序言：作為思想的載體和知識(shí)的探索者，寫(xiě)作是一種獨(dú)特的藝術(shù)，我們?yōu)槟鷾?zhǔn)備了不同風(fēng)格的5篇股票的投資方法，期待它們能激發(fā)您的靈感。

篇1

[關(guān)鍵詞]技術(shù)投資方法；股票實(shí)戰(zhàn)；應(yīng)用分析

一、技術(shù)分析的理論基礎(chǔ)

（一）市場(chǎng)行為包含一切信息

該假設(shè)是技術(shù)分析的前提基礎(chǔ)，它以市場(chǎng)行為為研究對(duì)象，認(rèn)為證券價(jià)格的每一個(gè)影響因素都完全、充分地反映在價(jià)格之中。所以，它分析的是證券價(jià)格的高低和變化，而并不關(guān)心影響證券價(jià)格的因素。

（二）價(jià)格沿著趨勢(shì)波動(dòng)，并保持趨勢(shì)

證券價(jià)格的運(yùn)動(dòng)遵循一定的規(guī)律，按照趨勢(shì)進(jìn)行，并保持著一定的慣性。證券價(jià)格的漲跌是買(mǎi)賣(mài)雙方力量對(duì)比的反映，當(dāng)買(mǎi)方力量占據(jù)主導(dǎo)地位時(shí)，價(jià)格上升，在沒(méi)有新的外力或消息介入，這種局面就繼續(xù)維持，反之亦然。

（三）歷史會(huì)重演

該假設(shè)的含義是投資者過(guò)去的經(jīng)驗(yàn)是他制定投資策略的參考。如果在某種環(huán)境下，投資者會(huì)將現(xiàn)在的投資行為與曾經(jīng)出現(xiàn)過(guò)的類(lèi)似行為相比較，從而幫助他做出投資判斷。

二、技術(shù)投資方法在股票實(shí)戰(zhàn)中的應(yīng)用概述

（一）基本的K線邏輯應(yīng)用

K線又稱(chēng)日本線或蠟燭線，最初是日本人用來(lái)表示米價(jià)的漲跌情況的工具，后被引入股市，用來(lái)分析股市走勢(shì)。K線較細(xì)膩地表現(xiàn)了交易過(guò)程中賣(mài)買(mǎi)雙放的強(qiáng)弱程度和價(jià)格波動(dòng)狀況，是目前股票技術(shù)分析的最基本工具。K線主要通過(guò)K線的組合形態(tài)來(lái)分析判斷，一些典型的K線組合形態(tài)有反轉(zhuǎn)形態(tài)、持續(xù)形態(tài)等。

（二）基本的切線分析方法和形態(tài)分析方法的應(yīng)用概述

1.切線分析方法概述

投資者運(yùn)用畫(huà)線輔助的方法尋找股價(jià)運(yùn)動(dòng)的規(guī)律和未來(lái)運(yùn)動(dòng)的方向，對(duì)股價(jià)的變動(dòng)趨勢(shì)進(jìn)行科學(xué)預(yù)測(cè)，選擇買(mǎi)賣(mài)時(shí)機(jī)的方法就是切線分析法。切線主要包括趨勢(shì)線、通道線等。其中趨勢(shì)線的畫(huà)法顯得最為有用，它是表現(xiàn)價(jià)格波動(dòng)趨勢(shì)的直線。上升趨勢(shì)中，將兩個(gè)上升的低點(diǎn)連成一條直線，就是上升趨勢(shì)線下降趨勢(shì)中，將兩個(gè)下降的高點(diǎn)連成一條直線，就是下降趨勢(shì)線。

2.形態(tài)分析方法概述

股價(jià)形態(tài)是記錄股票價(jià)格表現(xiàn)為某種形狀的圖形。這種形狀的出現(xiàn)和突破，對(duì)未來(lái)股價(jià)運(yùn)動(dòng)的方向和變動(dòng)幅度有著很大的影響，投資者可以從某些經(jīng)常出現(xiàn)的形態(tài)中分析多空雙方力量對(duì)比的變化，找出一些股價(jià)運(yùn)行的規(guī)律，從而指導(dǎo)自己進(jìn)行投資。基本的形態(tài)主要有頂部反轉(zhuǎn)形態(tài)、底部反轉(zhuǎn)形態(tài)和整理形態(tài)。

