Wir bieten den Online-Kurs Cryptocurrency Trading mit Python in Echtzeit durch Adobe Connect durchgeführt. Dieser Kurs wird von Nick Kirk, einem Experte für den algorithmischen Kryptohandel und einem quantitativen Entwickler, durchgeführt und wird von Dr. Ernest Chan moderiert. Die Teilnehmer erhalten den Python-Quellcode und die Daten für das Backtesting. Gemini Exchanges Sandbox-Umgebung wird verwendet werden, die volle Austausch-Funktionalität mit Test-Fonds, für die Prüfung API-Konnektivität und die Durchführung von Strategien bietet. Maximale Teilnehmerzahl: 30. Gesamtstundenzahl: 6. Gebühr: 499. Termine und Zeiten: 11. und 18. März. Samstags 10: 00-13: 00 New York Zeit. Anmeldung: E-Mail ernestepchan, oder klicken Sie auf die Schaltfläche unten. Kursübersicht kann hier heruntergeladen werden. Über Nick Kirk Nick ist ein aktiver algorithmischer Krypto-Trader und quantitativen Entwickler. Er hat mehr als 10 Jahre Erfahrung in der Entwicklung, Automatisierung und Integration von Handelssystemen für Investment Banks und Asset Management Unternehmen. Vor seiner Tätigkeit bei Finance arbeitete er bei IBM Labs und Siemens Research. Er hat bisher einen algorithmischen Krypto-Handel am CQF-Institut gelehrt. Lob für diesen Workshop Nick ist ein sehr leidenschaftlicher Befürworter von Kryptokurrenzen. Ich war sehr froh, dass ich in der Vergangenheit an einem seiner Cryptocurrency Trading Workshops teilgenommen habe. Seine stumpfe Begeisterung zusammen mit seinem fundierten Wissen auf dem Feld führt zu einer sehr positiven und wertschöpfenden Erfahrung auf dem Cryptocurrency-Handel mit der tatsächlichen praktischen Umsetzung. In Kombination mit Ernie Chan, dem Guru des Algo-Handels, wird die Mischung 8216explosiv8217 Cant wait8221 8211 Konstantinos Moutsioulis Portfolio Analyst, Dutch Development Bank, Den Haag Area 8220Ich war sehr beeindruckt von Ernies Vergangenheit Workshops und haben die Diskussion über Cryptocurrency Trading Ideen genossen Mit Nick bei vielen Gelegenheiten. Ich freue mich auf ihre einzigartige Partnerschaft im kommenden Bitcoin Workshop8221. 8211 Stephen Hope Ehemaliger Leiter des festen Einkommens Quantitative Handelsstrategien, BNP Paribas Ich werde im Mai einen Online-Workshop über Künstliche Intelligenztechniken für Händler unterrichten. Dies ist ein 6-Stunden-Workshop, der die Verwendung von künstlichen Intelligenztechniken zur Identifizierung von nützlichen prädiktiven Variablen und Handelsregeln für die Renditevorhersage einführt. Der Schwerpunkt liegt auf Techniken zur Vermeidung von Daten-Snooping-Bias und auf Aktienauswahlmodellen. Freie Testlizenzen für MATLAB Statistics und Machine Learning und Neural Network Toolboxes werden zur Verfügung gestellt, sowie Beispieldatensätze für Backtesting. (Vorbespielte MATLAB-Programmier-Tutorials sind enthalten.) Maximale Teilnehmerzahl: 14. Gesamtstundenzahl: 6. Gebühr: 899. Termine und Zeiten: 13. und 20. Mai. Samstags, 10: 00-13: 00, New York Zeit. Anmeldung: E-Mail ernestepchan, oder klicken Sie auf die Schaltfläche unten. Kursübersicht kann hier heruntergeladen werden. Der vorbespielte Online-Kurs Backtesting ist ab sofort verfügbar. Dies besteht aus aufgezeichneten Adobe Connect Sessions. Der Fokus liegt auf der Entdeckung und Vermeidung von verschiedenen Fallstricke während des Backtesting-Prozesses, der die Leistungsprognose beeinträchtigen kann. Veranschaulichende Übungen werden aus einer Futures-Strategie und einer Aktienportfolio-Handelsstrategie mit MATLAB gezogen. Kostenlose MATLAB-Studienlizenzen werden für umfangreiche In-Class-Übungen arrangiert. Es sind keine Vorkenntnisse von MATLAB erforderlich, aber es sind einige Erfahrungen mit der Programmierung erforderlich. Die