نقش هوش در موفقیت در بازار سهام


مشاور املاک

کاربرد تکنیک‌های داده کاوی در بازار سهام

بازار سهام (Stock market) یا بورس اوراق بهادار شامل مجموعه‌ای از خریداران و فروشندگان است که به مبادله سهام شرکت‌ها و دیگر اوراق بهادار می‌پردازند. ما در طول سال‌ها دیده‌ایم، بسیاری از افرادی که در این بازارها فعالیت دارند،‌ متحمل خسارات زیادی شده‌اند و حتی در برخی موارد، منجر به ویرانی زندگی آن‌ها نیز شده است. از این رو نیاز به یک سیستم پیش بینی قابل اعتماد و پایدار احساس می‌شود. پیش بینی دقیق قیمت سهام برای کسب سود خوب، بسیار ضروری است.

با این حال نوسانات بازار سهام باعث می‌شود که این نوع پیش بینی‌ها بسیار دشوار باشد. بازار سهام را می‌توان به عنوان یک مسئله داده کاوی و نقش هوش در موفقیت در بازار سهام هوش مصنوعی در نظر گرفت و از تکنیک های داده کاوی جهت پیش بینی قیمت‌ها و هدایت تصمیم‌های سرمایه گذاران استفاده کرد. در ادامه قصد داریم به بررسی تکنیک های داده کاوی در بازار سهام و اوراق بهادار بپردازیم.

نقش تکنیک های داده کاوی در پیش بینی قیمت سهام

نوسانات بازار بورس به صورت مستقیم به سود و زیان سرمایه وابسته است، با اینکه بسیاری از مردم آن را بی‌‌نظم و غیرقابل پیش بینی می‌دانند. اما الگوهایی می‌توان یافت که برخی از نوسانات را پیش بینی ‌کند. در روش‌های مختلف تجزیه و تحلیل بازار سهام به بررسی این الگوها می‌پردازند و از تکنیک‌ها و از استراتژی‌های مختلف علم داده در بورس استفاده می‌کنند تا بتوانند عمدتا به صورت خودکار و با توجه به الگوریتم‌های مختلف تصمیم گیری، سیگنال‌های خرید و فروش تولید کنند.

بورس اوراق بهادار یک سیستم پیچیده، ناپایدار، بی ‌نظم، غیر خطی و پویا است. پیش بینی بازار سهام شامل تشخیص روند بازار، تعیین استراتژی سرمایه گذاری و شناسایی بهترین زمان برای خرید و فروش سهام است. این کار می‌تواند از طریق بررسی هوشمندانه داده های مالی گذشته و کنونی به منظور پیش بینی رفتار آینده بازار سهام انجام شود که جزو داده کاوی در بازارهای مالی می‌باشد.

بنابراین می‌توان آن را به عنوان یک مسئله هوش مصنوعی در زمینه داده کاوی در نظر گرفت. داده کاوی، دانش و فناوری کاوش داده‌ها به منظور کشف الگوهای ناشناخته است و بخشی از فرایند کلی کشف دانش در پایگاه‌های داده (KDD) محسوب می‌شود. در ادامه قصد داریم کاربرد برخی از مهم‌ترین تکنیک های داده کاوی مانند درخت تصمیم، شبکه‌های عصبی، قوانین انجمنی در بازار سهام را بررسی کنیم.

کاربرد درخت تصمیم در بازار سهام

درختان تصمیم یا تصمیم گیری (Decision Tree) ابزاری عالی برای تصمیم‌گیری‌های مالی و مبتنی بر اعداد هستند که در آن‌ها اطلاعات پیچیده زیادی باید در نظر گرفته شود. درختان تصمیم ساختار موثری ارائه می‌دهند که در آن می‌توان تصمیمات جایگزین و پیامدهای ناشی از آن را تعیین و ارزیابی کرد.

آن‌ها همچنین به شما کمک می‌کنند تا تصویری متعادل و دقیق از ریسک‌ها و مزایای ناشی از یک انتخاب خاص ایجاد کنید. در این بخش، ما برخی از کاربردهای درختان تصمیم در بازارهای سهام را معرفی می‌کنیم.

در بازار سهام، یافتن سهام مناسب و زمان مناسب برای خرید از اهمیت زیادی برای سرمایه گذاران برخوردار است. یکی از مهم‌ترین کاربردهای درختان تصمیم، ارائه پیشنهاد در این موارد است. پیش بینی بحران‌های مالی شرکت‌ها برای سرمایه گذاران بسیار مهم است.

یکی دیگر از کاربردهای این تکنیک داده کاوی، پردازش داده‌های اقتصادی شرکت‌ها و ساخت درخت تصمیم برای پیش بینی وضعیت مالی آن‌ها در آینده است. پیش بینی دقیق قیمت سهام اهمیت زیادی دارد و بسیاری از پژوهشگران مطالعات زیادی در این زمینه انجام داده‌اند. یکی از راهکارهای ارائه شده استفاده از درختان تصمیم گیری است که قوانینی برای خرید یا عدم خرید در بازار سهام ارائه می‌دهند.

بررسی‌ها نشان داده است که استفاده از این روش در مقایسه با خریدهای تصادفی، دارای دقت بیشتری بوده است و علاوه بر دقت بالا در پیش بینی قیمت‌ها، بازده سرمایه گذاری را به طور قابل توجهی افزایش داده است. این روش بسیار انعطاف پذیر بوده و قابلیت یادگیری سریع و پایدار دارد.

همچنین، از تکنیک‌ های داده کاوی مبتنی بر درخت تصمیم جهت کشف دانش پنهان حاصل از افشای اطلاعات شرکت‌ها استفاده می‌شود.

کاربرد شبکه عصبی در بازار سهام

در این بخش به بررسی برخی از کاربردهای شبکه عصبی (Neural network) در بازار سهام می‌پردازیم. امروزه حجم زیادی از سرمایه از طریق بازارهای سهام در سراسر جهان مورد معامله قرار می‌گیرد. اقتصاد ملی کشورها به شدت تحت تاثیر عملکرد بازارهای سهام خود هستند.

علاوه بر این، اخیرا این بازارها نه تنها برای سرمایه گذاران استراتژیک بلکه برای افراد عادی نیز به یک ابزار سرمایه گذاری در دسترس‌ تبدیل شده‌اند، در نتیجه نه تنها به پارامترهای اقتصاد کلان مرتبط هستند، بلکه به طور مستقیم زندگی روزمره مردم را تحت تاثیر قرار می‌دهند و بنابراین سازوکاری ایجاد کرده‌اند که دارای تاثیرات مهم و مستقیم اجتماعی است.