（三）技術(shù)指標(biāo)應(yīng)用概述

技術(shù)指標(biāo)是按照事先規(guī)定好的固定方法對(duì)證券市場(chǎng)的原始數(shù)據(jù)進(jìn)行技術(shù)處理，之后生成的某個(gè)具體數(shù)據(jù)就是指數(shù)指標(biāo)值。將連續(xù)不斷的技術(shù)指標(biāo)值制成圖表并據(jù)此對(duì)市場(chǎng)行情進(jìn)行分析的方法就是指標(biāo)應(yīng)用方法。

1.移動(dòng)平均線

通過(guò)一定時(shí)期內(nèi)股價(jià)移動(dòng)平均值而將股價(jià)的變動(dòng)曲線化，并借以判斷未來(lái)股價(jià)變動(dòng)趨勢(shì)的技術(shù)分析方法叫移動(dòng)平均線分析法。它是道瓊斯理論的具體體現(xiàn)，也是K線圖的重要補(bǔ)充。移動(dòng)平均線的買(mǎi)賣(mài)信號(hào)主要依據(jù)葛蘭威爾法則。

2.MACD與KDJ

MACD全稱(chēng)指數(shù)平滑異動(dòng)移動(dòng)平均線，KDJ則是隨機(jī)指標(biāo)。之所以把MACD與KDJ放在一起介紹，是因?yàn)閮烧叨际峭顿Y者在股票實(shí)戰(zhàn)過(guò)程中十分看中的投資技術(shù)指標(biāo)。當(dāng)MACD與KDJ的趨勢(shì)相同時(shí)，則發(fā)出的買(mǎi)賣(mài)信號(hào)也是相同的：當(dāng)兩者趨勢(shì)相反時(shí)，則出現(xiàn)了背離。我們?cè)诓僮鲿r(shí)要反復(fù)將兩者進(jìn)行對(duì)比、驗(yàn)證，這樣操作的成功率就會(huì)得到更大的提高。

另外，比較常見(jiàn)的還有威廉指標(biāo)、相對(duì)強(qiáng)弱指標(biāo)、能量潮（OBV）等等。

三、技術(shù)分析的要素

技術(shù)分析要素主要包括價(jià)格、成交量、時(shí)間、空間這四方面的內(nèi)容。價(jià)、量、時(shí)、空四個(gè)要素相互影響，相互作用，共同推動(dòng)了技術(shù)分析活動(dòng)的發(fā)展。

價(jià)格和成交量在證券市場(chǎng)上直接表現(xiàn)為成交價(jià)格和成交量。不同市場(chǎng)發(fā)展階段，證券的成交價(jià)格和成交量不同。在證券市場(chǎng)上，當(dāng)買(mǎi)賣(mài)雙方在利益達(dá)到某一均衡點(diǎn)時(shí)對(duì)交易的認(rèn)同度和滿意度較高，其成交量就相應(yīng)上升。反之，其交易量就會(huì)下降。概括地說(shuō)，成交量和價(jià)格的關(guān)系主要體現(xiàn)在以下幾個(gè)方面：一是成交量是推動(dòng)股價(jià)漲跌的動(dòng)力。二是量?jī)r(jià)背離是市場(chǎng)逆轉(zhuǎn)的信號(hào)。三是成交密集區(qū)對(duì)股價(jià)運(yùn)動(dòng)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(jù)。

分析者在對(duì)時(shí)間和空間在進(jìn)行技術(shù)分析時(shí)，必須以市場(chǎng)價(jià)格的周期性浮動(dòng)和價(jià)格升降的程度為依據(jù)。時(shí)間分析是價(jià)格運(yùn)行到目標(biāo)位可能需要的時(shí)間，空間分析是反映趨勢(shì)運(yùn)行的幅度，兩者在實(shí)戰(zhàn)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(jù)技術(shù)分析系統(tǒng)提示的信號(hào)，及時(shí)、準(zhǔn)確地進(jìn)入，必將獲利。

四、技術(shù)操作舉例分析

前面我們對(duì)一些不同的技術(shù)方法理論和各項(xiàng)技術(shù)指標(biāo)進(jìn)行了闡述，不過(guò)技術(shù)投資中如果只運(yùn)用一個(gè)技術(shù)得出的結(jié)論肯定有所偏差，所以為了使操作更具準(zhǔn)確性，我們要綜合運(yùn)用各項(xiàng)技術(shù)和指標(biāo)。

