Get best of the week

توقع الأزمات المالية مع Python

اعتبارًا من 9 مارس 2020 ، لدينا انخفاض حاد في الأسواق الأمريكية ، بدءًا من ارتفاع تاريخي في 20 فبراير 2020 ، والذي يبلغ حاليًا حوالي -16٪. كانت الأخبار مليئة بالعناوين الرئيسية حول الركود الوشيك بسبب الفيروس التاجي ، انسحبت روسيا من صفقة أوبك + ، التي ضربت أسعار النفط (-20٪ يوميًا) وغدًا (10 مارس 2020) ، من المتوقع أيضًا أن ينخفض ​​سوق MICEX بنسبة 20٪ ، وفقًا للحكم يقتبس من حصصنا في الأسواق الغربية.


هل ينتظرنا ركود عالمي؟ سنحاول في هذه المقالة معرفة كيف يمكنك أن ترى مقدماً إشارات بداية الركود الاقتصادي باستخدام بايثون.

للإجابة على هذا السؤال ، سنحاول استخدام العائد على السندات والأسهم والتحليل الفني. سنستخدم البيانات التاريخية من السوق المالية الأمريكية كأول أكبر سوق للأوراق المالية في العالم. في الواقع ، إذا بدأ الركود في الولايات المتحدة ، فإنه سيبدأ في جميع أنحاء العالم (كما حدث في عام 2008). كما أنه من المريح لنا وجود بيانات لسوق الولايات المتحدة لعقود ، مما سيسمح لنا بالتحليل على مدار فترة تاريخية مهمة.

سنأخذ البيانات التاريخية من Yahoo Finance باستخدام مكتبة yfinance من موقع بنك الاحتياطي الفيدرالي. احتياطي الولايات المتحدة باستخدام مكتبة fredapi ومن موقع Quandl مع معلومات مالية متنوعة من خلال pandas_datareader. يرجى ملاحظة أنه بالنسبة لـ Fed و Quandl ، تحتاج إلى التسجيل لتلقي مفتاح API (هذا مجاني).

جميع الأزمات المالية في الولايات المتحدة الأمريكية سنحدد في المناطق الرمادية مباشرة على الرسوم البيانية.

استيراد مكتبات
from fredapi import Fred
import pandas as pd
import os
import pandas_datareader.data as web
import pandas_datareader as pdr
%matplotlib inline
from matplotlib import pyplot as plt
from datetime import date
import yfinance
import numpy as np

api = 'YOUR API HERE'
os.environ["QUANDL_API_KEY"] = 'YOUR API HERE'
os.environ["TIINGO_API_KEY"] = 'YOUR API HERE'

fred = Fred(api_key=api)


نحصل على بيانات تاريخية لمؤشر S & P500 مع Yahoo ، وينتشر عائد السندات مع FRED ومؤشر العائد المتراكم للسندات مع FRED:

GSPC_h = yfinance.download("^GSPC", start="1962-01-01", end="2020-03-09") #SNP500
T10YFF = fred.get_series('T10YFF', observation_start='1962-01-01', observation_end='2020-03-09') #10YB-FFR
T10Y2Y = fred.get_series('T10Y2Y', observation_start='1976-06-01', observation_end='2020-03-09') #10YB-2YB
# ICE BofA US Corp 10-15yr Total Return Index Value
BAMLCC7A01015YTRIV = fred.get_series('BAMLCC7A01015YTRIV', observation_start='1962-01-01', observation_end='2020-03-09')

علاوة المخاطرة


علاوة المخاطر هي مؤشر يعكس الربحية الإضافية التي سيحصل عليها المستثمر بافتراض زيادة المخاطر.

هذه هي الطريقة التي تعمل بها الأسواق المالية - كلما ارتفع العائد على الاستثمار ، زادت المخاطر.

من أجل حساب علاوة المخاطر ، من الضروري طرح معدل العائد الخالي من المخاطر من العائد المتوقع للأصل الخطر.

