متغیر است.
در جستجوی بردارهای a و b هستیم که همبستگی بین′X 1 α و ′X 2 نحوه محاسبه همبستگی در بازار bرا ماکزیمم میکنند. اگرX 1 به عنوان علت X 2 تعبیر شود آنگاه ′X 1 α را ممکن است بهترین پیشگو′X 2 b و را ملاک بیشترین قابلیت پیشگویی نامید.
پیش از انجام تحلیل همبستگی کانونی در SPSS بهتر است بدانید
نرم افزار SPSSبه عنوان یکی از پر کاربرد ترین نرم افزار های آماری شناخته می شود،دوره آموزش نرم افزار SPSS یک دوره کامل که با مثال های کاربردی تمامی مباحث کاربردی در نرم افزار را گام به گام آموزش میدهد،علاوه بر این از پشتیبانی خیلی خوبی برای انجام پروژه برخوردار است.یک فرصت اشتعال خوب نیز در پروژه های آماری برای مهارت آموزان فراهم خواهد شد.
تحلیل همبستگی کانونی در SPSS
برای اجرای فرمان همبستگی کانونی از مسیر Analyze → Correlate → Canonical Correlation استفاده میکنیم.
متغیرهای گروه اول را در Set1 و متغیرهای گروه دوم را در Set2 قرار میدهیم.
خروجی به شکل زیر نمایش مییابد:
در کانون اول، ضریب همبستگی کانونی بین دو متغیر کانونی استرس شغلی و حمایت خودمختاری برابر 0/756 و مقدار معناداری متناظر با آن کوچکتر از 0/50 (0/000) به دست آمده است. بنابراین ضریب همبستگی کانونی بین این دو متغیر در سطح معناداری 0/50 معنادار است. مجذور ضریب همبستگی کانونی (0/756) ریشه کانونی نام دارد و برابر 0/571 است که یعنی متغیرهای اصلی مربوط به متغیر کانونی استرس شغلی 57 درصد از تغییرات متغیرهای اصلی مربوط به متغیر کانونی حمایت خودمختاری را پیشبینی و تبیین میکنند و بالعکس.
اعداد هایلایت شده در جدول زیر آمده است:
متغیرهای نگرانی، حجم زیاد و شرایط با بارهای کانونی 0/951-، 0/944- و 0/942- نقش معناداری را در پیشبینی متغیر کانونی حمایت خود مختاری داشتهاند. و مجذور این بارهای کانونی به ترتیب 0/904، 0/891 و 0/887 است. در پیش بینی واریانس متغیر حمایت خودمختاری سهم متغیر نگرانی 90 درصد، سهم متغیر حجم زیاد 89 درصد و سهم متغیر شرایط 89 درصد است.
متغیرهای انتخاب، کنترل، احترام و ارتباط با بارهای کانونی 0/935، 0/91، 0/925 و 0/974 نقش معناداری را در پیشبینی متغیر کانونی استرس شغلی داشتهاند. و مجذور این بارهای کانونی به ترتیب 0/874، 0/828، 0/856 و 0/949 است. در پیش بینی واریانس متغیر استرس شغلی سهم متغیر انتخاب 87 درصد، سهم متغیر کنترل 83 درصد، سهم متغیر احترام 86 درصد و سهم متغیر ارتباط 95 درصد است.
همبستگی کانونی یکی از انواع همبستیگ است که کاربرد های متنوعی دارد، در این مطلب سعی شده کلیه مطالب مربوط به همبستگی کانونی مطرح گردد اما چنانچه در مسیر اجرای آن به مشکل برخورد کردیدو نیاز به مشورت با افراد با تجربه را داشتید، در قسمت مشاوره آماری رایگان می توانید با متخصصان با تجربه آمار پیشرو ارتباط برقرار کنید. چنانچه علاقه مند به مباحث آماری هستید می توانید صفحه اینستاگرام آمار پیشرو را دنبال کنید و از مطالب جدیدی که بر روی سایت آپلود می گردد استفاده کنید.
همبستگی کانونی ممکن است در برخی پروژه ها از پیچیدگی خاصی برخوردار باشد، در این میان شما می توانید با ثبت سفارش در سایت آمار پیشرو از کارشناسان با تجربه در انجام همبستگی کانونی استفاده کنید.
همبستگی کانونی چیست؟
همبستگی کانوني شبیه رگرسیون چند متغیری است، به این معنا که در این روش ترکیبی از متغیرهای پیش بینی کننده به منظور پیش بینی متغیر ملاک به کار برده میشود، تفاوت این دو روش در تعداد متغیرهای ملاک است.
تحلیل همبستگی کانونی چگونه انجام می شود؟
تحلیل همبستگی کانوني روی همبستگی بین یک ترکیب خطی از متغیرهای یک مجموعه و یک ترکیب خطی از متغیرهای مجموعه دیگر متمرکز میشود.
مثالی نحوه محاسبه همبستگی در بازار برای همبستگی کانونی؟
فرض کنید متغیرهای پیش بینی کننده ای مانند خانواده، میانگین نمره، علائق شغلی و تیپ شخصیتی و متغیرهای ملاکی مانند مدت فراغت از تحصیل، درآمد سالانه، پرسش های فیزیولوژیکی و روانی و میزان مشارکت در دست داریم. می خواهیم ببینیم کدام دسته از متغیرهای پیش بینی کننده، بهتر از دسته دیگر متغیرهای ملاک را پیش بینی می کنند.
