Tag: dove investire oggi

Cosa è un dividendo?

21 Febbraio 2023 /

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.

  1. Data dichiarazione : la data in cui la società dichiara il dividendo
  2. 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,
  3. 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.
  4. 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

Instagram: https://www.instagram.com/investoinvestigando.it/

Dai un’occhiata anche al resto: https://www.investoinvestigando.it

Previsione delle azioni di Facebook utilizzando Machine Learning

16 Febbraio 2023 /

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 dati
I 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!

Se sei interessato a leggere di più sull’apprendimento automatico per iniziare immediatamente con problemi ed esempi, ti consiglio vivamente di dare un’occhiata all’Apprendimento automatico pratico con Scikit-Learn e TensorFlow: concetti, strumenti e tecniche per costruire sistemi intelligenti . 

È un ottimo libro per iniziare a imparare come scrivere programmi di apprendimento automatico e comprendere i concetti di apprendimento automatico.

Apprendimento automatico pratico con Scikit-Learn e TensorFlow: concetti, strumenti e tecniche per costruire sistemi intelligenti

Se hai dubbi o domande fammele pure su Telegram: https://t.me/+0xQYD3WKIAA5Mjg8

Instagram: https://www.instagram.com/investoinvestigando.it/

Dai un’occhiata anche al resto: https://www.investoinvestigando.it

Come calcolare il rendimento atteso del portafoglio

8 Novembre 2022 /

Come calcolare il rendimento atteso del portafoglio è sicuramente utile. Non limitandosi soltanto al singolo investimento, ma considerando tutto l’insieme, così fa un buon investitore, perchè? Perchè non si lascia niente al caso!

Come calcolare il rendimento atteso

Come calcolare il rendimento atteso del portafoglio

Per calcolare il rendimento atteso di un portafoglio, l’investitore deve conoscere il rendimento atteso di ciascuno dei titoli nel proprio portafoglio nonché il peso complessivo di ciascun titolo nel portafoglio. Ciò significa che l’investitore deve sommare le medie ponderate dei tassi di rendimento previsti (RoR) di ciascun titolo .

Un investitore basa le stime del rendimento atteso di un titolo sul presupposto che ciò che è stato dimostrato vero in passato continuerà ad essere dimostrato vero in futuro. 

L’investitore non utilizza una visione strutturale del mercato per calcolare il rendimento atteso. Invece, trovano il peso di ogni titolo in portafoglio prendendo il valore di ciascuno dei titoli e dividendo per il valore totale del titolo.

Una volta che il rendimento atteso di ciascun titolo è noto e il peso di ciascun titolo è stato calcolato, un investitore moltiplica semplicemente il rendimento atteso di ciascun titolo per il peso dello stesso titolo e somma il prodotto di ciascun titolo.

Formula per il rendimento atteso

Supponiamo che il tuo portafoglio contenga tre titoli. L’equazione per il suo rendimento atteso è la seguente:

Ep = w 1 E 1 + w 2 E 2 + w 3 E 3

dove: w n si riferisce al peso del portafoglio di ciascuna attività ed E n al suo rendimento atteso.

Sicuramente non siamo dei veggenti, quindi introduciamo il concetto di deviazione standard per dare un “range” alla nostra previsione.

Come si calcola la deviazione standard di un portafoglio?

A differenza del semplice calcolo della media ponderata per il rendimento atteso del portafoglio, la deviazione standard del portafoglio deve tenere conto delle correlazioni tra ciascuna classe di attività. 

L’implicazione è che l’aggiunta di attività non correlate a un portafoglio può comportare un rendimento atteso più elevato e allo stesso tempo ridurre il rischio del portafoglio. 

Di conseguenza, il calcolo può diventare rapidamente complesso e ingombrante man mano che vengono aggiunti più asset. 

Per un portafoglio a 2 asset, la formula per la sua deviazione standard è:

σ = (w 1 2 σ 1 2  + w 2 2 σ 2 2  + 2w 1 w 2 Cov 1,2 ) 1/2

dove: w n è il peso del portafoglio di una delle due attività, σ n 2 la sua varianza e Cov 1,2, la covarianza tra le due attività.

Esempio

Si consideri un portafoglio composto da due azioni:

  • 75 azioni della società Coca Cola
  • 50 azioni della società Microsoft

Il 10 ottobre 2005, il prezzo di mercato dei due titoli è:

  • Coca Cola $41,16
  • Microsoft $26,67

Il valore totale del portafoglio è pari a $4420.