（一）股票樣本選取

我們隨機(jī)選擇一只股票，中信海直全稱(chēng)中信海洋直升機(jī)股份有限公司，股票代碼是000099，屬于航空運(yùn)輸行業(yè)，經(jīng)營(yíng)范圍廣，是一只央企國(guó)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(shù)投資方法的內(nèi)容，具有重要的技術(shù)意義。下面我們對(duì)其進(jìn)行分析。

（二）操作分析

篇2

【關(guān)鍵詞】多元統(tǒng)計(jì)分析方法；股票投資狀況；綜合評(píng)價(jià)研究

一、前言

對(duì)于我國(guó)的經(jīng)濟(jì)發(fā)展?fàn)顩r，可以從股票市場(chǎng)的發(fā)展中得到體現(xiàn)，在短短十幾年的時(shí)間里，就實(shí)現(xiàn)了資本主義國(guó)家百年的發(fā)展成果。由此也能夠體現(xiàn)出我國(guó)經(jīng)濟(jì)迅猛的發(fā)展態(tài)勢(shì)。而在近幾年當(dāng)中，隨著股票市場(chǎng)的不斷發(fā)展，也逐漸暴露出了很多問(wèn)題，對(duì)于經(jīng)濟(jì)市場(chǎng)、股票市場(chǎng)的發(fā)展，產(chǎn)生了很大的威脅。因此，基于多元統(tǒng)計(jì)分析方法，對(duì)股票投資狀況進(jìn)行綜合評(píng)價(jià)，更加充分的理解和認(rèn)識(shí)其中存在的問(wèn)題，從而更好的存進(jìn)股票投資市場(chǎng)的發(fā)展。

二、多元統(tǒng)計(jì)分析方法的基本概述

在經(jīng)典統(tǒng)計(jì)學(xué)當(dāng)中，多元統(tǒng)計(jì)是一個(gè)重要的發(fā)展分支，作為一種分析方法來(lái)說(shuō)，多元統(tǒng)計(jì)分析具有很強(qiáng)的綜合性。應(yīng)用該方法，能夠在相互關(guān)聯(lián)的多個(gè)指標(biāo)、對(duì)象之間，對(duì)其統(tǒng)計(jì)規(guī)律進(jìn)行分析，在數(shù)理統(tǒng)計(jì)學(xué)當(dāng)中，也是一個(gè)非常重要的分支學(xué)科。在多元統(tǒng)計(jì)分析方法中，包括了很多不同的統(tǒng)計(jì)方法，例如多重回歸分析、多元方差分析、判別分析、典型相關(guān)分析、聚類(lèi)分析、因子分析、對(duì)應(yīng)分析、主成分分析等方法。在實(shí)際應(yīng)用中，多元統(tǒng)計(jì)分析方法主要是在一個(gè)客觀事物當(dāng)中，研究多個(gè)不同變量之間相互依賴(lài)的統(tǒng)計(jì)性規(guī)律。基于費(fèi)希爾等統(tǒng)計(jì)學(xué)專(zhuān)家的研究，得到了十分良好的進(jìn)展。隨著計(jì)算機(jī)技術(shù)的發(fā)展和應(yīng)用，也隨之出現(xiàn)了很多統(tǒng)計(jì)軟件，因而在醫(yī)學(xué)、生物、氣象、地質(zhì)、圖形處理、經(jīng)濟(jì)分析等諸多領(lǐng)域當(dāng)中，多元統(tǒng)計(jì)分析方法都得到了廣泛的應(yīng)用。而隨著應(yīng)用領(lǐng)域的不斷拓寬，多元統(tǒng)計(jì)方法的理論也得到了進(jìn)一步的發(fā)展，因而為人們的實(shí)際應(yīng)用提供了更大的便利。