ویژگی مشترک همه بازارهای سهام عدم قطعیت است که مربوط به وضعیت آینده آن‌ها در کوتاه مدت و بلند مدت می‌باشد. با اینکه این ویژگی برای سرمایه گذاران نامطلوب است اما هر زمان بازار سهام به عنوان ابزار سرمایه گذاری انتخاب شود، گریز از آن نیز اجتناب ناپذیر است. بهترین کاری که در این خصوص می‌توانید انجام دهد تلاش برای کاهش نقش هوش در موفقیت در بازار سهام این عدم اطمینان است. پیش بینی بازار سهام یکی از ابزارهای مقابله با عدم اطمینان است.

یکی از کاربردهای شبکه‌ عصبی، پیش بینی موثر مقادیر آینده بازار سهام می‌باشد. نتایج نشان داده است که استراتژی‌های معاملاتی مبتنی بر شبکه‌های عصبی، سودهای تعدیل شده در برابر ریسک بیشتری (Risk-adjusted) نسبت به استراتژی‌هایی مانند خرید و نگهداری (buy-and-hold) ارائه می‌دهند.

یک نقش هوش در موفقیت در بازار سهام مدل پیش بینی مبتنی بر شبکه عصبی و یک سیستم استخراج هوشمند توسط تعدادی از کارشناسان داده کاوی توسعه یافته است که می‌تواند با توجه به پیش بینی روند آینده بازار سهام، سیگنال خرید و فروش تولید کند. نتیجه شبیه‌سازی آن بر روی داده‌های شاخص بازار سهام بورس شانگهای نشان می‌دهد که بازده حاصل از این سیستم استخراج حدود سه برابر بیشتر از سود حاصل از استراتژی خرید و نگهداری است.

پیش بینی دقیق نوسانات بازار بورس، وظیفه اصلی مدیریت ریسک است. یکی دیگر از کاربردهای شبکه‌های عصبی پیش بینی نوسانات شاخص قیمت سهام از دو جنبه نوع انحراف و جهت است.

کاربرد خوشه بندی در بازار سهام

به طور کلی، یافتن شرکت‌هایی که در طول زمان دارای رفتاری مشابه در بازار سهام هستند برای تحلیلگران بسیار مفید است. استفاده از تکنیک خوشه بندی (Clustering) یک استراتژی مناسب برای این منظور است.

داده‌ها بخشی از سیستم تحلیل و پیش بینی بازار سهام شامل سیستم‌های خبره و خوشه بندی قیمت سهام هستند. محققان از یک رویکرد خوشه بندی هوشمندانه برای تجزیه و تحلیل شرکت‌های شاخص داو جونز استفاده کرده‌اند تا الگوهای رفتاری یکسان قیمت‌های سهام را شناسایی کنند. در این روش شرکت‌هایی که دارای ویژگی‌های مشابهی بودند در یک گروه قرار گرفتند.

علاوه بر این، از خوشه بندی شرکت‌های حاضر در بازار بورس که رفتار مشابهی دارند می‌توان در بهینه سازی سبد سهام بهره برد.

کاربرد قوانین انجمنی در بازار سهام

کشف قوانین انجمنی (Association rule) یکی از مهم‌ترین مسائل داده کاوی است و تحقیقات زیادی نیز در این زمینه انجام شده است. از قوانین انجمنی بیشتر برای تعیین روابط بین موارد یا ویژگی‌هایی که به طور هم زمان در پایگاه داده رخ می‌دهد، استفاده می‌شود.

به عنوان مثال، اگر افرادی که کالای X را خریداری می‌کنند از کالای Y نیز استفاده کنند، احتمالا بین کالای X و Y رابطه وجود دارد و این نوع اطلاعات برای تصمیم گیرندگان مفید است. بنابراین، هدف اصلی از اجرای الگوریتم‌های قوانین انجمنی یافتن روابط هم زمان از طریق تجزیه و تحلیل داده‌های تصادفی و استفاده از آن‌ها به عنوان مرجعی برای تصمیم‌گیری است.

یکی از مهم‌ترین مشکلات در امور مالی امروزی یافتن روش‌های کارآمد برای خلاصه سازی و تجسم داده های بازار سهام است که به افراد یا موسسه‌های مالی اطلاعات مفیدی در مورد رفتار بازار به منظور استفاده در تصمیمات سرمایه گذاری ارائه می‌دهد.

حجم عظیم داده‌های ارزشمند تولید شده توسط بورس سهام و اوراق بهادار، محققان را واداشته است تا با استفاده از روش‌های مختلف، راهی برای یافتن قوانین موجود در بازار سهام پیدا کنند. یکی از این روش‌ها استفاده از یک الگوریتم داده کاوی دو مرحله‌ای با استفاده از قوانین انجمنی است.

در این روش، در مرحله اول از قوانین انجمنی برای استخراج دانش و نمایش الگوها و قوانین موجود در بازار سهام به منظور تعیین دسته سهام‌های مرتبط جهت سرمایه گذاری احتمالی استفاده می‌شود، سپس از الگوریتم‌های خوشه بندی برای تجزیه و تحلیل دسته‌های مختلف و انتخاب بهترین سهام بهره می‌برند.

معاملات الگوریتمی چیست؟

معاملات الگوریتمی (Algorithmic trading) به معنی استفاده از برنامه‌ یا الگوریتم‌های کامپیوتری (مجموعه‌ای از دستورالعمل‌های تعریف شده) برای ثبت سفارشات خرید و فروش در بازارهای مالی الکترونیکی است و معمولا بدون دخالت انسان انجام می‌شود. به این روش، معاملات خودکار، معاملات جعبه سیاه (Black-box) یا معاملات الگو (Algo-trading) نیز گفته می‌شود. در الگوریتم‌های مربوط به این روش معاملاتی به صورت فراوان از تکنیک های داده کاوی و یادگیری ماشین استفاده می‌شود.

معاملات الگوریتمی

از نظر تئوری حجم سود کسب شده و سرعت دستیابی به آن در این روش معامله گری به اندازه‌ای است که برای عامل انسانی غیرممکن است. الگوریتم‌های تعیین شده بر اساس زمانبندی، قیمت، حجم و مدل‌های ریاضی تصمیم می‌گیرند. معاملات الگوریتمی به غیر از خلق فرصت‌های سودآوری برای معامله گران، با حذف تاثیر عواطف انسانی بر فعالیت‌های تجاری، میزان نقدینگی را در بازارها افزایش داده و معاملات را به روشی سازمان یافته انجام می‌دهند.

