شبکه کارشناسان ارزشگذاری

#موقت

روز اول دوره – بخش صبح | نقشه بازار سرمایه از منظر ارزش‌گذاری این ویدیو — که روی آن ریپلای زده شده — مربوط به چهار ساعت نخست دوره ارزش‌گذاری سهام است که در اسفند ماه ۱۴۰۳ برگزار شد. در این بخش، نقشه‌ای از بازار سرمایه کشور از منظر ارزش‌گذاری ارائه می‌کنیم؛ محتوایی که حاصل تجربه ارزش‌گذاری بیش از ۴۰۰ شرکت در فرایند عرضه‌های اولیه، معاملات بلوکی و کنترلی و تحلیل‌های سرمایه‌گذاری است. پیشنهاد می‌کنم ابتدا این ویدیو را ببینید و سپس به سراغ دو ویدیوی مربوط به روش‌های ارزش‌گذاری بروید. تیم برگزاری دوره: عباس گمار، علیرضا فرشید و محمد نادری انتشار این ویدیو در کانال‌های عمومی و شخصی بلامانع است. در مجموع ۱۲ ساعت ویدیوی آموزشی دوره ارزشگذاری سهام اسفند ۱۴۰۳ برای استفاده عزیزان ارسال شد. عباس گمار ۲۶ مهر ۱۴۰۵ #عباس_گمار #ارزشگذاری #بازار_سرمای

دوره ارزش‌گذاری سهام | عباس گمار روز دوم دوره – بخش صبح | روش‌های ارزش‌گذاری — ویدیوی دوم (پایانی) این دوره در مجموع طی ۲۴ ساعت آموزشی برگزار شد؛ شامل دو روز کامل آموزش مفاهیم (۱۶ ساعت) و دو نیم‌روز کارگاه عملی مدل‌سازی مالی و ارزش‌گذاری (۸ ساعت)، در محل سازمان بورس و اوراق بهادار برگزار شد. تیم برگزاری دوره: عباس گمار، علیرضا فرشید و محمد نادری انتشار ویدیوها در کانال‌های عمومی و شخصی بلامانع است. https://t.me/Irvaluation

دوره ارزش‌گذاری سهام | عباس گمار روز دوم دوره – بخش صبح | روش‌های ارزش‌گذاری این دوره در مجموع طی ۲۴ ساعت آموزشی برگزار شد؛ شامل دو روز کامل آموزش نظری (۱۶ ساعت) و دو نیم‌روز کارگاه عملی مدل‌سازی مالی و ارزش‌گذاری (۸ ساعت)، در محل سازمان بورس و اوراق بهادار. تیم برگزاری دوره: عباس گمار، علیرضا فرشید و محمد نادری

موضوع: انتشار محتوای آموزشی دوره‌های ارزشگذاری ما | روش‌های ارزشگذاری آخرین دوره ارزش‌گذاری که برگزار کردیم، در اسفند ماه سال ۱۴۰۳ و در محل سازمان بورس و اوراق بهادار، با حضور حدود ۱۵۰ نفر از کارشناسان بازار سرمایه و دانشجویان دانشگاه‌های کشور برگزار شد. از سال ۱۳۹۶ تاکنون، دوره‌های ارزش‌گذاری را برای بیش از ۱۵۰۰ نفر از تحلیلگران بنیادی، کارشناسان ارزش‌گذاری و دانشجویان عزیز برگزار کرده‌ایم. امروز، خانواده ارزش‌گذاری کشور بیش از ۱۵۰۰ عضو مستقیم و حدود ۱۰ هزار عضو غیرمستقیم دارد. طی ماه‌های گذشته، دوستان زیادی از بازار سرمایه و دانشجویان دانشگاه‌ها محبت داشته‌اند و پیگیر برگزاری مجدد دوره بوده‌اند. از این بابت، صمیمانه از همه عزیزان سپاسگزارم. برگزاری دوره جدید را به زمان مناسب‌تری موکول کرده‌ایم تا بتوانیم با تمرکز کامل، زمان کافی و کیفیت مورد انتظار، و با در نظر گرفتن تحولات جدید این حوزه، به برگزاری آن بپردازیم. تا آن زمان، تصمیم گرفتیم بخشی از محتوای آموزشی دوره را در اختیار دوستان و علاقه‌مندان قرار دهیم. در ادامه، محتوای روز دوم دوره را که به روش‌های ارزش‌گذاری اختصاص دارد، برای استفاده عزیزان منتشر می‌کنیم. در این بخش، روش‌های مختلف ارزش‌گذاری را به‌صورت کاربردی توضیح می‌دهیم؛ از جمله: — روش جریان نقد آزاد سهامداران (FCFE) — روش جریان نقد آزاد شرکت (FCFF) — روش سود باقیمانده (Residual Income) — روش تنزیل سود تقسیمی (DDM) — روش ضریب قیمت به فروش (P/S) — روش ضریب قیمت به سود خالص (P/E) — و سایر روش‌های ارزش‌گذاری امیدوارم محتوای این دو ویدیو (مجموعاً حدود ۶ ساعت و نیم) برای دوستان عزیز مفید باشد و عزیزان مفاهیم آن را در عمل در تحلیل بنیادی و ارزشگذاری به کار گیرند. انتشار این دو ویدیو به همراه متن این یادداشت در تمام کانال‌های عمومی و شخصی بلامانع هست و مایه خرسندی‌ست که به سهم خود به توسعه انتقال و دانش در بازار سرمایه کشور یاری رساند. عباس گمار ۲۶ مهر ۱۴۰۵ https://t.me/Irvaluation #عباس_گمار #ارزشگذاری

ارزشگذاری داده چندی پیش حسین تقی‌نژاد، از دوستانم در شرکت همراه اول، یادداشتی درباره «ارزش‌گذاری داده» در صفحه شخصی لینکدین‌شون منتشر کرده بودند. در اونجا مطالبی رو برای دوستان یادآور شدم که عیناً همون‌ها رو اینجا برای استفاده و بهره‌برداری خدمت همه عزیزان منتقل می‌کنم. سلام حسین عزیز، کار ارزشمندیه، به‌ویژه در عصر هوش مصنوعی که داده‌های اصیل و دست‌اول، خوراک (ماده اولیه) شرکت‌های فعال در صنعت هوش مصنوعی هستن (البته که داده دست‌اول در هر صنعتی ارزشمنده). داده دست‌اول یک دارایی اقتصادیه و قابل معامله است؛ بنابراین، طبعاً ارزش اقتصادی داره. در بازارهای مالی توسعه‌یافته، Data Valuation Analyst یکی از سمت‌های شغلی نوظهوره که اخیراً دیدم شرکت رتبه‌بندی مودیز برای اون آگهی استخدام منتشر کرده بود: https://careers.moodys.com/en/job/-/-/49841/99542788368?utm_source=linkedin&jobPipeline=LinkedIn در کشور ما هم در آینده نزدیک، با توسعه صنعت هوش مصنوعی و نیاز به تأمین خوراک (داده) فرایندهای تولید خدمات شرکت‌های هوش مصنوعی، احتمالاً تخصص ارزش‌گذاری داده بیشتر موردنیاز خواهد بود. کارشناسان رسمی رشته کامپیوتر در کانون کارشناسان/مرکز امور مشاوران، روش‌های هیوریستیکی برای ارزش‌گذاری داده دارن که به کار بیشتر نیاز داره. عباس گمار ۲۵ مهر ۱۴۰۵ https://t.me/Irvaluation #ارزشگذاری #داده #صنعت #هوش_مصنوعی

و یه سوال اگه محدودیت های ذهن‌مون رو در شناخت خودمون و محیط مون بپذیریم و قبول کنیم که پیش بینی اصولاً — به دلیل خطاهای سیستماتیک ذهن و تصادفی بودن محیط‌ های پیچیده — کار خیلی سختیه، بعدش 👇 آیا همه ما مثل هم هستیم: یجور پیش‌بینی می‌کنیم؟ یعنی دقت (کمبود دقت) پیش بینی نسبی هست یا مطلق؟ نمیشه حداقل یه خورده بهترش کرد؟ این سوال باحال دیگه ای هست که راجع به جوابش فک کنیم و سر فرصت راجع به ش صحبت می‌کنیم…

و یه سوال اگه محدودیت های ذهن‌مون رو در شناخت خودمون و محیط مون بپذیریم و قبول کنیم که پیش بینی اصولاً — به دلیل خطاهای سیستماتیک ذهن و تصادفی بودن محیط‌ های پیچیده — کار خیلی سختیه، بعدش 👇 آیا همه ما مثل هم هستیم: یجور پیش‌بینی می‌کنیم؟ یعنی دقت (کمبود دقت) پیش بینی نسبی هست یا مطلق؟ نمیشه حداقل یه خورده بهترش کرد؟ این سوال باحال دیگه ای هست که راجع به جوابش فک کنیم و سر فرصت راجع به ش صحبت می‌کنیم…

جالبه آقای گمار دیروز آخرین جلسه دوره کریپتو به زبان ساده دوباره داشتم میدیدم، شما راجع به آپشن صحبت داشتید می‌کردید که یه جمله گفتید با این مضمون (ریسک‌ تا موقعی که محقق نشه کسی دردشو احساس نمیکنه) که اتفاقا با این پست آخر کانال هم مرتبطه. خلاصه این جمله شنیدم یه لامپ تو ذهنم روشن شد. ما وقتی یه سیستم داریم مورد تجزیه و تحلیل قرار میدیم مثلا سهام، ریسک هایی که فکر می‌کنیم سیستم ممکنه باهاشون درگیر بشه ارزیابی میکنیم و سناریو های مختلف برای مدیریتش می‌چینیم اما مشکل اونجایی پیش میاد که احتمالا ریسک هایی هم وجود داره که در صورت وقوع متوجه‌شون میشیم به بیان دیگه اصلا از وجود اون ریسک ها خبری نداریم تا موقعی که سیستم بر اساس اون ریسک بهش آسیب برسه! حالا سوالی که پیش میاد اینکه گلوگاه این داستان کجاست؟ چطوری باید با این موضوع تعامل کرد؟ چون به نظر می‌رسه انسان، در بررسی هر پدیده‌ای، همیشه با بخشی از عوامل ناشناخته مواجهه که از وجودشان بی‌خبره و اتفاقا همین عوامل ناشناخته ممکنه روی نتایج ما اثر بگذارند. به زبان رگرسیونی، بعیده R Squared در این عالم به ۱۰۰ درصد برسه، چون همیشه عواملی وجود دارند که روی Y اثر می‌گذارند و ما هنوز نمی‌دونیم چی هستن! @gomarabbas

اصولاً خلاصه کردن کار خیلی سختیه ولی اجازه بدین این خطا رو بکنم؛ به نظرم خلاصه حرف کانمن و طالب اینه: ما درباره “خودمون” و “دنیای اطراف‌مون”، مخصوصاً محیط‌های پیچیده‌ای مثل بازارهای مالی، خیلی بسیار کمتر از آنچه تصور می‌کنیم، می‌دانیم. در واقع، ما توانمندی خودمون در شناخت خودمون و محیط رو خیلی دست بالا می‌گیریم. این ناتوانی ذاتی در ما وجود داره؛ میشه کمی بهبودش داد، ولی خب نمیشه حلش کرد. حالا چه کنیم و چه فرایندی بچینیم که این جهل ذاتی رو بتونیم مدیریت کنیم و دوام بیاریم؟ منتسب به فروید، افرادی دوام نمیارن که باهوش‌ترن؛ افرادی دوام میارن که قابلیت تطبیق بیشتری دارن

خلاصه‌ای از تجربه این چند سال اخیر به همراه دلیل مطالعه دو کتاب یادشده: یه تقسیم‌بندی کتاب و فیلم می‌تونه این طور باشه: ۱. به درد نمی‌خورن؛ یا چیز جدیدی ندارن یا حتی بدتر، خرافات هستن؛ ۲. مطالب جدید دارن، اما بیشتر روی نظریه‌ها و چارچوب‌های کتاب‌های دیگه سوار شدن. ۳. نظریه‌های ناب دارن و چارچوب فکری ما رو متحول می‌کنن و البته خوشبختانه یا متاسفانه تعدادشون خیلی کمه. (به نظرم همین تقسیم‌بندی واسه تحلیل‌ها و … هم کاربرد داره) چرا به این دو کتاب بالا که واستون فرستادم خیلی علاقه‌مند شدم؟ به دلیل دو سوال شخصی: سوال اول — تو هوش مصنوعی یه سؤال اصلی وجود داره: یه عامل (ایجنت) هوش مصنوعی چطوری در تعامل با جهان پیرامون خودش عقلایی انتخاب میکنه و تصمیم می‌گیره؟ یعنی تو رفتار و تصمیم‌گیریش هم ویژگی‌های ذهنی خودش مهمه و هم ویژگی‌های محیطی و هم تعامل این دو. همین سؤال باعث شد برام جالب بشه که ما انسان‌ها چطوری در جهانی که هستیم فکر می‌کنیم، قضاوت می‌کنیم، انتخاب می‌کنیم و تصمیم می‌گیریم، مخصوصاً موقعی که سوال دوم مدت‌ها بود که تو ذهنم پرسه می‌زد. سوال دوم— سؤال بعدی که نهایتاً منو به این دو کتاب رسوند این بود که چرا تحلیلگرهای بنیادی و کارشناس‌های ارزش‌گذاری — حداقل بر اساس چیزی که این چند سال دیدم — معمولاً معامله‌گرهای خوبی از آب درنمیان. (این هم بگم که همزمانی این دو تا سوال هم در ذهنم به صورت “شانسی” بود!) دو کتاب «تفکر سریع و آهسته» (دنیل کانمن) و «فریفته تصادف» (نسیم طالب) تو جواب‌ به این دو تا سوال خیلی برام مفید بودن؛ البته هم تو زندگی شخصی، هم کاری و هم اجتماعی هم خیلی دارن به دردم خوردن؛ البته تا این جای کار..! بعد از خوندن این دو کتاب، به‌نظرم درکمون از تصمیم‌گیری تحت شرایط عدم قطعیت یه مقدار عمیق‌تر می‌شه. به نظرم ارزش‌گذاری، سرمایه‌گذاری و معامله‌گری همگی زیر چتر تصمیم‌گیری تحت شرایط عدم قطعیت قرار می‌گیرن. واسه من به صورت “شانسی” یه جورایی این این سه مسیر فکریِ جدید چند سال اخیرم کنار مسیر ارزشگذاری و بازار سرمایه سال‌های گذشته‌ام ، به یه مقصد مشترک ختم شدن: ۱. تصمیم‌گیری تحت شرایط عدم قطعیت ۲. هوش مصنوعی در جهان امروز ۳. بلاک‌چین، بیت‌کوین و توکن‌سازی دارایی‌ها هر سه مسیر در نهایت به بازار سرمایه، ارزش‌گذاری، سرمایه‌گذاری و معامله‌گری مرتبط شدن. تو این مسیر زندگی، «شانس» هم تا حدی همراهم بوده! عباس گمار ۱۲ مهر ۱۴۰۵

ذهنیت ما نسبت به جهان ۱. ما چطور درباره دنیا فکر می‌کنیم (بایاس های ذهنی ما چیه): کتاب هایی مثل کتاب های دنیل کانمن (کتاب های تفکر سریع و آهسته و کتاب نویز) و ریچارد تالر (کژرفتاری) ما رو نسبت به محدودیت های ذهن (تفکر) مون آشنا می‌کنه دنیا شبیه شکل سمت راستی هست و ما دنیا رو شبیه شکل سمت چپ می‌بینیم ۲. دنیا چطوری کار می‌کند کتاب فریفته تصادف و قوی سیاه از نسیم طالب به نظرم مفیده دنیا تصادفی‌تر (شانسی تر) از آنچه هست که ما فکر می‌کنیم؛ دنیا توام با عدم قطعیت هست (که به نظرم کتاب فریفته تصادف نسیم طالب اینجا مفیده) حالا با توجه ۱ و ۲ چطوری عمل کنیم یعنی تصمیم گیری تحت شرایط عدم قطعیت که کتاب پادشکننده طالب مفیده ————————- دوستانی که هوش مصنوعی مطالعه دارن می‌بینن که مطالب بالا همه در قالب هوش مصنوعی استفاده میشه یعنی چطور به یه عامل (agent) هوش مصنوعی یاد بدیم که تحت شرایط عدم قطعیت یاد بگیره، منطقی فکر کنه و تصمیم بگیره برای این که این رو بهتر درک کنیم کتاب هوش مصنوعی استوارت راسل رو پیشنهاد می‌کنم که تو دانشکده های کامپیوتر کشور هم تدریس میشه