Ludicrous Returns vs. a piac

Értékelés:   (4.4 az 5-ből)

Ludicrous Returns vs. a piac (Joseph Furnari)

Olvasói vélemények

Összegzés:

A „Ludicrous Returns vs. the Market” című könyv a részvénykereskedés innovatív megközelítését mutatja be, értékes meglátásokat, technikákat és adatvezérelt stratégiákat kínál, amelyek jelentős előnyökkel járhatnak a befektetők számára. A könyv összetettsége és az önéletrajzi tartalmak keveredése azonban néhány olvasót, különösen a kezdőket, túlterhelheti.

Előnyök:

Innovatív, adatvezérelt befektetési stratégiákat kínál
felülmúlja a hagyományos piaci módszereket
értékes technikákat kínál a piaci trendek előrejelzéséhez
hasznos példákat és lépésről lépésre történő útmutatásokat tartalmaz
vonzó a technikai elemzés iránt érdeklődők számára.

Hátrányok:

Kezdők számára összetett és megterhelő lehet
hiányzik a tömörség az önéletrajzi tartalmak keveredésével
a túl sok bonyolult információ elvonhatja a figyelmet a fő befektetési stratégiákról.

(6 olvasói vélemény alapján)

Eredeti címe:

Ludicrous Returns vs. the Market

Könyv tartalma:

Ön egyéni befektető vagy az ügyfelek számára befektető pénzkezelő?

Frusztrálta, hogy az S&P500 indexnél alacsonyabb éves hozamot ér el?

Volt már olyan vágya, hogy az S&P500 piaci hozamánál többet keressen?

Kívánta már valaha, hogy legyen egy olyan szilárd befektetési eszköze, amely objektíven azonosítja a legjobb befektetéseket és azt, hogy mikor érdemes vásárolni vagy eladni?

A Ludicrous Returns vs. the Market két olyan befektetési modellt oszt meg, amelyeket arra fejlesztettek ki, hogy hosszú távon felülmúlják a piacot: egy részvénybefektetési modellt és egy piacidőzítési modellt. Mindkét modell a technikai elemzésen alapul, a múltbeli részvényárfolyam-mintázatokat elemzi, hogy következtetést vonjon le arra vonatkozóan, hogyan fog teljesíteni a jövőben.

A részvénybefektetési modell kifejlesztéséhez 50 éves időtávlatban több száz részvényárfolyam-diagramon végeztek elemzést és adatkísérleteket. A jövőre nézve következetesen előrejelzőnek talált részvényárfolyam-mintákat a modell logikájába alakították át. A 2007 és 2020 közötti szimulációs teszt során a részvénybefektetési modell éves átlagban 44,5%-os hozamot ért el, és a kumulatív tőke 41%-kal nőtt. 5-szörösére nőtt a tőke az S&P 500-hoz képest!

Mielőtt felfedezte volna a jövőt előrejelző mintákat, Joe Furnari azt hirdette volna, hogy senki sem volt képes hosszú távon sikeresen az átlagos piaci hozam felett keresni a piac időzítésével. A részvénymodellek előrejelző mintáinak felfedezései után azonban Joe Furnari rengeteg elemzést végzett azzal a küldetéssel, hogy olyan előrejelző mintákat találjon, amelyeket egy piac időzítési modellé lehet fejleszteni. A kifejlesztett piacidőzítési modell az S&P500 index optimális időpontokban történő vásárlásán és eladásán alapul. 1970 - 2021 tesztidőszak eredménye: az időzítési modell tőkét növelt 4. 8x nagyobb mértékben, mint az S&P500 index megvásárlása és tartása!

Az egyik ok, amiért a piacidőzítési modell felülmúlja a "buy and hold"-ot, az az, hogy a modell sok jelentős összeomlás előtt kivonul a részvényekből és készpénzbe megy, majd egy szolid emelkedés előtt visszatér a részvényekbe. Néhány példa a sikeres piaci időzítés végrehajtásában bekövetkezett piaci korrekciókra: 1973-1974, 1979. október-november, 1980. március, 1987. október, 2000-2001, 2007-2009, 2011. augusztus, 2015, 2018 és 2020. február-március.

A könyv egyéb adatai:

ISBN:9781662940521
Szerző:
Kiadó:
Nyelv:angol
Kötés:Keményfedeles

Vásárlás:

Jelenleg kapható, készleten van.

A szerző további könyvei:

Ludicrous Returns vs. a piac - Ludicrous Returns vs. the Market
Ön egyéni befektető vagy az ügyfelek számára befektető pénzkezelő?Frusztrálta, hogy az S&P500...
Ludicrous Returns vs. a piac - Ludicrous Returns vs. the Market
Nevetséges hozamok a piac ellenében - Ludicrous Returns vs. the Market
Ön egyéni befektető vagy az ügyfelek számára befektető pénzkezelő?Frusztrálta, hogy az...
Nevetséges hozamok a piac ellenében - Ludicrous Returns vs. the Market

A szerző munkáit az alábbi kiadók adták ki: