序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的5篇股票的投資方法，期待它們能激發您的靈感。

篇1

[關鍵詞]技術投資方法；股票實戰；應用分析

一、技術分析的理論基礎

（一）市場行為包含一切信息

該假設是技術分析的前提基礎，它以市場行為為研究對象，認為證券價格的每一個影響因素都完全、充分地反映在價格之中。所以，它分析的是證券價格的高低和變化，而并不關心影響證券價格的因素。

（二）價格沿著趨勢波動，并保持趨勢

證券價格的運動遵循一定的規律，按照趨勢進行，并保持著一定的慣性。證券價格的漲跌是買賣雙方力量對比的反映，當買方力量占據主導地位時，價格上升，在沒有新的外力或消息介入，這種局面就繼續維持，反之亦然。

（三）歷史會重演

該假設的含義是投資者過去的經驗是他制定投資策略的參考。如果在某種環境下，投資者會將現在的投資行為與曾經出現過的類似行為相比較，從而幫助他做出投資判斷。

二、技術投資方法在股票實戰中的應用概述

（一）基本的K線邏輯應用

K線又稱日本線或蠟燭線，最初是日本人用來表示米價的漲跌情況的工具，后被引入股市，用來分析股市走勢。K線較細膩地表現了交易過程中賣買雙放的強弱程度和價格波動狀況，是目前股票技術分析的最基本工具。K線主要通過K線的組合形態來分析判斷，一些典型的K線組合形態有反轉形態、持續形態等。

（二）基本的切線分析方法和形態分析方法的應用概述

1.切線分析方法概述

投資者運用畫線輔助的方法尋找股價運動的規律和未來運動的方向，對股價的變動趨勢進行科學預測，選擇買賣時機的方法就是切線分析法。切線主要包括趨勢線、通道線等。其中趨勢線的畫法顯得最為有用，它是表現價格波動趨勢的直線。上升趨勢中，將兩個上升的低點連成一條直線，就是上升趨勢線下降趨勢中，將兩個下降的高點連成一條直線，就是下降趨勢線。

2.形態分析方法概述

股價形態是記錄股票價格表現為某種形狀的圖形。這種形狀的出現和突破，對未來股價運動的方向和變動幅度有著很大的影響，投資者可以從某些經常出現的形態中分析多空雙方力量對比的變化，找出一些股價運行的規律，從而指導自己進行投資。基本的形態主要有頂部反轉形態、底部反轉形態和整理形態。

（三）技術指標應用概述

技術指標是按照事先規定好的固定方法對證券市場的原始數據進行技術處理，之后生成的某個具體數據就是指數指標值。將連續不斷的技術指標值制成圖表并據此對市場行情進行分析的方法就是指標應用方法。

1.移動平均線

通過一定時期內股價移動平均值而將股價的變動曲線化，并借以判斷未來股價變動趨勢的技術分析方法叫移動平均線分析法。它是道瓊斯理論的具體體現，也是K線圖的重要補充。移動平均線的買賣信號主要依據葛蘭威爾法則。

2.MACD與KDJ

MACD全稱指數平滑異動移動平均線，KDJ則是隨機指標。之所以把MACD與KDJ放在一起介紹，是因為兩者都是投資者在股票實戰過程中十分看中的投資技術指標。當MACD與KDJ的趨勢相同時，則發出的買賣信號也是相同的：當兩者趨勢相反時，則出現了背離。我們在操作時要反復將兩者進行對比、驗證，這樣操作的成功率就會得到更大的提高。

另外，比較常見的還有威廉指標、相對強弱指標、能量潮（OBV）等等。

三、技術分析的要素

技術分析要素主要包括價格、成交量、時間、空間這四方面的內容。價、量、時、空四個要素相互影響，相互作用，共同推動了技術分析活動的發展。

價格和成交量在證券市場上直接表現為成交價格和成交量。不同市場發展階段，證券的成交價格和成交量不同。在證券市場上，當買賣雙方在利益達到某一均衡點時對交易的認同度和滿意度較高，其成交量就相應上升。反之，其交易量就會下降。概括地說，成交量和價格的關系主要體現在以下幾個方面：一是成交量是推動股價漲跌的動力。二是量價背離是市場逆轉的信號。三是成交密集區對股價運動有阻力作用。四是成交量放大是判斷突破有效性的重要依據。