معاملات الگوریتمی در بورس چیست و برای چه کسانی مناسب است؟
معامله کردن در بازار سرمایه با استفاده از کامپیوتر به صورت تمام اتوماتیک یا نیمه اتوماتیک را معاملات الگوریتمی در بورس می نامند که در آن کامپیوتر با استفاده از الگوریتمی که به آن داده شده در بازار جستجو می کند و فرصت های معاملاتی را شکار می کند. معمولا معاملات الگوریتمی یک ابزار است برای معامله گران و به بازار مورد استفاده ارتباطی ندارد و می تواند برای همه بازارهای مالی استفاده شود. معاملات الگوریتمی در بورس ایران ، بورس کالا ، بازارهای جهانی و ارزهای دیجیتال کاربرد بسیاری دارد ولی معامله گران کمتر با آن آشنایی دارند. در این مطلب آموزشی قصد داریم تا بگوییم معاملات الگوریتمی در بورس به چه صورت است و کاربردها و نحوه استفاده از معاملات الگوریتمی در بازارهای مالی مختلف چگونه است و نرم افزار معاملات الگوریتمی چه کمکی میتواند در افزایش سودسازی ما در بازارهای مالی مختلف داشته باشد.
معاملات الگوریتمی در بورس
هم اکنون در عصری زندگی می کنیم که تکنولوژی تا ریزترین قسمت های زندگی فردی و اجتماعی انسان را فرا گرفته است و اجتناب از آن امکان ناپذیر است. از جمله بازارهایی که چند سالی می شود به اجتناب ناپذیر بودن این حقیقت رسیده اند بازارهای مالی هستند. ورود بازار سرمایه به عصر تکنولوژی با معاملات الگوریتمی اتفاق افتاد. برای سال های طولانی معاملات در بازارهای سرمایه به صورت فیزیکی و دستی انجام می شد. در روش های سنتی معاملات به وسیله واسطه ها مورد حمایت قرار می گرفتند.
درصورتی که تمایل دارید تا از خدمات ۲۵ درصد تخفیف کارمزد در بورس، مشاوره خرید، آموزش های رایگان بورسی و … بهره مند شوید میتوانید از طریق لینک زیر اقدام به ثبت نام نمایید.
افرادی که معاملات را میان مشارکت گننده های بازار تنظیم می کردند، ولی با افزایش ظروف سرمایه بازارها، ادامه کار به روش سنتی دشوار تر از پیش شد. در واقع احتیاج بود تا پای تکنولوژی به این موضوع باز شود و کامپیوتر به جای افراد عمل کند، لذا احتیاج به معاملات الگوریتمی بیشتر از همیشه احساس می شد. هوش مصنوعی در خدمت این معاملات قرار گرفت و شرکت های بزرگی مثل؛ سیتادل و بلک راک در ایالات متحده آمریکا مدیریت عمل در این زمینه را در دست گرفتند. پس از آن این معاملات در سطح جهان قدم به قدم مرسوم شد و به این جایگاهی که در حال حاضر دارد، رسید.
معاملات الگوریتمی در بورس چیست؟
در تعریف معاملات الگوریتمی یا معاملات خودکار می گویند؛ استفاده از برنامه های کامپیوتری برای ورود به سفارشات معاملاتی بدون دخالت انسان به بیان دیگر، این الگوریتم ها که بلک باکس یا اَلگو تریدینگ هم نامیده می شوند، از زبان برنامه نویسی در کامپیوتر و مجموعه ای از دستورهای مشخص شده در کنار هم برای انجام معاملات بهره می گیرند.
این الگوریتم ها که می توانند بیش از یکی باشند، برای انجام معاملات بررسی های لازم را از جنبه های مختلفی مثل؛ زمان بندی، قیمت و حجم روی سفارشات و بازار انجام داده و تصمیم می گیرند. این امر کمک خواهد کرد تا بازار سرمایه به روشی اصولی تر و به دور از دخالت احساسات انسانی پیش رود که یکی از نتایج آن بالارفتن نقدینگی در بازار خواهد بود.
درک الگو تریدینگ با یک مثال ساده
برنامه کامپیوتری در حوزه معاملات الگوریتمی یا الگو تریدینگ با استفاده از دستورالعمل های معاملاتی مثل این نوشته می شود: معامله گری با بررسی متحرک ۱۲ روزه و ۳۴ روزه یک شرکت برای خرید سهام آن تصمیم گیری خواهد کرد، در زمانی که متحرک ۱۲روزه آن بالاتر از ۳۴ روزه آن باشد. این معامله گر سهام خریداری شده خود را در زمانی که متحرک ۱۲ روزه پایین تر از متحرک ۳۴ روزه قرار بگیرد به فروش می رساند.
همین استراتژی ساده وقتی که در قالب معاملات الگوریتمی و زبان برنامه نویسی قرار می گیرد، به صورت خودکار سهام موجود در بازار و متحرک های آن ها را در بازه های زمانی مشخص شده مورد بررسی قرار می دهد و با تشخیص به موقع طبق دستورالعمل های داده شده، خرید و فروش ها و معاملات را انجام خواهد داد.
