من همیشه ایده سرمایه گذاری فعال در سهام را سرگرم کرده ام (به خصوص وقتی می شنوم که اخبار مربوط به رشد چشمگیر در سرمایه گذاری بازیکنان بزرگ پس از رویدادهای مهم جهانی) است. به نظر من این بسیار زیاد است ، به خصوص با بسیاری از شرکت ها که قبل از انتخاب سهام برای سرمایه گذاری ، از بین و عواملی که باید در نظر بگیرند ، انتخاب کنند.
من به تازگی شروع به انجام برخی از دوره های تجزیه و تحلیل داده ها ، یادگیری ماشین و AI به عنوان بخشی از برنامه Datatalent M2M کردم. برای اولین پروژه سنگفرش من ، ده سال (2012 – 2022) داده های سهام روزانه را برای شرکت های بزرگ رسانه های اجتماعی (فیس بوک (متا) ، توییتر ، اسنپ چت ، اتی و پینترست) تجزیه و تحلیل کردم تا از بینش های ارزشمند پرده برداشت.
منبع داده: کاگل
یافته های کلیدی از تجزیه و تحلیل
1. روند قیمت با گذشت زمان
من قیمت های تعدیل شده این سهام را در طول دوره با استفاده از نمودار خط مقایسه ای ردیابی کردم. این نشان می دهد که چگونه ارزش هر سهام تکامل یافته و لحظه های قابل توجهی از رشد یا کاهش را برجسته می کند.
ارتباط: این نشان می دهد که کدام سهام رشد مداوم را نشان داده و با چالش های اساسی روبرو شده است ، اطلاعات مفیدی برای سرمایه گذاران برای درک ثبات بلند مدت.
2. تجزیه و تحلیل حجم معاملات
من حجم معاملات را در بین سهام با استفاده از نمودارهای نوار انباشته مقایسه کردم. اندازه گیری حجم چگونه یک سهام به طور فعال خریداری و فروخته می شود – یک شاخص اصلی علاقه به بازار.
ارتباط: حجم معاملات بالا ممکن است نشانگر اعتماد به نفس سرمایه گذار (یا گاهی اوقات عدم وجود آن) یا واکنش به اخبار مهم باشد ، در حالی که حجم کم می تواند نشانگر عدم علاقه یا ثبات باشد.
3 همبستگی بین سهام
یک نقشه گرمای همبستگی نشان داد که سهام در رابطه با یکدیگر چقدر نزدیک حرکت می کند که انتظار می رود با توجه به اینکه همه آنها در یک بازار هستند.
از کنجکاوی ، من تصمیم گرفتم که این سهام را نیز با یک سرمایه گذاری کاملاً متفاوت (در این مورد طلا) مقایسه کنم تا همبستگی آنها را مشاهده کنم. همانطور که انتظار می رفت ، همبستگی بین طلا و سهام دیگر هرچند منفی بود ، اما به سختی وجود داشت.
منبع داده طلا: Kaggle
ارتباط: درک این روابط به سرمایه گذاران کمک می کند تا اوراق بهادار را برای مدیریت بهتر ریسک متنوع کنند.
4. بازده و نوسانات روزانه
من بازده های روزانه را مورد تجزیه و تحلیل قرار دادم ، که به سادگی قیمت سهام روز به روز تغییر می کند و توزیع آنها را نقشه برداری کردم.
این به ارزیابی کمک کرد:
-
بازده متوسط (سود بالقوه).
-
تنوع (نوسانات یا خطر).
-
مقادیر افراطی (مسافت هایی که ممکن است وقایع غیرمعمول را نشان دهند).
ارتباط: این تصویری واضح از آنچه از سهام انتظار دارد – رشد پایدار یا نوسانات نامنظم بین رشد و کاهش می دهد.
5 بازده تجمعی
تجزیه و تحلیل بازده تجمعی سهام برای نشان دادن رشد کل سرمایه گذاری های سهام در طول زمان مرتبط است. این یک دیدگاه بلند مدت را فراهم می کند.
ارتباط: از نمودار بالا ، می توان به راحتی استنباط کرد که کدام سهام بهترین بازده را برای سرمایه گذاران که سهام خود را برای سالها نگه داشته اند فراهم می کند.
پایان
بازار سهام بسیار پیچیده است ، به خصوص برای سرمایه گذاران تازه کار مثل من. با این حال من اکنون می فهمم (و امیدوارم که شما هم این کار را انجام دهید) ، که با ابزار و بینش مناسب ، حرکت آسان تر می شود. با تجزیه و تحلیل داده های تاریخی و تمرکز بر معیارهای مهم مانند روند قیمت ، حجم و بازده ، می توان ساخت یک بنیاد محکم در سرمایه گذاری سهام را آغاز کرد.
ضمیمه: ابزارهای موجود در تجزیه و تحلیل
برای انجام این تجزیه و تحلیل ، من از طیف وسیعی از ابزارها و تکنیک های علوم داده استفاده کردم. در اینجا ابزارهای مورد استفاده وجود دارد:
-
پایتون: زبان برنامه نویسی مورد استفاده برای تمیز کردن ، پردازش و تجسم داده ها.
-
numpy: برای رسیدگی به داده های عددی و انجام محاسبات ریاضی.
-
پاندا: یک کتابخانه پایتون که دستکاری و تجزیه و تحلیل مجموعه داده های بزرگ را آسان می کند.
-
بوکه: ابزار تجسم مورد استفاده برای ایجاد نمودارها.
-
نوت بوک های Jupyter: یک محیط برنامه نویسی تعاملی که در آن تجزیه و تحلیل انجام شده و مستند شده است. کد مورد استفاده در این تجزیه و تحلیل را می توان در این نوت بوک مشاهده کرد.
