Ir para o conteúdo
  • FORMAS DE POUPAR

  • Leaderboard

    Conteúdo Popular

    A apresentar conteúdo com maior reputação em 01-04-2017 em todas as áreas

    1. Ainda sobre o DCA, há uma alternativa, chamada "Value Averaging". Este artigo da Investopedia dá uma ideia: "Choosing Between Dollar-Cost And Value Averaging" Eu sinto-me mais confortável com o DCA, em vez do Lump Sum Investing (LSI). O value averaging parecia-me demasiado sofisticado para iniciar.
      2 points
    2. A questão é que eles testaram em períodos contínuos desde 1926. Inclui bulls e bear markets. Em média é mais rentável fazer all-in. Independentemente do que pensas e do estado do mercado. Se essa é a definição de leigo (ou uma das características) eu considero-me leigo. Ng sabe quando o dip acaba. Está mais que provado que ng prevê o futuro. O fazer sentido e ser boa ou má ideia é com cada um e não dá para quantificar. É algo demasiado subjectivo. O que o estudo da vanguard diz é só sobre coisas quantificáveis. Queres mais retorno? All-in Queres menos risco? Fasead
      1 point
    3. Fundos nacionais não são de declaração obrigatória.
      1 point
    4. :-) Sou mais um entusiasta de R para Finanças do que outra coisa qualquer. Mas quem sabe um dia... Continuando a exploração. O código só faz sentido em seguimento do anterior. É uma continuação! library(ggplot2) a <- split(over1A, f = "years", k = 1) Nr.anos <- c(1:67) Anos <- c(1950:2016) OnePlus <- as.data.frame(matrix(Anos, nrow=67, ncol=1)) for (i in Nr.anos) { OnePlus[i , 2] <- nrow(a[[i]]) } colnames(OnePlus) <- c("Date", "Times") plot(OnePlus, type = "l") ggplot(data=OnePlus, aes(x = Date, y = Times)) + geom_line(size=1) + ggtitle("Times the
      1 point
    5. Dados analisados desde 1950. 67 anos de S&P 500 Probabilidade histórica de: Variação positiva superior a 1% = 10.4% Variação negativa superior a 1% = 9.8% Variação absoluta superior a 1% = 20.2% R code for Reproducibility: #### Initial script commands #### library(quantmod) library(PerformanceAnalytics) getSymbols("^GSPC",src="yahoo", from = "1900-01-01") # Faz o download de todo o histórico do S&P 500 disponivel no yahoo finance SP500 <- GSPC[, 6] # Usa a coluna de cotação ajustada SP500$Ret <- Return.calculate(SP500) * 100 # Calcula o retorno
      1 point
    6. Vou-te contar um segredo... Ninguém sabe Agora perguntas tu: Como é que vocês investem sem saber quando é o momento certo? São malucos?? Se soubéssemos quando é o momento certo não haveria risco (porque não errávamos). Sem risco não haveria retorno. O facto de nunca saberes quando é o momento certo mas mesmo assim investires é o que faz com que potencialmente consigas ter retornos mais altos do que outros produtos "sem risco" como depósitos a prazo ou obrigações alemãs.
      1 point
    7. Achas? O S&P tem cerca de 25% de probabilidade de mexer mais de 1% (um pouco mais até). Em média 66 sessões em cerca de 252. Isto no periodo pós 2 Grande Guerra, excluindo assim a grande depressão senão é ainda maior. Diria que um movimento superior a 1% não é nada de especial. Mas deste-me ideia para um projecto. Vou calcular/testar as vezes que o S&P caiu mais de 1%. Não encontro isso na net mas tb não deve ser nada de especial. Quando chegamos aos 2% sim, é raro. Podes ver mais aqui: https://www.stocktradersalmanac.com/UploadedImage/blog_20160222_daily_moves.jpg
      1 point
    8. TLT vs. US10 - https://www.google.com/finance?chdnp=1&chdd=1&chds=1&chdv=1&chvs=maximized&chdeh=0&chfdeh=0&chdet=1428792499514&chddm=260&chls=IntervalBasedLine&cmpto=NYSEARCA:TLT&cmptdms=1&q=LON:US10&&ei=iKQpVaiKFMr7wgPg9oGgAw O histórico não engana.
      1 point
    ×
    ×
    • Criar Novo...