三、多元統(tǒng)計(jì)分析方法在股票投資狀況綜合評(píng)價(jià)中的應(yīng)用

1.因子分析法的應(yīng)用

因子分析法指的是將共性因子從變量群當(dāng)中進(jìn)行提取，從而進(jìn)行相應(yīng)的統(tǒng)計(jì)。這種方法最早是由英國(guó)心理學(xué)家斯皮爾曼所提出。在多個(gè)變量當(dāng)中，可以利用因子分析法，對(duì)隱藏的具有代表性的因子進(jìn)行找出，并且在一個(gè)因子當(dāng)中，對(duì)本質(zhì)相同的變量進(jìn)行納入，從而使變量的數(shù)目得以減少，此外，對(duì)于變量之間關(guān)系的假設(shè)，也能夠進(jìn)行有效的檢驗(yàn)。在股票投資方面，因子分析法主要是用于對(duì)股票投資組合模型進(jìn)行確定。在分析當(dāng)中，利用不同的變量來(lái)替代對(duì)股票價(jià)格產(chǎn)生影響的因素，從而對(duì)股價(jià)因子模型進(jìn)行建立。通過(guò)確定各個(gè)因子的不相關(guān)性，對(duì)股票進(jìn)行分類(lèi)，然后基于對(duì)股票發(fā)展?jié)摿Φ难芯浚瑢?duì)最為適當(dāng)?shù)墓善蓖顿Y模型進(jìn)行確定。

2.聚類(lèi)分析法的應(yīng)用

在聚類(lèi)分析法當(dāng)中，主要是對(duì)研究對(duì)象的特征進(jìn)行分析，從而進(jìn)行分類(lèi)和數(shù)目的減少，是統(tǒng)計(jì)分析技術(shù)中的集中。在股票投資狀況的綜合評(píng)價(jià)當(dāng)中，聚類(lèi)分析法能夠?qū)善蓖顿Y的特種特點(diǎn)加以利用。由于在股票投資當(dāng)中，具有很多動(dòng)態(tài)變化因素。因此，對(duì)于這些因素應(yīng)當(dāng)進(jìn)行恰當(dāng)?shù)姆治觯瑥亩鴮ふ矣行У姆椒ǎ瑏?lái)規(guī)范治理這種動(dòng)態(tài)情況，從而更加精確和準(zhǔn)確的進(jìn)行投資分析。在實(shí)際應(yīng)用中，由于股票價(jià)格會(huì)受到很多因素的影響，因而具有不穩(wěn)定性和波動(dòng)性的特點(diǎn)，進(jìn)而也引發(fā)了股票投資不理想的情況。而應(yīng)用聚類(lèi)分析法，能夠?qū)@種不確定性進(jìn)行有效的彌補(bǔ)。作為一種專(zhuān)業(yè)的投資分析方法，聚類(lèi)分析法能夠?qū)εc股票市場(chǎng)相關(guān)聯(lián)的企業(yè)、行業(yè)等進(jìn)行深層次的分析，從而對(duì)具有潛力的股票進(jìn)行正確的預(yù)測(cè)。此外，在實(shí)際應(yīng)用中，聚類(lèi)分析法的實(shí)用性和直觀性更強(qiáng)，因而具有很廣泛的適用范圍。

3.主成分分析法的應(yīng)用

主成分分析法是多元統(tǒng)計(jì)分析方法中一種對(duì)數(shù)據(jù)集進(jìn)行簡(jiǎn)化和分析的方法，該方法在20世紀(jì)初由皮爾遜所發(fā)明，在數(shù)理模型的建立、以及數(shù)據(jù)分析當(dāng)中，能夠發(fā)揮良好的作用。在實(shí)際應(yīng)用中，通過(guò)分解協(xié)方差矩陣的特征，對(duì)數(shù)據(jù)的特征矢量和權(quán)值進(jìn)行獲取。在實(shí)際應(yīng)用中，主成分分析具有十分廣泛的應(yīng)用，通過(guò)研究各種分類(lèi)數(shù)據(jù)，對(duì)自變量各組之間的差異進(jìn)行分析和總結(jié)，從而對(duì)組件差異中不同自變量的完全貢獻(xiàn)進(jìn)行判斷，最終利用這些數(shù)據(jù)，樣本歸類(lèi)自變量的轉(zhuǎn)變方法。在股票投資狀況的綜合評(píng)價(jià)當(dāng)中，對(duì)于各種對(duì)股票市場(chǎng)產(chǎn)生影響因素來(lái)說(shuō)，相互之間往往存在著較大的關(guān)聯(lián)和影響，同時(shí)影響因素也非常復(fù)雜。利用主成分分析法，能夠?qū)⑦@些因素之間的影響進(jìn)行降低。通過(guò)對(duì)各種因素和數(shù)據(jù)的總結(jié)分析，得出不同因素的影響程度，從而對(duì)指標(biāo)選擇的工作量進(jìn)行降低。此外，相比于傳統(tǒng)的構(gòu)造回歸模型方法，利用主成分分析法，能夠更有效的節(jié)約時(shí)間，同時(shí)提高分析的精確度，為股票投資提供更加良好的依據(jù)和參考。