مراحل عملکرد معاملات الگوریتمی
نتیجه مطلوب از معاملات الگوریتمی به ایجاد بستر آن ها احتیاج دارد. بستر معاملات الگوریتمی به حضور ثابت و بی نقص سه بازیگر اصلی بستگی دارد. مطابقت دهنده های بازار یا منبع تغذیه اطلاعات که فرمت اطلاعات موجود در بازار را به فرمت سیستم در اختیار معامله گر تبدیل می کند. این کار به وسیله رابط برنامه نویسی که بازار معاملاتی در اختیار معاملهگر می گذارد، صورت می پذیرد.
در این مرحله الگوریتم برنامه نحوه محاسبه همبستگی در بازار ریزی شده طبق استراتژی تعریف شده خود، شرایط را پردازش خواهد کرد و محاسبات آماری و مقایسه داده های تاریخی لازم را انجام خواهد داد و در نهایت تصمیم به سفارش گیری می گیرد و آن را اجرا خواهد کرد. در مرحله پس سفارش ها به وسیله الگوریتم به بورس فرستاده می شوند، ولی وقتی این مرحله اجرا می شود که زبان الگوریتم طبق زبان مبنای بازار سرمایه کد نویسی شده و قابل درک باشد.
توانایی های اکسپرت نویس در مقابل معامله گر سنتی
- بررسی چندین بازار و امکان سودآوری در چندین بازار : به سادی خواهید توانست استراتژی خود را در بازارهای و برای محصولات مختلف مورد بررسی قرار دهید.
- امکان بهینهسازی استراتژی برای هر محصول بهتنهایی : شما همچنین می توانید پارامترهای ورودی مسئله خود را برای هر محصول بررسی نمایید و بهترین آن ها را برای معاملات خود به کار ببرید. کاری که معامله گران سنتی یا نمی توانند و یا اگر بتوانند برای آن ها بسیار سخت و احتمالا با خطا همراه است.
- طراحی اسکرینر برای ورود دقیق و سریع به بازار : شما می توانید با بررسی شرایط ورود و خروج به معامله در کل بازار، نرمافزاری طراحی کنید که این موقعیت ها را به شما اعلام کند و گفتنی است که با این روش وقت زیادی از شما صرفه جویی خواهد شد و دقت هم افزایش چشم گیری خواهد داشت.
- امکان بهرهبرداری از چندین استراتژی برای موقعیتهای مختلف بازار : بازارها با یک دیگر فرق می کنند، گاها بازار در رنج است و گاها هم در روند و شما به عنوان یک معامله گر حرفه ای باید بتوانید استراتژی مناسب را برای هرکدام از این موارد بیابید.
- بررسی بسیار سریعتر و دقیقتر استراتژیهای معاملاتی : با استفاده از الگو تریدینگ، سریعا می توانید استراتژی معاملاتی خود را در گذشته بررسی کنید و برای استفاده از آن تصمیم گیری نمایید.
فرآیند کامل معامله گری از طریق الگو تریدینگ
- انتخاب بازار
- انتخاب محصول
- مدیریت معاملات باز
- مدیریت ریسک و سرمایه
- ورود نحوه محاسبه همبستگی در بازار به موقعیت معاملاتی
- دانش و اطلاعات معامله گری
نکته : الگو تریدینگ تنها در مورد آخر نمی تواند به شما کمک کند، خوب نباید هم توقع داشت که الگو تریدینگ به جای ما یاد بگیرد، اما در بقیه موارد ۱ تا ۵ می توان روی کمک الگو تریدینگ به صورت کامل حساب کرد.
۱۰ مزیت استفاده از معاملات الگوریتمی
- درآمد ریالی مناسب
- سرعت در انتخاب استراتژی معاملاتی
- معاملات در بهترین قیمت ها اجرا می شوند
- کاهش ریسک اشتباهات دستی زمان انجام معاملات
- کسب درآمد بسیار جذاب دلاری توسط فروش و اجاره اکسپرت
- بررسی های اتوماتیک شبیه سازی شده در چندین موقعیت بازار
- طبق فاکتور های احساسات و روانشناسی، از اشتباهات انسانی می کاهد
- معاملات به طور صحیح زمان بندی می شوند و از تغییرات آنی قیمت به سرعت جلوگیری به عمل می آید
- دستورهای معاملاتی سریع و دقیق هستند و در حقیقت شانس بالایی در اجرای دستورات در سطح مورد مطلوب وجود دارد
- از الگو تریدینگ با استفاده از داده های ریل تایم و تاریخی موجود می توان بک تست گرفت تا ببینیم آیا در استراتژی معاملاتی موفقیت آمیز است
استراتژی های الگوریتم های معاملاتی
در بازارهای سنتی همیشه فرد موفق کسی بوده که از یک استراتژی معاملاتی مناسب و اصولی برخوردار و به آن متعهد است. الگوریتم های معاملاتی نیز که قرار است به جای افراد تصمیم بگیرند، احتیاج به این استراتژی دارند. استراتژی ها برای الگوریتم ها به چند دسته تقسیم بندی می شوند؛
- درصد حجمی
- بازگشت به میانگین
- میانگین موزون زمان قیمت
- میانگین موزون حجم قیمت
- کسری اجرا در کنار پیاده سازی
- فرصت های آربیتراژ در معاملات الگوریتمی
- استراتژی های دنباله روی روند یا ترند فالوئینگ
- معامله پیش از توازن دوره ای صندوق های شاخصی
نکات مهم در مورد معاملات الگوریتمی
- سخت افزار : بایستی سخت افزار قوی داشته باشید تا بتوانید مسائل پر محاسبه بهینه سازی را حل نمایید.