جمع بندی و نتیجه گیری

با افزایش جهانی سازی اقتصاد و تکامل فناوری اطلاعات، داده‌های مالی با سرعت بی‌سابقه‌ای تولید و انباشته می‌شوند. در نتیجه، نیاز جدی به رویکردهای خودکار برای استفاده موثر و کارآمد از انبوه داده‌های مالی برای حمایت از افراد و موسسه‌های مالی در برنامه ریزی استراتژیک و تصمیم گیری جهت سرمایه گذاری احساس می‌شود.

برای این منظور از تکنیک های داده کاوی برای کشف الگوهای پنهان و پیش بینی روندها و رفتارهای آینده در بازارهای مالی استفاده می‌شود. مزایای رقابتی حاصل از داده کاوی شامل افزایش درآمد، کاهش هزینه‌ها، پاسخگویی و آگاهی بیشتر در بازارهای مالی مانند بورس است.

در سال‌های اخیر مطالعات و مشارکت‌های زیادی در خصوص تکنیک های داده کاوی به منظور رفع مسائل مربوط به بازار سهام و دیگر بازارهای مالی انجام شده است. مطالعه و بررسی روش‌ پیاده سازی رویکردهای داده کاوی و ادغام آن‌ها در تحقیقات بازار سهام در بورس اوراق بهادار تهران نمونه‌ای از این مشارکت‌ها است.

برای موفقیت در بازار سهام با استفاده از تکنیک های داده کاوی،‌ علاوه بر الگوریتم انتخابی، کیفیت داده‌ها و روش آماده سازی داده‌ها به ویژه در پایگاه‌های داده مالی اهمیت زیادی دارد.

در برخی مواقع، دانش حاصل از داده کاوی بسیار پیچیده است و درک روابط به دست آمده نقش هوش در موفقیت در بازار سهام به سادگی امکان پذیر نیست. برای ارائه مناسب داده‌ها به گونه‌ای که به راحتی برای همگان قابل درک باشد، از روش مصور سازی داده‌ها (Data visualization) استفاده می‌شود. مصور سازی داده‌ها بخشی از آمار توصیفی است که به بررسی روش ‌های نمایش داده‌ها و انتقال اطلاعات به مخاطبان عام می‌پردازد.

یکی از مهم‌ترین اهداف مصور سازی داده‌ها، انتقال بهینه اطلاعات حاصل از الگوریتم‌ها و تکنیک های داده کاوی به مخاطب با استفاده از روش‌های داده ‌نمایی است. بهره گیری از راهکارهای بهینه مصور سازی، افراد را قادر به تحلیل داده‌ها و استدلال مناسب در مورد آن‌ها می‌کند.

نقش هوش در موفقیت در بازار سهام

You are using an outdated browser. Please upgrade your browser to improve your experience.

menu

«ملی پلاس» مظهری از آینده شعب بانک هاست
بیست و هفتمین المپیاد ورزشی کارکنان بانک ملی ایران در مشهد افتتاح شد
بانک ملی ایران با ابزارهای متنوع آماده ارائه هرگونه خدمات مالی به طرح های عمرانی در مشهد است
رونمایی از محصولات جدید «تامین سرمایه تمدن» در کیش اینوکس 2022
خروج سهامداران از بورس
عمده سودآوری بیمه کوثر از محل سرمایه گذاری در بازار سهام نقش هوش در موفقیت در بازار سهام است
برنامه‌های اعتباری بانک توسعه تعاون در استان‌های کمتر برخوردار
ثبات قیمت انواع سکه و طلا در هفته گذشته
پیروزی ترامپ، بورس ایران را سرخ پوش کرد
بیمه رازی اولین شرکت ایرانی با رتبه اعتباری بین المللی
سهامداران، صورت های مالی موسسه کوثر را تصویب کردند
پیش بینی رشد 29 درصدی درآمدهای مالیاتی در سال 95
هنرمندان، نویسندگان و روزنامه نگاران بیمه تکمیلی می شوند
تغییر رییس بورس به مذاق سهامداران خوش آمد
سکان بورس راچه کسی تحویل گرفت
سود خالص 11.633 میلیارد ریالی بانک پاسارگاد در سال 94
اقتصاد مقاومتی تنها راه درمان اقتصاد ایران است
شاخص ها هفته را سبز پوش آغاز کردند
بیمه کوثر و موسسه اعتباری کوثر به مشتریان یکدیگر خدمات می دهند
بانک شهر هیچ گونه وابستگی به شهرداری تهران ندارد
برای بانک شدن لازم باشد افزایش سرمایه می دهیم
اوراق رهنی؛ نقطه اتصال بازار پول و سرمایه برای تامین مالی
مدیرعامل فناپ: نگاه به اقتصاد مقاومتی یک نگاه ریاضت اقتصادی نیست
استعفا مدیرعامل بانک دی
وزیر اقتصاد با استعفای رییس کل بیمه مرکزی موافقت کرد
رییس کل بیمه مرکزی استعفا کرد
موسسه اعتباری کوثر محصولات سایپا را لیزینگی می فروشد
بانک صادرات سود سهام سال 94 را محقق کرد
ارتقای رسمی موسسه آموزش عالی خاتم به دانشگاه با حضور وزرای ارشاد و علوم
سختی های زیادی در این دو سال و نیم کشیدم
جزییات پرداخت وام 160، 120 و 80 میلیونی مسکن
تجربیات دوران تحریم را در پساتحریم حفظ می کنیم
بانک پاسارگاد واحد کارآفرین و اشتغالزای کشور معرفی شد
برخی از روسای شعب برای خودشیرینی نرخ ها را تغییر می دهند
شهرداری از بانک شهر بابت شعب الکترونیک، اجاره بها نمی گیرد
بیمه زندگی خاورمیانه مجوز عرضه سهام گرفت
تجلیل از مدیرعامل موسسه کوثر به عنوان رهبر کارآفرین اقتصادی و اجتماعی
به هیچ وجه تک سهم نخرید
اولین جشنواره برترین بیمه گذاران باشگاه مشتریان بیمه ما

هوش و موفقیت در بازارهای مالی

آیا میان نبوغ افراد و سرمایه گذاری آنها رابطه ای وجود دارد؟

in out refresh

print version

بی تردید اسحاق نیوتن یکی از نوابغ تاریخ بشر محسوب می شود و خدمات او به علم فیزیک و ریاضی شگفت آور است اما آیا هوش این نابغه بریتانیایی برای سرمایه گذاری موفق در بازارهای مالی کفایت می کرد؟ پاسخ منفی است. در واقع اسحاق نیوین که لقب سر را هم دریافت کرده در میان بازندگان یکی از نخستین حباب های تاریخ بازارهای مالی جای گرفته که نام کمپانی دریای جنوبی (South Sea Company) در آن به چشم می خورد.