بالنسبة لسوق الولايات المتحدة ، فإن معدل العائد الخالي من المخاطر هو معدل الاحتياطي الفيدرالي الأمريكي (وهو نظير لمعدلنا الرئيسي) - FED.

يعتبر بدل المخاطرة للأسهم والسندات بشكل مختلف.
بالنسبة للسندات: عائد السندات (العائد) مطروحًا منه الاحتياطي الفيدرالي.
للأسهم: مؤشر الربح / السعر (E / P) مطروحًا منه الاحتياطي الفيدرالي ،
حيث الربح هو ربح الشركة للسنة ، السعر هو سعر السهم في الوقت الذي يتم فيه حساب المؤشر.

لحساب ربحية السهم ، لا نأخذ الأرباح المدفوعة كربحية ، بل الأرباح التي تحصل عليها الشركة ، لأن أرباح الأسهم ليست سوى جزء من الربح الذي تدفعه الشركة للمساهمين. عندما تصبح مالكًا للشركة من خلال شراء أسهمها ، في الواقع ، سيكون الدخل النهائي بالنسبة لنا هو بالضبط الربح الذي سيتم توزيعه بين المساهمين بالكامل في وقت تصفية الشركة.

نحصل على E / P لـ S & P500 (SP500_EARNINGS_YIELD_MONTH) ، ومعدل خالي من المخاطر (معدل صناديق الاحتياطي الفيدرالي) وعائد سندات الشركات في السوق الواسع (عائد سندات Baa):

# E/P
symbol = 'MULTPL/SP500_EARNINGS_YIELD_MONTH'
SP500_EARNINGS_YIELD_MONTH = web.DataReader(symbol, 'quandl', '1962-01-01', '2020-03-09')
# FED Funds Rate
FEDFUNDS = fred.get_series('FEDFUNDS', observation_start='1962-01-01', observation_end='2020-03-09')
# Baa Bonds Yield
BAA = fred.get_series('BAA', observation_start='1962-01-01', observation_end='2020-03-09')

نحسب علاوة المخاطر كربح مطروحًا منه السعر الخالي من المخاطر:

#     
risk_premium = pd.concat([SP500_EARNINGS_YIELD_MONTH, FEDFUNDS],axis=1).fillna(method='bfill')
risk_premium['premium'] = risk_premium['Value'] - risk_premium[0]

#     
risk_premium_b = pd.concat([BAA, FEDFUNDS],axis=1).fillna(method='bfill')
risk_premium_b.columns = ['BAA', 'FEDFUNDS']
risk_premium_b['premium_b'] = risk_premium_b['BAA'] - risk_premium_b['FEDFUNDS']

دعونا نرى ما حدث للأسهم والسندات بشكل منفصل.

للأسهم:

رمز الرسم البياني
fig, ax = plt.subplots(figsize=(17,6))

line1, = ax.plot(risk_premium['premium'],linewidth=1)
line1.set_label('risk_premium_stocks')

line2, = ax.plot(SP500_EARNINGS_YIELD_MONTH,linewidth=1)
line2.set_label('SP500_EARNINGS_YIELD_MONTH')
ax.legend(loc='upper left')

par1 = ax.twinx()
line3, = par1.plot(np.log(GSPC_h['Close']),linewidth=0.7, color='red')
line3.set_label('S&P500')
par1.legend(loc='upper left', bbox_to_anchor=(0, 0, 1, 0.88))

plt.xlim(left=date(1962, 1, 1), right=date(2020, 3, 9))
ax.axhline(linewidth=2, color='black', alpha=0.7)
ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1969, 12, 1), date(1970, 11, 1), alpha=0.3, color='grey')

ax.set_xlabel('')
ax.set_ylabel('  , %')
par1.set_ylabel('Log  S&P500')

plt.show()



للسندات:

رمز الرسم البياني
fig, ax = plt.subplots(figsize=(17,6))

line1, = ax.plot(risk_premium_b['premium_b'][date(1987, 12, 1):],linewidth=1, color='k')
line1.set_label('risk_premium_bonds')
ax.legend(loc='upper left', bbox_to_anchor=(0, 0, 1, 0.95))

par1 = ax.twinx()
line2, = par1.plot(np.log(BAMLCC7A01015YTRIV),linewidth=0.7, color='green')
line2.set_label('Log ICE BofA US Corp 10-15yr Total Return Index Value')
par1.legend(loc='upper left')
plt.xlim(left=date(1987, 12, 1), right=date(2020, 3, 9))

ax.axhline(y=1.5, linewidth=2, color='red', ls='--', alpha=0.7)

ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axhline(linewidth=2, color='black', alpha=0.7)

ax.set_xlabel('')
ax.set_ylabel('  , %')
par1.set_ylabel('Log  BofA')

plt.show()




كما نرى ، فإن فترات ما قبل الأزمة هي مناطق ذات مخاطر مخاطرة سلبية للأسهم وقسط مخاطرة مخفض للسندات.

في الوقت نفسه ، بالنسبة للسندات ، ليس دائمًا علاوة المخاطرة المخفضة هي إشارة لأزمة في سوق السندات (انخفض مؤشر Bof فقط في عام 2008) ، ولكن علاوة المخفض في سوق الأسهم دائمًا تقريبًا (باستثناء الفترة التي تلي الأزمة في أوائل الثمانينيات ، عندما تم الاحتفاظ بعلاوة سلبية لفترة طويلة) يؤدي إلى انخفاض في قيمة الأسهم.

ماذا يعني علاوة المخاطرة السلبية للأسهم؟

عند شراء سهم ، نحصل على عائد أقل من المعدل الخالي من المخاطر في السوق. في نفس الوقت تحمل المسؤولية الكاملة عن مخاطر التقلبات في سعر السهم والخسائر المحتملة. هذه ليست حالة قياسية ، يفهم المستثمرون أن علاوة المخاطرة لا يمكن أن تكون سلبية ، ونتيجة لذلك أدركت الأسواق أن القيمة الحالية للأسهم مرتفعة للغاية وبدأت المبيعات. يزداد الانخفاض بعد أن بدأ مستثمرون من مجموعة واسعة (الناس العاديين ، وليس المستثمرين من المؤسسات) في الذعر ، وبيع محافظهم الاستثمارية وتفاقم السقوط. وبالتالي ، فإن رد فعل الأسواق سريع وقوي.
تجدر الإشارة إلى أن تراجع السوق لا يصل إلى المستوى السابق من علاوة المخاطرة ، ولكنه دائمًا ما يكون أقوى بكثير ، مما يزيد من علاوة المخاطرة بشكل كبير ويعزز مرة أخرى جاذبية الأوراق المالية للمستثمرين.

علاوة على ذلك ، إذا نظرنا إلى أقساط المخاطر للأسهم والسندات على مخطط واحد ، فسوف نرى أن علاوة المخاطر للسندات كانت تقليدية أعلى من الأسهم ، ومع ذلك ، على مدار السنوات الخمس الماضية ، تمت مزامنتها وكلاهما يميلان تدريجيًا إلى الصفر:

رمز الرسم البياني
fig, ax = plt.subplots(figsize=(17,6))

line1, = ax.plot(risk_premium['premium'],linewidth=1)
line1.set_label('risk_premium_stocks')

par1 = ax.twinx()
line3, = par1.plot(np.log(GSPC_h['Close']),linewidth=0.7, color='red')
line3.set_label('S&P500')
par1.legend(loc='upper left', bbox_to_anchor=(0, 0, 1, 0.88))

line2, = ax.plot(risk_premium_b['premium_b'],linewidth=1, color='k')
line2.set_label('risk_premium_bonds')
ax.legend(loc='upper left')
plt.xlim(left=date(1968, 1, 1), right=date(2020, 3, 9))

ax.axhline(linewidth=2, color='black', alpha=0.7)
ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1969, 12, 1), date(1970, 11, 1), alpha=0.3, color='grey')

ax.set_xlabel('')
ax.set_ylabel('  , %')
par1.set_ylabel('Log  S&P500')

plt.show()




