ดาวโจนส์หมายถึงอะไรและคำนวณอย่างไร

สารบัญ

ดาวโจนส์คืออะไร?
การคำนวณเบื้องหลังดาวโจนส์
การคำนวณ Dow ในวันที่ 2
การคำนวณในวันที่ 3
การคำนวณ Dow ในวันที่ 4
การคำนวณในวันที่ 5
การคำนวณ Dow ในวันที่ 6
หนึ่งตัวอย่างสุดท้าย
ค่าตัวหาร
การประเมินระเบียบวิธีของ Dow Jones
บรรทัดล่าง

นักลงทุนหลายคนมีหุ้นที่แตกต่างกันจำนวนหนึ่งเท่านั้นดังนั้นพวกเขาจึงสามารถติดตามประสิทธิภาพของแต่ละหุ้นได้ อย่างไรก็ตามมันไม่เพียงพอที่จะแค่จับตาดูตะกร้าของคุณเอง นักลงทุนและผู้ค้ายังต้องการข้อมูลเกี่ยวกับความเชื่อมั่นของตลาดโดยรวม

นั่นคือดัชนีสำหรับ มันมีจำนวนที่วัดได้และตรวจสอบย้อนกลับได้เพียงครั้งเดียวซึ่งมีจุดมุ่งหมายเพื่อเป็นตัวแทนของตลาดโดยรวมหรือชุดของหุ้นหรือกลุ่มที่เลือก ดัชนีหุ้นยังทำหน้าที่เป็นมาตรฐานสำหรับการเปรียบเทียบการลงทุนเช่นพอร์ตหุ้นของคุณ (หรือกองทุนรวมของคุณ) ส่งคืน 15% แต่ดัชนีตลาดกลับมา 20% ในช่วงเวลาเดียวกัน ดังนั้นประสิทธิภาพของคุณ (หรือประสิทธิภาพของผู้จัดการกองทุน) จะล้าหลังตลาด

ดาวโจนส์คืออะไร?

ค่าเฉลี่ยอุตสาหกรรมของ Dow Jones เป็นเครื่องบ่งชี้ว่า บริษัท จดทะเบียนขนาดใหญ่ของสหรัฐจำนวน 30 แห่งทำการซื้อขายระหว่างช่วงเวลาการซื้อขายมาตรฐาน

ดัชนีตลาดหุ้นเป็นโครงสร้างทางคณิตศาสตร์ที่ให้หมายเลขเดียวสำหรับการวัดมูลค่าตลาดหุ้นโดยรวม (หรือส่วนที่เลือกไว้) ดัชนีคำนวณโดยการติดตามราคาของหุ้นที่เลือก (เช่น 30 อันดับแรกซึ่งวัดโดยราคาของ บริษัท ที่ใหญ่ที่สุดหรือหุ้นน้ำมันภาค 50 อันดับแรก) และขึ้นอยู่กับเกณฑ์ถัวเฉลี่ยถ่วงน้ำหนักที่กำหนดไว้ล่วงหน้า (เช่นถ่วงน้ำหนักราคาตลาด - น้ำหนักหมวกสูงสุด ฯลฯ)

การคำนวณเบื้องหลังดาวโจนส์

เพื่อให้เข้าใจได้ดีขึ้นว่า Dow เปลี่ยนแปลงค่าอย่างไรให้เริ่มที่จุดเริ่มต้น เมื่อ Dow Jones & Co. เปิดตัวดัชนีเป็นครั้งแรกในปี 1890 มันเป็น "ค่าเฉลี่ยแบบง่าย" ของราคาขององค์ประกอบทั้งหมด ตัวอย่างเช่นสมมติว่ามี 12 หุ้นในดัชนี Dow; ในตัวอย่างนั้นมูลค่าของ Dow จะถูกคำนวณโดยเพียงแค่นำผลรวมของราคาปิดของทั้ง 12 หุ้นมาหารด้วย 12 (จำนวน บริษัท หรือ "องค์ประกอบของดัชนี Dow") ดังนั้นดัชนีดาวโจนส์จึงเริ่มต้นเป็นดัชนีราคาเฉลี่ยอย่างง่าย