分析者在對時間和空間在進行技術分析時，必須以市場價格的周期性浮動和價格升降的程度為依據。時間分析是價格運行到目標位可能需要的時間，空間分析是反映趨勢運行的幅度，兩者在實戰操作中十分重要。例如，我們找股票可以看它的漲幅榜和量比排序榜，若其均處于前列，我們就可以根據技術分析系統提示的信號，及時、準確地進入，必將獲利。

四、技術操作舉例分析

前面我們對一些不同的技術方法理論和各項技術指標進行了闡述，不過技術投資中如果只運用一個技術得出的結論肯定有所偏差，所以為了使操作更具準確性，我們要綜合運用各項技術和指標。

（一）股票樣本選取

我們隨機選擇一只股票，中信海直全稱中信海洋直升機股份有限公司，股票代碼是000099，屬于航空運輸行業，經營范圍廣，是一只央企國資改革股。我們截取了中信海直2015年6月9日至2015年8月20日的K線圖，此圖包含了多種技術投資方法的內容，具有重要的技術意義。下面我們對其進行分析。

（二）操作分析

篇2

【關鍵詞】多元統計分析方法；股票投資狀況；綜合評價研究

一、前言

對于我國的經濟發展狀況，可以從股票市場的發展中得到體現，在短短十幾年的時間里，就實現了資本主義國家百年的發展成果。由此也能夠體現出我國經濟迅猛的發展態勢。而在近幾年當中，隨著股票市場的不斷發展，也逐漸暴露出了很多問題，對于經濟市場、股票市場的發展，產生了很大的威脅。因此，基于多元統計分析方法，對股票投資狀況進行綜合評價，更加充分的理解和認識其中存在的問題，從而更好的存進股票投資市場的發展。

二、多元統計分析方法的基本概述

在經典統計學當中，多元統計是一個重要的發展分支，作為一種分析方法來說，多元統計分析具有很強的綜合性。應用該方法，能夠在相互關聯的多個指標、對象之間，對其統計規律進行分析，在數理統計學當中，也是一個非常重要的分支學科。在多元統計分析方法中，包括了很多不同的統計方法，例如多重回歸分析、多元方差分析、判別分析、典型相關分析、聚類分析、因子分析、對應分析、主成分分析等方法。在實際應用中，多元統計分析方法主要是在一個客觀事物當中，研究多個不同變量之間相互依賴的統計性規律。基于費希爾等統計學專家的研究，得到了十分良好的進展。隨著計算機技術的發展和應用，也隨之出現了很多統計軟件，因而在醫學、生物、氣象、地質、圖形處理、經濟分析等諸多領域當中，多元統計分析方法都得到了廣泛的應用。而隨著應用領域的不斷拓寬，多元統計方法的理論也得到了進一步的發展，因而為人們的實際應用提供了更大的便利。

三、多元統計分析方法在股票投資狀況綜合評價中的應用

1.因子分析法的應用

因子分析法指的是將共性因子從變量群當中進行提取，從而進行相應的統計。這種方法最早是由英國心理學家斯皮爾曼所提出。在多個變量當中，可以利用因子分析法，對隱藏的具有代表性的因子進行找出，并且在一個因子當中，對本質相同的變量進行納入，從而使變量的數目得以減少，此外，對于變量之間關系的假設，也能夠進行有效的檢驗。在股票投資方面，因子分析法主要是用于對股票投資組合模型進行確定。在分析當中，利用不同的變量來替代對股票價格產生影響的因素，從而對股價因子模型進行建立。通過確定各個因子的不相關性，對股票進行分類，然后基于對股票發展潛力的研究，對最為適當的股票投資模型進行確定。

2.聚類分析法的應用

在聚類分析法當中，主要是對研究對象的特征進行分析，從而進行分類和數目的減少，是統計分析技術中的集中。在股票投資狀況的綜合評價當中，聚類分析法能夠對股票投資的特種特點加以利用。由于在股票投資當中，具有很多動態變化因素。因此，對于這些因素應當進行恰當的分析，從而尋找有效的方法，來規范治理這種動態情況，從而更加精確和準確的進行投資分析。在實際應用中，由于股票價格會受到很多因素的影響，因而具有不穩定性和波動性的特點，進而也引發了股票投資不理想的情況。而應用聚類分析法，能夠對這種不確定性進行有效的彌補。作為一種專業的投資分析方法，聚類分析法能夠對與股票市場相關聯的企業、行業等進行深層次的分析，從而對具有潛力的股票進行正確的預測。此外，在實際應用中，聚類分析法的實用性和直觀性更強，因而具有很廣泛的適用范圍。