اعتبارًا من 9 مارس 2020 ، على الرغم من الانخفاض الحاد والقوي في سوق الأسهم الأمريكية ، لا تزال عوائد الأسهم بعيدة عن المنطقة السلبية ، مما يعطي إشارة مشجعة.

انتشار عائدات الخزانة


المؤشر البديل لحالة السوق قبل الأزمة هو الفرق بين عائدات سندات الخزينة طويلة الأجل وقصيرة الأجل.

أقلها ضوضاء والأكثر عملية هو الفرق بين عائدات سندات الخزانة لمدة 10 سنوات وسنتين:

رمز الرسم البياني
fig, ax = plt.subplots(figsize=(17,6))
par1 = ax.twinx()
line, = ax.plot(pd.DataFrame(T10Y2Y),linewidth=0.4)
line.set_label('10YB-2YB')
ax.legend(loc='best', bbox_to_anchor=(0.5, 0., 0.5, 0.1))

line1, = par1.plot(np.log(GSPC_h['Close']),linewidth=0.7, color='red')
line1.set_label('S&P500')
par1.legend(loc='best', bbox_to_anchor=(0.5, 0., 0.5, 0.18))
plt.xlim(left=date(1976, 1, 1), right=date(2020, 3, 9))
plt.ylim(bottom=4)
ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1969, 10, 1), date(1970, 11, 1), alpha=0.3, color='grey')
ax.axhline(linewidth=2, color='black', alpha=0.7)
plt.scatter(date(2019, 9, 1), 6., color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(2007, 1, 1), 6., color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(2000, 1, 1), 5.9, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1998, 8, 1), 5.9, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1989, 4, 1), 5.8, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1981, 1, 1), 5.9, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1978, 11, 1), 5.9, color='orange', s=500, marker='o', alpha=0.5)

ax.set_xlabel('')
ax.set_ylabel('  , %')
par1.set_ylabel('Log  S&P500')

plt.show()




هذا المؤشر هو الأكثر صدقًا من وجهة نظر تاريخية وتوقع آخر 7 أزمات مالية.

يعكس الفرق بين عائدات السندات في هذه الحالة مزاج المستثمرين - إذا اعتقدوا أن الاقتصاد سيتدهور قريبًا ، فإنهم يبدأون في تحويل الأموال من السندات قصيرة الأجل (مع استحقاق سنتين) إلى أدوات طويلة الأجل (مع استحقاق 10 سنوات) مع عائد ثابت المصدر الأكثر موثوقية هو الخزانة الأمريكية.

يؤثر شراء السندات طويلة الأجل على عائدها ، لأن شراء السندات بكميات كبيرة من النقد يؤدي إلى زيادة في تكلفة السندات. عندما تكون القسيمة قيمة ثابتة ، يؤدي ارتفاع نص السندات إلى انخفاض عائدها.
بالنسبة للسندات قصيرة الأجل ، التي يتم بيعها في هذه الحالة ، فإن الوضع هو العكس - يبدأ الجسم في أن يصبح أرخص ، في قسيمة ثابتة ، على التوالي ، يبدأ العائد في النمو.