Pertanto il peso di portafoglio di Coca Cola è 69.8%, il peso di Microsoft è 30,2%. Assumendo che il rendimento atteso sarà del 10% per Coca Cola e del 15% per Microsoft.

Il rendimento atteso del portafoglio sarà

11,5% [=0.698 x 0.10 + 0.301x 0.15]

Per il calcolo della varianza del portafoglio è innanzitutto necessario conoscere la devizione standard passata di ciascun titolo: si supponga che esse siano 35% per Coca Cola e 50% per Microsoft.

Assumendo che i rendimenti dei due titoli siano positivamente, ma non perfettamente, correlati (ad esempio coefficiente di correlazione pari a 0,5), la varianza del portafoglio è pari a

11.9% = [(0.698)^2 x (0.35)^2] + [(0.302)^2 x (0.50) ^2] + 2 (0.698 x 0.302 x 0.5 x 0.35 x 0.50).

Pertanto la deviazione standard è del 34.5% = radicequadrata di (11,9).

Vuoi vedere altro: https://www.investoinvestigando.it/category/fondamentali/

Se hai dubbi o domande fammele pure su Telegram: https://t.me/+0xQYD3WKIAA5Mjg8

Seguimi su instagram: https://www.instagram.com/investoinvestigando.it/

Cos’è una vacca da mungere?

24 Ottobre 2022 /

Una vacca da mungere è un riferimento a un’azienda, un prodotto o un bene che, una volta acquisito e ripagato, produrrà flussi di cassa (entrate) coerenti nel corso della sua vita. 

vacca da mungere
Vacca da munger

Capire le vacche da mungere

Una vacca da mungere è una metafora di una mucca da latte che produce latte nel corso della sua vita e richiede poca o nessuna manutenzione. 

La frase si applica a un’attività che richiede una manutenzione simile. Le vacche da mungere moderne richiedono poco capitale di investimento e forniscono perennemente flussi di cassa positivi, che possono essere allocati ad altre divisioni all’interno di una società. Sono investimenti a basso rischio e ad alto rendimento.

Le vacche da mungere sono uno dei quattro quadranti della matrice BCG , un metodo di organizzazione delle business unit introdotto dal Boston Consulting Group all’inizio degli anni ’70. La matrice BCG, nota anche come Boston Box o Grid, colloca le attività o i prodotti di un’organizzazione in una delle quattro categorie: stella, punto interrogativo, cane e vacca da mungere. La matrice aiuta le aziende a capire dove si trova la loro attività in termini di quota di mercato e tasso di crescita del settore. Serve come un’analisi comparativa del potenziale di un’azienda e una valutazione del settore e del mercato. 

Esempio di vacca da mungere

vacca da mungere - iphone
vacca da mungere – iphone

Ud esempio, l’iPhone è la vacca da mungere di Apple. Il suo ritorno sulle attività è di gran lunga maggiore del suo tasso di crescita del mercato; di conseguenza, Apple può investire il denaro in eccesso generato dall’iPhone in altri progetti o prodotti.

Le vacche da reddito, come Microsoft e Intel, forniscono dividendi e hanno la capacità di aumentare il loro dividendo grazie ai loro ampi flussi di cassa gratuiti calcolati come flussi di cassa dalle operazioni meno le spese in conto capitale. 

Queste aziende sono mature e non hanno bisogno di tanto capitale per crescere. Sono caratterizzati da margini di profitto elevati e forti flussi di cassa. 

Considerazioni finali

Contrariamente a una vacca da mungere, una stella, nella matrice BCG, è un’azienda o un’unità aziendale che realizza un’elevata quota di mercato nei mercati ad alta crescita. Le stelle richiedono grandi esborsi di capitale ma possono generare denaro significativo. 

Se viene adottata una strategia di successo, le stelle possono trasformarsi in vacche da mungere. 

I punti interrogativi sono le unità aziendali che registrano una quota di mercato ridotta in un settore in forte crescita. Richiedono grandi quantità di denaro per acquisire di più o sostenere la loro posizione all’interno del mercato. A seconda della strategia adottata dall’azienda, i punti interrogativi possono atterrare in uno qualsiasi degli altri quadranti.

Infine, i cani sono le unità di business con basse quote di mercato nei mercati a bassa crescita. Non sono richiesti grandi investimenti e non generano grandi flussi di cassa. Spesso, i cani vengono gradualmente eliminati nel tentativo di salvare l’organizzazione.