四、結(jié)論

隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，作為一種重要的經(jīng)濟(jì)形式，股票市場(chǎng)也得到了極大的進(jìn)步。而由于股票市場(chǎng)的發(fā)展時(shí)間較短，各方面都還不夠成熟，因此在股票投資中難免會(huì)出現(xiàn)一些問(wèn)題。對(duì)此，應(yīng)用多元統(tǒng)計(jì)分析方法，能夠?qū)善蓖顿Y狀況進(jìn)行綜合評(píng)價(jià)，從而為更加理性、科學(xué)地進(jìn)行股票投資提供依據(jù)。

參考文獻(xiàn)：

[1]李銀，黃惠娟，梁瑞時(shí). 基于多元統(tǒng)計(jì)分析的股票最優(yōu)投資模型[J]. 韶關(guān)學(xué)院學(xué)報(bào)，2014，12：10-14.

[2]韓燕，崔鑫，郭艷. 中國(guó)上市公司股票投資的動(dòng)機(jī)研究[J]. 管理科學(xué)，2015，04：120-131.

篇3

2、固定分散風(fēng)險(xiǎn)法。股票投資的風(fēng)險(xiǎn)比較大，為了適當(dāng)分散風(fēng)險(xiǎn)，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(jià)格波動(dòng)不大的債券。兩部分的比例大小因投資者風(fēng)險(xiǎn)承受心理能力的大小而異，偏于穩(wěn)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(fēng)險(xiǎn)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(fēng)險(xiǎn)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(jià)格的波動(dòng)而隨時(shí)被投資者調(diào)整，調(diào)整的基礎(chǔ)是確定一條價(jià)格基準(zhǔn)線，股價(jià)高于墊準(zhǔn)線賣(mài)出股票，買(mǎi)入相應(yīng)債券，股價(jià)低于基準(zhǔn)線時(shí)買(mǎi)入股票，但要賣(mài)出相應(yīng)金額的債券。買(mǎi)賣(mài)股票的數(shù)量比例隨股票價(jià)格的升降而定，一般的，股價(jià)升降幅度小時(shí)，股票買(mǎi)賣(mài)的比重就大。

4、全面分散風(fēng)險(xiǎn)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(duì)象上去。但不確定各投資對(duì)象所占的比例。采用這種方法的投資者對(duì)捉摸不定的股市往往一籌莫展，不知應(yīng)該如何準(zhǔn)確選擇投資對(duì)象。于是漫天撒網(wǎng)，買(mǎi)進(jìn)許多種股票，哪種股票價(jià)格上漲到能使自己獲利的水平就賣(mài)出哪種股票。

篇4

關(guān)鍵詞：熵;風(fēng)險(xiǎn);投資組合;均值―方差模型

中圖分類(lèi)號(hào)：F830.59文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1008-2670（2014）04-0029-07

一、引言

在經(jīng)濟(jì)全球化和金融一體化的影響下，我國(guó)金融市場(chǎng)也得到了快速的發(fā)展。但是資本市場(chǎng)存在如上市公司質(zhì)量不高、財(cái)務(wù)信息造假、監(jiān)管不嚴(yán)、行政化嚴(yán)重等問(wèn)題[1]，導(dǎo)致其在金融結(jié)構(gòu)、市場(chǎng)機(jī)制、市場(chǎng)深度、市場(chǎng)文化方面距離成熟的資本市場(chǎng)還有一定的差距，市場(chǎng)波動(dòng)性較大，因而證券投資的風(fēng)險(xiǎn)管理問(wèn)題就比較突出，而建立科學(xué)有效的風(fēng)險(xiǎn)度量方法是進(jìn)行風(fēng)險(xiǎn)管理的基礎(chǔ)。馬科維茨的均值―方差模型的提出是金融風(fēng)險(xiǎn)進(jìn)入量化時(shí)代的標(biāo)志，但是該模型假設(shè)條件過(guò)于苛刻，其實(shí)際應(yīng)用受到很多學(xué)者的質(zhì)疑，之后又有學(xué)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(shù)度量方法[5]等。但是這些風(fēng)險(xiǎn)度量方法都存在一定程度的缺陷，如半方差只說(shuō)明收益率的偏離方向，沒(méi)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(shè)收益服從正態(tài)分布的條件上成立的[7]。實(shí)際中證券的收益率是不服從正態(tài)分布的，有必要尋找一種廣泛有效的風(fēng)險(xiǎn)度量方法。從內(nèi)涵上來(lái)看，熵是不確定性的體現(xiàn)，并且在度量過(guò)程中無(wú)需對(duì)分布做任何假設(shè)，因此本文提出將熵理論引入投資組合模型中，來(lái)尋求更加實(shí)用的組合選擇工具。

