فراتر از محاسبات حسابی و هندسی ما روی متن تمرکز می کنیم ، زیرا فراموش کردن جزئیات بسیار آسان است.
- مجموعه مشکل ما-یک نمونه داده سه ساله را برای این آموزش بررسی کنید.
- انواع بازده - بازده کل ، متوسط و متوسط سالانه را معرفی کنید.
- بازه های زمانی - در مورد سه بازه زمانی برای گذشته ، حال و آینده بحث کنید.
- سه روش - در مورد موارد استفاده برای بازده حسابی ، هندسی و ورود به سیستم بحث کنید.
- بعدی: بازده ماهانه - یاد بگیرید که چگونه بازده سهام ماهانه را محاسبه کنید.
توسط پل آلن دیویس ، CFA
یک وب سایت بدون آگهی و کلوچه.
نحوه محاسبه و تفسیر نرخ بازده را بیاموزید
فیلم را ببینید
فیلم ها در یک لیست پخش 101 سازمان یافته در YouTube در دسترس هستند.
محاسبات بازگشت سهام: حسابی و هندسی (18:31)
فیلمنامه
خوش آمدی. موضوع امروز نحوه محاسبه نرخ بازده سرمایه گذاری مانند سهام است.
من پل هستم و اعتراف خواهم کرد ، حفظ همه ریاضیات بدون یادآوری دوره ای دشوار است.
بنابراین در اینجا ما مفاهیم را با چند تمرین تقویت خواهیم کرد ، در حالی که چند کارکرد جدید اکسل را انتخاب می کنیم. هدف ما این نیست که فقط به خاطر بسپاریم بلکه درک کنیم که چه زمانی از هر فرمول استفاده می کنیم و چگونه می توان نتایج را تفسیر کرد.
برای متن ، این اولین فیلم در فصل 2 از یک سری از 30 آموزش مدل سازی مالی به نام Quant 101 است. تا پایان فصل ما یک هیستوگرام بازده ایجاد خواهیم کرد ، اما این آموزش بیشتر به صورت مستقل است و نیازی به آن نیستمجموعه داده ای که ما در آخرین آموزش نصب کردیم.
برای کسانی که این فیلم را تماشا می کنند ، اگر خیلی سریع بروم ، هرچه می گویم در یک صفحه وب چاپ می شود که در اولین لینک در توضیحات ویدیو یافت می شود. در آنجا فرمول های طولانی را نیز پیدا خواهید کرد.
بررسی اجمالی
در اینجا ما سه روش محاسبه بازگشت را معرفی خواهیم کرد ، اما وقت خود را صرف دو: حسابی و هندسی می کنیم.
اول ، ما مشکل خود را برای این آموزش که شامل دو سهام در سه دوره است ، بررسی خواهیم کرد.
دوم ، ما در مورد کل و میانگین صحبت می کنیم.
سوم ، ما علاقه مند به اندازه گیری بازده های تاریخی در اینجا هستیم ، اما سایر بازه های مدلهای مالی را ذکر خواهیم کرد.
چهارم ، ما بازده حسابی و هندسی را طی خواهیم کرد زیرا آنها اکنون برای ما مهمترین هستند و به بازگشت ورود به سیستم می پردازند.
و در قسمت بعدی ما با در نظر گرفتن تمام اقدامات شرکت ها ، بازده ماهانه سهام در اکسل را محاسبه خواهیم کرد.
مرحله 1 - مجموعه مشکل ما
بیایید به یک مجموعه مشکلی که برای این آموزش استفاده خواهیم کرد حرکت کنیم.
آ. دو سهام با بازده طی سه دوره
در اینجا ما از یک سناریوی ساختگی و گرد با دو سهام استفاده خواهیم کرد: ABC و XYZ. این یک نمونه تمیز و ساده است اما یک ترفند کوچک خوب در آن دارد ، که باعث می شود چند غذای آماده برای شما تقویت شود.
