همبستگی شاخص بلند مدت

مقایسه شاخص MVRV با تغییرات قیمتی بیت کوین – Jarvis Labs

بررسی سه شاخص مهم مبنی بر رشد بیت کوین در بلندمدت

بیت کوین روزهای پر فراز و نشیبی را تجربه می‌کند و قیمت آن همچنان در یک روند نزولی قرار دارد؛ اما طبق روال همیشه، معمولاً بهترین وقت برای خرید بیت کوین زمانی است که کسی از آن صحبتی نمی‌کند.

قیمت بیت کوین طی هفته گذشته در روز 6 سپتامبر (15 شهریور) پایین‌تر از 19,000 دلار رسید و در حال حاضر، خریداران این رمزارز در تلاش‌اند تا 19,000 تا 20,000 دلار را مجدداً به یک محدوده حمایتی تبدیل کنند. اما چند روز پیش جروم پاول، رئیس فدرال رزرو ایالات متحده، برای بار چندم عنوان کرد جهت مقابله با تورم هر کاری که لازم باشد انجام خواهند داد و تحلیل‌گران بازار نیز با توجه به این صحبت‌ها، پیش‌بینی‌های خود مبنی بر افزایش 0.5 درصدی نرخ بهره را به 0.75 درصد تغییر دادند.

به بیان ساده، افزایش نرخ بهره و کاهش خرید دارایی جهت کم کردن سطح تقاضای مصرف‌کننده صورت می‌گیرند که در نهایت، منجر به کاهش قیمت کالا و خدمات می‌شود؛ اما این شرایط هنوز در ایالات متحده برقرار نشده همبستگی شاخص بلند مدت است.

افزایش نرخ‌ها و ادامه سیاست‌های پولی سخت‌گیرانه احتمالاً باعث نزول در بازار سهام شوند که با توجه به هم‌بستگی قوی شاخص‌های این بازار با قیمت بیت کوین، نتیجه کار به احتمال فراوان کاهش‌های بیشتر در قیمت این دارایی خواهد بود.

از این رو، نمی‌توان برای بیت کوین و رشد قیمت آن در بازه‌های کوتاه‌مدت سناریویی مطمئن پیدا کرد؛ اما در رابطه با سرمایه‌گذاری‌ بلندمدت در این رمزارز، سه نمودار و شاخص هستند که نشان از رشد بیت کوین دارند.

رشد بیت کوین با بررسی ضریب میانگین متحرک ساده 2 ساله

در حال حاضر قیمت بیت کوین نسبت به سقف تاریخی خود در سطح 69,000 دلار نزدیک به 72 درصد کمتر است. کاهش قیمت رمزارز شماره یک در بازارهای خرسی گذشته به میزان 55 درصد در جولای 2021 (تیر 1400)، 71 درصد در مارس 2020 (اسفند 1398) و 84 درصد در دسامبر سال 2018 (آذر 1397) بوده است.

با توجه به این آمار، کاهش 72 درصدی قیمت بیت کوین را نمی‌توان موضوعی غیرعادی قلمداد کرد.

نمودار ضریب میانگین متحرک ساده 2 ساله بیت کوین – LookIntoBitcoin

با بررسی این آمار در نمودار ضریب میانگین متحرک ساده 2 ساله (2Year MA Multiplier)، مشخص می‌شود که هر زمان قیمت بیت کوین پایین‌تر از خط میانگین متحرک ساده 2 دو ساله آمده، اقدام به تشکیل یک کف قیمتی کرده، چند ماه یک دوره تثبیت قیمت (Consolidation) داشته و سپس روند صعودی 12 ساله خود را از سر گرفته است.

این محدوده‌ها، مناطق سایه‌زده شده در زیر خط سبز رنگ هستند. با بزرگ‌ترین تصویر در سمت راست نمودار، مشاهده می‌شود که قیمت بیت کوین مجدداً پایین‌تر از میانگین متحرک دو ساله خود آمده است و از جایی که هنوز نشانه‌هایی مبنی بر تشکیل یک کف قیمتی دیده نمی‌شود، چنانچه بنا بر تکرار تاریخ باشد، قیمت بیت کوین هم‌اکنون در محدوده تثبیت قیمت قرار دارد.

رشد بیت کوین با توجه به شاخص ضریب نسبت طلایی

یکی دیگر از انواع میانگین‌ متحرک‌ها و اندیکاتور های فیبوناچی (Fibonacci)، ضریب نسبت طلایی (The Golden Ratio Multiplier) است که با بررسی آن، مشخص شد ارزش بیت کوین پایین‌‌تر از سطح فعلی آن قرار دارد.

طبق گفته فیلیپ سوئیفت، بنیان‌گذار پلتفرم “LookIntoBitcoin”، این نمودار به بررسی نرخ خرید بیت کوین و چرخه‌های بازار می‌پردازد و مشخص می‌کند که رفتار قیمتی این دارایی در بازه‌های میان‌مدت تا بلندمدت به چه شکل بوده است. این شاخص با استفاده از ضریب در میانگین متحرک 350 روزه (350DMA) قیمت بیت کوین، سطوح احتمالی مقاوت را شناسایی می‌کند.