- پیاده سازی دقیق : به این منظور که بتوانید بهترین جواب را از معاملات الگوریتمی دریافت کنید، باید برنامه خود را با دقت زیادی پیاده سازی نمایید. همواره کامپیوتر خود را به موجودی کم هوش اما دقیق تشبیه کنید و در نظر داشته باشید که برای این موجود کم هوش همه چیز را باید با دقت فراوان تعریف کرد در غیر این صورت معاملاتتان بسیار مداوم با خطا مواجه خواهد شد.
- کیفیت داده پایین : یکی از موارد حائز اهمیت در معاملات الگوریتمی، بررسی کیفیت داده برای اجرای استراتژی معاملاتی در گذشته می باشد. در واقع ورودی استراتژی معاملاتی ما برای بک تست، داده های ذخیره شده است و چنانچه این داده ها کیفیت نداشته باشند، نتیجه ای که از بک تست می گیریم به هیچ وجه قابل استناد نخواهد بود. به این منظور که بتوانیم به خروجی بک تست استناد کنیم باید حتما داده های مورد استفاده ما باکیفیت باشند.
- خطا در بهینه سازی : بایستی با پارامترهای بهینه سازی آشنایی کامل داشته باشید تا در تحلیل رفتار گذشته استراتژی دچار اشتباهی نشویم. بسیاری از افرادی که اخیرا با معاملات الگوریتمی آشنا می شوند، بر این باورند که اگر استراتژی در گذشته خوب جواب دهد در آینده هم مانند گذشته خوب جواب خواهد داد و این در حالی است که الزاما این طور نیست و استراتژی به طول مدام به بهینه سازی احتیاج خواهد داشت.
با الگو تریدینگ میتوان همه موارد را در تحلیل تکنیکال پیاده سازی کرد؟
بله با تلاش بسیار قادرید تمام موارد را با الگوتریدینگ به صورت کد درآورید، اما موضوع اصلی اینجاست که در برخی از موارد در تحلیل تکنیکال، بین هر دو معامله گر اختلاف نظر وجود دارد. مواردی مانند؛ واگرایی ، خط روند ، امواج الیوت ، الگوهای هارمونیک و تحلیل اخبار سیاسی و اقتصادی و تأثیر آن بر روند قیمت جزو این دسته از موارد هستند. سوال بعدی که مطرح میشود این است که یک استراتژی یا چند استراتژی؟ پیش از اینکه پاسخ این سؤال را بدهم ابتدا به تعریف مفهوم correlation بین محصول ها و استراتژی ها و تأثیر آن ها بر معامله گری خواهیم پرداخت. ضریب همبستگی ابزاری آماری برای تعیین نوع و درجه رابطه یک متغیر کمی با متغیر کمی دیگر است. ضریب همبستگی، یکی از معیارهای پرکاربرد در تعیین همبستگی دو متغیر به حساب می آید.
میتوان گفت که ضریب همبستگی شدت رابطه و همچنین نوع رابطه را بیان میکند. این ضریب بین ۱ الی ۱- است و در صورت عدم وجود رابطه بین دو متغیر، برابر ۰ است. زمانی که ما در سبد خود چند محصول را داریم باید از ضریب همبستگی بین این دو محصول اطلاع داشته باشیم. اگر ۲ محصولی داریم که ضریب همبستگی آن ها نزدیک به ۱ است، یعنی با افزایش قیمت یکی از آن ها، قیمت دیگری نیز افزایش می یابد و این مسئله ریسک سبد ما را افزایش می دهد، به این خاطر که این دو محصول هم زمان باهم در سود یا زیان می روند. همچنین اگر ما چند استراتژی معاملاتی داشته باشیم نیز مسئله مانند بالا است و استراتژی ها باهم در سود یا زیان میروند. زیرا باید محصولات و استراتژی های ما همبستگی نزدیک به ۰ داشته باشند و سوددهی یا زیان دهی یکی به دیگری ربطی نداشته باشد.
وظیفه معاملات الگوریتمی
- با جستجو در سهم ها و محصولات مختلف، طبق استراتژی معاملاتی که برای آن تعریف کردیم، فرصت های معاملاتی را تشخیص دهد.
- بعد از تشخیص اقدام به پوزیشن گیری نماید.
- مدیریت پوزیشن های بازشده را بر عهده گیرد.
- بر کل فرایند معامله، با توجه به سیستم تعریف شده، مدیریت ریسک و سرمایه ای را انجام دهد.
نکته : در نظر داشته باشید در صورتی که هر ۴ مرحله در یک زمان انجام دهید به آن سیستم های کاملا خودکار می گویند و در صورتی که تنها از چند عامل با توجه به سلیقه خودمان استفاده کنیم، به آن سیستم های نیمه خودکار گفته می شود.
