Eksponensiële Geweegde Moving Gemiddelde Volatiliteit

Verken die eksponensieel Geweegde Moving Gemiddelde Volatiliteit is die mees algemene maatstaf van risiko, maar dit kom in verskeie geure. In 'n vorige artikel het ons gewys hoe om eenvoudige historiese wisselvalligheid te bereken. (Om hierdie artikel te lees, sien Die gebruik van Volatiliteit Om toekomstige risiko te meet.) Ons gebruik Googles werklike aandele prys data om daaglikse wisselvalligheid gebaseer op 30 dae van voorraad data bereken. In hierdie artikel, sal ons verbeter op eenvoudige wisselvalligheid en bespreek die eksponensieel geweeg bewegende gemiddelde (EWMA). Historiese Vs. Geïmpliseer Volatiliteit Eerste, laat sit hierdie metrieke in 'n bietjie van perspektief. Daar is twee breë benaderings: historiese en geïmpliseer (of implisiete) wisselvalligheid. Die historiese benadering veronderstel dat verlede is proloog ons geskiedenis te meet in die hoop dat dit voorspellende. Geïmpliseerde wisselvalligheid, aan die ander kant, ignoreer die geskiedenis wat dit oplos vir die wisselvalligheid geïmpliseer deur markpryse. Hulle hoop dat die mark weet die beste en dat die markprys bevat, selfs al is implisiet, 'n konsensus skatting van wisselvalligheid. (Vir verwante leesstof, sien die gebruike en beperkinge van Volatiliteit.) As ons fokus op net die drie historiese benaderings (op die bogenoemde links), hulle het twee stappe in gemeen: Bereken die reeks periodieke opgawes Pas 'n gewig skema Eerstens, ons bereken die periodieke terugkeer. Dis gewoonlik 'n reeks van die daaglikse opgawes waar elke terugkeer uitgedruk in voortdurend saamgestel terme. Vir elke dag, neem ons die natuurlike log van die verhouding van aandele pryse (dit wil sê die prys vandag gedeel deur die prys gister, en so aan). Dit veroorsaak 'n reeks van die daaglikse opbrengs van u ek u i-m. afhangende van hoeveel dae (m dae) ons meet. Dit kry ons by die tweede stap: Dit is hier waar die drie benaderings verskil. In die vorige artikel (Die gebruik van Volatiliteit Om toekomstige risiko Gauge), ons het getoon dat onder 'n paar aanvaarbare vereenvoudigings, die eenvoudige afwyking is die gemiddeld van die kwadraat opbrengste: Let daarop dat hierdie som elk van die periodieke opgawes, verdeel dan wat totaal deur die aantal dae of waarnemings (m). So, dit is regtig net 'n gemiddeld van die kwadraat periodieke opgawes. Anders gestel, is elke vierkant terugkeer gegee 'n gelyke gewig. So as alfa (a) is 'n gewig faktor (spesifiek, 'n 1 / m), dan 'n eenvoudige variansie lyk iets soos hierdie: Die EWMA Verbeter op Eenvoudige Variansie Die swakheid van hierdie benadering is dat alle opgawes verdien dieselfde gewig. Yesterdays (baie onlangse) terugkeer het geen invloed meer op die variansie as verlede maande terugkeer. Hierdie probleem is opgelos deur die gebruik van die eksponensieel geweeg bewegende gemiddelde (EWMA), waarin meer onlangse opbrengste het 'n groter gewig op die variansie. Die eksponensieel geweeg bewegende gemiddelde (EWMA) stel lambda. wat die smoothing parameter genoem. Lambda moet minstens een wees. Onder daardie toestand, in plaas van gelyke gewigte, elke vierkant terugkeer is geweeg deur 'n vermenigvuldiger soos volg: Byvoorbeeld, RiskMetrics TM, 'n finansiële risikobestuur maatskappy, is geneig om 'n lambda van 0,94, of 94. gebruik in hierdie geval, die eerste ( mees onlangse) kwadraat periodieke terugkeer is geweeg deur (1-0,94) (. 94) 0 6. die volgende kwadraat terugkeer is bloot 'n lambda-veelvoud van die vorige gewig in hierdie geval 6 vermenigvuldig met 94 5.64. En die derde voor dae gewig gelyk (1-0,94) (0.94) 2 5,30. Dis die betekenis van eksponensiële in EWMA: elke gewig is 'n konstante vermenigvuldiger (dit wil sê lambda, wat moet wees minder as een) van die dae gewig voor. Dit sorg vir 'n afwyking wat geweeg of voorkeur vir meer onlangse data. (Vir meer inligting, kyk na die Excel Werkkaart vir Googles Volatiliteit.) Die verskil tussen net wisselvalligheid en EWMA vir Google word hieronder getoon. Eenvoudige wisselvalligheid effektief weeg elke periodieke terugkeer deur 0,196 soos uiteengesit in kolom O (ons het twee jaar van die daaglikse aandeleprys data. Dit is 509 daaglikse opgawes en 1/509 0,196). Maar let op dat Kolom P ken 'n gewig van 6, dan 5.64, dan 5.3 en so aan. Dis die enigste verskil tussen eenvoudige variansie en EWMA. Onthou: Nadat ons die hele reeks (in kolom Q) het ons die variansie, wat is die kwadraat van die standaardafwyking som. As ons wil hê wisselvalligheid, moet ons onthou om die vierkantswortel van daardie afwyking te neem. Wat is die verskil in die daaglikse wisselvalligheid tussen die variansie en EWMA in Googles geval beduidende: Die eenvoudige variansie het ons 'n daaglikse wisselvalligheid van 2,4, maar die EWMA het 'n daaglikse wisselvalligheid van slegs 1.4 (sien die sigblad vir besonderhede). Blykbaar, Googles wisselvalligheid bedaar meer onlangs dus kan 'n eenvoudige variansie kunsmatig hoog wees. Vandag se afwyking is 'n funksie van Pior Dae Variansie Youll kennisgewing wat ons nodig het om 'n lang reeks van eksponensieel afneem gewigte bereken. Ons sal nie die wiskunde doen hier, maar een van die beste eienskappe van die EWMA is dat die hele reeks gerieflik verminder tot 'n rekursiewe formule: Rekursiewe beteken dat vandag se stryd verwysings (dit wil sê 'n funksie van die vorige dae variansie). Jy kan hierdie formule in die sigblad ook, en dit lei tot die presies dieselfde resultaat as die skuldbewys berekening Dit sê: Vandag se variansie (onder EWMA) gelyk yesterdays variansie (geweeg volgens lambda) plus yesterdays kwadraat terugkeer (geweeg deur een minus lambda). Let op hoe ons net bymekaar te tel twee terme: yesterdays geweegde variansie en yesterdays geweeg, vierkantig terugkeer. Net so is, lambda is ons glad parameter. 'N Hoër lambda (bv soos RiskMetrics 94) dui stadiger verval in die reeks - in relatiewe terme, gaan ons meer datapunte in die reeks en hulle gaan stadiger af te val. Aan die ander kant, as ons die lambda verminder, dui ons hoër verval: die gewigte val vinniger af en, as 'n direkte gevolg van die snelle verval, is minder datapunte gebruik. (In die sigblad, lambda is 'n inset, sodat jy kan eksperimenteer met sy sensitiwiteit). Opsomming Volatiliteit is die oombliklike standaardafwyking van 'n voorraad en die mees algemene risiko metrieke. Dit is ook die vierkantswortel van variansie. Ons kan variansie histories of implisiet (geïmpliseer wisselvalligheid) te meet. Wanneer histories meet, die maklikste metode is eenvoudig variansie. Maar die swakheid met 'n eenvoudige afwyking is alle opgawes kry dieselfde gewig. So staan ​​ons voor 'n klassieke kompromis: ons wil altyd meer inligting, maar hoe meer data het ons die meer ons berekening verwater deur verre (minder relevant) data. Die eksponensieel geweeg bewegende gemiddelde (EWMA) verbeter op eenvoudige variansie deur die toeken van gewigte aan die periodieke opgawes. Deur dit te doen, kan ons albei gebruik 'n groot monster grootte, maar ook 'n groter gewig te gee aan meer onlangse opbrengste. (Om 'n fliek handleiding te sien oor hierdie onderwerp, besoek die Bionic skilpad.) Hoe om Geweegde bewegende gemiddeldes in Excel bereken aan die hand Eksponensiële Smoothing Excel Data-analise Vir Dummies, 2de Uitgawe die eksponensiële Smoothing instrument in Excel bereken die bewegende gemiddelde. Maar eksponensiële gladstryking gewigte die waardes wat in die bewegende gemiddelde berekeninge sodat meer onlangse waardes het 'n groter invloed op die gemiddelde berekening en ou waardes het 'n mindere effek. Dit gewigte word bereik deur 'n glad konstante. Om te illustreer hoe die eksponensiële Smoothing program werk, veronderstel dat you8217re weer te kyk na die gemiddelde daaglikse inligting temperatuur. Om geweegde bewegende gemiddeldes te bereken met behulp van eksponensiële gladstryking, neem die volgende stappe: Om 'n eksponensieel stryk bewegende gemiddelde te bereken, eerste kliek op die data tab8217s Data-analise opdrag knoppie. Wanneer Excel vertoon die dialoog Data-analise boks, kies die eksponensiële Smoothing item uit die lys en kliek op OK. Excel vertoon die dialoog Eksponensiële Smoothing boks. Identifiseer die data. Om die data waarvoor jy 'n eksponensieel stryk bewegende gemiddelde bereken identifiseer, klik in die Invoer Range tekskassie. Identifiseer dan die insette reeks, óf deur te tik 'n werkblad verskeidenheid adres of deur die kies van die werkblad reeks. As jou insette reeks sluit in 'n teks etiket om te identifiseer of jou data beskryf, kies die etikette boks. Verskaf die smoothing konstante. Tik die glad konstante waarde in die dempingsfaktor tekskassie. Die Excel Help lêer dui daarop dat jy 'n glad konstante van tussen 0,2 en 0,3 gebruik. Vermoedelik, maar indien you8217re gebruik van hierdie instrument, jy jou eie idees oor wat die korrekte glad konstante is. (As you8217re clueless oor die glad konstante, miskien het jy shouldn8217t word met behulp van hierdie instrument.) Vertel Excel waar die eksponensieel stryk bewegende gemiddelde data te plaas. Gebruik die Uitset Range tekskassie om die werkblad reeks waarin jy die bewegende gemiddelde data plaas identifiseer. In die werkkaart voorbeeld, byvoorbeeld, jy die bewegende gemiddelde data te plaas in die werkblad verskeidenheid B2: B10. (Opsioneel) Chart die eksponensieel stryk data. Om die eksponensieel stryk data karteer, Kies die diagram Uitgawe boks. (Opsioneel) Dui wat jy wil standaardfout inligting bereken. Standaard foute te bereken, kies die standaard foute boks. Excel plekke standaard fout waardes langs die eksponensieel stryk bewegende gemiddelde waardes. Nadat jy klaar spesifiseer wat bewegende gemiddelde inligting wat jy wil berekende en waar jy wil dit geplaas word, klik op OK. Excel bereken bewegende gemiddelde information. Calculate Historiese Volatiliteit Gebruik EWMA Volatiliteit is die mees algemeen gebruik word mate van risiko. Wisselvalligheid in hierdie sin kan óf historiese wisselvalligheid (een waargeneem uit die verlede data), of dit kan geïmpliseer wisselvalligheid Die historiese wisselvalligheid kan bereken word op drie maniere, naamlik (onderhou van markpryse van die finansiële instrumente.): Eenvoudige wisselvalligheid, eksponensieel Geweegde Moving Gemiddeld (EWMA) GARCH Een van die groot voordele van EWMA is dat dit gee meer gewig aan die onlangse opbrengste, terwyl die berekening van die opbrengs. In hierdie artikel, sal ons kyk na hoe wisselvalligheid word bereken deur gebruik te maak EWMA. So, laat ons begin: Stap 1: Bereken log opbrengste van die prys reeks As ons kyk na die aandeelpryse, kan ons die daaglikse lognormale opbrengste bereken met behulp van die formule ln (P i / P i -1), waar P verteenwoordig elke dae eindvoorraad prys. Ons moet die natuurlike log te gebruik, want ons wil die opbrengste voortdurend te vererger. Ons sal nou daagliks opbrengste vir die hele prys reeks. Stap 2: vierkant die opbrengs Die volgende stap is die neem van die vierkante van lang opbrengste. Dit is eintlik die berekening van eenvoudige variasie of wisselvalligheid wat deur die volgende formule te gebruik: Hier, jy verteenwoordig die opbrengs, en m verteenwoordig die aantal dae. Stap 3: Ken gewigte Ken gewigte sodanig dat onlangse opbrengste hoër gewig en ouer opbrengste het minder gewig. Vir hierdie het ons 'n faktor genoem Lambda (), wat 'n glad konstante of die aanhoudende parameter. Die gewigte word toegeken as (1-) 0. Lambda moet wees minder as 1. Risiko metrieke gebruik lambda 94. Die eerste gewig sal wees (1-0,94) 6, die tweede gewig sal wees 60,94 5,64 en so aan. In EWMA al die gewigte op te som tot 1, maar hulle dalende met 'n konstante verhouding van. Stap 4: Vermenigvuldig Opbrengste-kwadraat met die gewigte Stap 5: Neem die opsomming van R 2 w Dit is die finale EWMA variansie. Die wisselvalligheid sal die vierkantswortel van variansie wees. Die volgende kiekie toon die berekeninge. Die voorbeeld hierbo dat ons gesien het, is die benadering beskryf deur RiskMetrics. Die algemene vorm van EWMA kan voorgestel word as die volgende rekursiewe formule: 1 CommentEWMA 101 Die EWMA benadering het 'n aantreklike kenmerk: dit vereis relatief min data wat gestoor word. Om ons skatting op enige punt op te dateer, ons moet net 'n vorige skatting van die variansie koers en die mees onlangse waarneming waarde. 'N Sekondêre doel van EWMA is om veranderinge in die wisselvalligheid op te spoor. Vir klein waardes, Onlangse waarnemings beïnvloed die skatting stiptelik. Vir waardes nader aan een, die skatting veranderinge stadig gebaseer op onlangse veranderings in die opbrengste van die onderliggende veranderlike. Die RiskMetrics databasis (wat deur JP Morgan en openbaar gemaak beskikbaar) gebruik die EWMA met vir die opdatering daagliks wisselvalligheid. BELANGRIK: Die EWMA formule nie aanvaar 'n lang loop gemiddelde variansie vlak. So, die konsep van wisselvalligheid beteken terugkeer is nie vasgevang word deur die EWMA. Die ARCH / GARCH modelle is beter geskik vir hierdie doel. Lambda 'n Sekondêre doel van EWMA is om veranderinge in die wisselvalligheid op te spoor, sodat vir klein waardes, onlangse waarneming beïnvloed die skatting stiptelik, en vir waardes nader aan een, die skatting veranderinge stadig onlangse veranderinge in die opbrengste van die onderliggende veranderlike. Die RiskMetrics databasis (wat deur JP Morgan) en openbare beskikbaar gestel in 1994, gebruik die EWMA model met vir die opdatering daagliks wisselvalligheid skatting. Die maatskappy het bevind dat oor 'n reeks van die mark veranderlikes, hierdie waarde van gee voorspelling van die variansie wat die naaste aan besef variansie koers kom. Die besef variansie tariewe op 'n bepaalde dag is bereken as 'n ewe-gemiddelde van die daaropvolgende 25 dae. Net so, om die optimale waarde van lambda bereken vir ons datastel, moet ons die besef wisselvalligheid by elke punt te bereken. Daar is verskeie metodes, so kies een. Volgende, bereken die som van 'n vierkant foute (SSE) tussen EWMA skatting en besef wisselvalligheid. Ten slotte, verminder die SSE deur wisselende die lambda waarde. Klink maklik dit is. Die grootste uitdaging is om in te stem op 'n algoritme om besef wisselvalligheid bereken. Byvoorbeeld, die mense by RiskMetrics verkies die daaropvolgende 25-dag te besef variansie koers bereken. In jou geval, kan jy 'n algoritme wat daaglikse volume gebruik, MI / LO en / of openbare-close pryse te kies. Vrae Q 1: Kan ons gebruik EWMA om te skat (of voorspel) wisselvalligheid meer as 'n stap vorentoe Die EWMA wisselvalligheid verteenwoordiging nie aanvaar 'n langtermyn gemiddelde wisselvalligheid, en dus, vir enige vooruitsig horison meer as een-stap, die EWMA gee 'n konstante waarde: Eksponensiële bewegende gemiddeldes 'n bewegende gemiddelde is 'n aanduiding dat die gemiddelde waarde van 'n securitys prys oor 'n tydperk van tyd toon. 'N eksponensiële (of eksponensieel geweegde) bewegende gemiddelde bereken word deur die toepassing van 'n persentasie van vandag se sluiting prys yesterdays bewegende gemiddelde waarde. Eksponensiële bewegende gemiddeldes te plaas meer gewig op onlangse pryse. Berekening Byvoorbeeld, 'n 9 eksponensiële bewegende gemiddelde van IBM bereken, sou jy die eerste maal in vandag se sluiting prys en vermenigvuldig dit met 9. Volgende, sou jy hierdie produk toe te voeg tot die waarde van gisters bewegende gemiddelde vermenigvuldig met 91 (100-9 91) . Omdat die meeste beleggers voel meer gemaklik saam met tydperke, eerder as om met persentasies, kan die eksponensiële persentasie omgeskakel word in 'n geskatte aantal dae. Byvoorbeeld, 'n 9 bewegende gemiddelde is gelykstaande aan 'n 21,2 tydperk (afgerond tot 21) eksponensiële bewegende gemiddelde. Die formule vir die omskakeling van eksponensiële persentasies om tydperke is: Jy kan die bogenoemde formule gebruik om te bepaal dat 'n 9 bewegende gemiddelde is gelykstaande aan 'n 21-dag eksponensiële bewegende gemiddelde: Die formule vir die omskakeling van tydperke te eksponensiële persentasies is: Jy kan die gebruik bogenoemde formule om te bepaal dat 'n 21-dag eksponensiële bewegende gemiddelde is eintlik 'n 9 bewegende gemiddelde: Voorbeeld Chart Die in hierdie artikel beskryf strategieë is slegs vir inligting doeleindes, en die gebruik daarvan waarborg nie 'n wins te maak. Nie een van die inligting wat verskaf moet word beskou as 'n aanbeveling of werwing om te belê in, of likwideer, 'n bepaalde sekuriteit of tipe sekuriteit. Beleggers moet ten volle na te vors enige sekuriteit voordat 'n belegging besluit. Sekuriteite aan die mark skommeling en kan waarde verloor. Scottrade ontvang die hoogste numeriese telling in die J. D. Power 2016 Selfgerigte Beleggers tevredenheid Studie, gebaseer op 4242 reaksies meet 13 maatskappye en die ervarings en persepsies van beleggers wat gebruik selfgerigte beleggingsondernemingen, ondervra in Januarie 2016. Jou ervarings kan wissel. Besoek jdpower. Gemagtig inskrywing en toegang indicates kliënte toestemming om die makelaarsloon rekening ooreenkoms. Sulke toestemming effektief te alle tye wanneer die gebruik van hierdie webwerf. Ongemagtigde toegang verbied. Scottrade, Inc. en Scottrade Bank is afsonderlike maar geaffilieerde maatskappye en is volfiliale van Scottrade Financial Services, Inc. makelaarsloon produkte en dienste wat aangebied word deur Scottrade, Inc. - Lid FINRA en SIPC. Deposito produkte en dienste wat aangebied word deur Scottrade Bank, lid FDIC. Makelaarsloon produkte is nie oortuig deur die FDIC is nie deposito's of ander verpligtinge van die bank en is nie gewaarborg nie deur die bank is onderhewig aan belegging risiko's, insluitende die moontlike verlies van die skoolhoof belê. Alle beleggings behels risiko. Die waarde van jou belegging kan wissel met verloop van tyd, en jy kan kry of geld verloor. Online mark en perk voorraad ambagte is net 7 vir aandele geprys 1 en hoër. Bykomende koste kan aansoek doen vir aandele prys minder as 1, onderlinge fonds en opsie transaksies. Gedetailleerde inligting oor ons fooie kan gevind word in die Verklaring van Fooie (PDF). Jy moet 500 in aandele in 'n individu, Gesamentlike, Trust, IRA, Roth IRA, of September IRA rekening met Scottrade om in aanmerking te kom vir 'n Scottrade bankrekening. In hierdie geval, is aandele gedefinieer as Totaal makelaarsloon rekening Waarde minus Onlangse makelaarsloon Deposito op te hou. Die prestasie data aangehaal verteenwoordig prestasie in die verlede. Vorige prestasie waarborg nie toekomstige resultate. Die navorsing, gereedskap en inligting wat sal insluit nie elke sekuriteit aan die publiek beskikbaar. Hoewel die bronne van die navorsing gereedskap verskaf op hierdie webwerf is geloofwaardig te wees, Scottrade maak geen waarborg met betrekking tot die inhoud, akkuraatheid, volledigheid, tydigheid, geskiktheid of betroubaarheid van die inligting. Inligting op hierdie webwerf is slegs ter inligting gebruik en moet nie beskou word as beleggingsadvies of aanbeveling te belê. Scottrade nie opstel, onaktiwiteit of jaarlikse onderhoud fooie. Toepassing transaksiefooie steeds van toepassing. Scottrade verskaf nie belastingadvies. Die materiaal verskaf is slegs vir inligting doeleindes. Asseblief met jou belasting of regsadviseur vir vrae met betrekking tot jou persoonlike belasting of finansiële situasie. Enige spesifieke sekuriteite, of tipes van effekte, gebruik as voorbeelde is slegs vir demonstrasie. Nie een van die inligting wat verskaf moet word beskou as 'n aanbeveling of werwing om te belê in, of likwideer, 'n bepaalde sekuriteit of tipe sekuriteit. Beleggers moet die beleggingsdoelwitte, koste, koste, en 'n unieke risikoprofiel van 'n beursverhandelde fonds (ETF) voor te belê oorweeg. 'N Prospektus bevat hierdie en ander inligting oor die fonds en kan verkry word aanlyn of deur kontak Scottrade. Die prospektus moet versigtig voor te belê gelees. Aged en omgekeerde ETF dalk nie geskik vir alle beleggers nie en kan blootstelling aan wisselvalligheid te verhoog deur die gebruik van hefboom, kort verkope van effekte, afgeleide instrumente en ander komplekse beleggingstrategieë. Hierdie fondse prestasie sal waarskynlik beduidend anders as hul maatstaf oor 'n tydperk van meer as 'n dag, en hul prestasie met verloop van tyd kan in werklikheid tendens teenoorgestelde van hul maatstaf. Beleggers moet hierdie Holdings, in ooreenstemming met hul strategieë te monitor, so dikwels as daaglikse. Beleggers moet die beleggingsdoelwitte, risiko's, koste en uitgawes van 'n onderlinge fonds oorweeg voordat 'n belegging. 'N Prospektus bevat hierdie en ander inligting oor die fonds en kan verkry word aanlyn of deur kontak Scottrade. Die prospektus moet versigtig voor te belê gelees. Geen-transaksie-fooi (NTF) fondse is onderhewig aan die terme en voorwaardes van die NTF fondse program. Scottrade vergoed word deur die fondse wat deelneem aan die NTF program deur rekordhouding, aandeelhouer of SEC 12B-1 fooie. Marge handel behels renteheffings en risiko's, insluitende die potensiaal om meer te verloor as gedeponeer of die behoefte om bykomende kollaterale in 'n dalende mark te deponeer. Die marge Openbaringsverklaring en ooreenkoms (PDF) is beskikbaar vir aflaai, of dit beskikbaar is by een van ons takkantore. Dit bevat inligting oor ons uitleen beleid, renteheffings, en die risiko's wat verband hou met marge rekeninge. Opsies behels risiko en is nie geskik vir alle beleggers. Gedetailleerde inligting oor ons beleid en die risiko's wat verband hou met opsies kan gevind word in die Scottrade Options Aansoek en ooreenkoms. Makelaarsloon rekening ooreenkoms. deur die aflaai van die eienskappe en risiko's van gestandaardiseerde Options en aanvullings (PDF) uit die opsies Clearing Corporation, of deur 'n afskrif versoek deur kontak Scottrade. Ondersteunende dokumentasie vir enige eise sal voorsien word op versoek. Konsulteer met jou belasting adviseur vir meer inligting oor hoe belasting die uitkoms van hierdie strategieë kan beïnvloed. Hou in gedagte, sal die wins verminder of verlies vererger, soos van toepassing, deur die aftrekking van kommissie en fooie. Markonbestendigheid, kan die volume en stelsel beskikbaarheid toegang rekening en handel uitvoering impak. Hou in gedagte dat terwyl diversifikasie verspreiding risiko kan help, is dit nie 'n wins te verseker, of te beskerm teen verlies, in 'n down mark. Scottrade, die Scottrade logo en alle ander handelsmerke, hetsy geregistreer of ongeregistreer, is die eiendom van Scottrade, Inc en sy affiliasies. Skakels na webwerwe van derde partye bevat inligting wat van belang kan wees of gebruik om die leser. Derdeparty-webwerwe, navorsing en gereedskap is uit bronne betroubaar geag. Scottrade waarborg nie die akkuraatheid of volledigheid van die inligting en maak geen versekering met betrekking tot die resultate wat verkry word uit die gebruik daarvan. 2016 Scottrade, Inc. Alle regte voorbehou.