Com’è andato il 2023? Non è andato niente male! Un po’ di guadagni e diverse lezioni imparate!
Ciao, sono Drilon e sono un programmatore con la passione per la finanza personale, questo è il mio blog in cui scrivo del mio percorso, come un diario di bordo diciamo.
Investimenti
Per quanto riguarda gli investimenti, il 2023 è stato un ottimo anno con una performance del +36%. Questa performance è un po’ fallata perché eToro inserisce nei risultati anche il versamento di 200€ che faccio ogni mese.
Sono partito da 4.000€ a Gennaio 2023, ogni mese ho aggiunto 200€, per un totale di 2400€. Ho concluso l’anno con 6800€, quindi un profitto del +20%.
Crypto che dire, un anno di merda… le lascio lì e aspetto, spero che questo 2024 porti un po’ di movimento. Ho puntato molto su XRP, ETH, CRO e SOL.
Trading
Oh, qui arriva il bello, anche qui versavo ogni mese 100€, per lo meno questa voleva essere l’idea, poi a Maggio stavo andando troppo sotto e ho ricaricato tutto l’anno in una volta sola… a quanto sono ora? 500€!
Torniamo indietro però, sono partito con 100€ e attivato i miei bot, ovviamente facevo molto poco all’inizio.
Il problema è che facevo delle operazioni di scalping con lotti esagerati che però mi portavano dei buoni guadagni (in percentuale), quindi questo mi ha portato a farmi molto male. Il mio obiettivo era di arrivare a 2100€ a fine anno, che equivale a un grandissimo 5% al mese (in media).
Obiettivo raggiunto ad agosto… a fine agosto sono arrivato a 400€, ho rifatto operazioni di scalping che purtroppo mi hanno portato a farmi male.
Seguire sempre la strategia, la gestione dei soldi è più importante della strategia! La pazienza è l’arma vincente.
Se hai dubbi o domande fammele pure su Telegram: LINK
Cos’è l’inflazione? L’inflazione è l’aumento del prezzo di beni e servizi nel tempo. L’inflazione può avere un impatto sui governi e sulle piccole cose nella vita della gente comune. Se l’inflazione aumenta troppo velocemente, abbatte il valore della valuta e può portare a una recessione.
Ciao sono Drilon e sono un programmatore con la passione per la finanza personale, in questo blog condivido il mio percorso e ciò che imparo nel tempo.
La Federal Reserve ha un obiettivo di inflazione ideale del 2%. In termini pratici, supponiamo che uno vada alla stazione di servizio e paghi $ 2,75 al gallone di benzina, l’anno prossimo puoi aspettarti di pagare $ 2,81 se il tasso di inflazione rimane al 2%.
La statistica sull’inflazione più affidabile è l’indice dei prezzi al consumo, chiamato CPI.
Il CPI misura i prezzi al dettaglio di beni e servizi nel paese, con oltre 80.000 articoli nel paniere, da centinaia di categorie. Le variazioni mensili del CPI rappresentano il tasso di inflazione per il consumatore.
L’altra misura su cui si basano gli analisti è la spesa per consumi personali (PCE). L’indice dei prezzi PCE esamina i prezzi variabili di beni e servizi acquistati dai consumatori, ma è costruito in modo diverso rispetto all’IPC, con conseguenti tassi di inflazione diversi.
L’indice dei prezzi PCE cattura l’inflazione (o la deflazione) in un’ampia gamma di spese e comportamenti dei consumatori. Ad esempio, se il prezzo del pollo aumenta, il consumatore potrebbe acquistare meno pollo e più pesce.
La deflazione è l’opposto dell’inflazione e si verifica quando i prezzi delle attività e dei consumatori diminuiscono nel tempo. Sebbene ciò possa sembrare una buona cosa nel breve periodo per un’economia, una deflazione diffusa può segnalare un calo della domanda a lungo termine e può innescare una recessione. Quando una recessione colpisce un’economia, generalmente porta a un calo dei salari, alla perdita di posti di lavoro e a un calo dei portafogli di investimento.
Spero che questa piccola infarinatura sui concetti di inflazione, deflazione e recessione possa esserti stata d’aiuto. Ora saprai rispondere alla domanda “Cosa è l’inflazione?”