$\begin{matrix} มูลค่าดัชนี DJIA = \frac{Σ_{ผม = 0}^{n} P_{ผม}}{n} \\ ที่อยู่: \\ P_{ผม} = ราคาของ {ผม}^{เสื้อ ชั่วโมง} คลังสินค้า \end{matrix} \ start {aligned} & \ text {DJIA Index Value} = \ frac { sum_ {i = 0} ^ n {P_i}} {n} \ & \ textbf {โดยที่:} \ & P_i = \ text { ราคาของ} i ^ {th} text {stock} \ & n = \ text {จำนวนหุ้นในดัชนี} end {aligned}$ DJIA Value Value = n∑i = 0n Pi โดยที่: Pi = ราคาหุ้น ith

เพื่ออธิบายแนวคิดที่ดีขึ้นกับสถานการณ์และการบิดอื่น ๆ เรามาสร้างดัชนีสมมุติง่าย ๆ ของเราขึ้นมาตามเส้นของดาว

เพื่อให้เข้าใจง่ายสมมติว่ามีตลาดหุ้นในประเทศที่มีการซื้อขายหุ้นเพียงสองรายการเท่านั้น (Ally Inc. และ Belly Inc. — A & B) เราจะวัดผลการดำเนินงานของตลาดหุ้นโดยรวมนี้เป็นรายวันได้อย่างไรเนื่องจากราคาหุ้นมีการเปลี่ยนแปลงในแต่ละช่วงเวลาและทุกช่วงราคา? แทนที่จะติดตามแต่ละสต็อกแยกกันมันจะง่ายกว่ามากในการรับและติดตามหมายเลขเดียวที่แสดงถึงตลาดโดยรวมที่ประกอบเป็นทั้งหุ้น การเปลี่ยนแปลงในหมายเลขเดียวนั้น (เรียกว่า "ดัชนี AB") จะสะท้อนให้เห็นว่าตลาดโดยรวมมีประสิทธิภาพอย่างไร

สมมติว่าการแลกเปลี่ยนสร้างตัวเลขทางคณิตศาสตร์ที่แสดงโดย "ดัชนี AB" ซึ่งกำลังวัดประสิทธิภาพของหุ้นทั้งสอง (A และ B) สมมติว่าหุ้น A ซื้อขายที่ $ 20 ต่อหุ้นและหุ้น B ซื้อขายที่ $ 80 ต่อหุ้นในวันที่ 1

การใช้แนวคิดเริ่มต้นของ Dow กับตัวอย่างสมมุติของดัชนี AB ของเรา:

เมื่อเริ่มต้นดัชนี AB =

$\begin{matrix} \frac{Σ_{ผม = 0}^{n} P_{ผม}}{n} & = \frac{($ 20 + $ 80)}{2} \end{matrix} \ start {aligned} frac { sum_ {i = 0} ^ n {P_i}} {n} & = \ frac { left ( $ 20 + \ $ 80 \ ขวา)} {2} \ & = 50 \ จบ {} ชิด$ nΣi = 0n Pi = 2 ($ 20 + $ 80)

การคำนวณ Dow ในวันที่ 2

ตอนนี้สมมติว่าในวันถัดไปราคาของ A ขยับขึ้นจาก $ 20 เป็น $ 25 และ B ของราคาลดลงจาก $ 80 เป็น $ 75

ดัชนี AB ใหม่ =

$\begin{matrix} \frac{Σ_{ผม = 0}^{n} P_{ผม}}{n} & = \frac{($ 25 + $ 75)}{2} \end{matrix} \ start {aligned} frac { sum_ {i = 0} ^ n {P_i}} {n} & = \ frac { left ( $ 25 + \ $ 75 \ right)} {2} \ & = 50 \ จบ {} ชิด$ nΣi = 0n Pi = 2 ($ 25 + $ 75)

นั่นคือการเคลื่อนไหวของราคาที่เป็นบวกในหนึ่งหุ้นได้ยกเลิกมูลค่าเท่ากัน แต่การเคลื่อนไหวของราคาเชิงลบของหุ้นอื่น ดังนั้นค่าดัชนีจึงไม่เปลี่ยนแปลง