3.主成分分析法的應用

主成分分析法是多元統計分析方法中一種對數據集進行簡化和分析的方法，該方法在20世紀初由皮爾遜所發明，在數理模型的建立、以及數據分析當中，能夠發揮良好的作用。在實際應用中，通過分解協方差矩陣的特征，對數據的特征矢量和權值進行獲取。在實際應用中，主成分分析具有十分廣泛的應用，通過研究各種分類數據，對自變量各組之間的差異進行分析和總結，從而對組件差異中不同自變量的完全貢獻進行判斷，最終利用這些數據，樣本歸類自變量的轉變方法。在股票投資狀況的綜合評價當中，對于各種對股票市場產生影響因素來說，相互之間往往存在著較大的關聯和影響，同時影響因素也非常復雜。利用主成分分析法，能夠將這些因素之間的影響進行降低。通過對各種因素和數據的總結分析，得出不同因素的影響程度，從而對指標選擇的工作量進行降低。此外，相比于傳統的構造回歸模型方法，利用主成分分析法，能夠更有效的節約時間，同時提高分析的精確度，為股票投資提供更加良好的依據和參考。

四、結論

隨著我國經濟的快速發展，作為一種重要的經濟形式，股票市場也得到了極大的進步。而由于股票市場的發展時間較短，各方面都還不夠成熟，因此在股票投資中難免會出現一些問題。對此，應用多元統計分析方法，能夠對股票投資狀況進行綜合評價，從而為更加理性、科學地進行股票投資提供依據。

參考文獻：

[1]李銀，黃惠娟，梁瑞時. 基于多元統計分析的股票最優投資模型[J]. 韶關學院學報，2014，12：10-14.

[2]韓燕，崔鑫，郭艷. 中國上市公司股票投資的動機研究[J]. 管理科學，2015，04：120-131.

篇3

2、固定分散風險法。股票投資的風險比較大，為了適當分散風險，投資者將資金按一定比例分成兩部分，一部分投資于股票，另一部分投資于價格波動不大的債券。兩部分的比例大小因投資者風險承受心理能力的大小而異，偏于穩妥的投資者可以將股票投資部分定小一些，而債券部分比重定大一些，偏于風險的投資者則相反，而舉棋不定的人可以使兩部分比重各占一半。

3、不固定分散風險法。這種股票投資方式的基本方法也是首先確定投資額中股票投資與債券投資所占比重但這種比重不是確定不變的，它將隨著證券價格的波動而隨時被投資者調整，調整的基礎是確定一條價格基準線，股價高于墊準線賣出股票，買入相應債券，股價低于基準線時買入股票，但要賣出相應金額的債券。買賣股票的數量比例隨股票價格的升降而定，一般的，股價升降幅度小時，股票買賣的比重就大。

4、全面分散風險法。與前兩種股票投資方式的基本原理一樣，采用這種方法的投資者也將投資分散到不同的對象上去。但不確定各投資對象所占的比例。采用這種方法的投資者對捉摸不定的股市往往一籌莫展，不知應該如何準確選擇投資對象。于是漫天撒網，買進許多種股票，哪種股票價格上漲到能使自己獲利的水平就賣出哪種股票。

篇4

關鍵詞：熵;風險;投資組合;均值―方差模型

中圖分類號：F830.59文獻標識碼：A文章編號：1008-2670（2014）04-0029-07

一、引言

在經濟全球化和金融一體化的影響下，我國金融市場也得到了快速的發展。但是資本市場存在如上市公司質量不高、財務信息造假、監管不嚴、行政化嚴重等問題[1]，導致其在金融結構、市場機制、市場深度、市場文化方面距離成熟的資本市場還有一定的差距，市場波動性較大，因而證券投資的風險管理問題就比較突出，而建立科學有效的風險度量方法是進行風險管理的基礎。馬科維茨的均值―方差模型的提出是金融風險進入量化時代的標志，但是該模型假設條件過于苛刻，其實際應用受到很多學者的質疑，之后又有學者提出其他方法，到目前為止有半方差度量法[2]、VAR度量方法[3]、ARCH度量方法[4]、β系數度量方法[5]等。但是這些風險度量方法都存在一定程度的缺陷，如半方差只說明收益率的偏離方向，沒有反映證券組合的損失到底有多大[6];而VAR度量方法是在假設收益服從正態分布的條件上成立的[7]。實際中證券的收益率是不服從正態分布的，有必要尋找一種廣泛有效的風險度量方法。從內涵上來看，熵是不確定性的體現，并且在度量過程中無需對分布做任何假設，因此本文提出將熵理論引入投資組合模型中，來尋求更加實用的組合選擇工具。