الزامات فنی معاملات الگوریتمی
اجرای الگوریتم با استفاده از زبان برنامه نویسی یک مولفه نهایی در معاملات اکسپرت به شمار می رود. چالش در اینجا تبدیل استراتژی مشخص شده به فرآیند نحوه محاسبه همبستگی در بازار یکپارچه کامپیوتری است که به حساب معاملاتی دسترسی دارد. موارد زیر الزاماتی برای معاملات الگوریتمی می باشد :
- توانایی بک تست گرفتن از سیستم قبل از شروع کار در بازار های واقعی
- اتصال به شبکه و دسترسی به پلتفرم های معاملاتی برای پوزیشن گیری
- بسته به پیچیدگی های قوانین اجرا شده در الگوریتم، داده های تاریخی جهت بک تست گرفتن فراهم باشد
- دسترسی به داده های بازار که توسط الگوریتم مورد نظارت قرار می گیرد تا سفارشات معاملاتی را انجام دهد
- علم برنامه نویسی برای اجرای استراتژی های معاملاتی، استخدام برنامه نویس یا نرم افزار های معاملاتی از پیش ساخته شده
خلاصه مطلب و کلام آخر
در پاسخ به این سوال که معاملات الگوریتمی چیست باید گفت؛ مجموعه ای از دستورالعمل ها است که به ترتیب خاصی به اجرا در می آیند و مسئله ای را حل می کنند. به بیانی دیگر یک الگوریتم معاملاتی، روشی مرحله مرحله برای حل مسئله و تشخیص سهام مناسب برای ورود است. معاملات الگوریتمی ، روشی در معامله گری است که از کامپیوتر برای تحلیل و معامله گری به کار می رود.
در پاسخ به این سوال که الگو ریتمیک تریدینگ برای بازار ایران کاربرد دارد یا خیر باید گفت؛ الگو ریتمیک تریدینگ برای هر بازاری میتواند کاربرد داشته باشد. اغلب این سؤال از آنجایی مطرح می شود که چون نمی توان در بازارهای بورس ایران با اکسپرت به صورت آنلاین معاملات را باز و مدیریت کرد، پس الگو تریدینگ در بازار ایران کاربردی ندارد، ولی باید در نظر داشته باشید که در الگو تریدنگ باز کردن، بستن و مدیریت معامله باز، شاید ۲۰ درصد از کل کار به حساب می آید و ۸۰ درصد، تحلیل درست و دقیق از بازار و زمان ورود و خروج محسوب می شود.
در پاسخ به این سوال که وظیفه معاملات الگوریتمی در بورس و دیگر بازارهای مالی چیست باید گفت؛ با جستجو در سهم ها و محصولات مختلف، طبق استراتژی معاملاتی که برای آن تعریف کردیم، فرصت های معاملاتی را تشخیص دهد. پس از تشخیص اقدام به پوزیشن گیری نماید. مدیریت پوزیشن های بازشده را بر عهده گیرد. بر کل فرایند معامله، با توجه به سیستم تعریف شده، مدیریت ریسک و سرمایه ای را در دستور کار داشته باشد.
در پاسخ به این سوال که معاملات الگوریتمی برای استفاده در کدام بازار بیشتر توصیه میشود باید گفت؛ الگو تریدینگ یا معاملات الگوریتمی ابزاری برای معامله گر است و نوع بازار در آن هیچ گونه اهمیتی ندارد.
برای سرمایه گذاری در بورس و بازارهای مالی بد نیست شرایط استفاده از معاملات الگوریتمی را هم سنجید، شاید بتواند کمک مناسبی را به شما عزیزان داشته باشد.
امیدوارم از این مقاله آموزشی نهایت استفاده رو برده باشید.
هر گونه سوال یا ابهامی در خصوص معاملات الگوریتمی در بورس دارید و یا اگر تجربه ای در معاملات الگوریتمی داشتید، حتما در بخش دیدگاه ها بنویسید.
در بازار مسکن چه خبر، وضعیت کلی، سرمایه گذاری
بر اساس آمار و اسناد وزارت مسکن و وزارت صمت بیش از ۱۰۰ صنعت در ایران به بخش نحوه محاسبه همبستگی در بازار مسکن وابسته هستند و همین وابستگی باعث شده تا این بازار، یکی از اصلیترین حلقههای شرایط و رشد اقتصادی کشور قلمداد شود. بیش از ۳۰ سال بخش مسکن در کنار خودروسازی بیشترین سهم در اشتغالزایی و تولید ناخالص داخلی را در ایران به خود اختصاص داده بود؛ اما بررسیها نشان میدهد در سالهای اخیر این نقش با سرعتی بیسابقه کاهش مییابد.
بر اساس گزارشهای بانک مرکزی میانگین سهم گروه ساختمان از رشد تولید ناخالص داخلی و ملی در سه ماهه اول سال ۹۸ به ۰.۱ رسید. پس از ورود بازار مسکن به یک دوره رکود در سال ۹۸ رسیدن این سهم به صفر را شاهد بودیم. از اواسط سال ۹۸ با بالا رفتن قیمتها، مسکن وارد فاز رکودی شد. اکنون کاهش ۶۴.۶ درصدی تعداد معاملات آپارتمانهای مسکونی شهر تهران که یکی از تعیین کنندههای بازار مسکن است در تیر ماه سال جاری، نسبت به سال گذشته، باعث شده تا کارشناسان به بررسی دقیقتر وضعیت بازار مسکن و پیشبینی شرایط آینده بپردازند. در ادامه این مقاله با اکوساختمان همراه باشید.