Mathematik Voraussetzung ist grundlegende College-Ebene Statistiken. Gesamtstunden: 7 Stunden Aufnahmezeit. Gebühr: 499. Anmeldung: E-Mail ernestepchan, oder klicken Sie auf die Schaltfläche unten. Kursübersicht kann hier heruntergeladen werden. Ernie bietet auch in-Workshops in London an. Diese Workshops können sich für die CFA Institute fortsetzen. Lob für unsere Workshops: 8220Ein ausgezeichneter Kurs von einem großen Lehrer. Ernie erklärte deutlich und wandte die verschiedenen Bereiche der Künstlichen Intelligenz an, lieferte unschätzbare Einsichten über ihre relativen Verdienste und gab mir das Vertrauen, sie in meinem eigenen Handel umzusetzen.8221 8211 Dr. Nikhil Shenai (Ph. D. Imperial College, BA, Cambridge Universität), Gründer von EK Technologies (Quantitative Trading Amp Entwicklung) 82208230Dank Sie wieder für die Momentum Strategies Training in dieser Woche. Es war sehr vorteilhaft. Ich habe Ihre Erklärungen der Konzepte sehr klar gefunden und die Beispiele gut entwickelt. Ich mag den rigorosen Ansatz, den Sie zur Strategiebewertung nehmen.8221 8211 Andrew B. 8220 Ernie8217s Workshop bietet besonders hilfreiche Einblicke in die Umsetzung rentabler Handelsstrategien und das8217s jenseits seiner Bücher8217 Inhalt. Und er ist einer der geduldigsten und Lehrer, die ich jemals getroffen habe 8220 8211 K. W. Fung, CQF, Gründer von Quants Investment 8220 Diese Workshops haben mir genug Vertrautheit und Vertrauen gegeben, um die neuesten Forschungen anzupacken. Nur das Segment auf Intermarket-Sweep-Aufträgen im MFT-Kurs war der Preis für die Zulassung zu allen drei Workshops, auf die ich ging. 8220 8211 Cedric Yau 8220 Dr. Chan 8230 ist ein phänomenaler Instruktor8230 8221 8211 Anonyme SchülerauswertungMean Reversion Was ist die mittlere Reversion Mittlere Reversion ist die Theorie, die darauf hindeutet, dass die Preise und Renditen schließlich auf den Mittelwert oder den Durchschnitt zurückgehen. Dieser Mittelwert oder Durchschnitt kann der historische Durchschnitt des Preises oder der Rendite sein, oder ein anderer relevanter Durchschnitt wie das Wachstum der Wirtschaft oder die durchschnittliche Rendite einer Branche. BREAKING DOWN Mittlere Reversion Diese Theorie hat zu vielen Investitionsstrategien geführt, die den Kauf oder Verkauf von Aktien oder anderen Wertpapieren beinhalten, deren jüngste Aufführungen sich stark von ihren historischen Durchschnittswerten unterscheiden. Allerdings könnte eine Änderung der Renditen ein Zeichen dafür sein, dass das Unternehmen nicht mehr die gleichen Aussichten hat, die es einmal getan hat. In diesem Fall ist es weniger wahrscheinlich, dass eine mittlere Reversion stattfinden wird. Prozentuale Renditen und Preise sind nicht die einzigen Maßnahmen, die als Mittelwert für die Rückstellung der Zinssätze oder sogar der Preis-Gewinn-Verhältnis eines Unternehmens gelten, können diesem Phänomen unterliegen. Eine Reversion beinhaltet die Rückkehr einer Bedingung in einen früheren Zustand. In Fällen von mittlerer Reversion ist der Gedanke, dass jeder Preis, der weit von der Langzeitnorm abweicht, wieder zurückkehren wird und auf seinen verstandenen Zustand zurückkehrt. Die Theorie konzentriert sich auf die Reversion von nur relativ extremen Veränderungen, da normales Wachstum oder andere Schwankungen ein erwarteter Teil des Paradigmas sind. Die mittlere Reversionstheorie wird als Teil einer statistischen Analyse der Marktbedingungen verwendet und kann Teil einer Gesamthandelsstrategie sein. Es gilt gut für die Ideen des Kaufens von niedrigen und verkaufenden hohen, indem man hofft, abnorme Aktivität zu identifizieren, die theoretisch wieder auf ein normales Muster zurückkehrt. Die Rückkehr zu einem