Se hai dubbi o domande fammele pure su Telegram: LINK
Ci siamo, tiriamo le somme di eToro nel mese di Aprile 2023! Ciao sono Drilon e sono un programmatore con la passione per la finanza personale, questo è il mio blog, dove condivido il mio percorso.
Nel mese di Aprile non ho fatto nessuna operazione se non aggiungere le quote ai piani d’accumulo che faccio su un etf che replica l’S&P500 e uno mondiale. Ogni mese aggiungo 100€ su ognuno.
Ma andiamo al dunque, com’è andato questo mese? Un bel 1,20% di profitto! Non è tanto ma nel complesso mi porta a quasi un 14% annuo che non è niente male! (Nel grafico si vede anche Maggio perché l’articolo lo sto scrivendo a Maggio :D)
In futuro ho intenzione di aumentare questa quota mensile, però prima devo finire di fare il mio fondo d’emergenza. Sono interessato anche a investire a un REIT però penso ci sia bisogno di una bella somma di denaro per iniziare a vedere dei “dividendi” interessanti (come per ogni cosa in realtà…)
Ciao, sono Drilon e sono un programmatore con la passione per la finanza personale. Proviamo a vedere cosa è un dividendo in modo molto semplificato.
I dividendi sono porzioni di utili di una società che distribuisce tra i suoi azionisti.
Si potrebbe ragionevolmente pensare perché un’azienda darebbe prontamente denaro ad altre persone, e la risposta è che distribuire dividendi comporta vantaggi per l’azienda stessa.
Ogni volta che una società realizza un profitto, può reinvestire in se stessa o distribuirlo come dividendi tra gli azionisti.
A volte, le grandi aziende hanno ancora molti soldi dietro nonostante reinvestano in se stesse, o sono così mature e stabili, che non hanno bisogno di investire in se stesse.
Le aziende quindi distribuiscono dividendi agli azionisti per due motivi principali. In primo luogo, agli azionisti di solito piace il reddito che deriva dai dividendi, in particolare i dividendi in contanti, e questo dà loro un ulteriore incentivo ad acquistare ancora più azioni della società.
In secondo luogo, quando un’azienda distribuisce dividendi, è visto come un segno della forza dell’azienda e la garanzia del management dell’azienda che l’azienda è sulla strada per realizzare ancora più profitti, motivo per cui stanno ricompensando gratuitamente i loro azionisti dai loro profitti.
Alcune date cruciali da sapere
Prima di andare oltre, ci sono alcune date importanti che ogni investitore dovrebbe conoscere.
Data dichiarazione : la data in cui la società dichiara il dividendo
Record Date : rilasciato con la data di dichiarazione, ed è la data in cui devi essere registrato presso la società come azionista per poter essere pagato il dividendo,
Data ex dividendo : di solito una data fissata 1 o 2 giorni prima della data di registrazione, e se una persona acquista azioni in questa data o successivamente, il dividendo sarà pagato al venditore piuttosto che all’acquirente.
Data Pagamento : la data in cui il dividendo viene effettivamente pagato.
Ora che abbiamo familiarità con cosa sono fondamentalmente i dividendi e le motivazioni che le aziende hanno per darli, vediamo quali sono i diversi tipi di dividendi che le aziende di solito distribuiscono.
Il dividendo in contanti
Il primo e più popolare tipo di dividendo è il dividendo in contanti. C’è una determinata quantità di denaro che una società decide di distribuire come azioni.
Il numero totale di azioni disponibili divide quindi l’importo che deve essere distribuito, quindi se ad esempio una società ha deciso di assegnare $ 20 milioni ai dividendi e ci sono dieci milioni di azioni disponibili, allora ogni azione vale $ 2.
Se possiedi 100 azioni, il valore del tuo dividendo sarà il valore di un’azione per il numero di azioni che possiedi, che, in questo caso, è di $ 200.
Le aziende di solito pagano i dividendi trimestralmente, quindi riceverai 4 pagamenti di $ 50. Una cosa che devi sapere, inoltre, sono le date importanti relative ai dividendi. Quando una società paga i suoi dividendi, sembra che il valore della società diminuisca (poiché sta pagando denaro), quindi il valore delle azioni diminuisce. Questo di solito accade alla data di stacco cedola.
Il dividendo azionario
Il secondo tipo di azioni sono i dividendi azionari, che vengono emessi da società che potrebbero non avere molto denaro disponibile, ma vogliono comunque premiare i propri azionisti. Funzionano in modo simile ai dividendi in contanti.