ومع ذلك ، لا تقدم FRED معلومات أكثر من عام 1976 حول هذا الفارق ، وبالتالي ، لأغراض توضيحية ، يمكننا الحصول على العائد على سندات الخزانة لمدة 10 سنوات مطروحًا منها سعر الاحتياطي الفيدرالي (بدلاً من سندات قصيرة الأجل لمدة عامين) لمعرفة ما حدث منذ عام 1962 وغطى أزمتين إضافيتين :

رمز الرسم البياني
fig, ax = plt.subplots(figsize=(17,6))
par1 = ax.twinx()
line, = ax.plot(pd.DataFrame(T10YFF),linewidth=0.4)
line.set_label('10-Year Treasury Constant Maturity Minus Federal Funds Rate')
ax.legend(loc='best', bbox_to_anchor=(0.5, 0., 0.5, 0.1))

line1, = par1.plot(np.log(GSPC_h['Close']),linewidth=0.7, color='red')
line1.set_label('S&P500')
par1.legend(loc='best', bbox_to_anchor=(0.5, 0., 0.5, 0.18))
plt.xlim(left=date(1962, 1, 1), right=date(2020, 3, 9))
plt.ylim(bottom=4)
ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1969, 12, 1), date(1970, 11, 1), alpha=0.3, color='grey')
ax.axhline(linewidth=2, color='black', alpha=0.7)
plt.scatter(date(2019, 9, 1), 6.7, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(2007, 1, 1), 6.7, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(2000, 11, 1), 6.7, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1998, 11, 1), 6.6, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1989, 6, 1), 6.4, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1973, 6, 1), 6.6, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1981, 3, 1), 6.3, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1979, 3, 1), 6.6, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1969, 3, 1), 6.6, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1967, 1, 1), 6.6, color='orange', s=500, marker='o', alpha=0.5)

ax.set_xlabel('')
ax.set_ylabel('  , %')
par1.set_ylabel('Log  S&P500')

plt.show()




على الرغم من الضجيج العام لهذا الانتشار (مقارنة بانتشار 10 سنوات - سنتين) ، تم تنفيذ الأزمتين 73 و 69 أيضًا عن طريق تقليل الانتشار إلى المنطقة السلبية.

ماذا في الوقت الحالي؟
الأمور ليست على ما يرام - أظهر المؤشر بالفعل منطقة سلبية في عام 2019.
يتوقع المستثمرون المؤسسون أنه في المستقبل القريب ، تنتظرنا صدمات خطيرة ، ولهذا السبب يتم تحويلها إلى أدوات ذات دخل ثابت طويلة الأجل.

كم بقي قبل الأزمة؟
كما يتبين من الرسم البياني للسعر ، فإن العائد المقلوب يتوقع أزمات لمدة عام أو عامين.
نظرًا لأن الانقلاب حدث في نهاية عام 2019 وأن الأسواق الأمريكية قد بدأت بالفعل في الانخفاض بسبب توقع حدوث ركود في المستقبل بسبب فيروس COVID-19 ، فإن الأزمة تقترب الآن.

اعتبارًا من 9 مارس 2020 ، انخفض العائد على سندات الخزانة الأمريكية لمدة 10 سنوات إلى 0.318٪ - أدنى قيمة على الإطلاق!
يبدو أن شيئًا كبيرًا ينتظرنا وقد بدأ بالفعل.

القيمة الحالية T10YFF: -0.17
القيمة الحالية T10Y2Y: 0.25

الأسعار السابقة لا تتنبأ بالأزمة


للحصول على مثال للعجز في التحليل الفني في هذه القضية ، نأخذ مؤشر RSI.
مؤشر القوة النسبية - يظهر مؤشر القوة النسبية من الناحية النظرية سوق "ذروة الشراء" و "ذروة البيع".
سوق ذروة الشراء - هذه هي الحالة التي يجب فيها تعديل الأسعار ، أي أزمة في سوق الأسهم.