許國志、李鳳章[8]將熵與決策行動的不確定性和風險相聯系并用于決策分析中。顧昌耀、邱苑華[9]提出將熵引入到貝葉斯決策中，改進和完善已有信息價值度量，豐富和發展了貝葉斯決策理論。在理論引入基礎上，很多學者建立了自己的模型。主要有兩種方法，一種方法是計算每只股票的熵來代表每只股票的風險，并對股票風險進行排序，篩選出適當數量的股票進行組合，但是這種方法并沒有給出最終的投資方案。姜丹、錢玉美[10]建立效用風險熵模型，考慮了隨機事件客觀狀態的不確定性和結果價值兩方面的因素，并且說明了用熵衡量風險的合理性。楊繼平[11]通過期望―效用決策模型對股票進行篩選排序，并與二階隨機占優準則做了比較，得出期望―效用決策模型更具有實用性的結論，但是該模型計算量巨大并且未考慮投資者的風險偏好。袁博[12]建立最單純的熵模型，并引入調節因子來度量股票投資風險，對原上證50的50只股票進行風險排序，篩選出20只目標股票。實證研究得出，熵模型在度量股票投資風險具有高效、便捷、實用性。另外一種方法是根據熵的定義，直接給出投資組合的熵值表達式，確定投資方案，但是這種方法沒有考慮個股風險對于投資方案的影響。李華[13]利用熵的最大熵原理改變組合投資的目標函數建立了模型。李江濤[14]結合我國實際情況，考慮交易費用、限制約束、最小交易單位以及限制賣空等幾個條件，構建了均值―熵模型，該模型與我國真實股票市場相接近，與實際更相符，但是沒有通過具體數據進行實證研究。

綜上，國內學者對于熵理論對金融風險的度量和管理的研究還處于起步階段，在建立模型時單獨使用個股熵值排序篩選法和計算組合熵值確定投資方案這兩種方法，所以各模型都有不可避免的弊端，因此將這兩種方法結合起來，用投資比例加權個股的熵值來表示系統的風險是一種新的研究思路和方法。

二、均值―熵模型概述

用熵來度量投資風險，對收益率的概率分布沒有要求。在實際的證券市場中，各風險資產收益率的分布并不是確定的，投資者只關心的是實際收益率小于期望收益率時所面臨的風險，因此用熵度量投資風險在實際應用中更具有實用性和價值意義。從熵的定義來看，熵描述的是一個系統的無序程度，而信息熵是將系統的無序程度與信息量有效結合，信息熵的數值越大，表明該值包涵的樣本的信息量越大，樣本的不確定性程度就越小。風險本質上看是表現投資者收益率的不確定程度。選擇用信息熵來度量投資風險具有更加完善的理論基礎。熵表現的是收益率概率分布的多階矩特征，能涵括更多關于分布的信息，相比只能反映分布二階矩特征的方差，能更加準確地衡量投資者面臨的全部風險。用熵衡量投資風險更符合客觀現實，誤差更小。根據熵的定義及其性質可知，用熵函數度量投資風險與投資者對于風險度量的理解是相一致的，基于熵測度風險的資產風險排序，相比用方差度量更具有合理性。

根據信息熵的定義可知，單個證券的熵值可用H（X）=∑ni=1-pilnpi求出，可將此公式定義為證券的初始熵值，但是根據信息熵的性質可知，由于各證券的收益率不是相互獨立的，因此不具有可加性。常用的辦法是將證券的熵分解成受市場影響的系統風險熵和非系統熵。王博[17]提出用β系數加權的市場收益率的熵和殘差項的熵的和來表示單個證券的熵，具體表示為H（S）=βH（rm）+H（εi），但是該模型假設殘差項和市場收益率是不相關的，而在現實生活中，殘差項和市場收益率是有一定關系的。所以在此基礎上，引入條件熵對此模型進行改進。所有單個證券的收益率對市場收益率的條件熵都是獨立的，這樣單個證券的熵就能相加。單個證券的熵值公式表示為：