ما قصد داریم این داده ها را در تمرینات 1 و 2 به اشتراک بگذاریم ، که تفاوت بین بازده حسابی و هندسی را نشان می دهد.
همچنین ، دقیقاً مانند یک تمرین برنامه نویسی ، پیشنهاد می کنم این را مستقیماً در نسخه Excel تایپ کنید ، زیرا به شما در تقویت قطعات پیچیده کمک می کند.
تصور کنید که ما در ابتدای دوره اول 1،000. 00 دلار آمریکا سرمایه گذاری کرده ایم ، سپس پس از آن برای سه دوره باز می گردد.
ما داده های فرمت شده را در سلول های G9 از طریق i10 در قالب درصد داریم ، در حالی که داده های اصلی در سلول های J9 از طریق L10 ذخیره می شوند (به فیلم مراجعه کنید).
E | F | G | H | I | |
---|---|---|---|---|---|
8 | موجودی | سرمایه گذاری شده | ٪ دوره 1 | ٪ دوره 2 | ٪ 3 دوره 3 |
9 | ABC | 1000 دلار | 10 ٪ | -11 ٪ | 10 ٪ |
10 | XYZ | 1000 دلار | 100 ٪ | -50 ٪ | 0% |
بنابراین Cell G9 مرجع J9 است ، به جز اینکه قالب آن با کلیک راست روی درصد تنظیم می شود ، سپس سلول ها را فرمت می کند. بنابراین ما می توانیم آن را به روشی که می خواهیم مشاهده کنیم ، متناسب با ارائه ، اما داده های ذخیره شده تغییر نمی کند.
ب. کنوانسیون مکان اعشاری
این یک دهانه خوب برای امتیاز دوم در کنوانسیون اعشار است. در اینجا ما ترجیح می دهیم داده ها را با فرمت اعشاری ذخیره کنیم ، به این معنی که 10 ٪ ، به عنوان 0. 10 ذخیره می شود.
برای کسانی که به سری 101 می چسبند ، اگر داده های منبع را در اعشار حفظ نکنیم ، باعث سردردهای پایین جاده می شود.
بنابراین اگر یک مجموعه داده در درصد ، مانند 10 برای 10 ٪ آورده شده باشد ، می توان با تقسیم 100 ، = 10/100 یا ضرب در 0. 01 = 10*. 01 به شکل اعشاری تغییر داد.
دوم ، هنگام استفاده از 1 برای مراجعه به 1 ٪ از احتیاط استفاده کنید ، زیرا 1 نیز 100 ٪ است ، درست است؟
مرحله 2 - انواع بازگشت
اولین چیزی که باید در نظر بگیرید این است که در مورد چه نوع بازگشت صحبت می کنیم؟یعنی ، هنگام محاسبه بازده در دوره های زمانی مشخص ، یک مشکل یا سناریو نیاز به پاسخ با استفاده از یکی از سه نوع مختلف بازگشت دارد.
- بازده کل - بازده کل برای کل دوره.
- بازده متوسط - بازده متوسط در دوره های فرعی.
- میانگین بازده سالانه - و میانگین بازده سالانه ، در چندین دوره فرعی اما سالانه اندازه گیری می شود.
در اینجا ، ما روی دو مورد اول تمرکز خواهیم کرد.
مرحله 3 - بازه های زمانی
همچنین ، بعداً در گذشته ، حال و آینده تمایز قائل خواهیم شد. برای مدل سازی مالی سعی می کنیم آنچه را که در زمان حال انتظار می رود و آنچه در آینده پیش بینی می شود با ارائه نامهای مختلف به آنها پیش بینی کنیم.
در مشکل ما در اینجا ، ما به بازده های گذشته نگاه می کنیم ، و در اینجا می نامیم که دوره تاریخی ، فقط برای روشن شدن است.
بعداً ، وقتی می خواهیم بدانیم که چه بازدهی به انتظارات فعلی پخته می شود ، ما از بازه زمانی مورد انتظار برای مراجعه به حال استفاده خواهیم کرد.