normalen Muster ist nicht garantiert, da ein unerwartetes Hoch - oder Tieffeld ein Hinweis auf eine Verschiebung der Norm sein könnte. Solche Ereignisse könnten, aber nicht beschränkt auf, neue Produkt-Releases oder Entwicklungen auf der positiven Seite, oder Rückrufe und Klagen auf der negativen Seite. Auch bei extremen Ereignissen ist es möglich, dass eine Sicherheit eine mittlere Reversion erfährt. Wie bei den meisten Marktaktivitäten gibt es nur wenige Garantien, wie bestimmte Ereignisse die Gesamtbeschwerde bestimmter Wertpapiere beeinträchtigen oder nicht beeinträchtigen werden. Mittlerer Reversion Trading Mittlerer Reversion-Handel sieht aus, um extreme Veränderungen innerhalb der Preisgestaltung eines bestimmten Wertpapiers zu nutzen, basierend auf der Annahme, dass es in seinen vorherigen Zustand zurückkehren wird. Diese Theorie kann sowohl für den Kauf als auch für den Verkauf angewendet werden, da es einem Händler erlaubt, auf unerwarteten Aufschwüngen zu profitieren und bei dem Auftreten eines abnormen Tiefstandes zu sparen. Basics of Algorithmic Trading: Konzepte und Beispiele Ein Algorithmus ist ein spezifischer Satz von klar definierten Anweisungen Eine Aufgabe oder einen Vorgang durchführen. Algorithmischer Handel (automatisierte Handel, Black-Box-Handel oder einfach Algo-Trading) ist der Prozess der Verwendung von Computern programmiert, um eine definierte Reihe von Anweisungen für die Platzierung eines Handels zu folgen, um Gewinne mit einer Geschwindigkeit und Häufigkeit zu generieren, die für eine unmöglich ist Menschlicher Händler Die definierten Regelsätze basieren auf Timing, Preis, Menge oder einem mathematischen Modell. Neben den Gewinnchancen für den Händler macht algo-trading die Märkte liquider und macht den Handel systematischer, indem er emotionale menschliche Auswirkungen auf die Handelsaktivitäten ausübt. Angenommen, ein Trader folgt diesen einfachen Handelskriterien: Kaufen Sie 50 Aktien einer Aktie, wenn der 50-Tage-Gleitender Durchschnitt über den 200-Tage-Gleitender Durchschnitt geht. Teilen Sie Aktien der Aktie, wenn der 50-Tage-Gleitender Durchschnitt unter den 200-Tage-Gleitender Durchschnitt geht Mit diesem Satz von zwei einfachen Anweisungen ist es einfach, ein Computerprogramm zu schreiben, das automatisch den Aktienkurs (und die gleitenden durchschnittlichen Indikatoren) überwacht und die Kauf - und Verkaufsaufträge platziert, wenn die definierten Bedingungen erfüllt sind. Der Trader muss nicht mehr auf Live-Preise und Grafiken aufpassen oder die Aufträge manuell einlegen. Das algorithmische Handelssystem tut es automatisch für ihn, indem es die Handelsmöglichkeit korrekt identifiziert. (Für mehr über bewegte Durchschnitte siehe: Einfache Umzugsdurchschnitte machen Trends heraus.) Algo-Trading bietet folgende Vorteile: Trades, die zu den bestmöglichen Preisen ausgeführt werden Sofortige und genaue Trading-Platzierung (damit hohe Chancen auf Ausführung auf Wunsch) Trades Zeitlich abgestimmt und sofort, um signifikante Preisänderungen zu vermeiden Reduzierte Transaktionskosten (siehe Implementierungsfehlbetrag Beispiel unten) Gleichzeitige automatisierte Überprüfung auf mehrere Marktbedingungen Reduziertes Risiko von manuellen Fehlern bei der Platzierung der Trades Backtest der Algorithmus, basierend auf verfügbaren historischen und Echtzeitdaten Reduziert Möglichkeit von Fehlern von menschlichen Händlern, die auf emotionalen und psychologischen Faktoren basieren Der größte Teil des heutigen Algo-Handels ist der Hochfrequenzhandel (HFT), der versucht, eine große Anzahl von Aufträgen mit sehr schnellen Geschwindigkeiten über mehrere Märkte und mehrere Entscheidungen zu tätigen Parameter, basierend auf