由以上定義可以看出，H（S）反映的是某資產的風險程度，H（S）的值的大小與其風險程度是正相關的。

基于以上單個風險資產的風險度量公式，可定義投資組合的熵值公式：

設投資者投資于n種證券，第i（i=1、2….n）種證券的投資比例為xI，∑ni=1Xi=1，0≤Xi≤1（i=1、2….n）。則n種證券的組合投資風險為：

理性的投資者總是希望在一定的收益下，投資風險盡可能的小。從這方面看還需加入一個約束條件使得證券投資組合的期望收益率大于等于某一給定的值，得到的均值 ― 熵模型為：

三、均值―熵模型的實證分析

（一）數據選擇

由于投資資本的有限性，投資者在選取投資組合時既要兼顧分散風險又要考慮自身資本承受能力，因此投資組合中的股票數量不宜過多。由根據風險分散和投資組合原理以及對中國股票市場的調查研究得出的經驗法則[12]可知，當投資組合中的股票數量超過12只時，組合對非系統風險的分散作用開始減弱。因此，在研究過程中可以選擇10只股票，此時組合對非系統風險的分散作用較大。

從深證100中涉及金融、能源、交通、地產等行業中選取成長性好、業績高、收益率穩定的10只股票進行研究[15]。所選股票見表1。

為了保證數據序列的平穩性，選擇使用股票的對數收益率來研究。為了保證模型的時效性，選取2012年7月1日至2013年7月1日的日收益率來研究。表1選取股票名稱及代碼

（二）數據處理

我們可以根據這10只股票從2012年7月1日至2013年7月1日的收盤價數據分析來推斷其未來的收益趨勢，股票的對數收益率定義為：

rit=lnpit-lnpit-1

（7）

公式中，rit表示第i只股票在第t個交易日的對數收益率，pit，pit-1表示第i只股票在第t-1，t個交易日的收盤價。 在進行計算之前，通過計算收益率序列的均值、標準差、偏度、峰度及正態分布檢驗統計量來了解各只股票收益率序列的基本統計特征。各股票相關統計特征值數如表2：

從表2可以看出，各股票收益率的均值都在零附近，峰度遠大于正態分布下的K=3，表現出顯著的尖峰厚尾的特征，且各股票收益率的J-B統計量都遠大于零，說明收益率序列不服從正態分布。

作為時間序列，盡管不服從正態分布，但是仍有必要檢驗序列的平穩性，平穩性檢驗最常用的是ADF檢驗，各股票的單位根檢驗的數據如表3：

從表3可以看出，在置信度為0.05的水平下，10只股票的收益率序列都通過了平穩性檢驗，可以進行進一步的熵值計算。表3ADF統計

（三）數據計算

根據股票日收益率的定義可求出每只股票的對數收益率序列，并將區間[min（r），max（r）]等分10個小區間，并用頻率來代替概率，這樣可得到10只股票收益率的分布率和每個區間的樣本均值，如表4所示，每只股票的第一行為頻率，第二行為中間值：

根據以上概率分布，可求出每只股票的期望對數收益率和初始熵值，具體如表5和表6所示：

各股票初始熵值與其方差的對比如表7所示。從表7可以看出，用熵衡量風險與用方差衡量有類似的效果，基本符合熵越大，方差越大。但也有一些不同，驗證了研究熵度量風險的必要性。

運用同樣的方法求深證100指數的概率分布，來代表市場收益率的概率分布。具體結果如表8所示：表7初始熵值與方差對比表

接下來計算在給定收益率的條件下，用熵值衡量風險與用標準差衡量風險的區別，可以通過計算一定收益率水平下，要使得投資組合的風險最小的各個股票的組合情況。

利用MATLAB中的優化工具箱可求解公式（6）這一線性約束問題，求出均值―熵模型下10只股票的投資比例，如表12所示：

為了方便比較，我們可以求出相同收益率水平下，均值―方差模型的投資比例，具體如表13所示：

通過對比均值―方差模型與均值―熵模型在相同收益率下的投資方案，可以看出，在收益率由低到高的過程中，兩種模型都會選擇用收益風險比較大的中金嶺南（000060）代替華聯控股（000036），可見新舊模型存在相似的選擇過程。但是用熵度量風險的新模型計算出的投資方案中只通過兩只股票來分散風險，而傳統方法得出的最有投資組合中包括了更多的股票。