و سرانجام ، هنگام مراجعه به آینده ، ما این بازده ها را پیش بینی می کنیم. بارها در ادبیات مالی ، هیچ تمایزی بین پیش بینی شده و پیش بینی وجود ندارد ، که منجر به سردرگمی می شود ، بنابراین در اینجا ما به این سه اصطلاح خواهیم رسید.
- تاریخی - برای دوره های گذشته.
- مورد انتظار - برای انتظارات فعلی.
- پیش بینی - برای بازده آینده پیش بینی شده.
مرحله 4 - سه روش
اکنون در مرحله 4 ، بیایید سه روش را برای محاسبه بازده پوشش دهیم: حسابی ، هندسی و لگاریتمی یا ورود به سیستم.
این تمایز بیشتر به چگونگی پیوند بازده با هم اشاره دارد. بیایید ابتدا در مورد نحوه محاسبه آنها و زمان استفاده از آنها صحبت کنیم.
پس از آن ، ما در تمرینات از طریق ریاضیات قدم می زنیم زیرا به این ترتیب نقاط دقیق تر را به خاطر خواهیم آورد.
آ. بازگشت حسابی
بازده حسابی ساده ترین نوع بازگشت برای محاسبه است.
این اغلب به عنوان زمان نامشخص توصیف می شود ، به این معنی که ترتیب ورود بازده ها اهمیتی ندارد. به عنوان مثال آنها می توانند تصادفی باشند.
بنابراین بازده 10 ٪ ، -11 ٪ و 10 ٪ نتیجه یکسان را برای بازده حسابی به عنوان بازده یکسان به ترتیب متفاوت ، -11 ٪ ، 10 ٪ و 10 ٪ به دست می آورد. در اصل شما هر بازگشت دوره ای را به هم اضافه می کنید.
- کل بازده حسابی = (دوره 1 + دوره 2)
از نظر من ، بازگشت کل حسابی به خودی خود ارزش چندانی ندارد ، مگر به عنوان نقطه شروع برای محاسبه میانگین بازده حسابی.
با اضافه کردن هر بازده دوره ای ، بازده حسابی متوسط را پیدا می کنید ، سپس بر اساس تعداد مشاهدات یا دوره ها تقسیم می شوید. بعضی اوقات وقتی رسمی تر هستید ، نامه n را به سادگی می بینید.
- میانگین بازده حسابی = (دوره 1 + دوره 2) / OBS (N)
بازده های حسابی ، تأثیر مرکب در سرمایه گذاری را نادیده می گیرند ، اما هنوز هم به یک هدف خدمت می کنند.
در یک زمینه آینده نگر ، زیرا شما نمی توانید انتظار داشته باشید که ترتیب بازده در آینده را بدانید ، پزشکان و محققان دانشگاهی اغلب هنگام انجام تخمین در مورد آینده ، از بازده متوسط حسابی استفاده می کنند. این امر باعث می شود که بازده حسابی برای مطالعات نوسانات مناسب باشد که در آن می خواهید هر یک از بازده های بازده فردی را به حساب بیاورید اما اثر ترکیبی نگران کننده نیست.
این همچنین معمولاً بازده حسابی شناخته شده است.
ب. بازگشت هندسی
از طرف دیگر ، بازده هندسی به یک دوره خاص و ترتیب بازده امور اشاره دارد.
برای پاسخ به این امر ، بازده ها به جای اضافه شدن ضرب می شوند. در اینجا ، ترکیب گنجانیده شده است و ممکن است دوره های روزانه ، ماهانه یا سالانه با هم ارتباط داشته باشید.
در اینجا ما 1 را به بازگشت دوره اول ، به شکل اعشاری اضافه می کنیم ، و چندین بار که 1 به بازگشت دوره دوم اضافه شده است ، سپس 1 را تفریق می کنیم.