Alcune società, invece di distribuire contanti, distribuiscono azioni come dividendi.
Se possiedi 1000 azioni di una certa società X e la società emette un dividendo azionario del 20%, allora possiedi il 20% di 1000, cioè 200 azioni in più, portando la tua proprietà totale a 1200 azioni.
Quindi, se la società X aveva 1 milione (1.000.000) di azioni prima, ora ha 1,2 milioni di azioni (1.200.000), tuttavia poiché la società non ha generato più ricchezza e se la società valeva $ 10 milioni prima, varrebbe comunque lo stesso ora verrà abbassato solo il valore delle azioni, quindi l’importo dell’investimento rimane lo stesso.
In che modo i dividendi azionari fanno soldi?
Il fatto è che quando il valore delle azioni si abbassa, come nello scenario sopra descritto, più investitori potrebbero finire per acquistare il titolo, portando a un piccolo aumento dei valori netti delle azioni. Normalmente si accetta che i dividendi in azioni non siano utili quanto i dividendi in contanti, ma di solito sono adatti a quegli investitori che non richiedono liquidità immediata.
Il più grande vantaggio, tuttavia, dei dividendi in azioni rispetto ai dividendi in contanti è che i primi non sono immediatamente tassabili, rendendoli adatti a persone che non necessitano di flussi di cassa immediati.
Spero ti sia più chiaro cosa è un dividendo, se hai dubbi o domande fammele pure su Telegram: https://t.me/+0xQYD3WKIAA5Mjg8
Ciao, mi chiamo Drilon e sono un programmatore con la passione per la finanza personale, in questo articolo proverò a fare una previsione delle azioni di Facebook utilizzando Machine Learning.
Il programma leggerà i dati di borsa su Facebook (FB) e farà una previsione del prezzo in base al giorno.
È estremamente difficile provare a prevedere la direzione del mercato azionario o del prezzo delle azioni, ma in questo articolo ci proverò. Anche le persone con una buona conoscenza delle statistiche e delle probabilità hanno difficoltà a farlo.
Una Support Vector Regression (SVR) è un tipo di Support Vector Machine ed è un tipo di algoritmo di apprendimento supervisionato che analizza i dati per l’analisi di regressione .
Inizia la programmazione
La prima cosa che mi piace fare prima di scrivere una singola riga di codice è inserire una descrizione nei commenti di ciò che fa il codice. In questo modo posso rivedere il mio codice e sapere esattamente cosa fa.
#Descrizione: questo programma prevede il prezzo delle azioni FB per un giorno specifico # utilizzando l'algoritmo di Machine Learning chiamato # Modello di regressione vettoriale di supporto (SVR)
Ora importa i pacchetti per semplificare la scrittura del programma.
#importa i pacchetti
from sklearn.svm import SVR
import numpy as np
import pandas as pd import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
Successivamente caricherò i dati sulle azioni di Facebook (FB) che ho ricevuto da finance.yahoo.com in una variabile chiamata “df”, abbreviazione di data frame.
NOTA: Questi sono i dati di Yahoo per gli ultimi 30 giorni, dal 5–1–2019 al 5–31–2019. Ricorda che il mercato è aperto solo nei giorni feriali.
#Carica i dati
df = pd.read_csv('FB_Stock.csv')
df
Ottieni il numero di righe e colonne nel set di dati per vedere il conteggio di ciascuna. Ci sono 22 righe e 7 colonne di dati.
#Ottiene il numero di righe e colonne nel set di dati df.shape
22 righe e 7 colonne nel set di dati
Stampa l’ultima riga di dati (questi saranno i dati su cui testeremo). Si noti che la data è 05–31–2019, quindi il giorno è 31. Questo sarà l’input del modello per prevedere il prezzo di chiusura rettificato che è $ 177,470001.
#Stampa l'ultima riga di dati
prezzo_effettivo = df.tail(1)
prezzo_effettivo
Creare le variabili che verranno utilizzate come insiemi di dati indipendenti e dipendenti impostandole come elenchi vuoti.
Ricrea il frame di dati recuperando tutti i dati tranne l’ultima riga che userò per testare i modelli in seguito e memorizza i nuovi dati con l’ultima riga mancante in “df”. Quindi stampare il nuovo conteggio di righe e colonne per il nuovo set di dati.