اسحاق نیوتن در سال 1719 و زمانی که سهام کمپانی دریای جنوبی حدود 200 پوند ارزش داشت بخشی از سهام این شرکت را خریداری کرد و سپس زمانی که ارزش سهام این کمپانی به حدود 370 پوند رسید از بازار خارج شد. تا همین جا نیز نیوتن به اندازه قابل توجهی سود کرده بود اما سهام شرکت همچنان رشد می کرد و دوستان نیوتن که هنوز سهام خود را نفروخته بودند به میزان قابل توجهی ثروتمندتر شده بودند. به همین خاطر نیوتن بار دیگر تصمیم گرفت که سرمایه خود را به خرید سهام کمپانی دریای جنوبی اختصاص دهد.

او زمانی بار دیگر وارد بازار شد که ارزش سهام شرکت تا حدود 700 نقش هوش در موفقیت در بازار سهام پوند بالا رفته بود. این روند صعودی ادامه داشت تا جایی که حتی بسیاری انتظار داشتند که ارزش سهام شرکت به 1000 پوند برسد اما در همان زمان دوران بد شرکت فرا رسید و حباب شکل گرفته در بازار سهام به شدت ترکید. طی حدود یکسال از زمان نخستین سرمایه گذاری نیوتن در این بازار، ارزش سهام کمپانی دریای جنوبی به کمتر از 200 پوند رسید و تازه آنجا بود که نیوتن سهام خود را فروخت .

سرمایه گذاری اسحاق نیوتن در سهام کمپانی دریای جنوبی با زیانی 20 هزارپوندی همراه بود که حدودا معادل 3 میلیون پوند امروزی است. در واقع تجربه نیوتن نشان می دهد که هوش به تنهایی برای موفقیت در بازارهای مالی کافی نیست و شناخت بازار نیز در این میان نقش پررنگی بازی می کند .

آیا هوش مصنوعی در بورس به موفقیت می‌رسد؟

در ماه‌های اخیر بورس و بازار سهام مورد توجه بسیاری از افراد در سراسر جهان قرار گرفته، البته وضعیت بازار در تمام کشورها مناسب نیست و مانند همیشه نوسانات شدیدی دارد، نوساناتی که شاید هوش مصنوعی در پیش‌بینی آن‌ها موفق باشد.

به تازگی یک نرم افزار مبتنی بر هوش مصنوعی توسعه پیدا کرده که می‌تواند وضعیت بازار را پیش‌بینی کند، اما آیا می‌توان با هوش مصنوعی در این بازار به برتری دست پیدا کرد؟ آیا هوش مصنوعی قادر به شکست بزرگترین تحلیلگران بازار خواهد بود؟

در سیاتل یک سوپرکامپیوتر در دفتری توسعه پیدا کرده که قصد دارد با تحلیلگران سرشناس وال استریت رقابت کند. در این دفتر ۸ ردیف سرور درون فریمی مشکی رنگ قرار گرفته‌اند و ۴۰۰ کامپیوتر در این فریم چشمک می‌زنند. این کامپیوترها داده‌های بازار را با سرعت بالایی تحلیل می‌کنند و پاسخگوی درخواست‌های معامله‌گران در شیکاگو هستند. برای تحلیل وضعیت از ۱۰ مانیتور استفاده می‌شود که خروجی را نشان می‌دهد.

به علت شیوع کرونا رکود در جهان حاکم است و اقتصاد وضع مناسبی ندارد، اما این موضوع باعث نشده که «جک گلیکمن» و شرکت مشاوره سرمایه‌گذاری آن، «J4 Capital» تصمیم به خروج از بازار بگیرند. وضعیت این صندوق پوشش ریسک خوب است، حتی اگر بازار وضعیت جالبی نداشته باشد. نزدیک به یک ماه پیش ارزش سرمایه‌گذاری‌های J4 Capital نزدیک به ۴ درصد افزایش پیدا کرد، در حالی که شاخص داو جونز در آن زمان کاهش ۲۷ درصدی را تجربه می‌کرد.

بسیاری از مهندسان اقتصادی باور دارند که شکست بازار سهام توسط یک ماشین تنها به بوسیله دستگاه‌های خود، غیرممکن است. اطلاعات بازار سهام بسیار بهم ریخته و تصادفی هستند که باعث می‌شود امکان پیش‌بینی آن‌ها وجود ندارد. سوابق تجاری محدود به ۱۰۰ سال گذشته می‌شوند و قانون میانگین نیز بی‌رحم است. هرگونه سیگنال قابل پیش‌بینی که وجود داشته باشد، شرکت‌های رقیب سریعا به آن دست می‌یابند و نابودش می‌کنند. در حالی که برخی صندوق‌ها از الگوریتم‌ها برای معاملات با فرکانس بالا استفاده می‌کنند، اما اغلب آن‌ها را مجددا برنامه‌ریزی می‌کنند و بهبود می‌دهند.

رقابت سنگین در این بخش از بازار باعث می‌شود که سود بسیار کمی برای شرکت‌های جدید وجود داشته باشد. یک معامله‌گر بسیار توانمند با نرخ موفقیت ۵۱ درصد هیجان‌زده می‌شود، البته هنوز این کار ریسک بالایی دارد. «Renaissance Technologies» شاید سودآورترین صندوق پوشش ریسک در این بخش باشد که با پیش‌بینی‌های خود ثروت زیادی بدست آورده است. با وجود این موفقیت، J4 Capital ادعا می‌کند که نرخ موفقیت سرمایه‌گذاری‌های آن نزدیک به نقش هوش در موفقیت در بازار سهام ۶۰ درصد است.