سوئیف در توضیحات خود بیان کرد استفاده از این ضرایب در میانگین متحرک 350 روزه در تشخیص سقف‌های قیمتی بین بازه‌های زمانی مختلف و همچنین چرخه‌های بازار بسیار موثر واقع می‌شود. این شاخص یک ابزار بسیار کاربردی است، چرا که تقاضای بیش از حد بازار در رابطه با رشد منحنی خرید بیت کوین و دوره‌های بازار را نشان می‌دهد.

نمودار ضریب نسبت طلایی بیت کوین – LookIntoBitcoin

در این نمودار دیده می‌شود که قیمت بیت کوین مشابه با عملکرد خود نسبت به ضریب میانگین متحرک 2 ساله، پایین‌تر از خط میانگین متحرک 350 روزه قرار دارد. همچنین استفاده از استراتژی میانگین هزینه دلاری (DCA) در کف‌های قیمتی، یک روش ثابت‌شده جهت باز کردن یک موقعیت معاملاتی خوب برای بیت کوین است.

نمودار هفتگی بیت کوین همراه با شاخص قدرت نسبی – TradingView

بررسی نمودار هفتگی شاخص قدرت نسبی (RSI) بیت کوین نیز نشان می‌دهد که این رمزارز نزدیک به محدوده اشباع فروش (Oversold) قرار دارد. با مقایسه نمودار هفتگی شاخص RSI و نمودار کندل‌ (Candlestick Chart) بیت کوین، کاملاً واضح است که خرید این رمزارز در دوره‌های اشباع فروش نیز روشی دیگر برای کسب سود است و رشد بیت کوین پس از این دوره‌ها، سناریویی محتمل است.

رشد بیت کوین با بررسی شاخص MVRV-Z

MVRV یکی از شاخص‌های آن‌چین (درون‌شبکه‌ای / On-Chain) در تحلیل قیمت به‌حساب می‌آید که به‌تازگی به کمترین حد خود از سال 2015 تا کنون رسیده است. به‌طور کلی این شاخص نسبت بین ارزش بازار بیت کوین (Market Capitalization) در برابر ارزش واقعی (Realized Capitalization) این دارایی را برآورد می‌کند و یا به بیان ساده‌تر، تعداد خریداران بیت کوین را با ارزش فعلی این ارز مقایسه می‌کند.

طبق گفته “JJ” یکی از تحلیل‌گران برتر کمپانی جارویس لبز (Jarvis Labs)، شاخص MVRV بیت کوین به یکی از پایین‌ترین کف‌های خود رسیده است.

وی در توضیحات پیرامون این مسئله بیان کرد تا کنون این شاخص سه مرتبه به پایین‌ترین حدهای خود رسیده است: مارس سال 2015 (اسفند 1393) زمانی که قیمت بیت کوین پایین‌تر از 250 دلار رسید؛ فوریه 2019 (بهمن 1397) زمانی که بیت کوین به کف 3,500 دلاری رسید و هفته جاری که قیمت پایین‌تر از 24,000 دلار قرار گرفته است.

این یعنی که به‌طور میانگین، مردم بیت کوین خود را با ضررهای سنگینی مبادله همبستگی شاخص بلند مدت کرده‌اند و نکته جالب‌تر این‌جا است که زمانی شاخص MVRV به این کف‌ها می‌رسد که قیمت بیت کوین در پایین‌ترین سطوح خود قرار می‌گیرد.

مقایسه شاخص MVRV با تغییرات قیمتی بیت کوین – Jarvis Labs

شاخص MVRV با امتیاز Z (MVRV Z-Score)، ارزش‌گذاری بیش از حد یا کمتر از حد قیمت بیت کوین نسبت به قیمت عادلانه آن را به‌تصویر می‌کشد.

طبق گزارش پلتفرم گلس‌نود (Glassnode)، زمانی که قیمت بازار (Market Value) تا حد زیادی بیشتر از قیمت واقعی یا تحقق‌یافته (Realized Value) می‌شود، از لحاظ تاریخی همیشه نشان‌دهنده سقف‌های قیمتی در بازار بوده (مناطق قرمز در تصویر) و عکس این مسئله نشان از کف‌های بازار دارد (مناطق سبز).

مقایسه شاخص MVRV-Z با قیمت بیت کوین – Glassnode

بررسی نمودار بالا مشخص می‌کند که قیمت بیت کوین با توجه به 0.16- به‌عنوان امتیاز فعلی شاخص MVRV، در همان کف‌های سابق در سال‌های همبستگی شاخص بلند مدت قبل و بازارهای خرسی گذشته قرار دارد. مشاهده دقیق این آمار نشان می‌دهد که بیت کوین در میانه فرآیند تشکیل کف خود قرار دارد و احتمالاً در حال ورود به یک دوره انباشت (Accumulation) است؛ دوره‌ای که پس از آن، بازار عمومً شاهد رشد بیت کوین بوده است.

البته قیمت بیت کوین ممکن است باز هم با کاهش مواجه شود و عوامل منفی که بازار سهام را تحت تاثیر خود قرار داده، احتمالاً کماکان شامل بازار ارزهای دیجیتال نیز خواهند شد. از این رو، شاخص‌هایی که در بالا معرفی شدند را نمی‌توان به‌عنوان یک پایه قوی و مطمئن برای سرمایه‌گذاری به‌حساب آورد و مانند هر تحلیلی، رشد بیت کوین طبق داده‌های موجود یک مسئله قطعی نیست.