#Ottieni tutti i dati tranne l'ultima riga
df = df.head(len(df)-1)
print(df)
print(df.shape)
Il nuovo set di datiI nuovi dati con una riga in meno. 21 righe e 7 colonne
#Crea le liste / Set di dati X e y
days = list()
adj_close_prices = list()
Ottieni tutte le righe dalla colonna Data, memorizzale in una variabile chiamata “df_days” e ottieni tutte le righe dalla colonna Adj Close Price e memorizza i dati in una variabile chiamata “df_adj_close_price”.
df_days = df.loc[:,'Date'] df_adj_close = df.loc[:,'Adj Close Price']
Crea il set di dati indipendente ‘X’ e memorizza i dati nella variabile ‘days’. Crea il set di dati dipendente “y” e archivia i dati nella variabile “adj_close_prices”. Entrambi possono essere eseguiti aggiungendo i dati a ciascuna delle liste.
NOTA: per il set di dati indipendente vogliamo solo il giorno dalla data, quindi utilizzo la funzione split per ottenere solo il giorno e trasmetterlo a un numero intero mentre aggiungo i dati all’elenco.
#Crea il set di dati indipendente 'X' come giorni
for giorno in df_days:
days.append( [int(day.split('/')[1]) ] )
#Crea il set di dati dipendente 'y' come prezzi
for adj_close_price in df_adj_close:
adj_close_prices.append(float(adj_close_price))
Guarda e guarda quali giorni sono stati registrati nel set di dati.
stampa (days)
I giorni che sono stati registrati nel set di dati
Successivamente, creerò e addestrerò i 3 diversi modelli di Support Vector Regression (SVR) con tre diversi kernel per vedere quale funziona meglio.
#Crea e addestra un modello SVR usando un kernel lineare
lin_svr = SVR(kernel='linear', C=1000.0)
lin_svr.fit(days,adj_close_prices)
#Crea e addestra un modello SVR utilizzando un kernel polinomiale
poly_svr = SVR(kernel='poly', C=1000.0, degree=2)
poly_svr.fit(days, adj_close_prices)
#Crea e addestra un modello SVR utilizzando un kernel RBF
rbf_svr = SVR(kernel='rbf', C=1000.0, gamma=0.15)
rbf_svr.fit(days, adj_close_prices)
Ultimo ma non meno importante, traccerò i modelli su un grafico per vedere quale ha il miglior adattamento e restituirà la previsione del giorno.
#Traccia i modelli su un grafico per vedere quale ha il miglior fit plt.figure(figsize=(16,8)) plt.scatter(days, adj_close_prices, color = 'black', label='Data') plt.plot( days, rbf_svr.predict(days), color = 'green', label='RBF Model') plt.plot(days, poly_svr.predict(days), color = 'orange', label='Polynomial Model') plt. plot(days, lin_svr.predict(days), color = 'blue', label='Linear Model') plt.xlabel('Days') plt.ylabel('Adj Close Price') plt.title('Support Vector Regression ') plt.legend() plt.show()
Il miglior modello dal grafico sottostante sembra essere l’ RBF che è un modello di regressione del vettore di supporto che utilizza un kernel chiamato funzione di base radiale. Tuttavia questo grafico può essere fuorviante.
Ora posso iniziare a fare la mia previsione dei prezzi su FB. Ricordando l’ultima riga di dati che è stata lasciata fuori dal set di dati originale, la data era 05–31–2019, quindi il giorno è 31. Questo sarà l’input per i modelli per prevedere il prezzo di chiusura rettificato che è $ 177,470001 .
Quindi ora prevedo il prezzo assegnando ai modelli un valore di 31.
day = [[31]] print('Il prezzo previsto da SVR RBF:',rbf_svr.predict(day)) print('Il prezzo previsto da SVR lineare',lin_svr.predict(day)) print('Il prezzo previsto da SVR polinomiale ',poly_svr.predict(giorno))
Il modello SVR polinomiale ha previsto che il prezzo per il giorno 31 fosse di $ 180,39533267 , che è abbastanza vicino al prezzo effettivo di $ 177,470001 . In questo caso il modello migliore sembra essere il polinomio SVR. Ecco fatto, hai finito di creare il tuo programma SVR per prevedere le azioni FB!