گلیکمن اطلاعات کمی درباره مسائل مالی دارد. این مهندس کامپیوتر ۵۹ ساله تا به امروز در وال استریت یا بانک‌های بزرگ کار نکرده و به همین دلیل سوپرکامپیوتر آن در بخش‌های مختلف معامله نمی‌کند که درآمد محدود آن را در پی داشته. گلیکمن علاوه بر اینکه دانش مالی ندارد، الگوریتم سرمایه‌گذاری برای این سوپرکامپیوتر نیز توسعه نداده تا توسط آن ورودی‌ها را انتخاب کند. گلیکمن بجای این کار، یک کامپیوتر فوق‌العاده هوشمند خلق کرده که خودش را برنامه‌ریزی مجدد می‌کند.

در دنیای صندوق‌های پوشش ریسک با ادعاهای زیادی روبه‌رو می‌شویم که تنها شمار کمی از آن‌ها حقیقت دارند. در همین راستا دو فرد تحصیل کرده با تخصص در زمینه الگوریتم‌های مالی درباره نوآوری انقلابی J4 Capital ابراز تردید کرد‌ه‌اند، البته هیچ کدام از آن‌ها با شرکت آشنایی نداشتند. گلیکمن که صاحب چندین پتنت در زمینه پردازش تصویر، شناسایی الگوها و فناوری شبکه است، اصرار دارد که هوش مصنوعی آن واقعا کار می‌کند.

گلیکمن اعلام کرده نرم افزاری که او اجرا می‌کند، نوعی از اثبات قضیه است، یک الگوریتم غیرقطعی که مجموعه‌ای از داده‌ها را مورد بررسی قرار می‌دهد و فرضیه‌ای بر اساس آنچه می‌بیند، مطرح می‌کند. نحوه عملکرد این نرم افزار شبیه به مغز انسان در زمان تجزیه و تحلیل اطلاعات برای کشف موارد ناشناخته است. هوش مصنوعی گلیکمن این قضایا را با افزایش سطح انتزاعی ریاضی آزمایش می‌کند. به گفته این مهندس، نتیجه کار فوق‌العاده قوی است.

ترفند اصلی این نرم افزار، تغییرات مداوم در بازار است. همانطور که شاید بدانید برخی مواقع سرمایه‌گذاران به سراغ طلا و گاهی به سراغ نفت می‌روند. گلیکمن در این زمینه گفته:

«بعضی مواقع بازار از اتفاقاتی که در جهان رخ می‌دهند، می‌ترسد که برای مثال می‌توان به جنگ‌ها یا آزمایش موشک‌های هسته‌ای توسط کره شمالی اشاره کرد. این ترس‌ها باعث می‌شوند که بازار واکنش منفی از خود نشان دهد و سرمایه‌گذار ضرر کند.»

حرکات بازار تصادفی به نظر می‌رسند، اما در پایان روز سرمایه‌گذاران اطلاعات خود را از منابع یکسان مانند مصرف نفت و قیمت‌ها، میزان ابتلا به کرونا و وال استریت ژورنال تامین می‌کنند. اما آیا هوش مصنوعی می‌تواند تمام این اطلاعات را تحلیل کند؟ گلیکمن هوشمندانه از کلمه تصادفی استفاده می‌کند مانند اینکه هرج و مرج در جهان تنها یک توهم است تا یک نظم اساسی را مخفی کند. وی ادامه می‌دهد:

«زمانی که اطلاعات بسیار پیچیده می‌شوند، مغز انسان نمی‌تواند آن‌ها را متوجه شود. در حالی که شاید ما فکر کنیم که این اطلاعات تصادفی هستند، اما چنین چیزی وجود ندارد. ما تنها با اطلاعات پیچیده‌ای روبه‌رو هستیم که از توانایی ذهنی انسان بالاتر است، اما سوپرکامپیوترها توانایی تحلیل آن‌ها را دارند.»

گلیکمن از دانشگاه ایلینوی مدرک کارشناسی خود را دریافت کرد اما هیچ وقت به سراغ کارشناسی ارشد نرفت و سعی کرد ایده‌های خود را به کسب و کارهای قابل رشد و توسعه تبدیل کند. در اوایل دهه ۸۰ میلادی شرکت «Thumb Scan» را تاسیس کرد که از برخی از پتنت‌های اولیه در زمینه امنیت بیومتریک و اثر انگشت محافظت می‌کند. پس از این شرکت، گلیکمن کسب و کار مشاوره‌ای خود را راه‌اندازی کرد و با شرکت‌هایی مانند فورد و جنرال موتورز همکاری داشت اما پیچیدگی‌های صنایع نظامی توجه او را به خود جلب کرد. وزارت دفاع بدنبال هوش مصنوعی برای پیش‌بینی قدرت نظامی نیروهای خارجی بود نقش هوش در موفقیت در بازار سهام و گلیکمن در این زمینه مشغول بکار شد.

پس از آن ارتش خواستار برنامه‌ای شد که بتواند از سیگنال‌های رادیویی برای شناسایی سیلوهای موشک‌ در شبکه‌های رمزگذاری شده مرکز فرماندهی و کنترل استفاده کند. یکی دیگر از پروژه‌هایی که گلیکمن برای ارتش انجام داد، توسعه یادگیری ماشینی برای بهبود تحلیل هوایی زیرساخت‌های دشمن بود تا پنتاگون بتواند با بمب‌های سبک‌تر به میزان خسارت موردنیاز خود دست پیدا کند و هزینه‌ها را کاهش دهد.

در حالی این موارد مشکلات نظامی مهمی بودند و حقوق مناسبی به برطرف‌کننده‌ها پرداخت می‌شد، اما یکی از وظایفش که مهندسی معکوس برای پیش‌بینی دقیق عدد تصادفی بعدی بود، باعث شد گلیکمن به فکر هوش مصنوعی مخصوصی بیفتد. در این هنگام گلیکمن بدنبال پاسخ این سوال بود که چه ارتباطی میان حرکت تصادفی ذرات معلق در یک سیال و نوسان بازار سهام وجود دارد. پس از سال‌ها جستجو برای پیدا کردن جواب این سوال، در سال ۲۰۰۰ به یک کتاب دست پیدا کرد که عنوان «شکست بازار» را یدک می‌کشید. این کتاب باعث شد گلیکمن به سراغ استفاده از یادگیری ماشینی برای شکست بازار سهام برود.