وضعیت کلی بازار مسکن
بازار مسکن در ایران همواره یکی از تأثیر گذراترین بازارها بر اقتصاد کشور بوده است. نقش تورم رو به رشد آن در بالا بردن تورم در دیگر زمینههای اقتصادی گواه این مدعا است. بر همین اساس رکود بازار مسکن و آرامش نسبی آن رکود و آرامش نسبی برخی از دیگر بازارها مانند ارز و طلا را نیز در پی دارد؛ بنابراین تحلیل و بررسی وضعیت بازار مسکن و پیشبینی شرایط آینده آن همواره از مهمترین مباحث اقتصادی کشور است. آنچه از اخبار و گفتههای مسئولین مربوط برداشت میشود وضعیت فعلی بازار مسکن شرایطی آشفته و نابسامان و بلاتکلیف دارد. خرید و فروش در این بازار در پایینترین میزان چند سال اخیر خود قرار گرفته است که به نظر تحت تأثیر عدم وجود توان خرید در جامعه است و قیمتها همچنان با حبابهایی غیرواقعی روندی فزاینده دارند. کارشناسان قیمت مسکن را از این جهت حبابی و غیرواقعی میدانند که نرخها تنها بر زبانهای میچرخد و عملاً خرید و فروشی در بازار اتفاق نمیافتد تا بتوان نرخ تثبیت شدهای برای قیمتها عنوان کرد.
سرمایهگذاری در بازار مسکن
سرمایهگذاری در بازار مسکن از گذشته به عنوان یک سرمایهگذاری مطمئن شناخته میشد؛ اما با گذشت زمان و ورود بازارهای دیگر به حوزهی اقتصاد، میزان بازده و سود این سرمایهگذاری در مقایسه با دیگر بازارها آن را متزلزل ساخت. اکنون موارد مختلف دیگری نیز باعث شده برخی کارشناسان سرمایهگذاری در مسکن را چندان منطقی ندانند. یکی از این دلایل اشباع بازار مسکن، برای چند سال آینده است. در واقع به گفته کارشناسان باید به مسکن به عنوان یک سرمایهگذاری بلند مدت نگریست. چرا که سرعت و امکان نقد شوندگی این سرمایه قابل پیشبینی نیست.
شاید طی چند سال آینده و به دنبال افزایش قدرت خرید آحاد جامعه و سرپرستان خانوار متقاضی مسکن، بتوان به این مقوله به عنوان سرمایهای به سرعت نقد شونده نگریست. نکته دیگر اینکه سرمایهگذاری در بازار مسکن سادهتر از سرمایهگذاری در بازار ارز، طلا و بورس و فرا بورس است، ریسکپذیری بسیار کمتری هم دارد؛ اما سرمایهی اولیهی بسیار بالاتری هم لازم دارد. درنهایت باید گفت، هرچند ممکن است رشد سرمایه در بازار مسکن گاهی به میزان رشد سرمایه در بازار ارز، طلا و بورس نباشد اما مداوم و تقریباً غیر ساکن است. به اصطلاح سود در بازار مسکن آهسته و پیوسته پیش میرود. البته طبق آمار صحیح که در سالهای اخیر بازار مسکن نیز رشدی نجومی تجربه میکند.
عوامل مؤثر در بازار مسکن و پیشبینی آینده بر اساس آنها
مهمترین عامل تأثیرگذار بر بازار مسکن عرضه و تقاضا است؛ اما طی سالهای اخیر این فاکتور مهم تحت تأثیر عوامل دیگری قرار گرفته و باعث عدم تحقق بسیاری از پیشبینیها شده است. به این ترتیب که در پایان سال ۹۸ گمانهزنیها به سمت کاهش قیمت مسکن به دلیل شیوع کرونا و کاهش چشمگیر خرید و فروش میرفت اما بر خلاف تصور کارشناسان مسکن رشد ۸.۷ درصدی نشان داد و این رشد با ادامهی روند افزایشی کرونا نیز افزایش یافت و رکورد تورم ماهیانه ۱۱.۴ درصد را تا پایان خرداد به نام خود ثبت کرد.
البته عواملی مانند تصویب پرداخت وام های مسکن با شرایط خاص و یا بالا رفتن هزینه ساخت و قیمت مصالح نیز تأثیر در قیمت مسکن دارند. برای مثال اکنون پیشبینی میشود تصویب قانون دریافت مالیات از خانههای خالی با نرخ تصاعدی، تأثیر چشمگیری در کنترل بازار مسکن داشته باشد. بر اساس نظر کارشناسان این قانون اگر منجر به کاهش قیمتها هم نشود به نظر از افزایش بیمنطق آن نیز جلوگیری میکند.