การคำนวณในวันที่ 3

สมมติว่าในวันที่สามหุ้น A ย้ายไปที่ $ 30 ในขณะที่หุ้น B ย้ายไปที่ $ 85

ดัชนี AB ใหม่ =

$\begin{matrix} \frac{Σ_{ผม = 0}^{n} P_{ผม}}{n} & = \frac{($ 30 + $ 85)}{2} \end{matrix} \ start {aligned} frac { sum_ {i = 0} ^ n {P_i}} {n} & = \ frac { left ( $ 30 + \ $ 85 \ right)} {2} \ & = 57.5 \ จบ {} ชิด$ nΣi = 0n Pi = 2 ($ 30 + $ 85)

ในกรณีของ (2) การเปลี่ยนแปลงราคาผลรวมสุทธิเป็นศูนย์ (หุ้น A มีการเปลี่ยนแปลง +5 ในขณะที่หุ้น B มีการเปลี่ยนแปลง -5 ทำให้การเปลี่ยนแปลงผลรวมสุทธิเป็นศูนย์)

ในกรณีของ (3) การเปลี่ยนแปลงราคาผลรวมสุทธิคือ 15 (+5 สำหรับหุ้น A ขณะที่ +10 สำหรับหุ้น B) การเปลี่ยนแปลงผลรวมราคาสุทธินี้ 15 หารด้วย n = 2 ให้การเปลี่ยนแปลงเนื่องจาก +7.5 นำค่าดัชนีการเปลี่ยนแปลงใหม่ในวันที่ 3 ที่ 57.5

แม้ว่าหุ้น A จะมีการเปลี่ยนแปลงราคาร้อยละที่สูงขึ้น 20% ($ 30 จาก $ 25) และหุ้น B มีการเปลี่ยนแปลงเปอร์เซ็นต์ที่ต่ำกว่า 13.33% ($ 85 จาก $ 75) ผลกระทบจากการเปลี่ยนแปลง $ 10 ของหุ้น B มีส่วนทำให้การเปลี่ยนแปลงใหญ่ขึ้น ค่าดัชนีโดยรวม สิ่งนี้บ่งชี้ว่าดัชนีถ่วงน้ำหนักราคา (เช่น Dow Jones และ Nikkei 225) ขึ้นอยู่กับค่าสัมบูรณ์ของราคามากกว่าการเปลี่ยนแปลงเปอร์เซ็นต์สัมพัทธ์ นี่ก็เป็นหนึ่งในปัจจัยวิพากษ์วิจารณ์ของดัชนีถ่วงน้ำหนักราคาเนื่องจากไม่ได้คำนึงถึงขนาดอุตสาหกรรมหรือมูลค่าหลักทรัพย์ตามราคาตลาดขององค์ประกอบ

การคำนวณ Dow ในวันที่ 4

ทีนี้สมมติว่า บริษัท อีกแห่งหนึ่งจดทะเบียนในตลาดหลักทรัพย์ที่ราคา 10 ดอลลาร์ต่อหุ้นในวันที่สี่ ดัชนี AB ต้องการขยายและเพิ่มจำนวนองค์ประกอบจากสองเป็นสามเพื่อรวมหุ้น บริษัท C ที่จดทะเบียนใหม่นอกเหนือจากหุ้น A และ B ที่มีอยู่

จากมุมมองของดัชนี AB หุ้นใหม่ที่กำลังเข้ามาไม่ควรนำไปสู่การกระโดดหรือมูลค่าที่ลดลงอย่างกะทันหัน หากยังคงมีสูตรปกติอยู่

จากนั้น:

ดัชนี AB ใหม่ =

$\begin{matrix} \frac{Σ_{ผม = 0}^{n} P_{ผม}}{n} & = \frac{($ 30 + $ 85 + $ 10)}{3} \end{matrix} \ start {จัดชิด} frac { sum_ {i = 0} ^ n {P_i}} {n} & = \ frac { left ( $ 30 + \ $ 85 + \ $ 10 \ ขวา)} {3} \ & = 41.67 \ end {จัดชิด}$ nΣi = 0n Pi = 3 ($ 30 + $ 85 + $ 10)