許國(guó)志、李鳳章[8]將熵與決策行動(dòng)的不確定性和風(fēng)險(xiǎn)相聯(lián)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(jìn)和完善已有信息價(jià)值度量，豐富和發(fā)展了貝葉斯決策理論。在理論引入基礎(chǔ)上，很多學(xué)者建立了自己的模型。主要有兩種方法，一種方法是計(jì)算每只股票的熵來(lái)代表每只股票的風(fēng)險(xiǎn)，并對(duì)股票風(fēng)險(xiǎn)進(jìn)行排序，篩選出適當(dāng)數(shù)量的股票進(jìn)行組合，但是這種方法并沒(méi)有給出最終的投資方案。姜丹、錢(qián)玉美[10]建立效用風(fēng)險(xiǎn)熵模型，考慮了隨機(jī)事件客觀狀態(tài)的不確定性和結(jié)果價(jià)值兩方面的因素，并且說(shuō)明了用熵衡量風(fēng)險(xiǎn)的合理性。楊繼平[11]通過(guò)期望―效用決策模型對(duì)股票進(jìn)行篩選排序，并與二階隨機(jī)占優(yōu)準(zhǔn)則做了比較，得出期望―效用決策模型更具有實(shí)用性的結(jié)論，但是該模型計(jì)算量巨大并且未考慮投資者的風(fēng)險(xiǎn)偏好。袁博[12]建立最單純的熵模型，并引入調(diào)節(jié)因子來(lái)度量股票投資風(fēng)險(xiǎn)，對(duì)原上證50的50只股票進(jìn)行風(fēng)險(xiǎn)排序，篩選出20只目標(biāo)股票。實(shí)證研究得出，熵模型在度量股票投資風(fēng)險(xiǎn)具有高效、便捷、實(shí)用性。另外一種方法是根據(jù)熵的定義，直接給出投資組合的熵值表達(dá)式，確定投資方案，但是這種方法沒(méi)有考慮個(gè)股風(fēng)險(xiǎn)對(duì)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(biāo)函數(shù)建立了模型。李江濤[14]結(jié)合我國(guó)實(shí)際情況，考慮交易費(fèi)用、限制約束、最小交易單位以及限制賣(mài)空等幾個(gè)條件，構(gòu)建了均值―熵模型，該模型與我國(guó)真實(shí)股票市場(chǎng)相接近，與實(shí)際更相符，但是沒(méi)有通過(guò)具體數(shù)據(jù)進(jìn)行實(shí)證研究。

綜上，國(guó)內(nèi)學(xué)者對(duì)于熵理論對(duì)金融風(fēng)險(xiǎn)的度量和管理的研究還處于起步階段，在建立模型時(shí)單獨(dú)使用個(gè)股熵值排序篩選法和計(jì)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(jié)合起來(lái)，用投資比例加權(quán)個(gè)股的熵值來(lái)表示系統(tǒng)的風(fēng)險(xiǎn)是一種新的研究思路和方法。