در سال ۲۰۰۴ این مهندس کامپیوتر متوجه شد که به یک نرم افزار جدید مبتنی بر هوش مصنوعی نیاز دارد، یک اثبات‌کننده فرضیه که می‌تواند خود را مجددا برنامه‌ریزی کند تا مدل‌های جدید از اطلاعات مالی تولید کند. در میان سال‌های ۲۰۰۵ تا ۲۰۱۰، وی مشغول کار روی این پروژه بود و به پیش‌بینی‌های قابل اعتماد نزدیک و نزدیک‌تر می‌شد. با این وجود، همچنان نمی‌دانست که چگونه از نرم افزار خود استفاده کند، اما در نهایت شرکتی برای مدیریت مالی تاسیس کرد.

در حالی که شرکت‌های مدیریت مالی به زیرساخت‌ها و تجهیزات زیادی نیاز ندارند، اما کار آن‌ها بسیار سخت است. گلیکمن برای تاسیس شرکت خود توانست با یک نابغه که در ۱۹ سالگی مدرک MBA گرفته بود، همکاری کند. پس از مدت‌ها بالاخره در ژوئن ۲۰۱۵ گلیکمن از نرم افزار خود استفاده کرد و برای یک روز کامل با آن محاسبات انجام داد. او امیدوار بود که هوش مصنوعی آن بتواند وضعیت شاخص S&P 500 را برای روز بعدی پیش‌بینی کند، اما نمی‌دانست که چگونه این نرم افزار باید به نتیجه برسد.

مدل‌های یادگیری عمیق و نقش هوش در موفقیت در بازار سهام شبکه‌های عصبی یک مشکل رایج دارند که با نام «جعبه سیاه» شناخته می‌شوند: میلیون‌ها یا حتی میلیاردها عملیات محاسباتی هوش مصنوعی می‌تواند درک این موضوع که آن چگونه به نتیجه مشخصی می‌رسد را تقریبا برای ما غیرممکن کند. این موضوع باعث شد که گلیکمن تصمیم بگیرد که یک «جعبه سفید» بسازد.

این مهندس و شریک آن برای اینکه بفهمند هوش مصنوعی در ۸ ساعت اول چه کارهایی انجام داده است، نزدیک به یکسال تحقیق کردند. این نرم افزار کار خود را با ساخت تئوری شروع می‌کند و پس از اینکه متوجه می‌شود که جبر وجود دارد و از آن می‌توان برای تفسیر داده‌ها استفاده کرد، آن را نگه می‌دارد. سپس هندسه را کشف می‌کند و در مراحل بعدی به سراغ مثلثات و حسابان می‌رود. در مرحله بعدی معادلات دیفرانسیل جزئی را کشف می‌کند و در نهایت هوش مصنوعی به سطح بالایی از ریاضیات دست می‌یابد.

پس از اینکار، گلیکمن به هوش مصنوعی خود اجازه می‌دهد که به صورت آزمایشی شروع به معامله کند که اگرچه در ابتدا سرعت کمی داشت اما با گذر زمان سریع و سریع‌تر شد. با افزایش تعداد معاملات، نوسان خروجی‌ها کاهش پیدا کرد و شکست بازار سرمایه امکان‌پذیر شد. شاید برای درک نحوه کار سوپرکامپیوتر گلیکمن نیازی به داشتن دانش بالایی در زمینه ریاضی نداشته باشید، اما همچنان با یک فناوری اختصاصی روبه‌رو هستیم و نمی‌توانیم درباره خودکار بودن آن اظهارنظر خاصی بکنیم.

با شیوع کرونا گلیکمن در خانه قرنطینه شده اما سوپرکامپیوتر آن همچنان به فعالیت خود ادامه می‌دهد. زمانی که برای اولین بار ویروس کرونا در ژانویه به واشنگتن رسید، گلیکمن شروع به آزمایش این موضوع کرد که کامپیوتر اگر تنها بماند، می‌تواند کارهای خود را انجام دهد یا خیر. این کار برای دو هفته انجام شد که نتیجه آن، عملکرد مناسب سیستم بدون نیاز به انسان بود.

زیرساخت‌های معاملات مانند سوپرکامپیوتر خودکار هستند که این موضوع باعث شده ابررایانه J4 با مشتریان خود در ارتباط باشد، معاملات را انجام دهد و در مواقع ضروری خود را خاموش یا ریبوت کند. گلیکمن برای افزایش کارایی سیستم خود یک مهندس فعال در حوزه ابری را استخدام کرد و هم اکنون این ابررایانه می‌تواند در لندن و هنگ کنگ نیز معامله کند و پاسخگوی درخواست ۱۰۰۰ یا حتی ۱۰ هزار مشتری باشد.

در حال حاضر J4 Capital یک شرکت کوچک محسوب می‌شود که گلیکمن برای ایجاد آن از دوستان و اعضای خانواده خود ۱۰ میلیون دلار پول قرض و ۴۰۰ سرور برای سوپرکامپیوتر خود تهیه کرد. این صندوق برای مدیریت پول ۲ درصد کارمزد می‌گیرد و ۲۰ درصد نیز از سود نقش هوش در موفقیت در بازار سهام دریافت می‌کند، نرخ‌هایی که در صندوق‌های پوشش ریسک یک استاندارد است.

این شرکت وظیفه مدیریت ۷.۲ میلیون دلار سرمایه را تا پایان ۲۰۱۹ برعهده داشت، با این حال گلیکمن امیدوار است که حجم سرمایه‌ها در آینده نزدیک به بیش از ۱۰۰ میلیون دلار برسد که این موضوع باعث می‌شود برای تشکیل پرونده به کمیسیون بورس و اوراق بهادر ایالات متحده آمریکا فراخوانده شود.

در حالی که این ابررایانه در حال چاپ اسکناس است، سازنده آن خانه‌نشین شده و روی بخش‌های دیگری از تجارت خود تمرکز کرده که شامل پیدا کردن سرمایه‌گذاران جدید برای خرید تجهیزات بیشتر برای افزایش قدرت سوپرکامپیوتر و در نتیجه جذب سرمایه‌ بیشتری برای مدیریت می‌شود. در حالی که J4 Capital قصد ندارد تبدیل به Renaissance Technologies دوم شود، می‌خواهد فعالیت‌های خود را افزایش دهد.

گلیکمن تنها به انجام معامله در بازار بورس راضی نیست و می‌خواهد ماشینش در بازارهای بیشتری حضور داشته باشند. حالا که این ابررایانه در حال آمادگی برای حضور در بازار سهام کشورهای خارجی است، سازنده آن می‌خواهد اوراق قرضه و سایر محصولات اعتباری را معامله کند. این احتمال وجود دارد که این هوش مصنوعی عملکردی بالاتر از بازارهای مالی داشته باشد و به سراغ حل مشکلات در زمینه‌های لجستیک و مدیریت زنجیره تامین برود، حوزه‌های که مشتریان خواستار کمک در آن‌ها هستند.

برای گلیکمن فرقی نمی‌کند که سوپرکامپیوتر آن چگونه کار می‌کند چرا که هدف نهایی آن مانند سایر کسب و کارهاست. این مهندس کامپیوتر در نهایت اعلام کرده:

«هدف ما ایجاد یک کسب و کار و درآمدزایی از آن است. ما یک شرکت در وال استریت نیستم و فقط می‌خواهیم در فضای آن‌ها نقش داشته باشیم. ما در حقیقت یک شرکت فناوری هستیم و برای ایجاد یک تجارت سودآور تلاش می‌کنیم و از آن سود بدست می‌آوریم، مانند سایر شرکت‌های فناوری که در بازار حضور دارند.»

نقش هوش مالی در موفقیت مشاورین املاک

مشاور املاک

مشاور املاک

داشتن هوش مالی در هر کاری، به ما کمک می‌کند تا راحت‌تر، سریع‌تر و با خطر کمتری، به آنچه قصد رسیدن به آن را داریم، برسیم. هوش مالی مشاور املاک، هوش مالی در بورس، هوش مالی در بازار طلا و …. اصطلاحاتی است که هر روزه، به گوشمان خورده و بر آن تاکید می‌شود. رسیدن به ثروت، هدف نهایی ما از کسب درآمد است. گرچه داشتن کار و موفقیت، از بعد روانی نیز، ما را حمایت خواهند کرد، رسیدن به هدف مالی و صرف آن برای امکانات و معنویات و آرامش، در اولویت قرار دارد. برخی کارها، با توجه به بازار فعال و پرفرازونشیبی که دارند، به این هوش، بیشتر احتیاج دارند. بازار مسکن و همچنین شرکت و سرمایه‌‌گذاری در این بازار، از جمله کسب‌وکارهایی است که به هوش مالی نیاز دارد. هوش مالی مشاور املاک بحث امروز ما در این مقاله خواهد بود. با تعریفی بر هوش مالی در بازار مسکن، بحث را شروع کرده و به چند راه ساده برای افزایش هوش مالی در املاک، خواهیم پرداخت.

هوش مالی در املاک چیست؟

تصور کنید، می‌خواهید وارد خریدوفروش و ساخت‌وساز خانه و آپارتمان شوید. ملکی خریداری می‌­کنید و منتظر می‌مانید تا در موقعیت مناسب، ملک را با قیمت بالاتری به فروش برسانید. با بالا رفتن قیمت مسکن خوشحال و خوشحال‌تر شده و منتظر افزایش قیمت بیشتری خواهید شد. شما با این امید، ملک را در اوج قیمت مسکن، به فروش نرسانده و در سرازیری قیمت‌ها متوجه سودی که از دست دادید می‌شوید، مسلما این تجربه برای هر کسی، یکسان نیست. در این زمان شما از روی شانس، پیش رفتید، همگام با شما، افراد دیگری نیز بودند که در حین بالا رفتن قیمت، بازار را تجزیه و تحلیل کردند و دلیل این بالا رفتن قیمت را متوجه شدند. با دانستن دلیل افزایش ناگهانی قیمت ملک، خطرات کار را پیش‌بینی کرده و در موقعیت مناسب با به‌کارگیری هوش مالی در بازار مسکن، املاک سرمایه‌گذاری‌شان را به فروش رساندند. همین افراد، در سرازیری قیمت بازار مسکن، پول خود را وارد سرمایه می‌کنند و دوباره بکار می‌گیرند. این در حالیست که شما در رکود سرمایه به سر برده‌اید. شخص دیگری نیز وجود دارد، که با افزایش قیمت بازار، طمع کرده و در اوج قیمت‌ها دست به خرید املاک، به عنوان سرمایه، زده است. همچین فردی با رکود بازار، ضرر جبران ناپذیری متحمل شده است. به نظر شما، چه چیزی در این بین تعیین‌کننده سود و زیان افراد است؟ آیا بازار مسکن، همانند بازی قمار عمل می‌کند؟ مسلما نه! در این بازی، کسی برنده خواهد شد که از هوش مالی فعال‌تری نسبت به دیگر رقبایش برخوردار باشد؛ با استفاده از هوش مالی در املاک تله‌های بازار را بشناسد و بتواند آینده بازار مسکن را تجزیه‌وتحلیل نماید. همه‌ی سه گروهی که در بالا به آن اشاره کردیم، از یک میزان سرمایه برخوردار بودند. میزان هوش مالی در املاک، برای آنها کسری سرمایه یا افزایش سرمایه را به همراه داشت.

هوش مالی

هوش مالی

عوامل تاثیرگذار در هوش مالی

هوش مالی در همه‌ی افراد وجود دارد. هوش مالی چیزی متفاوت از هوش عادی ما نیست؛ اگر هوش خود را در زمینه مالی بکار بگیریم و با آزمون و خطا و تجربه، آن را تمرین دهیم و بکار بگیریم، هوش مالی ما قوی‌تر می‌شود. بعضی‌ها علاقه‌ای به استفاده از هوش و استعداد خود در زمینه پیشرفت در حوزه‌های مالی ندارند. این افراد چون به دنبال هوش مالی نیستند، فکر می‌کنند از آن بی‌بهره‌اند. هوش مالی در املاک هم به همین صورت است. سرمایه‌گذاران در زمینه املاک، دو گروهند:

گروه اول سعی در فعال کردن هوش مالی در املاک و سرمایه‌گذاری‌شان دارند و گروه دوم تلاشی برای این موضوع نمی‌کنند. این مورد دلیل فقدان هوش مالی در گروه دوم نیست. هوش مالی خود را باور کنید و از آن در کسب‌وکار خود استفاده کنید. مطالعه و افزایش آگاهی در فعال کردن هوش مالی در بازار مسکن، بسیار تاثیر گذار است. البته تا زمانی که افزایش هوش مالی به مرحله عملی نیز راه پیدا کند. افزایش آگاهی تئوری در زمینه هوش مالی مشاور املاک، کافی نیست. سعی کنید مطالعات و تجزیه و تحلیل‌های خود را آزمایش کنید. لازم نیست هوش مالی خود را روی کارهای بزرگ یاد گرفته و امتحان کنید. از کارهای کوچک شروع کنید. خواهید دید که استفاده از هوش مالی باعث حرکت کارهای بزرگ به سمت شما خواهد شد. دو بار که با استفاده از نقش هوش در موفقیت در بازار سهام هوش مالی در بازار مسکن، معاملاتی پرسود انجام دادید، ناخودآگاه اقدام به انجام معاملات بزرگ خواهید کرد. شاید ابتدا خودتان متوجه پیشرفتتان نشوید، چرا که اعتمادبه‌نفس صادق و مهارت شما، باعث عدم خستگی در کارهای بعدی خواهد شد و شما به راحتی کارهای بزرگ‌تر را انجام داده‌اید، بدون اینکه احساس ترس یا خستگی متحمل شده باشید. وقت سوددهی، متوجه تاثیر هوش مالیتان در افزایش سوددهی خود خواهید شد.

وجود سرمایه یا تولید سرمایه

وجود سرمایه، مکملی است برای هوش مالی در املاک، تا مسیر ثروتمند شدن و موفقیت در بازار مسکن، هموارتر و مستقیم‌تر شود. هوش مالی، سرمایه تولید می‌کند و تولید سرمایه، هوش مالی مشاور املاک را افزایش خواهد داد. چرا که به‌کارگیری سرمایه با اطلاعات و آگاهی کافی، تمرین دادن هوش مالی ما است و باعث تقویت هوش مالی در بازار مسکن خواهد شد. اگر سرمایه شما برای آغاز کار کم است یا سرمایه‌ای ندارید، باید روی این نکته تمرکز کنید که ” هوش مالی باعث تولید سرمایه می‌شود”. تولید سرمایه، تنها با سرمایه‌گذاری امکان‌پذیر نیست. وارد بازار کار شوید و از درآمدتان برای سرمایه‌گذاری‌ استفاده کنید. سرمایه‌گذاری‌های کوچک، با استفاده از هوش مالی به سرمایه‌گذاری‌های بزرگ، تبدیل می‌شوند.

انواع هوش و تاثیر شناخت آنها در موفقیت – مصاحبه رادیو اقتصاد

در مصاحبه ای که مورخ ۲۰ مرداد ماه توسط رادیو اقتصاد با سرکار خانم مهرناز سلطانی داشتند، انواع هوش و تاثیر آنها در موفقیت بررسی شد. اینکه چه نوع هوش هایی داریم و تاثیر هرکدام بر موفقیت ما چیست.

می توانید با کلیک روی تصویر زیر این مصاحبه را بشنوید و از مطالب خوب آن استفاده نمایید.

[arve url=”https://www.aparat.com/video/video/embed/videohash/40YD1/vt/frame” align=”center” title=”تاثیر انواع هوش در موفقیت” description=”چه نوع هوشهایی وجود دارد و تاثیر هر کدام بر موفقیت چیست؟ مصاحبه رادیو اقتصاد با خانم مهرناز سلطانی” /]

می توانید مطالب مصاحبه را به صورت متنی در زیر بخوانید:

  • شما چه قدر خودتون رو میشناسید؟
  • چه قدر از توانمندی هایتان مطلع هستید؟
  • می دونید در چه زمینه هایی باهوش هستید؟
  • و در چه زمینه هایی استعداد ندارید؟
  • به نظر شما هر آدمی که موفقه آدم باهوشیه؟ یا اینکه در آن حوزه کسب مهارت نموده و اطلاعات خود را بالا برده

امروز می خواهیم از انواع هوش و تاثیر آن در موفقیت صحبت کنیم. خانم دکتر مهرناز سلطانی مدرس هوش مالی و مشاور و تحلیل گر بازارهای مالی برای ما در این خصوص صحبت می کنند:

ما ۳۴ مدل هوش در کل دنیا داریم. هر فردی حداقل در چهار الی پنج مدل از آنها نابغه است. چند از نوع از هوش ها را می توانیم هوش کلامی که مربوط به رهبری، فروش و انتقال ایده ها را در بر می گیرد، هوش بین فردی یا ارتباطی که مجموعه مهارت های ارتباطی هست که افراد می توانند داشته باشند، هوش ریاضی یا همان تفکر منطقی هست، هوش تصویری یا اصطلاحا هوش فضایی که مربوط به تصویر سازی دهنی و تجسم فعال است، هوش هیجانی یا هوش عاطفی که مربوط به مسائل خودآگاهی و خودکنترلی می شود، هوش موسیقیایی و هوش مالی از جمله هوش هایی هستند که عموما زیاد می بینیم.

اما متاسفانه جامعه ما، پدر و مارهای ما، نظام آموزشی و سیستم تربیتی که داریم تنها به پرورش هوش ریاضی افراد می پردازد. چه بسا کسب و کارها و افراد موفق در حوزه توسعه فردی و بیزنسی رو میشناسیم که لزوما به هوش، خصوصا هوش ریاضی وابسته نیستند و نقش سایر هوشها و همچنین تلاش، ایمان، اراده آهنین، داشتن نظم شخصی و فکری در آنها بسیار پررنگ هست.

یکی از هوشهایی که می تونه تاثیر زیادی در موفقیت افراد در حوزه های مختلف داشته باشه، هوش مالی هست. هوش مالی برای تشخیص و ارائه راه حل ها برای بهبود مشکلات اقتصادی و مالی است که اگر هوش مالی بالایی داشته باشیم، تصمیمات مالی هوشمندانه تری میگیریم و در مواجهه با مشکلات اقتصادی می تونیم مدیریت خوبی را داشته باشیم. می توانید بیزینس خود را به یک بیزنس موفق تبدیل کنید. می توانید زندگی فردی خود را به یک زندگی فردی موفق تبدیل کنید.

هوش مالی رسیدن به استقلال مالی است. یعنی چه؟

یعنی بتوانید منابع درآمدیتان را به نحوی گسترده کنید که سود آن منابع هزینه هایتان را پوشش دهد. خبر خوب اینکه تقویت هوش مالی و همچنین سایر جنبه های هوش اکتسابی هست و با کسب دانش و مهارت در این حوزه به راحتی می تونید به توسعه توانمدیهایتان بپردازید.



اشتراک گذاری

دیدگاه شما

اولین دیدگاه را شما ارسال نمایید.