Spiegazione della media del costo del dollaro (DCA)

17 Ottobre 2022 /

La media del costo del dollaro è una strategia che può rendere più facile affrontare i mercati incerti rendendo gli acquisti automatici. 

La media del costo del dollaro implica l’investimento della stessa quantità di denaro in un titolo target a intervalli regolari per un certo periodo di tempo, indipendentemente dal prezzo. 

Utilizzando la media del costo in dollari, puoi abbassare il costo medio per azione e ridurre l’impatto della volatilità sul tuo portafoglio.

Come funziona la media del costo in dollari

La media del costo in dollari è uno strumento semplice che un investitore può utilizzare per creare risparmi e ricchezza a lungo termine. È anche un modo per un investitore di ignorare la volatilità a breve termine nei mercati più ampi.

Un ottimo esempio di media a lungo termine del costo in dollari è il suo utilizzo nei piani pensionistici, in cui i dipendenti investono regolarmente indipendentemente dal prezzo dell’investimento.

La media del costo del dollaro è una delle migliori strategie per gli investitori principianti che cercano di negoziare ETF.

Vantaggi della media del costo in dollari

  • La media dei costi in dollari può ridurre l’importo medio che si spende per gli investimenti.
  • Rafforza la pratica di investire regolarmente per costruire ricchezza nel tempo.
  • È automatico e può togliere le preoccupazioni su quando investire dalle tue mani.
  • Rimuove le insidie ​​del market timing, come acquistare solo quando i prezzi sono già aumentati.
  • Può garantire che tu sia già sul mercato e pronto per l’acquisto quando gli eventi aumentano i prezzi.
  • Elimina le emozioni dal tuo investimento e ti impedisce di danneggiare potenzialmente i rendimenti del tuo portafoglio.

Considerazioni finali

È importante notare che la media del costo in dollari funziona bene come metodo per acquistare un investimento in un determinato periodo di tempo in cui il prezzo oscilla su e giù. 

Se il prezzo aumenta continuamente, coloro che utilizzano la media del costo in dollari finiscono per acquistare meno azioni. Se diminuisce continuamente, potrebbero continuare ad acquistare quando dovrebbero essere in disparte.

Esempio di media del costo del dollaro

Joe lavora alla ABC Corp. e ha un piano pensionistico. Riceve uno stipendio di $ 1.000 ogni due settimane. Joe decide di destinare il 10% o $ 100 della sua retribuzione al piano del suo datore di lavoro per ogni periodo di paga.

Sceglie di contribuire con il 50% della sua allocazione a un fondo comune di investimento a grande capitalizzazione e il 50% a un fondo indicizzato S&P 500 . Ogni due settimane il 10%, o $ 100, della paga ante imposte di Joe acquisterà $ 50 di ciascuno di questi due fondi indipendentemente dal prezzo del fondo.

La tabella seguente mostra la metà dei contributi di $ 100 di Joe che sono andati al fondo indicizzato S&P 500 in 10 periodi di paga. In 10 buste paga, Joe ha investito un totale di $ 500, o $ 50 a settimana. Il prezzo del fondo è aumentato e diminuito in quel periodo.

I risultati della media del costo in dollari:

Joe ha speso $ 500 in totale nei 10 periodi di pagamento e ha acquistato 47,71 azioni.

Ha pagato un prezzo medio di $ 10,48 ($ 500/47,71).

Joe ha acquistato diversi importi di azioni poiché il fondo indicizzato è aumentato e diminuito di valore a causa delle fluttuazioni del mercato.

I risultati se Joe ha speso una somma forfettaria:

Supponiamo che, invece di utilizzare la media del costo in dollari, Joe abbia speso i suoi $ 500 in una sola volta nel periodo di paga 4. Ha pagato $ 11 per azione.

Ciò avrebbe comportato l’acquisto di 45,45 azioni ($ 500/$ 11).

Non c’era modo per Joe di sapere il momento migliore per acquistare. Utilizzando la media del costo in dollari, tuttavia, è stato in grado di trarre vantaggio da diversi cali di prezzo nonostante il prezzo delle azioni sia aumentato a oltre $ 11. Ha finito con più azioni (47,71) a un prezzo medio inferiore ($ 10,48).

Immagine
Immagine di Sabrina Jiang © Investopedia 2020

Apri un sito e guadagna con Altervista - Disclaimer - Segnala abuso - Privacy Policy - Personalizza tracciamento pubblicitario