vorprogrammierten Anweisungen. (Zu mehr im Hochfrequenzhandel siehe: Strategien und Geheimnisse von High Frequency Trading (HFT) - Firmen) Algo-Trading wird in vielen Formen der Handels - und Investitionstätigkeit eingesetzt, darunter: mittel - bis langfristige Anleger oder Buy-Side-Unternehmen (Pensionsfonds) , Investmentfonds, Versicherungsgesellschaften), die in großen Mengen in Aktien kaufen, aber nicht die Aktienpreise mit diskreten, großvolumigen Investitionen beeinflussen wollen. Kurzfristige Händler und Verkaufsseitenteilnehmer (Market Maker, Spekulanten und Arbitrageure) profitieren von der automatisierten Handelsabwicklung darüber hinaus, Algo-Trading hilft bei der Schaffung von ausreichenden Liquidität für Verkäufer auf dem Markt. Systematische Händler (Trendfolger, Paar Trader, Hedgefonds etc.) finden es viel effizienter, ihre Handelsregeln zu programmieren und das Programm automatisch zu handeln. Der algorithmische Handel bietet einen systematischeren Ansatz für den aktiven Handel als Methoden, die auf einer menschlichen Trader-Intuition oder einem Instinkt basieren. Algorithmische Handelsstrategien Jede Strategie für den algorithmischen Handel erfordert eine identifizierte Chance, die in Bezug auf verbesserte Erträge oder Kostensenkungen rentabel ist. Im Folgenden werden gemeinsame Handelsstrategien verwendet, die im Algo-Trading verwendet werden: Die gängigsten algorithmischen Trading-Strategien folgen den Trends bei gleitenden Durchschnitten. Kanalausbrüche. Preisniveaubewegungen und zugehörige technische Indikatoren. Dies sind die einfachsten und einfachsten Strategien, um durch algorithmischen Handel zu implementieren, da diese Strategien keine Vorhersagen oder Preisvorhersagen beinhalten. Trades werden auf der Grundlage des Auftretens von wünschenswerten Trends initiiert. Die einfach und unkompliziert sind, um durch Algorithmen zu implementieren, ohne in die Komplexität der prädiktiven Analyse zu gelangen. Das oben genannte Beispiel von 50 und 200 Tage gleitenden Durchschnitt ist ein beliebter Trend nach Strategie. (Weitere Informationen zu Trendhandelsstrategien finden Sie unter: Einfache Strategien zur Aktivierung von Trends.) Der Kauf eines dualen Börsenplatzes zu einem niedrigeren Preis in einem Markt und der gleichzeitige Veräußerung zu einem höheren Preis in einem anderen Markt bietet die Preisdifferenz als risikofreier Gewinn Oder Arbitrage. Der gleiche Vorgang kann für Aktien gegen Futures-Instrumente repliziert werden, da Preisdifferenzen von Zeit zu Zeit existieren. Die Implementierung eines Algorithmus zur Identifizierung solcher Preisunterschiede und die Platzierung der Aufträge ermöglicht rentable Möglichkeiten in effizienter Weise. Index-Fonds haben Perioden des Neugewinns definiert, um ihre Bestände mit ihren jeweiligen Benchmark-Indizes in Einklang zu bringen. Dies schafft profitable Chancen für algorithmische Händler, die auf erwarteten Trades profitieren, die 20-80 Basispunkte Gewinne in Abhängigkeit von der Anzahl der Aktien im Indexfonds, kurz vor der Indexfonds-Rebalancing anbieten. Solche Trades werden über algorithmische Handelssysteme für rechtzeitige Ausführung und beste Preise initiiert. Viele bewährte mathematische Modelle, wie die delta-neutrale Trading-Strategie, die den Handel auf Kombination von Optionen und deren zugrunde liegenden Sicherheit ermöglichen. Wo Trades gesetzt werden, um positive und negative Deltas zu versetzen, so dass das Portfolio-Delta auf Null gehalten wird. Die mittlere Reversionsstrategie basiert auf der Idee, dass die hohen und niedrigen Preise eines Vermögenswertes ein temporäres Phänomen sind, das periodisch auf ihren Mittelwert zurückkehrt. Identifizieren und Definieren