Избранное трейдера Dachnik
pip install pandas
А вот и табличка по S&P500!
https://docs.google.com/spreadsheets/d/11epplwQPMo2cLZSFLD_G7dXBuV6eX01-66TJZpK4dBA/edit?usp=sharing
Первым делом, делаем свою собственную копию: «Файл» -> «Создать копию».
1. Это лайт-версия: аналогично на странице Main – в зеленое поле вписывается целевая сумма в $.
Чуть ниже вносятся только тикеры и только количество купленных уже акций. Данные можно скопировать из каких-то своих таблиц, будь то Excel или Google-таблица (можно скачать брокерский отчет в личном кабинете брокера в формате Excel), а можно просто вбить вручную.
2. На вкладке “S&P500” автоматически проверяется соответствие вбитых вами тикеров с существующими, и расставляются купленные акции в правильные поля. Если какая-то компания становится в индексе выше или ниже (такое происходит почти каждый день, особенно на дне индекса), цифры автоматически следуют за тикером, ничего корректировать не надо. Поля В, С, D, E загружаются автоматически и обновляются каждый день. Поля G, H, I, J, AB загружаются автоматически и обновляются каждые 20-30 минут. Поля K, O, P, Q от того, какую сумму вы вбили в «Цель (капитал)». Поля R, S, T зависят от того, какие тикеры вы вбили и сколько купленных акций вписали. Поля U, V, W, X несут информацию о дивидендах и обновляются 1-2 раза в неделю. Поле «Кризис-радар» вставлено просто так, в развлекательных целях, читайте пометку (наведите на черный уголок над надписью «Кризис-радар»). На этой вкладке вообще ничего редактировать не нужно.
На языке программирования Питон качаем с finam.ru и строим график валютной пары доллар-рубль. Текст написан так, чтобы смог повторить даже новичок. Продвинутые питонисты переходите сразу к коду. Вот он.
Цель поста: построить вот такой график:
1. Качаем Питон с сайта python.org. Это позволит вам запускать скрипты на этом языке программирования.
2. Открываем командную строку cmd.exe (чёрное окошко). С его помощью подключим библиотеку matplotlib, которая рисует графики. В командной строке пишем pip install matplotlib
Эта статья является заключительной в цикле тестирования японских свечей. Всего в этом цикле будет 8 статей. Вот список предыдущих статей:
1. Тестирование свечи молот на исторических данных
2. Тестирование модели бычье поглощение на исторических данных
3. Тестирование модели медвежье поглощение
4. Тестирование модели завеса из темных облаков
5. Тестирование модели медвежье харами на исторических данных
6. Тестирование модели просвет в облаках на исторических данных
7. Тестирование модели бычье харами на исторических данных
Все 7 свечных моделей, которые я описал до этого, не выдержали проверки на истории. Сейчас настало время привести ту единственную свечную модель (из мне известных), которая выдержала подобную проверку.
Доброго времени суток, коллеги!
В данной статье будут рассмотрены основные мультипликаторы фундаментального анализа, которые были посчитаны относительно отраслей.
Я являюсь сторонником сравнительного подхода. Это когда мы основные мультипликаторы фундаментального анализа по конкретной компании сравниваем с аналогичными показателями другой компании – конкурента из аналогичной отрасли.
Есть отрасли, в которых компаний – конкурентов очень много и хочется понять среднее значение. Так вот в данной статье рассчитаны средние значения по отраслям. В расчет брались все компании, которые входят в ту или иную отрасль.
Соответственно при оценке конкретной компании (ее мультипликаторы) можно сравнивать с аналогичным средним отраслевым показателем*
При подсчетах использовалась информация промежуточных финансовых отчетов по МСФО за 2018 год (2/3 квартал).