بورس مسکن
بورس از بازارهای سرمایهگذاری تثبیت شده کشور است که طی ده سال گذشته نام آن را بیشتر در بین اقشار مختلف جامعه میشنویم. بازار بورس در این سالها رفتهرفته جذابیت سرمایهگذاری خود را بیش از پیش به رخ کشید تا جایی که صنایع مختلف به این بازار پیوسته و بازارهای سرمایه به همبستگی با بورس تمایل نشان دادند. بروس مسکن نیز پنجمین بورس کشور بود که با ارزش پایه ۵ هزار میلیارد تومان در تاریخ ۲۰ تیر ۹۹ متولد شد. هدف از تأسیس بورس مسکن ایجاد بستری برای تسهیل معاملات و سرمایهگذاری در بازار املاک و مستغلات بود. سرمایهگذاران عمده این بازار دولت، بانکها، نهادهای عمومی و بخشهای خصوصی هستند. بورس مسکن در دو زمینه صندوقهای سرمایهگذاری زمین و مسکن و بورس املاک و مستغلات فعال خواهد بود. بورس املاک و مستغلات بستر فروش داراییهای مازاد شرکتهای دولتی در این زمینه خواهد بود. بورس مسکن اما به عرضه پروژههای ساختمانی و حمل و نقل در بازار سهام نحوه محاسبه همبستگی در بازار میپردازد. این واگذاری در بورس مسکن که حاصل همکاری وزارت راه و شهرسازی و سازمان بورس است، از طریق واگذاری برگه سهام صورت میگیرد و به این ترتیب نقدینگی ساخت این پروژهها تأمین میشود. بر اساس طرحی که وزارت راه و شهرسازی در ارتباط با بورس مسکن ارائه کرده هر سهم به عنوان یک متر مربع از پروژههایی که متری عرضه میشوند، در نظر گرفته میشود. به این ترتیب برای مثال برای یک واحد در طبقه سوم یک ساختمان در ۱۰۰۰ برگه سهام با قیمت مشخص عرضه میشود. درصورتیکه یک فرد تمام برگههای عرضه شده برای یک واحد را خریداری کند در پایان پروژه مالک آن خواهد بود. دلیل اجرای این طرح جذب سرمایههای خرد اقتصادی جاری در جامعه به سمت بازار مسکن و ایجاد پایداری همزمان برای سرمایههای سرگردان و بازار مسکن بوده است.
تأثیر بورس بر بازار مسکن
رشد غیرمنتظره و روزافزون بازار بورس طی یک سال گذشته منجر به ورود بخش عمده سرمایههای خرد به این بازار و انباشت نقدینگی در آن شده است؛ بنابراین عدم حرکت نقدینگی به سمت بازار مسکن، رکود این بازار علاوه بر تورم آن را در پی داشته است. میتوان گفت هرچند افزایش نرخ سکه و ارز افزایش نرخ مسکن را همراه داشته، آن هم پس از ثابت ماند قیمت مسکن برای ۵ سال (۹۲ تا ۹۷) به همراه ثبات نسبی نرخ ارز و طلا، اما این بالا رفتن به معنی خروج از رکود نیست و درواقع بورس به نظر بازار مسکن را در نوعی رکود تورمی فرو برده است. البته به نظر میرسد که همبستگی بازار بورس با بازار مسکن و ورود گروههای اصلی این بازار مانند گروه انبوهسازی، املاک و مستغلات و شرکتهای فعال در زمینه ساخت و ساز به بورس میتواند در شکست این رکود مؤثر باشد و با ارائه فهرستی از شرکتهای انبوهسازی املاک و مستغلات پذیرفته شده در بورس تهران و فرا بورس توسط سازمان بورس این امیدواری افزایش یافت. چرا که بر اساس آنچه گفته شد یکی از بازارهای موازی صعودی و مؤثر سال گذشته بازار بورس و فرا بورس بوده، بنابراین انتظار میرود همبستگی بازار مسکن با این بازار میتواند تأثیر مثبتی بر آن داشته باشد.
نقش معیشت جامعه بر بازار مسکن
گفته شد که در حال حاضر افق پیش روی بازار مسکن به عواملی مانند مدت ماندگاری ویروس کرونا، نرخ نفت، طلا و ارز، شرایط بازارهای موازی مانند بورس و فرا بورس بستگی دارد. البته که عواملی مانند تسهیلات بانکی، قیمت مصالح ساختمانی و میزان تولید مسکن از بازیگران ثابت بازار مسکن هستند؛ اما امروز عاملی مؤثرتر و تعیین کنندهتر بر بازار مسکن سایه انداخته و آن شرایط معیشتی جامعه است. درواقع حقیقت تلخ و مؤثر در بازار مسکن این است که بخش بزرگی از متقاضیان خرید مسکن و خانه اولیها که میتوانند زوجهای جوان و یا خانوارهای پرجمعیتتر باشند قادر به خرید خانه نیستند و این میزان تقاضا را که اصلیترین نقش را در هر بازاری بازی میکند به حد چشمگیری کاهش میدهد. جریان یافتن سرمایههای خرد به سمت پرداخت اجاره بها و ودیعههای بالای خانههای اجارهای کاهش بیشتر خرید و فروش را در پی دارد. همچنین مهاجرت ساکنین کلانشهرها به شهرها و شهرکهای کوچک به رکود بازار مسکن در شهرهای بزرگی مانند تهران دامن میزند.
سخن آخر
در پایان، به نظر میرسد اختصاص تسهیلات خاص و ویژهتر از قبل، به منظور بالا بردن توان خرید خانه اولیها و همزمان کنترل تورم افسارگسیخته قیمتها، حتی در صورت خروج بازار مسکن از رکود، میتواند مؤثرترین راهکار برای بهبود شرایط بخش مسکن باشد؛ اما تا تأمین بودجه لازم نحوه محاسبه همبستگی در بازار برای این تسهیلات، بورس مسکن و املاک و مستغلات و همبستگی بازارهای سرمایه، همچنین اجرای طرح مالیات بر خانههای خالی میتواند نقش آرامبخشی موقت را برای خروج این بازار مهم از رکود بازی کند. چرا که آنچه این بازار را وارد رکودی بیسابقه کرده، افزایش قیمتها در عین حال کاهش توان خرید اقشار متوسط در نتیجه کاهش نرخ تقاضا نسبت به عرضه است و درمانها موقت ارائه شده هیچ یک راهحلی مناسب برای این علت نیستند.