二、均值―熵模型概述

用熵來(lái)度量投資風(fēng)險(xiǎn)，對(duì)收益率的概率分布沒(méi)有要求。在實(shí)際的證券市場(chǎng)中，各風(fēng)險(xiǎn)資產(chǎn)收益率的分布并不是確定的，投資者只關(guān)心的是實(shí)際收益率小于期望收益率時(shí)所面臨的風(fēng)險(xiǎn)，因此用熵度量投資風(fēng)險(xiǎn)在實(shí)際應(yīng)用中更具有實(shí)用性和價(jià)值意義。從熵的定義來(lái)看，熵描述的是一個(gè)系統(tǒng)的無(wú)序程度，而信息熵是將系統(tǒng)的無(wú)序程度與信息量有效結(jié)合，信息熵的數(shù)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(fēng)險(xiǎn)本質(zhì)上看是表現(xiàn)投資者收益率的不確定程度。選擇用信息熵來(lái)度量投資風(fēng)險(xiǎn)具有更加完善的理論基礎(chǔ)。熵表現(xiàn)的是收益率概率分布的多階矩特征，能涵括更多關(guān)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(zhǔn)確地衡量投資者面臨的全部風(fēng)險(xiǎn)。用熵衡量投資風(fēng)險(xiǎn)更符合客觀現(xiàn)實(shí)，誤差更小。根據(jù)熵的定義及其性質(zhì)可知，用熵函數(shù)度量投資風(fēng)險(xiǎn)與投資者對(duì)于風(fēng)險(xiǎn)度量的理解是相一致的，基于熵測(cè)度風(fēng)險(xiǎn)的資產(chǎn)風(fēng)險(xiǎn)排序，相比用方差度量更具有合理性。

根據(jù)信息熵的定義可知，單個(gè)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(jù)信息熵的性質(zhì)可知，由于各證券的收益率不是相互獨(dú)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(chǎng)影響的系統(tǒng)風(fēng)險(xiǎn)熵和非系統(tǒng)熵。王博[17]提出用β系數(shù)加權(quán)的市場(chǎng)收益率的熵和殘差項(xiàng)的熵的和來(lái)表示單個(gè)證券的熵，具體表示為H（S）=βH（rm）+H（εi），但是該模型假設(shè)殘差項(xiàng)和市場(chǎng)收益率是不相關(guān)的，而在現(xiàn)實(shí)生活中，殘差項(xiàng)和市場(chǎng)收益率是有一定關(guān)系的。所以在此基礎(chǔ)上，引入條件熵對(duì)此模型進(jìn)行改進(jìn)。所有單個(gè)證券的收益率對(duì)市場(chǎng)收益率的條件熵都是獨(dú)立的，這樣單個(gè)證券的熵就能相加。單個(gè)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(chǎn)的風(fēng)險(xiǎn)程度，H（S）的值的大小與其風(fēng)險(xiǎn)程度是正相關(guān)的。

基于以上單個(gè)風(fēng)險(xiǎn)資產(chǎn)的風(fēng)險(xiǎn)度量公式，可定義投資組合的熵值公式：

設(shè)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(fēng)險(xiǎn)為：

理性的投資者總是希望在一定的收益下，投資風(fēng)險(xiǎn)盡可能的小。從這方面看還需加入一個(gè)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(shí)證分析

（一）數(shù)據(jù)選擇

由于投資資本的有限性，投資者在選取投資組合時(shí)既要兼顧分散風(fēng)險(xiǎn)又要考慮自身資本承受能力，因此投資組合中的股票數(shù)量不宜過(guò)多。由根據(jù)風(fēng)險(xiǎn)分散和投資組合原理以及對(duì)中國(guó)股票市場(chǎng)的調(diào)查研究得出的經(jīng)驗(yàn)法則[12]可知，當(dāng)投資組合中的股票數(shù)量超過(guò)12只時(shí)，組合對(duì)非系統(tǒng)風(fēng)險(xiǎn)的分散作用開(kāi)始減弱。因此，在研究過(guò)程中可以選擇10只股票，此時(shí)組合對(duì)非系統(tǒng)風(fēng)險(xiǎn)的分散作用較大。

從深證100中涉及金融、能源、交通、地產(chǎn)等行業(yè)中選取成長(zhǎng)性好、業(yè)績(jī)高、收益率穩(wěn)定的10只股票進(jìn)行研究[15]。所選股票見(jiàn)表1。

為了保證數(shù)據(jù)序列的平穩(wěn)性，選擇使用股票的對(duì)數(shù)收益率來(lái)研究。為了保證模型的時(shí)效性，選取2012年7月1日至2013年7月1日的日收益率來(lái)研究。表1選取股票名稱(chēng)及代碼