بازار رمزارزها در شرایط خوبی به‌سر نمی‌برد و ظاهراً شناسایی زمان تشکیل کف بازار برای اکثر معامله‌گران غیرممکن است. بنابراین، یک سرمایه‌گذار باید به‌دنبال یک هماهنگی بین شاخص‌ها و اندیکاتورهای مختلف با یک تحلیل معتبر باشد.

در حال حاضر، اکثر شاخص‌های آن‌چین و اندیکاتورهای تحلیل تکنیکال نشان می‌دهند که استفاده از استراتژی میانگین هزینه دلاری یک رویکرد قابل اجرا و منطقی خواهد بود و کلید موفقیت در مدیریت ریسک است. بیشتر از آن پولی که تحمل از دست دادنش همبستگی شاخص بلند مدت را ندارید، سرمایه‌گذاری نکنید تا اضطراب و نگرانی را به زندگی روزمره خود وارد نکرده باشید.

تحلیل تکنیکال چیست؟

تحلیل تکنیکال (Technical Analysis) در بازارهای مالی به تحلیلی اشاره دارد که از طریق بررسی الگوها در داده‌های بازار جهت شناسایی روندها و امکان پیش‌بینی قیمت یک دارایی صورت می‌گیرد.

استفاده از دو شاخص SPImod و SDImod به منظور بررسی تطبیقی خشکسالی هواشناسی و هیدرولوژیکی در حوضه آبریز تجن

1 گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.

2 گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

چکیده

خشکسالی یک رخداد طبیعی تکرارشونده و موقتی است که ناشی از کاهش بارندگی نسبت به میانگین بلندمدت آن می‏باشد که می‏تواند در هر اقلیمی رخ دهد و از وقایع مخرب طبیعی است که بیشترین صدمات را به منابع آبی وارد می‏نماید. در پژوهش حاضر، از شاخص‌های اصلاح‌شده همبستگی شاخص بلند مدت بارندگی استاندارد (SPImod) و خشکسالی جریانات رودخانه‏ای (SDImod) جهت ارزیابی و تحلیل زمانی وقوع خشکسالی‏ها استفاده ‌شده است. برای این منظور از آمار 15 ایستگاه باران‏سنجی و 4 ایستگاه هیدرومتری در حوضه آبریز تجن استفاده شد و شاخص‏ها در شش بازه زمانی کوتاه‏مدت (یک‏ و سه‏ماهه)، میان‏مدت (شش‏ و نه‏ماهه) و بلندمدت (12 و 24ماهه) در نرم‏افزار MATLAB محاسبه شد. در بخشی از تحقیق برای آگاهی از تأخیر جریان‏ها نسبت به بارش‏ها در حالت واقعی، ضریب همبستگی پیرسون بین بارش و دبی جریان با تأخیرهای زمانی مختلف محاسبه شد. سپس مقادیر شاخص اصلاح شده خشکسالی جریانات رودخانه‌ای (SDImod) با سری‏های زمانی شاخص اصلاح‌شده بارندگی استاندارد (SPImod) در بازه‏های زمانی مختلف به روش همبستگی پیرسون در کل حوضه و همچنین به تفکیک زیر حوضه‏ها بررسی شد. نتایج همبستگی بالا در سطح 99 درصد معنی‏دار را در رابطه زمانی وقوع خشکسالی هواشناسی و هیدرلوژیکی با یکدیگر نشان داد و این همبستگی در حوضه آبریز تجن در گام زمانی 9 ماهه حداکثر است. همچنین وقوع خشکسالی هواشناسی در منطقه مورد مطالعه، اثر خود را در همان ماه و با تاخیرهای 1تا 7 ماهه روی منابع آب سطحی نشان داد.

کلیدواژه‌ها

• حوضه آبریز تجن
• شاخص اصلاح‏ شده بارندگی استاندارد
• شاخص خشکسالی جریانات رودخانه‏ ای
• همبستگی پیرسون

عنوان مقاله [English]

Using Two Indicators of SPImod and SDImod for Comparative Assessment of Meteorological and Hydrological Droughts in Tajan Basin

نویسندگان [English]

• Shabnam Ghayenati 1
• Ramin Fazloula 2
• Mohsen Masoudian 1
• Mehdi Nadi 1

1 Water Engineering Department, Agricultural Eng. College, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.

2 Water Dept., Agricultural Eng. College, Sari Agricultural Sciences and Natural Resources University, Sari, Iran

Drought is a natural, repeatedly and temporary event, that is caused by decreasing in rainfall amount than in long term average whether it can happen in every climate, and is one of the disturbing events in nature that causes the most damage to water resources. In this study was used modified Indexes Standardized Precipitation (SPImod) and streamflow drought index (SDImod) for purposes of temporal assessment and analysis of droughts occurrence, monthly data of 15 rain gauge and 4 hydrometric stations in Tajan basin were used and indices in six timeframes short-term (one-month and three-month) intermediate term (six -month and nine -month periods) and long-term (12 months and 24 months were calculated in MATLAB software. In part of the research, Pearson correlation coefficient between precipitation and flow with different time delays was calculated to determine the delay of currents' delay to precipitation in real mode. Then the modified Streamflow drought index (SDImod) with modified Standardized Precipitation Indexe (SPImod) time series at various temporal interval using Pearson correlation was studied in the whole of basin and sub basins also compared separately. The results showed that temporal relationship between hydrological and meteorological drought occurrence is significant at 99 % level with together and this correlation is maximum in the 9 months' time step in Tajan basin. Also Drought occurrence in case study area showed its effect with a delay of 1 to 7 months on surface water resources.