- بازگشت هندسی کل = (1 + دوره 1) * (1 + دوره 2) - 1
بازده هندسی برای تجزیه و تحلیل دوره ها هنگام نگاه به عقب بهترین است. و از آنجا که شما می دانید چارچوب زمانی و ترتیب بازده ، می توانید بازدهی را که مطابق با تجربه سرمایه گذار است محاسبه کنید. این شبیه به آنچه ممکن است در رشد یک نمودار دلار پیدا کنید.
نسخه متوسط بازده هندسی نیز وجود دارد.
- متوسط بازده هندسی = ((1 + دوره 1) * (1 + دوره 2))^(1 / OBS) - 1
در اینجا ، محاسبه میانگین کمی سخت تر است. ما باید نتیجه را به قدرت 1 بر تعداد مشاهدات بالا ببریم. من از "Obs" در اینجا به عنوان مخفف استفاده کرده ام. شما همچنین 1 بیش از n را به طور مکرر مشاهده می کنید.
در پایان ، ما 1 را تفریق می کنیم.
این نیز معمولاً بازده هندسی نامیده می شود.
ج. برگشتی
بازگشت ورود به سیستم در اینجا مورد توجه قرار نمی گیرد ، بنابراین من تمایلی به اشتباه در مسائل ندارم ، اما من می خواستم شما بدانید که آنها وجود دارند.
آنها برای قاب های بسیار کوتاه مانند روزانه یا حتی ساعتی استفاده می شوند. همچنین ، با توجه به ترکیب ، بازده ورود به سیستم به طور مداوم مرکب است.
توابع اکسل
بیایید به سه عملکرد اکسل که در اینجا استفاده خواهیم کرد نگاه کنیم.
عملکرد اکسل = جمع () طیف وسیعی از سلول ها را با هم اضافه می کند در حالی که عملکرد = محصول () آنها را با هم ضرب می کند ، و = متوسط () خود توضیحی است.
اگر قسمت اول را از جمله پرانتز اول تایپ کنید ، اکسل نشانگرهایی را ارائه می دهد. به عنوان مثال ، اگر نوع = sum را تایپ کنید (یک جعبه راهنما ظاهر می شود که شما را به ورودی هایی که این عملکرد نیاز دارد راهنمایی می کند. این یک ویژگی بسیار خوب است و برای برنامه نویسی نیز معمول است.
بیایید به سمت تمرینات حرکت کنیم.
تمرین 1: بازده حسابی کل و بازده حسابی را محاسبه کنید
برای تمرین 1 از ما خواسته می شود که کل بازده حسابی و میانگین بازده حسابی را برای هر دو سهام ABC و XYZ محاسبه کنیم. باز هم ، من پیشنهاد می کنم این را در صفحه گسترده خود کپی کنید.
E | F | G | H | I |
---|---|---|---|---|
14 | موجودی | ٪ دوره 1 | ٪ دوره 2 | ٪ 3 دوره 3 |
15 | ABC | 10 ٪ | -11 ٪ | 10 ٪ |
16 | XYZ | 100 ٪ | -50 ٪ | 0% |
من بازده های اصلی را با نماد اعشاری حمل کردم، اما آنها را در اکسل با استفاده از فرمت درصد برچسب گذاری کردم. با بررسی سلول های G15 تا I16 می توانید این را ببینید. در اینجا می توانید پیوند داده های ما را در قالب اعشاری مشاهده کنید که به محدوده J9 تا L10 اشاره دارد.
حالا بیایید به محاسبه بازده حسابی کل برویم. به یاد بیاورید که با بازده های حسابی، ترتیب بازده ها مهم نیست، هیچ اثر ترکیبی وجود ندارد، بنابراین ما به سادگی کل سه بازده را اضافه می کنیم.
E | J | K | L | |
---|---|---|---|---|
14 | موجودی | درصد بازدهی Arith | Obs | میانگین آریت ٪ |
15 | ABC | 9. 00٪ | 3 | 3. 00٪ |
16 | XYZ | 50. 00٪ | 3 | 16. 67٪ |
در سلول J15 من این کار را به روش دستی با =G15+H15+I15 انجام دادم و به هر سلول اشاره کرده و اضافه کردم. سپس برای سهام XYZ، در J16، از تابع =SUM() با =SUM(G16:I16) استفاده کردم.