چرا با رشد بورس، برخی سهامداران سود نکردند؟ | نمادهای همسو با شاخص کل را چگونه شناسایی کنیم؟
از ۳ خرداد ماه تا ۲ شهریور ماه سال جاری شاخص کل بیش از ۴۱ درصد رشد داشته است، اما بسیاری از سهامداران در این بازار نتوانسته اند سودی را دریافت کنند و سبد سهام آنها تکان آنچنانی نخورده است. چرا با رشد بورس برخی سهامداران سود نکردند؟ چگونه نمادهای مستعد رشد را در ابتدای یک روند صعودی پیدا کنیم؟
به گزارش نبض بورس، از ۳ خرداد ماه سال جاری بود که شاخص کل شروع به رشد کرد و از سطح یک میلیون و ۹۵ هزار و ۶۹۷ واحدی به سطح یک میلیون و ۵۴۳ هزار و ۴۷۶ واحدی در ۲ شهریور ماه سال جاری رسید. این بدان معنا بود که شاخص کل ۴۱ درصد رشد را در سه ماه تجربه کرد. به عبارت دیگر، بازدهی بورس در سه ماه ۴۱ درصد شد، اما سبد سهام برخی از سهامداران تکان نخورد و حتی قرمزپوش ماند.
چرا با رشد بازار، سبد سهام نحوه محاسبه همبستگی در بازار برخی سهامداران سبز نشد؟
شاید پاسخ این پرسش به فرمول شاخص کل باز گردد. در فرمول شاخص کل شرکتهایی که ارزش بازار (تعداد سهام ضربدر قیمت سهام) بیشتری دارند، تاثیرگذاری بالاتری بر روی شاخص کل دارند. این بدان معناست که اگر چند شرکت بزرگ بازار سرمایه رشد کنند و تاثیر مثبت بر روی شاخص کل بگذارند، تاثیر منفی شرکتهای کوچک خنثی شود.
معمولا ترکیب سبد سهام سهامداران به این صورت است که تعدادی سهام شاخص ساز و تاثیرگذار بر شاخص کل و تعدادی سهام کوچک با تاثیرگذاری بسیار کم بر روی شاخص کل را در سبد خود دارند. حالا هر چقدر تعداد سهام کوچک در سبد یک سهامدار بیشتر باشد، طبیعتاً تاثیرپذیری سبد از روند شاخص کل کمتر خواهد شد.
طبیعتا در تقریبا یک سال و نیم گذشته معمولا سهامداران با تبلیغاتی که در فضای مجازی وجود داشت به سمت سهام کوچک حرکت کردند و با سقوط بورس، این نمادها در صفهای فروش قفل شدند و روز به روز بر ضرر آنها افزوده شد و سنگینتر شدن ضرر و قفل شدن نمادها در صف فروش اجازه خروج به این سهامداران از سهام کوچک را نداد.
با شروع روند رو به رشد بازار از ۳ خرداد ماه سال جاری، شاخص کل با همان نمادهای شاخص ساز و بزرگ بازار شروع به رشد کرد، اما خبری از رشد سهام کوچک نبود؛ بنابراین هر روز شاخص کل روند رو به رشدی را داشت، اما سبد برخی سهامداران تکان نمیخورد و همچنان در ضرر گرفتار بودند.
نمادهای همسو با شاخص کل را چگونه شناسایی کنیم؟
وقتی یک روند صعودی آغاز میشود، همان گونه که گفته شد معمولا در ابتدا نمادهای شاخص ساز شروع به حرکت میکنند. هر چقدر ضریب همبستگی یک نماد با شاخص کل بیشتر باشد یعنی حرکت آن سهم منطبق با شاخص کل میباشد و برعکس هر چقدر ضریب همبستگی یک نماد با شاخص کل کمتر باشد یعنی حرکت آن سهم مخالف حرکت شاخص کل میباشد.
حالا چگونه این ضریب همبستگی یک نماد با شاخص کل را پیدا کنیم؟
برخی سایتها این ضریب را اعلام میکنند. به عنوان نمونه اگر به سایت سهامیاب مراجعه کنید در بخش سهام نگر هر نماد این ضریب همبستگی به نمایش درآمده است. محدوده این ضریب بین مثبت ۱۰۰ تا منفی ۱۰۰ میباشد. هر چه عدد به مثبت ۱۰۰ نزدیکتر باشد یعنی حرکت آن سهم منطبق با حرکت شاخص کل میباشد و برعکس هر چه به منفی ۱۰۰ نزدیکتر باشد به این معنی است که روند سهم خلاف جهت روند شاخص کل میباشد.
به عنوان نمونه نماد ضریب همبستگی نماد شپنا با شاخص کل ۵۶ درصد است و این بدان معناست که حرکت این نماد منطبق با حرکت شاخص کل است. یا ضریب همبستگی گدنا منفی ۵۱.۵۹ درصد میباشد و روند حرکتی این نماد خلاف جهت شاخص کل است.
هر چند که این تکنیک نمیتواند به صورت قطعی شما را در ابتدای یک روند صعودی به سود برساند، اما میتواند یک سیگنال مناسب برای یافتن سهامی که احتمالا با شروع صعود شاخص کل شروع به صعود میکنند باشد.
دیدگاه شما