کلیدواژه‌ها [English]

• Tajan Basin
• Modified Standardized Precipitation Index
• Modified Streamflow Drought Index
• Pearson Correlation

مراجع

اقتدارنژاد م.، ام‌ البنین ب. و عدنان ص. (1395). ارزیابی تطبیقی شاخص‌های RDI، SPI، SDI، در تحلیل مشخصه‌های خشکسالی همبستگی شاخص بلند مدت هواشناسی و هیدرولوژیکی (مطالعه موردی: دشت بم). نشریه دانش آب و خاک، (4) :26: 69 ص.

اسکندری‏دامنه ح.، غلام‏رضا ز.، حسن خ و علی آ. (1394). بررسی و تحلیل ارتباط زمانی و مکانی بین خشکسالی هواشناسی و هیدرولوژیکی در استان تهران. فصلنامه علمی-پژوهشی اطلاعات جغرافیایی، (96) :24: 120-113.

اسلامیان، س.، ع، زارعی و ا. ابریشم‏چی. (1383). بررسی برآورد منطقه‏ای جریان‏های کم رودخانه‏های حوضه آبریز مازندران. مجله علوم و فنون کشاورزی و منابع طبیعی 8(1): 27-38.

اقتداری م.، بذرافشان ج.، شفیعی م. و حجابی س. (1395). پیش‏بینی خشکسالی جریان رودخانه با استفاده از شاخص SPI و زنجیره مارکف در حوضه آبریز کرخه. پژوهش‌های حفاظت آب و خاک. 23 (2): 16ص.

سلطانی س. و محرابی م. (1391). ارزیابی خشکسالی با استفاده از شاخص جریانات رودخانه‏ای (SDI) و شاخص بارش استاندارد (SPI) (مطالعه موردی حوضه سد درودزن در استان فارس). اولین همایش ملی بیابان، تهران مرکز تحقیقات بین‏المللی بیابان دانشگاه تهران، 11ص.

سهیلی الف.، ملکی‌نژاد ح.، و اختصاصی م. (1396). تحلیل روند خشکسالی‌های هواشناسی و هیدرولوژیکی در مناطق نیمه خشک ایران (مطالعه موردی: حوزه آبخیز سد درودزن). نشریه مدیریت بیابان. صفحات 45-31.

شرکت مهندسین مشاور ساز آب شرق. (1389). مطالعات بهنگام‏سازی اطلس منابع آب حوضه آبریز رودخانه‏های مازندران و شرق گیلان. جلد اول (آمار و اطلاعات و بررسی‏های مقدماتی آن)، 262 ص.

محمودی وزینی‏وند ح، 1393. بررسی ارتباط خشکسالی هواشناسی و هیدرولوژیکی، مطالعه موردی: حوضه آبخیز کشکان استان لرستان. نشریه منابع آب و توسعه، سال دوم، شماره 3، صفحه‏های 151 – 161.

وکیلی‏فرد عطیه.، اسدی ا.، احمد ف و صابره د. (1396). بررسی ارتباط زمانی رخداد خشکسالی هواشناسی و خشکسالی آب‌های سطحی (مطالعه موردی حوضه بیلوردی – دوزدوزان) نشریه دانش آب و خاک، (2):27: 15-1.

Azareh A, Rahdari MR, Rafiei-Sardoi E and Azariya-Moghadam F, 2014. Investigating the relationship between hydrological and meteorological droughts in Karaj dam Basin. Euro. J. Exp. Bio. 4(3):102-107.

David, V and Davidová, T. (2016). Assessment of summer drought in 2015 using different indices in the catchment of Blanice River. International Conference on Efficient & Sustainable Water Systems Management toward Worth Living Development, 162: 45-55.

Edossa, D. C., Babel, M. S. and Gupta, A. D., 2010, Drought analysis in the Awash River basin, Ethiopia, Water Resource Manage, 24, 1441-1460.

Hao, C., Zhang, J., and Yao, F. (2015). Combination of multi-sensor remote sensing data for drought monitoring over Southwest China. International Journal of Applied Earth Observation and Geoinformation, 35, 270-283.

Haslinger, K., Koffler, D., Schner, W., Laaha, G, 2014. Exploring the link between meteorological drought and streamflow: effects of climate-catchment interaction. Water Resour. Ces Management. 23 (0), 1212–1222, 1312.

Heidari, M., E. Farrokhi, S. Tnyan and B. Hesari. 2009. Analysis of meteorological and hydrological drought by the use of DIP software Areas to be studied: Urmia and Khoy. Fifth National Conference on Science and Engineering Iranian Watershed. 114 pp.

Kao S.C., and Govindaraju R.S., 2010. A copula-based joint deficit index for droughts. Journal of Hydrology 380: 121-134.