حالا برای محاسبه میانگین، تقسیم بر تعداد نقاط داده یا مشاهدات، در این مورد 3، و میانگین بازده حسابی خواهید داشت. خودشه.
در سلول L15 به عنوان مثال تقسیم را با دست با =J15/K15 انجام دادم. در سلول L16، من از تابع =AVERAGE() استفاده کردم، زیرا یک میانگین ساده است ( =AVERAGE(G16:I16)).
بنابراین بازده محاسباتی کل و متوسط برای ABC به ترتیب 9. 00% و 3. 00% بود. برای سهام XYZ، همین معیارها 50. 00٪ و 16. 67٪ بود.
حال بیایید ببینیم که وقتی از روش هندسی استفاده می کنیم، همان جریان بازگشتی چگونه مقایسه می شود.
تمرین 2: بازده هندسی کل و میانگین بازده هندسی را محاسبه کنید
در تمرین 2 با روش هندسی مجموع و میانگین هندسی تجربه کسب خواهیم کرد. ما رشد یک مثال دلاری را درج خواهیم کرد تا بتوانید تفسیر متفاوتی را مشاهده کنید. به یاد بیاورید، این یک محاسبه بهتر برای تأثیر بر پول سرمایهگذاری شده قبل از شروع دوره 1 و ترکیب برای سه دوره است.
باز هم بازده ها را با فرمت اعشاری از بالا پایین کشیدم. ما با اضافه کردن 1 به بازده اعشاری شروع می کنیم که می توانید آن را در سلول های G22 تا I22 مشاهده کنید.
E | F | G | H | I | |
---|---|---|---|---|---|
20 | موجودی | سرمایه گذاری شده | ٪ دوره 1 | ٪ دوره 2 | ٪ 3 دوره 3 |
21 | ABC | 10 ٪ | -11 ٪ | 10 ٪ | |
22 | 1 + بازگشت | 1. 1000 | 0. 8900 | 1. 1000 | |
23 | دلار | 1000. 00 دلار | 1100. 00 دلار | 979. 00 دلار | 1076. 90 دلار |
24 | XYZ | 100 ٪ | -50 ٪ | 0% | |
25 | 1 + بازگشت | 20000 | 0. 5000 | 1. 0000 | |
26 | دلار | 1000. 00 دلار | 2000. 00 دلار | 1000. 00 دلار | 1000. 00 دلار |
برای بازدهی کل هندسی، اینها را در هم ضرب کنید، سپس 1 را کم کنید همانطور که در سلول J22 انجام شد، در نتیجه 7. 69% با استفاده از =G22*H22*I22-1 حاصل می شود.
E | J | K | L | |
---|---|---|---|---|
20 | موجودی | بازده هندسی % | Obs | میانگین هندسی % |
22 | ABC | 7. 69٪ | 3 | 2. 50٪ |
25 | XYZ | 0. 00٪ | 3 | 0. 00٪ |
اگر متوجه شدید ، من در اینجا تنبل هستم و از پرانتز استفاده نمی کنم ، می دانم که دستور عملیات PEMDAS برای ریاضی در اکسل اعمال می شود. بنابراین سفارش به پرانتز ، مأمورین ، ضرب ، تقسیم ، افزودن و تفریق می رود. برای خوانایی بهتر می توانستم پرانتز را در اطراف ضربان قرار دهم. به عبارت دیگر ، ممکن است تجسم این به عنوان = (G22*H22*i22) -1 ساده تر باشد.
حتی بهتر از این ، من می توانم از عملکرد = محصول () استفاده کنم زیرا بسیاری اوقات محصول 30 ، 60 یا صدها سلول را مصرف می کنیم.
