$20.990
+0.010 (+0.05%)Al cierre
Predicciones de precio
Ábrelo en la app para desbloquear previsiones a más largo plazo.
PKST cerró en $20.99 el Tuesday, tras subir +0.05%
Peakstone Realty Trust (PKST) last closed at $20.99, gaining +0.05%. These facts feed the 1-day and 1-week PKST price prediction above.
Factores de la previsión
Los factores de la previsión de Peakstone Realty Trust (PKST) combinan patrones gráficos similares, estacionalidad y medias móviles.
Seasonality
Bearish
SMA 20
Bullish
SMA 200
Bullish
Análisis de estacionalidad de PKST
Historically the probability of a positive August return for PKST is 48.84%. March offers the highest probability of a positive month at 68.25%, while January is the weakest seasonal window. Alphio blends this calendar with technical signals and similar chart pattern matching before it writes the forecast.
Proyecciones de precio a 10 años de PKST
| Mes | Precio mínimo | Precio medio | Precio máximo | ROI potencial |
|---|---|---|---|---|
| Aug 2026 | $9.74 | $10.94 | $11.30 | -47.89% |
| Sep 2026 | $9.59 | $10.53 | $10.66 | -49.85% |
| Oct 2026 | $11.03 | $11.51 | $11.71 | -45.14% |
| Nov 2026 | $10.99 | $11.76 | $11.86 | -43.97% |
| Dec 2026 | $11.30 | $11.57 | $12.10 | -44.86% |
En 2026, se proyecta que Peakstone Realty Trust (PKST) oscile entre $9.59 y $12.10.
Previsión mensual de Peakstone Realty Trust para 2026
En Aug de 2026, se proyecta que Peakstone Realty Trust promedie $10.94, con un mínimo de $9.74 y un máximo de $11.30.
En Sep de 2026, se proyecta que Peakstone Realty Trust promedie $10.53, con un mínimo de $9.59 y un máximo de $10.66.
En Oct de 2026, se proyecta que Peakstone Realty Trust promedie $11.51, con un mínimo de $11.03 y un máximo de $11.71.
En Nov de 2026, se proyecta que Peakstone Realty Trust promedie $11.76, con un mínimo de $10.99 y un máximo de $11.86.
En Dec de 2026, se proyecta que Peakstone Realty Trust promedie $11.57, con un mínimo de $11.30 y un máximo de $12.10.
Esta página es solo para investigación y no constituye asesoramiento de inversión. Los modelos pueden equivocarse. El rendimiento pasado no garantiza resultados futuros.