Kardvany, P. 2002. Drought and ways to deal with it in Iran, Tehran University Publications, Printing, 392 pp.

Liu, L., Hong, Y., Bednarczyk, C. N., Yong, B., Shafer, M. A., Riley, R., et al. (2012). Hydroclimatological drought analyses and projections using meteorological and hydrological drought indices: a case study in Blue River Basin, Oklahoma. Water resources management, 26(10), 2761-2779.

Moradi, H., A. Sepahvand and M. Khazayi. 2009. Assessment of meteorological and hydrological drought by using the modified SPI index and SDI (Case study: watershed Khorramabad). Fifth National Conference on Science and Engineering Iranian Watershed. 117 pp.

Nalbantis, I., & Tsakiris, G. (2009) Assessment of hydrological drought revisited. Water Resources Management, 23(5), 881-897.

Shahid, S., and Hazarika, M.K. (2010). Groundwater drought in the northwestern districts of Bangladesh. Water resources management, 24(10), 1989-2006.

Soleimani-Sardou F, and Bahremand A, 2013. Hydrological drought analysis using SDI index in Halilrud basin of Iran. International Journal of Environmental Resources Research 3: 279288.

Tabari, H., Nikbakht, J., and Talaee, P.H. (2013). Hydrological drought index (SDI). Water resources management, 27 (1), 137-151.

Tigkas D, Vangelis H and Tsakiris G, 2012. Drought and climate change impact on streamflow in small watersheds. Science of the Total Environment 440: 33-41.

آیا عبور بیت کوین از خط مقاومت بلندمدت خود برای شروع روند جدید کافی خواهد بود؟

عبور قیمت بیت کوین از خط مقاومت نزولی بلندمدت در دو روز گذشته، برخی معامله‌گران را به شروع روند صعودی جدید امیدوار کرده است؛ اما آيا شاخص‌های دیگر بازار و عوامل اقتصاد کلان به اندازه‌ کافی تغییر کرده‌اند تا خریداران را به حمایت از این روند جدید ترغیب کنند؟

به گزارش کوین تلگراف، قیمت بیت کوین روز گذشته (۱۳ مهر) با عبور از یک خط روند نزولی بلندمدت، بار دیگر خود را به بالای محدودهٔ ۲۰٬۰۰۰ دلاری رساند. این خط مقاومتی است که بیت کوین از ۱۵ نوامبر سال گذشته (۲۴ آبان) در حال تلاش برای عبور از آن بوده است.

در واقعیت، ادامه یافتن روند معاملات نوسانی (Sideways) باعث شد تا قیمت بیت کوین به‌سادگی در بالای این خط مقاومت بلندمدت تثبیت شود؛ محدوده‌ای که در ۱۱۴ روز گذشته بین ۱۸٬۵۰۰ دلار تا ۲۴٬۵۰۰ دلار در نوسان بود.

با این حال، فراموش نکنید الگوهای کوتاه‌مدت قیمت لزوماً نمایانگر تغییر روند بزرگتر نیستند. کوین متریکس دراین‌باره می‌گوید:

هم‌بستگی میان بیت کوین همبستگی شاخص بلند مدت و اتریوم با اس‌اند‌پی ۵۰۰ اخیراً افزایش یافته؛‌ زیرا شاخص معیار بازار (Benchmark Index) به ۳٬۶۰۰ کاهش یافته است؛ جایی که پیش از این در دسامبر ۲۰۲۰ به آن رسیده بود.

برخلاف رشد بازار سهام و ارزهای دیجیتال در ۴ اکتبر (۱۲ مهر)، ترس از تورم سرسام‌آور جهانی، افزایش نرخ بهره و سایر نگرانی‌های اقتصادی، همچنان اشتهای سرمایه‌گذاران را برای تعامل با بازارها سرکوب می‌کند. این واقعیتی است که به ‌وضوح در عملکرد این بازارها در سه‌ماهه سوم سال جاری نیز منعکس شده است.

اوپک، در ۵ اکتبر (۱۳ مهر) اعلام کرد قصد دارد تولید نفت خود را به‌میزان ۲میلیون بشکه در روز کاهش دهد؛ این مقدار معادل ۲درصد تقاضای جهانی برای نفت است. با اینکه، پس از این خبر ارزش سهام نفت افزایش یافت، کاخ سفید نگران است که کاهش تولید نفت باعث افزایش قیمت سوخت شده و مبارزه فدرال رزرو با تورم را پیچیده کند.

به‌طور کلی، سرمایه‌گذاران نهادی مانند سیتی و گلدمن ساکس انتظار دارند نوسانات بازارهای سهام همچنان ادامه یابد و به‌‌‌همین دلیل قیمت اس‌اند‌پی ۵۰۰ را در بازنگری اهداف پایان سال خود نزولی درنظر گرفته‌اند. در همین حال، دیگر سرمایه‌گذاران نیز سال ۲۰۲۳ را همچنان نزولی پیش‌بینی می‌کنند.

در کنار همه این‌ها، تورم در سرتاسر جهان همچنان بالاست، پیش‌بینی درآمد شرکت‌ها نزولی است و فدرال رزرو با اطمینان از برنامه‌های فعلی خود برای کاهش تورم مصمم به نظر می‌رسد.