برای محاسبه میانگین بازده هندسی ، کل را به قدرت 1 بیش از تعداد داده ها یا مشاهدات ببرید ، در این حالت 3 ، سپس تفریق 1. بنابراین فرمول موجود در سلول L22 ممکن است مانند = (محصول (G22: I22) به نظر برسد.))^(1/3) -1.
باز هم بازده هندسی منعکس کننده تأثیر ترکیب است. در سلول های G23: I23 من نمونه ای از تغییر دلار را طی کردم تا بتوانید نظر من راجع به چگونگی بازگشت هندسی با تجربه واقعی مشتری مشاهده کنید. با 1000. 00 دلار در سلول F23 شروع کنید ، سپس آن را با 1 به علاوه بازده برای دوره اول ضرب کنید ، بعد آن را تا دوره دوم و سوم ضرب کنید. باز هم ، ترتیب بازده در اینجا به عنوان مقدار از دوره قبلی برای دوره بعدی استفاده می شود.
برای نشان دادن این امر ، در سلول G23 می توانید فرمول = F23*G22 را مشاهده کنید. بنابراین این بازده ها با هم در ارتباط هستند ، به همین دلیل سفارش اهمیت دارد.
می توانید ببینید که چگونه دلار از 1،000. 00 دلار ، پس از بازده 10 ٪ ، سپس به 979. 00 دلار پس از ضرر 11 ٪ و سپس به 1،076. 90 دلار پس از 10 ٪ سود دیگر ، به 1100. 00 دلار تغییر می کند.
من شما را تشویق می کنم که در تمام محاسبات مشابه برای سهام XYZ در صفحه گسترده خود کار کنید تا پاسخ های شما در اینجا با من مطابقت داشته باشد.
پیشگیری
بیایید لحظه ای برای خلاصه کردن این موضوع به این ترتیب غرق شویم. من این سری بازگشت را انتخاب کردم تا چند نکته را بیان کنم.
اول ، چگونه است که بازده حسابی و بازده هندسی می تواند از نظر مادی متفاوت باشد؟
برای ABC ، میانگین بازده حسابی 3 ٪ است در حالی که میانگین بازده هندسی 2. 5 ٪ است ، برای همان مجموعه داده ها. اینها نسبتاً نزدیک هستند اما نشان می دهد که اختلافات رخ می دهد.
در مرحله بعد ، بیایید نگاهی به میانگین بازده حسابی و هندسی برای XYZ بیندازیم. در اینجا ما تفاوت چشمگیری بین 16. 67 ٪ و 0. 00 ٪ داریم. چطور ممکن است؟
باز هم ، ترتیب بازده برای بازده هندسی اهمیت دارد. به سلول های G26: I26 نگاه کنید تا ببینید چه اتفاقی برای سرمایه گذاری اولیه 1000. 00 دلار می افتد. سرمایه گذاری XYZ پس از بازده 100 ٪ اول به 2،000. 00 دلار افزایش می یابد ، پس از از دست دادن 50 ٪ دوره بعدی به 1000. 00 دلار کاهش می یابد. و پس از بازده مسطح در دوره 3 ، سرمایه گذاری 1000. 00 دلار باقی می ماند.
اگر این باعث می شود سر خود را خراش دهید ، کاملاً طبیعی است. من یک نمونه سری بازگشت شدید را انتخاب کردم تا موضوعی را برجسته کنم که بسیاری از سرمایه گذاران آن را نمی فهمند. همچنین ، دلیلی که من برای بحث در مورد دو نرخ محاسبات بازده وقت زیادی می گیرم این است که نتایج می تواند از نظر مادی متفاوت باشد ، همانطور که می بینید.
این نشان می دهد که چرا باید بدانیم چه زمانی از هر روش استفاده می شود. بنابراین از بازده هندسی بهترین استفاده برای مطابقت با تجربه واقعی مشتری برای دوره های عقب مانده به طور خاص استفاده می شود.