นี่เป็นค่าดัชนีที่ลดลงอย่างกระทันหันจาก 57.5 ถึง 41.67 ก่อนหน้าเพียงเพราะมีการเพิ่มองค์ประกอบใหม่ลงไป ( สมมติว่าหุ้น A & B รักษาราคาวันก่อนหน้าไว้ที่ $ 30 และ $ 85) นี่จะไม่เป็นภาพสะท้อนที่มีประโยชน์มากต่อสุขภาพโดยรวมของตลาด

เพื่อที่จะเอาชนะปัญหาความผิดปกติในการคำนวณนี้ได้มีการนำแนวคิดของตัวหาร

ตัวหารอนุญาตให้ค่าดัชนีรักษาความสม่ำเสมอและความต่อเนื่องโดยไม่มีความผันผวนของมูลค่าสูงอย่างกะทันหัน แนวคิดพื้นฐานของตัวหารมีดังนี้ เพียงเพราะส่วนประกอบใหม่กำลังได้รับการเพิ่มสิ่งนี้ไม่ควรแสดงให้เห็นถึงความแปรปรวนของมูลค่าสูงในดัชนี ดังนั้นก่อนที่จะมีการเปิดตัวองค์ประกอบใหม่ควรมีการแนะนำค่าตัวหาร“ คำนวณ” ใหม่ มันควรจะเป็นเช่นนั้นเงื่อนไขต่อไปนี้ควรถือเป็นจริง:

$\begin{matrix} ค่าดัชนี = \frac{Σ_{ผม = 0}^{n_{โอ ล. d}} P_{ผม}}{n_{โอ ล. d}} \end{matrix} \ start {aligned} & \ text {ค่าดัชนี} = \ frac { sum_ {i = 0} ^ {n_ {เก่า}} {P_i}} {n_ {เก่า}} \ & ; = \ frac { sum_ {i = 0} ^ {{n_ ใหม่}} {P_i}} {{n_ ใหม่}} end {} ชิด$ ค่าดัชนี = nold ∑i = 0nold Pi

นั่นคือสมมติว่าราคาหุ้นจากดัชนีเดิมคงที่การเพิ่มขึ้นของราคาหุ้นใหม่จะไม่ส่งผลกระทบต่อดัชนี

$\begin{matrix} ค่าดัชนีใหม่ = \frac{Σ_{ผม = 0}^{n_{n อี W}} P_{ผม}}{D} \\ ที่อยู่: \\ P_{ผม} = ราคาของ {ผม}^{เสื้อ ชั่วโมง} คลังสินค้า \\ n_{n อี W} = จำนวนหุ้นที่อัพเดทในดัชนี \end{matrix} \ start {aligned} & \ text {ค่าดัชนีใหม่} = \ frac { sum_ {i = 0} ^ {n_ {ใหม่}} {P_i}} {D} \ & \ textbf {โดยที่:} \ & P_i = \ text {ราคาของ} i ^ {th} text {stock} \ & n_ {new} = \ text {จำนวนหุ้นที่อัพเดทในดัชนี} \ & D = \ frac { sum_ {i = 0} ^ {n_ {new}} {P_i}} { text {ค่าดัชนีก่อนหน้า}} end {align}$ ค่าดัชนีใหม่ = D∑i = 0nnew Pi โดยที่: Pi = ราคาของ ith stocknnew = จำนวนหุ้นที่อัพเดทในดัชนี

สรุปราคาใหม่ = $ 125 (3 หุ้น)

ค่าดัชนีที่รู้จักครั้งสุดท้าย = 57.5 (อิงจาก 2 หุ้น) ซึ่งนำไปสู่ตัวหารของ 125 / 57.5 = 2.1739

ค่าใหม่นี้กลายเป็น "ตัวหาร" ใหม่ของดัชนี AB

ดังนั้นในวันที่หุ้น C รวมอยู่ในดัชนี AB ความถูกต้อง (และมูลค่าต่อเนื่อง) จะกลายเป็น:

ดัชนี AB ใหม่ =

$\begin{matrix} \frac{Σ_{ผม = 0}^{n_{n อี W}} P_{ผม}}{D} \end{matrix} \ start {aligned} & \ frac { sum_ {i = 0} ^ {n_ {new}} {P_i}} {D} \ & = \ frac { $ 30 + \ $ 85 + \ $ 10} {2.1739} = 57.5 \ จบ {ชิด}$ DΣi = Pi 0nnew

ค่าเดียวกันนี้ในวันที่สี่มีเหตุผลเพราะเราสมมติว่าราคาหุ้นของ A และ B ไม่เปลี่ยนแปลงเมื่อเทียบกับวันที่สามและเพียงเพราะมีการเพิ่มหุ้นใหม่ที่สามสิ่งนี้ไม่ควรนำไปสู่การเปลี่ยนแปลงใด ๆ

การคำนวณในวันที่ 5

ในวันที่ห้าสมมติว่าราคาของหุ้น A, B, C เป็น $ 32, $ 90 และ $ 9 ตามลำดับ

ดัชนี AB ใหม่ =

$\begin{matrix} \frac{Σ_{ผม = 0}^{n_{n อี W}} P_{ผม}}{D} \end{matrix} \ start {aligned} & \ frac { sum_ {i = 0} ^ {n_ {new}} {P_i}} {D} \ & = \ frac { $ 32 + \ $ 90 + \ $ 9} {2.1739} = 60.26 \ จบ {ชิด}$ DΣi = Pi 0nnew

ในอนาคตค่าใหม่นี้ที่ 2.1739 จะยังคงเป็นตัวหาร (แทนจำนวนทั้งหมดขององค์ประกอบ) มันจะเปลี่ยนเฉพาะในกรณีขององค์ประกอบใหม่ที่เพิ่ม (หรือลบ) หรือการกระทำขององค์กรใด ๆ ที่เกิดขึ้นในองค์ประกอบ (ตัวอย่างด้านล่าง)

การคำนวณ Dow ในวันที่ 6

มาต่อไปกับรูปแบบการคำนวณต่อไป สมมติว่าหุ้น B มีการดำเนินการขององค์กรที่เปลี่ยนแปลงราคาของหุ้นโดยไม่ต้องเปลี่ยนการประเมินค่า บริษัท สมมติว่ามีการซื้อขายที่ $ 90 และ บริษัท ดำเนินการแบ่ง 3 ต่อ 1, เพิ่มจำนวนหุ้นที่มีอยู่สามเท่าและลดราคาลง 3 เท่าจาก $ 90 เป็น $ 30

ในสาระสำคัญ บริษัท ยังไม่ได้สร้าง (หรือลดลง) การประเมินมูลค่าใด ๆ เพราะการกระทำของ บริษัท แบ่งหุ้น นี่เป็นธรรมจากจำนวนหุ้นสามเท่าและราคาลดลงเหลือหนึ่งในสามของต้นฉบับ อย่างไรก็ตามดัชนีของเรามีการถ่วงน้ำหนักราคาเพียงอย่างเดียวและไม่ได้คำนึงถึงการเปลี่ยนแปลงปริมาณส่วนแบ่ง การพิจารณาราคา $ 30 ใหม่ในการคำนวณจะนำไปสู่การเปลี่ยนแปลงครั้งใหญ่อีกครั้งดังนี้:

ดัชนี AB ใหม่ =

$\frac{$ 32 + $ 30 + $ 9}{2.1739} = 32.66 \ frac { $ 32 + \ $ 30 + \ $ 9} {2.1739} = 32.66$ 32 $ 2.1739 + $ 30 + $ 9 = 32.66

นี่คือวิธีที่ต่ำกว่าค่าดัชนีก่อนหน้าของ 60.26 (ที่ขั้นตอนที่ 5)

ที่นี่อีกครั้งตัวหารต้องเปลี่ยนเพื่อรองรับการเปลี่ยนแปลงนี้โดยใช้เงื่อนไขเดียวกันเพื่อให้เป็นจริง:

$\begin{matrix} ค่าดัชนี = \frac{Σ_{ผม = 0}^{n_{โอ ล. d}} P_{ผม}}{n_{โอ ล. d}} \\ = \frac{Σ_{ผม = 0}^{n_{n อี W}} P_{ผม}}{n_{n อี W}} \end{matrix} \ start {aligned} & \ text {ค่าดัชนี} = \ frac { sum_ {i = 0} ^ {n_ {เก่า}} {P_i}} {n_ {เก่า}} \ & ; = \ frac { sum_ {i = 0} ^ {n_ {ใหม่}} {P_i}} {n_ {ใหม่}} \ \ end {จัดชิด}$ ค่าดัชนี = nold ∑i = 0nold Pi = nnew ∑i = 0nnew Pi

การสรุปราคาใหม่ = $ 71 (3 หุ้น)

ค่าดัชนีที่รู้จักกันดีครั้งล่าสุด = 60.26 (ขั้นตอนที่ 5 ด้านบน) ซึ่งนำไปสู่ค่า n-new หรือตัวหาร = 71 / 60.26 = 1.17822

ใช้ค่าตัวหารใหม่นี้

ดัชนี AB ใหม่:

$\frac{$ 32 + $ 30 + $ 9}{1.17822} = 60.26 \ frac { $ 32 + \ $ 30 + \ $ 9} {1.17822} = 60.26$ 1, 17822 $ 32 + $ 30 + $ 9 = 60, 26

( สมมติว่าหุ้น A & C รักษาราคาวันก่อนหน้าไว้ที่ $ 32 และ $ 9 )

เมื่อมาถึงที่ค่าวันก่อนหน้านี้จะตรวจสอบความถูกต้องของการคำนวณของเรา 1.17822 ใหม่นี้จะกลายเป็นตัวหารใหม่ในอนาคต การคำนวณเดียวกันนี้จะนำไปใช้สำหรับการดำเนินการใด ๆ ขององค์กรที่มีผลต่อราคาหุ้นขององค์ประกอบใด ๆ

หนึ่งตัวอย่างสุดท้าย

สมมติว่าหุ้น A ถูกเพิกถอนและจำเป็นต้องถูกลบออกจากดัชนี AB เหลือเฉพาะหุ้น B & C

$\begin{matrix} สรุปราคาใหม่ = $ 30 + $ 9 = $ 39 \\ ค่าดัชนีก่อนหน้า = 60.26 \\ ใหม่ D = 39 \div 60.26 = 0.64719 \end{matrix} \ start {aligned} & \ text {การสรุปราคาใหม่} = \ $ 30 + \ $ 9 = \ $ 39 \\ & \ text {ค่าดัชนีก่อนหน้า} = 60.26 \\ & \ text {ใหม่} D = 39 \ div 60.26 = 0.64719 \\ & \ text {ค่าดัชนีใหม่} = 39 \ div 0.64719 = 60.26 \ end {จัดชิด}$ การสรุปราคาใหม่ = $ 30 + $ 9 = $ 39 ค่าดัชนีก่อนหน้า = 60.26NewD = 39 ÷ 60.26 = 0.64719

ค่าตัวหาร

การคำนวณ Dow และการเปลี่ยนแปลงค่าทำงานในลักษณะเดียวกัน กรณีข้างต้นครอบคลุมสถานการณ์ที่เป็นไปได้ทั้งหมดสำหรับการเปลี่ยนแปลงดัชนีราคาเช่น Dow หรือ Nikkei ในช่วงเวลาของการอัปเดตบทความนี้ (ธันวาคม 2017) ค่าตัวหาร Dow Jones คือ 0.14523396877348

ค่าตัวหารมีความสำคัญของตัวเอง สำหรับการเปลี่ยนแปลงทุก ๆ $ ของราคาหุ้นที่เป็นส่วนประกอบพื้นฐานค่าดัชนีจะเคลื่อนไหวตามค่าผกผัน ตัวอย่างเช่นหากองค์ประกอบเช่น VISA ขยับขึ้น $ 10 ก็จะนำไปสู่ 10 * (1 / 0.14523396877348) = 68.85442 การเปลี่ยนแปลงมูลค่าของ DJIA

