Mulai
CHINA ASSET MANAGEMENT CO AUTO COMPONENT ETFCHINA ASSET MANAGEMENT CO AUTO COMPONENT ETFCHINA ASSET MANAGEMENT CO AUTO COMPONENT ETF

CHINA ASSET MANAGEMENT CO AUTO COMPONENT ETF

Tidak ada perdagangan
Lihat pada chart super
Ikhtisar
Analisis Diskusi Teknikal Musiman

Chart 562700


Chart penuh

Statistik kunci


Aset yang dikelola/Assets under management (AUM)
‪29,18 M‬ CNY
Aliran dana (1Y)
‪−126,24 M‬ CNY
Imbal hasil dividen (terindikasi)
—
Diskon/Premium terhadap NAV
−1,8%
Total saham beredar / Total shares outstanding
‪25,75 M‬
Rasio biaya
—

Tentang CHINA ASSET MANAGEMENT CO AUTO COMPONENT ETF


Penerbit
CITIC Securities Co., Ltd.
Merek
ChinaAMC
Beranda
chinaamc.com
Tanggal permulaan
6 Mei 2024
Struktur
Reksa Dana Terbuka
Indeks dilacak
CSI Auto Parts Theme Index Yield - CNY - Benchmark TR Net
Metode replikasi
Fisik
Gaya manajemen
Pasif
Penasihat utama
China Asset Management Co., Ltd.
ISIN
CNE100006GM4

Klasifikasi


Kelas Aset
Ekuitas
Kategori
Sektor
Fokus
Kebijaksanaan konsumen
Strategi
Vanilla
Geografi
Cina
Skema pembebanan
Kap Pasar
Kriteria pemilihan
Kap Pasar

Teknikal

Merangkum tentang apa yang disarankan oleh indikator.
Osilator
Netral
PenjualanPembelian
Penjualan KuatPembelian kuat
Penjualan KuatPenjualanNetralPembelianPembelian kuat
Osilator
Netral
PenjualanPembelian
Penjualan KuatPembelian kuat
Penjualan KuatPenjualanNetralPembelianPembelian kuat
Rangkuman
Netral
PenjualanPembelian
Penjualan KuatPembelian kuat
Penjualan KuatPenjualanNetralPembelianPembelian kuat
Rangkuman
Netral
PenjualanPembelian
Penjualan KuatPembelian kuat
Penjualan KuatPenjualanNetralPembelianPembelian kuat
Rangkuman
Netral
PenjualanPembelian
Penjualan KuatPembelian kuat
Penjualan KuatPenjualanNetralPembelianPembelian kuat
Rata-Rata Pergerakan
Netral
PenjualanPembelian
Penjualan KuatPembelian kuat
Penjualan KuatPenjualanNetralPembelianPembelian kuat
Rata-Rata Pergerakan
Netral
PenjualanPembelian
Penjualan KuatPembelian kuat
Penjualan KuatPenjualanNetralPembelianPembelian kuat

Musiman


Menampilkan pergerakan harga simbol selama beberapa tahun sebelumnya untuk mengidentifikasi tren yang berulang.