einer Preisspanne und Implementierung von Algorithmen auf der Grundlage, dass Trades automatisch platziert werden, wenn der Preis von Asset Pausen in und aus seinem definierten Bereich. Die volumengewichtete durchschnittliche Preisstrategie zerbricht einen großen Auftrag und gibt dynamisch bestimmte kleinere Stücke des Auftrags auf den Markt mit Aktienspezifischen historischen Volumenprofilen frei. Ziel ist es, den Auftrag in der Nähe des volumengewichteten Durchschnittspreises (VWAP) auszuführen und damit zu einem durchschnittlichen Preis zu profitieren. Die zeitgewichtete durchschnittliche Preisstrategie zerbricht einen großen Auftrag und gibt dynamisch bestimmte kleinere Stücke des Auftrags auf den Markt mit gleichmäßig geteilten Zeitschlitzen zwischen Start - und Endzeit frei. Ziel ist es, den Auftrag in der Nähe des Durchschnittspreises zwischen Start - und Endzeiten auszuführen und damit die Markteinwirkung zu minimieren. Bis der Trade Order vollständig ausgefüllt ist, fährt dieser Algorithmus fort, Teilaufträge zu senden, entsprechend der definierten Beteiligungsquote und nach dem Volumen, das auf den Märkten gehandelt wird. Die zugehörige Schrittstrategie sendet Aufträge zu einem benutzerdefinierten Prozentsatz des Marktvolumens und erhöht oder verringert diese Erwerbsquote, wenn der Aktienkurs benutzerdefinierte Werte erreicht. Die Implementierungs-Defizitstrategie zielt darauf ab, die Ausführungskosten eines Auftrags durch den Handel auf dem Echtzeitmarkt zu minimieren und dadurch die Kosten der Bestellung zu senken und von den Opportunitätskosten der verzögerten Ausführung zu profitieren. Die Strategie wird die gezielte Erwerbsquote erhöhen, wenn sich der Aktienkurs günstig bewegt und abnimmt, wenn sich der Aktienkurs negativ bewegt. Es gibt ein paar spezielle Klassen von Algorithmen, die versuchen, Ereignisse auf der anderen Seite zu identifizieren. Diese Sniffing-Algorithmen, die zum Beispiel von einem Sell-Side-Market-Maker verwendet werden, haben die eingebaute Intelligenz, um die Existenz von Algorithmen auf der Kaufseite eines großen Auftrags zu identifizieren. Solche Erkennung durch Algorithmen wird dem Marktmacher dabei helfen, große Auftragsmöglichkeiten zu identifizieren und ihm zu ermöglichen, durch die Besetzung der Aufträge zu einem höheren Preis zu profitieren. Dies wird manchmal als Hightech-Frontlauf bezeichnet. (Für mehr auf High-Frequenz-Handel und betrügerische Praktiken, siehe: Wenn Sie Aktien kaufen Online, sind Sie in HFTs beteiligt.) Technische Voraussetzungen für Algorithmic Trading Die Umsetzung der Algorithmus mit einem Computer-Programm ist der letzte Teil, Clubbed mit Backtesting. Die Herausforderung besteht darin, die identifizierte Strategie in einen integrierten computergestützten Prozess umzuwandeln, der Zugang zu einem Handelskonto für die Platzierung von Aufträgen hat. Folgende werden benötigt: Computerprogrammierkenntnisse zur Programmierung der geforderten Handelsstrategie, angepasste Programmierer oder vorgefertigte Trading-Software Netzwerkkonnektivität und Zugriff auf Handelsplattformen für die Platzierung der Aufträge Der Zugriff auf Marktdaten-Feeds, die vom Algorithmus für die Möglichkeit der Platzierung überwacht werden Aufträge Die Fähigkeit und die Infrastruktur, das System einmalig zu testen, bevor es auf echten Märkten geht Erhältlich historische Daten für das Backtesting, abhängig von der Komplexität der im Algorithmus implementierten Regeln Hier ist ein umfassendes Beispiel: Royal Dutch Shell (RDS) ist in Amsterdam aufgeführt Börse (AEX) und Londoner Börse (LSE). Lets bauen einen Algorithmus, um Arbitrage-Möglichkeiten zu identifizieren. Hier sind einige interessante Beobachtungen: AEX