Bekom 66% jaarlijkse opbrengst met de 7 strategieën van Jim Simons.
Dit zijn de 7 strategieën die Jim Simons gebruikt om een jaarlijks rendement van 66% op de aandelenmarkt te behalen.
Kwantitatieve analyse
Simons, een wiskundig genie, verzamelde enorme hoeveelheden historische data, volumes en jaarverslagen om anomalieën te vinden en daarvan te profiteren.
Trendhandel
In de beginjaren concentreerde zijn team zich op het vinden van trends in grondstoffenmarkten zoals koper, goud en zilver.
Terugkeer naar het gemiddelde
Een belangrijke strategie voor zijn Medallion-fonds was winst maken wanneer de koers van een aandeel terugkeerde naar het gemiddelde.
Genieën aannemen
In plaats van mensen met een financiële achtergrond nam hij mensen aan met een doctorstitel in wiskunde en natuurkunde.
Hefboomwerking
Het Medallion-fonds leende geld om zijn investeringen te stimuleren en het rendement te verhogen. Rapporten suggereren dat ze ongeveer $ 17 leenden voor elke geïnvesteerde $ 1.
Emoties negeren
Zijn team van wiskundigen en natuurkundigen concentreerde zich op cijfers en data, behandelde handelen als een wetenschappelijk experiment en negeerde marktemoties.
Machine Learning
Simons was een early adopter van machine learning en gebruikte machines om snel enorme hoeveelheden data en theorieën te testen, wat hen een aanzienlijk voordeel opleverde.
Kwantitatieve analyse
Simons, een wiskundig genie, verzamelde enorme hoeveelheden historische data, volumes en jaarverslagen om anomalieën te vinden en daarvan te profiteren.
Trendhandel
In de beginjaren concentreerde zijn team zich op het vinden van trends in grondstoffenmarkten zoals koper, goud en zilver.
Terugkeer naar het gemiddelde
Een belangrijke strategie voor zijn Medallion-fonds was winst maken wanneer de koers van een aandeel terugkeerde naar het gemiddelde.
Genieën aannemen
In plaats van mensen met een financiële achtergrond nam hij mensen aan met een doctorstitel in wiskunde en natuurkunde.
Hefboomwerking
Het Medallion-fonds leende geld om zijn investeringen te stimuleren en het rendement te verhogen. Rapporten suggereren dat ze ongeveer $ 17 leenden voor elke geïnvesteerde $ 1.
Emoties negeren
Zijn team van wiskundigen en natuurkundigen concentreerde zich op cijfers en data, behandelde handelen als een wetenschappelijk experiment en negeerde marktemoties.
Machine Learning
Simons was een early adopter van machine learning en gebruikte machines om snel enorme hoeveelheden data en theorieën te testen, wat hen een aanzienlijk voordeel opleverde.
Bekijk de volledige video voor meer informatie:
Comments
Post a Comment