رابط إلى الويكي مع وصف للمؤشر

يمكننا حساب هذا المؤشر باستخدام بايثون ، لحساب نأخذ الفترة - 244 جلسة تداول (سنة تقويمية واحدة):

SP500_returns = GSPC_h['Close'].pct_change()
delta = GSPC_h['Close'].diff()
window_length = 500

# Make the positive gains (up) and negative gains (down) Series
up, down = delta.copy(), delta.copy()
up[up < 0] = 0
down[down > 0] = 0

# Calculate the EWMA
roll_up1 = up.ewm(span=window_length).mean()
roll_down1 = down.abs().ewm(span=window_length).mean()

# Calculate the RSI based on EWMA
RS1 = roll_up1 / roll_down1
RSI1 = 100.0 - (100.0 / (1.0 + RS1))

رمز الرسم البياني
# Compare graphically
fig, ax = plt.subplots(figsize=(20,4))
plt.xlim(left=date(1968, 1, 1), right=date(2020, 3, 9))
line, = ax.plot(np.log(GSPC_h['Close']),linewidth=0.7, color='red')

line.set_label('SNP500')
ax.legend(loc='upper left')

fig1, ax1 = plt.subplots(figsize=(20,4))
plt.xlim(left=date(1968, 1, 1), right=date(2020, 3, 9))
line1, = ax1.plot(RSI1[80:],linewidth=1)

line1.set_label('RSI (1Y)')
ax1.legend(loc='upper left')

ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax1.axhline(y=57, linewidth=2, color='black', alpha=0.7)
ax1.axhline(y=45, linewidth=2, color='black', alpha=0.7)

ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1969, 12, 1), date(1970, 11, 1), alpha=0.3, color='grey')

ax1.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax1.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax1.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax1.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax1.axvspan(date(1969, 12, 1), date(1970, 11, 1), alpha=0.3, color='grey')
ax1.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax1.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')

ax1.set_xlabel('')
ax.set_xlabel('')
ax1.set_ylabel(' RSI')
ax.set_ylabel('Log  S&P500')

plt.show()




ماذا نرى على الرسم البياني لمؤشر القوة النسبية؟

العديد من مناطق "ذروة الشراء" ، والتي يمكن أن تشير إلى الكثير من السوق ، وقد حان الوقت لتعديله. لكنه استمر في الارتفاع (على سبيل المثال ، منذ فترة طويلة منذ عام 1995 ، يظهر المؤشر "ذروة الشراء" ، ولكن قبل أزمة عام 2001 ، يعود إلى منطقته المعتادة ولا يشير إلى "ذروة الشراء" ، والتي تنتهي مع الأزمة).

وبعبارة أخرى ، فإن استخدام المذبذبات للتنبؤ بأزمة ما هو أمر مثير للجدل إلى حد كبير.

قبل الأزمات ، ينمو السوق بسلاسة ، دون إظهار تقلبات صعودية عالية ، على عكس السقوط - فهي دائمًا حادة وسريعة. نرى هذا بالقرب من الحد السفلي من المذبذب - تقاطعه يظهر دائمًا تقريبًا بالضبط عندما جاءت الأزمة وكان قاع السقوط قريبًا. إشارة شراء؟

الموجودات


في الوقت الحالي ، يبدو الوضع مثيرًا للقلق ؛ هناك مؤشرات مباشرة تظهر احتمال حدوث ركود. بالإضافة إلى تلك التي تمت مراجعتها ، هناك أيضًا مؤشر للإنتاج الصناعي (يقود إلى أزمات اقتصادية (ليست مالية!)). يمكن للمرء أيضًا الخوض في إحصاءات الاقتصاد الكلي وإضافة ميزان المدفوعات والناتج المحلي الإجمالي وما شابه إلى التحليل ، ومع ذلك ، فقد فعل المستثمرون المؤسسيون ذلك بالفعل من أجلنا - وينعكس رد فعلهم في انتشار العائد على السندات طويلة الأجل وقصيرة الأجل. يبقى الاسترخاء ومشاهدة العرض ، إذا لم يكن لديك استثمارات مالية. وإذا كان هناك - فكر في التحوط المحتمل لمواقفك أو اذهب إلى ذاكرة التخزين المؤقت حتى أوقات أفضل.

More articles:


All Articles