در نتیجه، هیچ یک از این تحولات زمینه‌ساز افزایش ریسک‌پذیری معامله‌گران برای سرمایه‌گذاری در بازار نخواهد همبستگی شاخص بلند مدت شد. علاوه‌براین، با توجه ‌هم‌بستگی بیت کوین و بازارهای سهام و حساسیت سرمایه‌گذارن به جریان اخبار اقتصادی نزولی،‌ بعید به نظر می‌رسد که عبور بیت کوین از این خط روند نزولی بلندمدت نشانه‌ای از تغییر روند باشد.

در حقیقت،‌ شکست‌ محدوده رنج و بسته‌شدن دنباله‌ای از کندل‌های روزانه همبستگی شاخص بلند مدت قیمت بالای ۲۵٬۰۰۰ دلار می‌تواند نشانه‌ قابل‌قبول‌تری برای شروع روند جدید قیمت بیت کوین باشد.

همبستگی شاخص بلند مدت

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Sanjari M A, Jamshidi A A, Abbasi L, Seyyed-Mohseni S, Kamali M. The Effect of Rehabilitation Exercises on Time Series Correlation in Gait of Anterior Cruciate Ligament Deficient Patients. jrehab 2012; 13 (3) :61-67
URL: http://rehabilitationj.uswr.ac.ir/article-1-934-fa.html

سنجری محمدعلی، جمشیدی علی‌اشرف، عباسی لیلا، سیدمحسنی سعیده، کمالی محمد. بررسی تأثیر تمرینات توان‌بخشی بر همبستگی الگوهای زمانی در راه‌رفتن افراد با ضایعه لیگامان متقاطع قدامی. مجله توانبخشی 1391; 13 (3) :67-61

1- گروه علوم پایه توانبخشی، مرکز تحقیقات توانبخشی، دانشکده توانبخشی دانشگاه علوم پزشکی تهران، تهران، ایران. ، [email protected]
2- مرکز تحقیقات توانبخشی، دانشکده توانبخشی دانشگاه علوم پزشکی تهران
3- دانشکده توانبخشی دانشگاه علوم پزشکی شیراز

هدف: در این تحقیق اثر تمرینات اغتشاشی بر روی شاخص همبستگی آنالیز افت و خیز بدون روند ( &alpha ) برای سیکلهای راه رفتن در افراد مبتلا به ضایعه لیگامان صلیبی قدامی، با روش‌های محاسباتی دینامیک غیرخطی بررسی شده است.

روش بررسی: مطالعه بر روی 10 مرد ورزشکار مبتلا به ضایعه لیگامان صلیبی قدامی که حداقل 6 ماه از ضایعه لیگامانی آنها گذشته بود صورت گرفت. آزمودنی‌ها به روش غیراحتمالی انتخاب شدند. با استفاده از دادههای سوییچهای پایی، زمان گام برای حداقل 270 سیکل راه رفتن برای هر فرد قبل و بعد از اغتشاش درمانی استخراج شد و جهت آنالیز شاخص همبستگی آنالیز افت و خیز بدون روند ( &alpha ) مورد استفاده قرار گرفت.

یافتهها: نتایج نشان دهنده تفاوت مقدار &alpha برای دادههای اصلی و در هم ریخته شده است که نشانگر اتفاقی نبودن ساختار اولیه دادههای اصلی است. با توجه به قرار گرفتن &alpha در محدوده (0/5>&alpha>1) همبستگی بلند مدت بین سیکلهای راه رفتن دیده شد. همچنین نتایج بیانگر عدم تفاوت معنی دار &alpha قبل و بعد از درمان میباشد (۰/۵۱۵= P ).

نتیجهگیری: نتایج مربوط به شاخص همبستگی، نشان دهنده وجود وابستگی الگوهای زمانی میباشد که به راه رفتن با سرعت آرام نزدیک است. همچنین میتوان نتیجه گرفت که از لحاظ الگوهای همبستگی زمانی افراد مبتلا به ضایعه لیگامان صلیبی قدامی رفتاری مشابه با افراد سالم دارند.

كدام سهام از شاخص سبقت گرفت؟

گروه اقتصادی: کمی بیش از ۱۰۰ روز از سال ۹۹ می‌گذرد و در همین مدت نماگر اصلی بورس تهران با رشد ۲۱۵ درصدی همراه شده است. بازده قابل توجهی که در نیم قرن تاریخ فعالیت بازار سهام نظیری برای آن نمی‌توان یافت. نکته قابل توجه در نوسان شاخص سهام به‌ویژه در مسیر صعودی، تفاوت ریسک سرمایه‌گذاری در صنایع بورس است. این ریسک با بهره‌گیری از ضریب همبستگی محاسبه می‌شود.