จนกว่าจะมีการเปลี่ยนแปลงใด ๆ ในจำนวนขององค์ประกอบหรือการกระทำขององค์กรใด ๆ ที่มีผลกระทบต่อราคาเดียวกันค่าตัวหารที่มีอยู่จะถูกเก็บไว้

การประเมินระเบียบวิธีของ Dow Jones

แบบจำลองทางคณิตศาสตร์ไม่สมบูรณ์แบบ - แต่ละแบบมาพร้อมกับข้อดีและความตาย การถ่วงน้ำหนักราคาด้วยการปรับตัวหารปกติทำให้ Dow สามารถสะท้อนความเชื่อมั่นของตลาดในระดับที่กว้างขึ้น แต่ก็มีการวิพากษ์วิจารณ์เล็กน้อย การเพิ่มขึ้นของราคาอย่างกะทันหันหรือการลดลงของแต่ละหุ้นสามารถนำไปสู่การกระโดดหรือลดลงอย่างมากใน DJIA สำหรับตัวอย่างในชีวิตจริงราคาหุ้น AIG ลดลงจากประมาณ $ 22 ถึง $ 1.5 ภายในเวลาหนึ่งเดือนนำไปสู่การลดลงของเกือบ 3, 000 จุดใน Dow ในปี 2008 การกระทำขององค์กรบางอย่างเช่นเงินปันผลจะเกิดขึ้น (เช่นการกลายเป็นเงินปันผล ซึ่งการจ่ายเงินปันผลให้แก่ผู้ขายมากกว่าผู้ซื้อ) จะนำไปสู่การลดลงอย่างกะทันหันของ DJIA ในวันที่ผ่านมา ความสัมพันธ์สูงในหลายองค์ประกอบก็นำไปสู่การแกว่งราคาที่สูงขึ้นในดัชนี ดังที่แสดงไว้ด้านบนการคำนวณดัชนีนี้อาจมีความซับซ้อนในการปรับและการคำนวณตัวหาร

แม้จะเป็นหนึ่งในดัชนีที่ได้รับการยอมรับอย่างกว้างขวางและเป็นที่นิยมมากที่สุดนักวิจารณ์ดัชนี DJIA ที่มีการถ่วงน้ำหนักราคาโดยใช้ S&P 500 ที่มีน้ำหนักตามราคาตลาดที่ปรับแบบลอยตัวหรือดัชนี Wilshire 5000 แม้ว่าพวกเขาจะมาพร้อมกับการพึ่งพาทางคณิตศาสตร์ของตนเอง

บรรทัดล่าง

ดัชนีที่เก่าแก่ที่สุดเป็นอันดับสองของโลกตั้งแต่ปีพ. ศ. 2439 แม้จะมีความท้าทายที่เป็นที่รู้จักทั้งหมดและการพึ่งพาทางคณิตศาสตร์ Dow ยังคงเป็นดัชนีที่ได้รับการยอมรับมากที่สุดในโลก นักลงทุนและผู้ค้าที่มองหาการใช้ DJIA เป็นเกณฑ์มาตรฐานควรคำนึงถึงการพึ่งพาทางคณิตศาสตร์ด้วย นอกจากนี้ดัชนีที่ยึดตามวิธีการอื่นควรมีมูลค่าการพิจารณาสำหรับการลงทุนตามดัชนีที่มีประสิทธิภาพ

สารบัญ:

ดาวโจนส์หมายถึงอะไรและคำนวณอย่างไร

ดาวโจนส์คืออะไร?

การคำนวณเบื้องหลังดาวโจนส์

การคำนวณ Dow ในวันที่ 2

การคำนวณในวันที่ 3

การคำนวณ Dow ในวันที่ 4

การคำนวณในวันที่ 5

การคำนวณ Dow ในวันที่ 6

หนึ่งตัวอย่างสุดท้าย

ค่าตัวหาร

การประเมินระเบียบวิธีของ Dow Jones

บรรทัดล่าง

ตัวเลือกของบรรณาธิการ