四、結論

（一）用熵來度量風險具有合理性和可行性

從實證過程可以看出，股票的熵值不依賴于某種特定的分布，只要確定收益率的分布，便能求出股票的熵值，因此熵值是一種理想的股票風險度量手段[16]。

（二）均值―熵模型能夠為投資者提供更加簡單的投資方案

從以上的實證結果可以看出，在相同收益率下，用均值―方差模型計算出的最優投資組合中包含的股票數量更多。雖然從理論上來講，選擇的股票越多，分散風險的效果就越明顯，但是過度分散不僅不會降低投資者面臨的風險，反而會因為信息成本等其他成本的增加提高風險。而基于熵度量風險的均值―熵模型提供給投資者的最優方案中包括的股票數量更少，更加簡潔，可以減少交易費用和管理費用，降低投資者的風險。

（三）模型評價

1.模型優勢

（1）使用熵代替方差衡量投資組合的風險，不需要對收益率的分布做任何假設，是一種對客觀概率的正確描述和無偏估計，代表風險的熵值的大小只與收益率的概率分布狀況有關，這就克服了使用均值―方差模型必須假設收益率的分布是正態分布的缺陷。因此，均值―熵模型在使用時更具有實用性。

（2）熵在度量風險時與方差的效果是相似的，但是熵可以描述收益率的多階矩的特性，相比方差只能表達的二階矩的特征，熵能提供更多關于收益率的信息，因此能更加準確地衡量不確定程度。投資者確定各個風險資產的投資比例的過程是復雜動態多變的，用熵來衡量投資組合的風險更加合理。

（3）雖然增加投資組合中的資產數量能夠有效分散系統風險，但是過度分散反而會降低組合收益。本文的實證結果表明，均值―熵模型能夠在相同收益水平上，提供給投資者更加簡單精煉的投資方案。包含股票數量較少的投資方案，能在分散風險的基礎上有效降低管理費用和交易費用，從而降低投資者面臨的風險。

2.模型的不足之處

（1）本文提出的均值―熵模型，在數學方面欠缺嚴謹性，沒有證明過程。

（2）整個計算過程過于繁瑣，需要進一步通過計算機仿真，增強模型的實用性，為投資者選取資產組合提供便利工具。

（3）由于熵的值只跟變量的概率分布有關系，并不受其取值的影響，不能表現出投資者對于風險的主觀反映，因此熵對風險的描述欠缺全面性。

（4）在整個分析過程中，沒有考慮稅收和交易費用等問題，需要進一步改進。

參考文獻：

[1]王霄，楊珊珊.淺析我國資本市場存在的問題及原因[J].商，2013（3）：121-122.

[2]衛海英，張國勝.基于半方差風險計量模型的組合投資分析[J].財經研究，2005（1）：115-121.

[3]邵欣煒.基于VAR的金融風險度量與管理[D].長春：吉林大學，2004.

[4]閆冀楠.股市投資收益與風險直接關系的定量研究[J].天津大學學報，1999（7）：454-458.

[5]丁健. β系數估計方法研究[D].北京：對外經濟貿易大學，2006.

[6]王春峰.金融市場風險管理[M].天津：天津大學出版社，2001.

[7]趙青.投資項目組合風險分析與度量[D].西安：西北工業大學，2005.

[8]李鳳章.決策分析中的風險、不確定性和熵[D].北京：中國科學院，1988.

[9]顧昌耀，邱苑華.復熵及其在Bayes決策中的應用[J].控制與決策，1991（4）：253-259.

[10]姜丹，錢玉美.效用風險熵[J].中國科學技術大學學報，1994，24（4）：461-469.

[11]楊繼平，張力建.期望效用―熵決策模型在滬市爭取按投資選擇中的應用研究[J].系統工程，2005，23（12）：23-29.

[12]袁博.熵模型在股票投資風險管理中的應用研究[D].西安：西安建筑科技大學，2009.

[13]李華.證券投資組合中的熵優化模型研究[J].大連理工大學學報，2005，33（6）：16-21.

[14]李江濤.熵風險下的國內證券投資組合模型[J].商業經濟，2009（11）：64-65.