بازده حسابی ، باز هم ، بهتر است برای به دنبال داده ها و برآورد ریسک به جلو بروید.
یک نکته سریع در مورد بازده هندسی
قبل از رفتن ، بگذارید یک نکته سریع برای محاسبه بازده هندسی کل به اشتراک بگذارم. این چیزی است که من همیشه از آن استفاده می کنم و ارزش آن را دارد که بخاطر بسپارم.
اگر مقدار پایان یک نمونه کارها ، نگهدارنده سهام یا ارزش دیگر دارایی را با مقدار آغاز و تفریق 1 تقسیم کنید ، بازده هندسی کل را به شما می دهد. شما می توانید این کار را انجام دهید حتی اگر هر یک از بازگشت های زیر دوره ای را ندارید.
به عنوان مثال ، ارزش 1،076. 90 دلار تقسیم شده توسط 1000. 00 دلار ، منهای 1 به شما 0. 0769 یا 7. 69 ٪ می دهد. مطمئناً در روز آزمون و در بسیاری از زمینه ها در طول عمر شما ظاهر می شود. این کمک می کند تا به سؤال همیشه مهم پاسخ دهید ، "نرخ بازده سرمایه گذاری من چقدر بود؟"
محاسبه بازده یک ساختمان اساسی در امور مالی است ، بنابراین دانستن تمایز بین بازده حسابی و هندسی بسیار مهم است. اگر بتوانید تفاوت های حافظه را تلاوت کنید ، مطمئناً خود را متمایز خواهید کرد.
و اگر به یادآوری دوره ای احتیاج دارید ، همانطور که همه ما انجام می دهیم ، این آموزش در اینجا می نشیند و منتظر بازدید ماست.
خلاصه
به طور خلاصه ، اکنون دو روش برای محاسبه بازده اجرا کرده ایم و در صورت کاربرد هر یک از آنها بحث شده است. ما همچنین یک روش سوم را معرفی کردیم که برای بازده مداوم برای بازده های زمانی کوتاه تر استفاده می شود.
ما همچنین در مورد مجموع و میانگین ها، به علاوه بازه های زمانی مختلف صحبت کردیم. بنابراین اگر شنیدید که کسی در مورد بازگشت صحبت می کند، در ذهن خود بپرسید: "در مورد بازده هندسی صحبت می کنیم یا حسابی؟"، "تاریخی، مورد انتظار یا پیش بینی؟"، "کل یا متوسط؟". اگه بلد نیستی بپرسفقط دانستن اینکه چه چیزی بپرسید اغلب شما را متمایز می کند.
از اینجا به بعد، برای کسانی که دنبال یادگیری سریعتر در Quant 101 هستند، درک این مفاهیم بسیار مهم خواهد بود زیرا من از شما می خواهم بسته به زمینه، محاسبات را با استفاده از یک روش یا روش دیگر انجام دهید.
مرحله 5 - بعد: محاسبه بازده ماهانه سهام
در قسمت بعدی به برگه داده های بازگشتی که در آخرین آموزش ایجاد کرده بودیم برمی گردیم و می بینیم که این بازگشت ها چگونه ایجاد شده اند. در آنجا اقدامات شرکتی را معرفی خواهم کرد و خواهیم دید که چرا ارائه دهندگان کلان داده مانند بلومبرگ و فکت ست چنین پیروان بزرگ و وفاداری در فضای سرمایه گذاری نهادی دارند.
در ضمن فکر کنید از کدام روش حسابی یا هندسی استفاده کنیم؟
لطفا هر زمان به ما بپیوندید و روز خوبی داشته باشید.
بعد چه می شود؟
برای یادگیری سریعتر، مطمئن شوید که ویدیوها را تماشا میکنید، زیرا برخلاف آموزشهای مبتنی بر کد بیشتر، به دنبال کردن آن در اکسل کمک میکند.
هرگز آموزش مفید دیگری را که در کانال YouTube ما منتشر شده است از دست ندهید. اکنون مشترک شوید.