handelt in Euro, während LSE in Pfund Sterling pflegt. Aufgrund der einstündigen Zeitdifferenz eröffnet AEX eine Stunde früher als LSE, gefolgt von beiden Börsen, die gleichzeitig für die nächsten Stunden handeln und dann nur in LSE handeln Die letzte Stunde als AEX schließt können wir die Möglichkeit der Arbitrage Handel auf der Royal Dutch Shell Aktie auf diesen beiden Märkten in zwei verschiedenen Währungen gelistet ein Computer-Programm, das aktuelle Marktpreise lesen können Preis Feeds von sowohl LSE und AEX A Forex Rate Feed für GBP-EUR Umrechnungskurs Bestellen von Platzierungsmöglichkeiten, die den Auftrag an den richtigen Austausch weiterleiten können Back-Testing-Fähigkeit zu historischen Preisfuttermitteln Das Computerprogramm sollte folgendes ausführen: Lesen Sie den eingehenden Preisvorschub der RDS-Aktie von beiden Börsen unter Verwendung der verfügbaren Wechselkurse . Umwandlung des Preises einer Währung in andere Wenn es eine ausreichend große Preisdiskrepanz (Abzinsung der Vermittlungskosten) gibt, die zu einer gewinnbringenden Gelegenheit führt, dann legen Sie den Kaufauftrag auf niedrigeren Preisvermittlungs - und Verkaufsauftrag auf höherer Preisvermittlung Wenn die Aufträge als ausgeführt werden Gewünscht, wird die Arbitrage Gewinn folgen Simple und Easy Allerdings ist die Praxis der algorithmischen Handel ist nicht so einfach zu pflegen und auszuführen. Denken Sie daran, wenn Sie einen Algo-generierten Handel platzieren können, so können die anderen Marktteilnehmer. Infolgedessen schwanken die Preise in Milli - und sogar Mikrosekunden. In dem obigen Beispiel, was passiert, wenn Ihr Kaufhandel ausgeführt wird, aber verkaufen Handel nicht als die Verkaufspreise ändern sich um die Zeit Ihre Bestellung trifft den Markt Sie werden am Ende sitzen mit einer offenen Position. Ihre Arbitrage-Strategie wertlos machen. Es gibt zusätzliche Risiken und Herausforderungen: z. B. Systemausfallrisiken, Netzwerkverbindungsfehler, Zeitverzögerungen zwischen Handelsaufträgen und Ausführung und vor allem unvollständige Algorithmen. Je komplexer ein Algorithmus ist, desto strengeres Backtesting ist nötig, bevor es in die Tat umgesetzt wird. Die quantitative Analyse einer Algorithmen-Performance spielt eine wichtige Rolle und sollte kritisch untersucht werden. Es ist spannend, für die Automatisierung zu helfen, die von Computern mit einer Vorstellung geboten wird, um mühelos Geld zu verdienen. Aber man muss sicherstellen, dass das System gründlich getestet ist und die erforderlichen Grenzwerte festgelegt sind. Analytische Händler sollten überlegen, Programmierung und Gebäude-Systeme auf eigene Faust zu lernen, um sicher zu sein, die Umsetzung der richtigen Strategien in narrensicherer Weise zu sein. Der vorsichtige Gebrauch und die gründliche Prüfung von algo-trading können rentable Chancen schaffen. Der Gesamtdollarmarktwert aller ausstehenden Aktien der Gesellschaft039s. Die Marktkapitalisierung erfolgt durch Multiplikation. Frexit kurz für quotFrench exitquot ist ein französischer Spinoff des Begriffs Brexit, der entstand, als das Vereinigte Königreich stimmte. Ein Auftrag mit einem Makler, der die Merkmale der Stop-Order mit denen einer Limit-Order kombiniert. Ein Stop-Limit-Auftrag wird. Eine Finanzierungsrunde, in der Anleger eine Aktie von einer Gesellschaft mit einer niedrigeren Bewertung erwerben als die Bewertung, Eine ökonomische Theorie der Gesamtausgaben in der Wirtschaft und ihre Auswirkungen auf die Produktion und Inflation. Keynesianische Ökonomie wurde entwickelt. Ein Bestand eines Vermögenswerts in einem Portfolio. Eine Portfolioinvestition erfolgt mit der Erwartung, eine Rendite zu erzielen. Dies.
No comments:
Post a Comment