به گزارش روزنامه دنیای اقتصاد، در این میان با محاسبه ضریب بتای صنایع ۳۸گانه بورس در بازه‌های زمانی تاریخی، سال ۹۸ و از ابتدای سال تا پایان معاملات روز چهارشنبه (۱۱تیر)، نقش عوامل پیشران بورس بررسی شده است. بررسی‌های «دنیای اقتصاد» از ضریب بتای صنایع بورس در سال جاری از افزایش شتاب قیمت‌ها در صنایع بزرگ بازار حکایت دارد. صنایعی که عمدتا در زمره گروه‌های کالامحور قرار می‌گیرند و در سال جاری گوی سبقت را از دیگر سهام بازار ربوده‌اند. شاهد این مدعا رشد ۲۸۷ درصدی شاخص ۳۰ شرکت بزرگ از ابتدای سال ۹۹ تاکنون است (هر چند رشد قیمت سهام سبب شده تا جایگاه بنگاه‌های بورس به لحاظ ارزش بازار با تغییراتی مواجه شود، اما این شاخص همچنان می‌تواند نماینده بزرگ‌ترین شرکت‌های بازار باشد).
شاید پیش از شروع بررسی صنایع بورسی توضیحی مختصر درخصوص ضریب بتا و کاربرد آن در تحلیل خالی از لطف نباشد و به درک بهتر موضوع کمک کند. ضریب بتا یکی از پرکاربردترین و پذیرفته‌ترین ابزار‌های اقتصاددانان مالی و متخصصان بازار، برای سنجش و مدیریت ریسک است. این ضریب عددی برای مقایسه شدت همسویی تغییرات بازده شرکت مورد نظر با بازده شاخص کل است. به این معنا که آیا تغییرات بازار روی سهام زیرمجموعه صنعت مورد نظر تاثیر می‌گذارد؟ میزان و شدت این تاثیر چگونه است؟ ضریب بتا از تقسیم کوواریانس بین بازده دارایی و بازده بازار بر واریانس بازار به دست می‌آید و به تنهایی مشخص‌کننده ارزندگی یا ارزنده نبودن یک سهم نیست بلکه ابزاری آماری است که به ما در انتخاب سهم با افق سرمایه‌گذاری شخصی و میزان ریسک‌پذیری و سلیقه فردی کمک می‌کند. به‌طور کلی میزان همسویی بازده یک سهم نسبت به بازار کل (شاخص کل) را با ضریب بتا می‌سنجند. بتای مثبت نشانه همسویی با بازار، بتای منفی نشانه واگرایی با بازار و بتای صفر نشانه عملکرد خنثای (تاثیرنپذیرفتن) سهم نسبت به بازار (شاخص) است. این ضریب که عموما در مورد سرمایه‌گذاری‌های کوتاه‌مدت به کار گرفته می‌شود، می‌تواند ریسک هر سهم را در مقایسه با ریسک کل بازار نشان دهد. در ضریب بتا عدد یک را به‌عنوان مبنا قرار می‌دهیم. بتای یک برای سهام یا صنعتی خاص نشان‌دهنده بازده برابر آن سهم یا صنعت با بازده شاخص کل است. اگر فردی سبد سرمایه‌گذاری به اندازه کل سهام موجود در بورس را در اختیار داشته باشد، ضریب بتای این سبد (پرتفوی) برابر با یک خواهد شد و سودی برابر با نرخ رشد شاخص دریافت می‌کند. حال اگر این فرد، پرتفوی خود را به یک سهم مشخص با ضریب بتای ۲/ ۱ محدود کند، به‌صورت تئوریک، ۲۰ درصد بیش از سود کل بازار دریافت می‌کند. البته باید در نظر داشت که این ریسک در زیان نیز همراه او خواهد بود؛ یعنی اگر بازار سهام مسیر نزولی در پیش گیرد، فرد مزبور، ۲۰ درصد بیشتر از کل بازار در خطر زیان است. از این رو ضریب مزبور در وهله اول نشان‌دهنده میزان ریسک سهم یا صنعتی خاص نسبت به نوسان شاخص کل بازار سهام است. در این میان، عامل اصلی نوسان شاخص بر دوش گروه‌هایی است که ضریب بتای بالاتر از یک در اختیار دارند.
شتاب بزرگان؛ عقبگرد کوچک‌تر‌ها
«دنیای اقتصاد» با نگاهی به ضریب بتای بلندمدت صنایع بورس از سال ۸۸ (یا تاریخ شروع فعالیت هر یک از گروه‌های بورسی) تاکنون، ضریب بتا برای صنایع مختلف را در دو دوره متفاوت بررسی کرده است؛ نخست ضریب بتا در سال ۹۸ و دوم متغیر مذکور از ابتدای سال جاری تا پایان معاملات روز چهارشنبه (۱۱ تیر ۹۹) که در همه این محاسبات، شاخص کل بورس به‌عنوان معیار سنجش ریسک در نظر گرفته شده است. محاسبه ضریب بتا برای صنایع ۳۸گانه بورس تهران و مقایسه این ضریب در بازه زمانی سال ۹۸ و روز‌های سپری شده از سال ۹۹ نشان می‌دهد سرعت رشد قیمت سهام در صنایع بزرگ بازار نسبت به سال ۹۸ به شکل محسوسی افزایش یافته است و صنایع کوچک با کاهش اقبال از سوی سرمایه‌گذاران مواجه شده‌اند.