篇5

股票走勢圖分析

1) 白色曲線：表示大盤加權指數，即證交所每日公布媒體常說的大盤實際指數。

2) 黃色曲線：大盤不含加權的指標，即不考慮股票盤子的大小，而將所有股票對指數影響看作相同而計算出來的大盤指數。

參考白黃二曲線的相互位置可知：

A)當大盤指數上漲時，黃線在白線之上，表示流通盤較小的股票漲幅較大;反之，黃線在白線之下，說明盤小的股票漲幅落后大盤股。

B)當大盤指數下跌時，黃線在白線之上，表示流通盤較小的股票跌幅小于盤大的股票;反之，盤小的股票跌幅大于盤大的股票。

3) 紅綠柱線：在紅白兩條曲線附近有紅綠柱狀線，是反映大盤即時所有股票的買盤與賣盤在數量上的比率。紅柱線的增長減短表示上漲買盤力量的增減;綠柱線的增長縮短表示下跌賣盤力度的強弱。

4) 黃色柱線：在紅白曲線圖下方，用來表示每一分鐘的成交量，單位是手(每手等于100股)。

5) 委買委賣手數：代表即時所有股票買入委托下三檔和賣出上三檔手數相加的總和。

6) 委比數值：是委買委賣手數之差與之和的比值。當委比數值為正值大的時候，表示買方力量較強股指上漲的機率大;當委比數值為負值的時候，表示賣方的力量較強股指下跌的機率大。

股票分析方法

技術分析

技術分析是以預測市場價格變化的未來趨勢為目的，通過分析歷史圖表對市場價格的運動進行分析的一種方法。技術分析是證券投資市場中普遍應用的一種分析方法。

所有的技術分析都是建立在三大假設之上的。

一、市場行為包容消化一切。這句話的含義是：所有的基礎事件--經濟事件、社會事件、戰爭、自然災害等等作用于市場的因素都會反映到價格變化中來。二、價格以趨勢方式演變。三、歷史會重演。

《股市趨勢技術分析》是技術分析的代表著作。初版1948年，作為經典中的經典、技術分析的權威之作，《股市趨勢技術分析》至今仍牢牢處于無法超越的地位。

基本分析

基本分析法通過對決定股票內在價值和影響股票價格的宏觀經濟形勢、行業狀況、公司經營狀況等進行分析，評估股票的投資價值和合理價值，與股票市場價進行比較，相應形成買賣的建議。

演化分析

演化分析是以演化證券學理論為基礎，將股市波動的生命運動特性作為主要研究對象，從股市的代謝性、趨利性、適應性、可塑性、應激性、變異性和節律性等方面入手，對市場波動方向與空間進行動態跟蹤研究，為股票交易決策提供機會和風險評估的方法總和。

量化分析法

量化分析法是利用數學和計算機的方法對股票進行分析，從而找出漲跌的概率，將量化分析方法設定為:

a. 趨勢判斷型量化投資策略

判斷趨勢型是一種高風險的投資方式，通過對大盤或者個股的趨勢判斷，進行相應的投資操作。如果判斷是趨勢向上則做多，如果判斷趨勢向下則做空，如果判斷趨勢盤整，則進行高拋低吸。這種方式的優點是收益率高，缺點是風險大。一旦判斷錯誤則可能遭受重大損失。所以趨勢型投資方法適合于風險承受度比較高的投資者，在承擔大風險的情況下，也會有機會獲得高額收益。

b.波動率判斷型量化投資策略

判斷波動率型投資方法，本質上是試圖消除系統性風險，賺取穩健的收益。這種方法的主要投資方式是套利，即對一個或者N個品種，進行買入同時并賣出另外一個或N個品種的操作，這也叫做對沖交易。這種方法無論在大盤哪個方向波動，向上也好，向下也好，都可以獲得一個比較穩定的收益。在牛市中，這種方法收益率不會超越基準，但是在熊市中，它可以避免大的損失，還能有一些不錯的收益。

股指期貨套利是在股票和股指期貨之間的對沖操作，商品期貨是在不同的期貨品種之間，統計套利是在有相關性的品種之間，期權套利則是在看漲看跌期權之間的對沖。

看過“如何觀看股票走勢”的人還看了：

1.如何看股票走勢圖視頻

2.怎么看懂股票走勢圖

3.怎么根據大盤走勢看個股