نگاهی به اختلاف بازده دو نماگر اصلی بورس تهران از ابتدای سال تاکنون نیز شاهدی بر این مدعاست. به‌طوری که در برابر رشد ۲۱۵ درصدی شاخص کل، شاخص هم‌وزن رشدی ۱۶۳ درصدی را تجربه کرده است. بر‌اساس نتایج این بررسی می‌توان صنایع بورس را در چهار دسته جای داد. افزایش قابل توجه بتا، کاهش نسبی بتا، تغییر نکردن بتا و نبود ارتباط نزدیک صنعت با شاخص کل. دسته نخست، آن‌هایی هستند که افزایش قابل توجهی در ضریب بتا در دو بازه مورد بررسی را شاهد بوده‌اند. در کنار برخی گروه‌های کوچک تک‌سهم، بزرگان کالامحور بازار نیز شامل این دسته می‌شوند. به‌طوری که دو گروه اطلاعات و ارتباطات و محصولات چرمی که هر دو از یک نماد معاملاتی تشکیل شده‌اند، با بیشترین تغییرات ضریب بتا بین سال ۹۸ و سال جاری مواجه شده‌اند. چهار گروه کالامحور فلزی، معدنی، پتروشیمی و پالایشی‌ها نیز در بازه زمانی مورد بررسی با افزایش ضریب بتا همراه شده‌اند.
گروه دوم، آن دسته از صنایعی هستند که ضریب بتای آن‌ها در سال جاری نسبت به رقم محاسبه شده در سال ۹۸ کاهش یافته است. بررسی‌ها از ضریب بتای صنایع بورس در روز‌های سپری شده از سال ۹۹ حکایت از قرار گرفتن گروه‌های کوچک همچون محصولات کاغذی و محصولات چوبی در این گروه دارد. اما گروه سوم که در میان آن‌ها می‌توان به گروه فنی و مهندسی، استخراج نفت و گاز، بانک‌ها و تک‌سهم گروه خرده‌فروشی اشاره کرد، تغییرات محسوسی در ضریب بتای محاسبه شده در سال جاری و سال گذشته نداشتند. این گروه‌ها عموما تحت تاثیر سیاست‌های روز هستند و در نتیجه میزان ریسک آن‌ها تغییر قابل توجهی نداشته است. در نهایت گروه چهارم مثل محصولات کاغذی، سرمایه‌گذاری‌ها و منسوجات هستند که ارتباط معناداری با شاخص کل نداشته‌اند.
تغییر چهره پیشرانان بورس
سال ۹۸ سالی مثبت برای بورس تهران بود که با جهش ۱۸۷ درصدی شاخص کل همراه شد. به این ترتیب در این سال ضریب بتا بیش از آنکه ریسک یک صنعت را نسبت به نوسان شاخص نشان دهد، نشان‌دهنده سرعت رشد گروه‌های سهامی بود. حال همبستگی شاخص بلند مدت بررسی ضریب بتا در این سال حکایت از پیشرانی گروه‌های کوچک بازار در جهت شاخص کل دارد. در این سال گروه‌های کامودیتی‌محور بورس تهران شامل فرآورده‌های نفتی، کانه‌های فلزی، فلزات اساسی، محصولات شیمیایی و چند‌رشته‌ای صنعتی تقریبا نوسانی برابر با شاخص کل داشتند، اما در مقابل کوچک‌تر‌های بازار با رشدی چند برابر شاخص کل همراه شدند.
حال نگاهی به ضریب بتای صنایع ۳۸گانه بورس تهران از ابتدای سال ۹۹ تا پایان معاملات روز گذشته روندی متفاوت را نشان می‌دهد. به‌طوری که شتاب رشد صنایع بزرگ کالایی بازار در این بازه زمانی افزایش یافته و در مقابل از شتاب رشد کوچک‌تر‌ها کاسته شده است. از این رو ضریب بتای صنایع کالایی با تغییر محسوس نسبت به سال ۹۸، از عدد یک فاصله گرفته است. بر این اساس ضریب بتای گروه فلزات اساسی از ۰۲/ ۱ واحد در سال ۹۸ به ۲۴/ ۱ واحد از ابتدای سال ۹۹ افزایش یافت. در میان معدنی‌ها نیز شاهد افزایش ضریب بتا از ۹۹/ ۰ واحد به ۲۲/ ۱واحد هستیم. این متغیر در دو گروه پتروشیمی و پالایشی نیز هر چند کمتر، اما افزایشی بوده است. ضریب بتای گروه محصولات شیمیایی در سال گذشته ۹۸/ ۰ واحد بوده که به همبستگی شاخص بلند مدت ۱۱/ ۱ واحد در سال جاری افزایش یافته است. این رقم برای پالایشی‌ها نیز از ۰۱/ ۱ واحد به ۰۸/ ۱ واحد رسیده است. در مقابل، اما ضریب بتای گروه زغال‌سنگ از ۰۴/ ۱ واحد به ۸/ ۰ واحد در بازه مورد بررسی کاهش یافته است. این متغیر برای گروه لاستیک و پلاستیک نیز از ۱۴/ ۱ واحد به ۶۷/ ۰ واحد رسیده است. در دیگر صنایع کوچک بازار نیز روندی مشابه دیده می‌شود. در مجموع، اما ضریب بتای کالایی‌ها نشان می‌دهد همچنان این گروه‌های بزرگ بورس تهران هستند که مسیر شاخص کل این بازار را تعیین می‌کنند.