（二）數(shù)據(jù)處理

我們可以根據(jù)這10只股票從2012年7月1日至2013年7月1日的收盤(pán)價(jià)數(shù)據(jù)分析來(lái)推斷其未來(lái)的收益趨勢(shì)，股票的對(duì)數(shù)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(gè)交易日的對(duì)數(shù)收益率，pit，pit-1表示第i只股票在第t-1，t個(gè)交易日的收盤(pán)價(jià)。 在進(jìn)行計(jì)算之前，通過(guò)計(jì)算收益率序列的均值、標(biāo)準(zhǔn)差、偏度、峰度及正態(tài)分布檢驗(yàn)統(tǒng)計(jì)量來(lái)了解各只股票收益率序列的基本統(tǒng)計(jì)特征。各股票相關(guān)統(tǒng)計(jì)特征值數(shù)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(yuǎn)大于正態(tài)分布下的K=3，表現(xiàn)出顯著的尖峰厚尾的特征，且各股票收益率的J-B統(tǒng)計(jì)量都遠(yuǎn)大于零，說(shuō)明收益率序列不服從正態(tài)分布。

作為時(shí)間序列，盡管不服從正態(tài)分布，但是仍有必要檢驗(yàn)序列的平穩(wěn)性，平穩(wěn)性檢驗(yàn)最常用的是ADF檢驗(yàn)，各股票的單位根檢驗(yàn)的數(shù)據(jù)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(guò)了平穩(wěn)性檢驗(yàn)，可以進(jìn)行進(jìn)一步的熵值計(jì)算。表3ADF統(tǒng)計(jì)

（三）數(shù)據(jù)計(jì)算

根據(jù)股票日收益率的定義可求出每只股票的對(duì)數(shù)收益率序列，并將區(qū)間[min（r），max（r）]等分10個(gè)小區(qū)間，并用頻率來(lái)代替概率，這樣可得到10只股票收益率的分布率和每個(gè)區(qū)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(jù)以上概率分布，可求出每只股票的期望對(duì)數(shù)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(duì)比如表7所示。從表7可以看出，用熵衡量風(fēng)險(xiǎn)與用方差衡量有類(lèi)似的效果，基本符合熵越大，方差越大。但也有一些不同，驗(yàn)證了研究熵度量風(fēng)險(xiǎn)的必要性。

運(yùn)用同樣的方法求深證100指數(shù)的概率分布，來(lái)代表市場(chǎng)收益率的概率分布。具體結(jié)果如表8所示：表7初始熵值與方差對(duì)比表

接下來(lái)計(jì)算在給定收益率的條件下，用熵值衡量風(fēng)險(xiǎn)與用標(biāo)準(zhǔn)差衡量風(fēng)險(xiǎn)的區(qū)別，可以通過(guò)計(jì)算一定收益率水平下，要使得投資組合的風(fēng)險(xiǎn)最小的各個(gè)股票的組合情況。

利用MATLAB中的優(yōu)化工具箱可求解公式（6）這一線性約束問(wèn)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(guò)對(duì)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(guò)程中，兩種模型都會(huì)選擇用收益風(fēng)險(xiǎn)比較大的中金嶺南（000060）代替華聯(lián)控股（000036），可見(jiàn)新舊模型存在相似的選擇過(guò)程。但是用熵度量風(fēng)險(xiǎn)的新模型計(jì)算出的投資方案中只通過(guò)兩只股票來(lái)分散風(fēng)險(xiǎn)，而傳統(tǒng)方法得出的最有投資組合中包括了更多的股票。

四、結(jié)論

（一）用熵來(lái)度量風(fēng)險(xiǎn)具有合理性和可行性

從實(shí)證過(guò)程可以看出，股票的熵值不依賴(lài)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(fēng)險(xiǎn)度量手段[16]。

（二）均值―熵模型能夠?yàn)橥顿Y者提供更加簡(jiǎn)單的投資方案

從以上的實(shí)證結(jié)果可以看出，在相同收益率下，用均值―方差模型計(jì)算出的最優(yōu)投資組合中包含的股票數(shù)量更多。雖然從理論上來(lái)講，選擇的股票越多，分散風(fēng)險(xiǎn)的效果就越明顯，但是過(guò)度分散不僅不會(huì)降低投資者面臨的風(fēng)險(xiǎn)，反而會(huì)因?yàn)樾畔⒊杀镜绕渌杀镜脑黾犹岣唢L(fēng)險(xiǎn)。而基于熵度量風(fēng)險(xiǎn)的均值―熵模型提供給投資者的最優(yōu)方案中包括的股票數(shù)量更少，更加簡(jiǎn)潔，可以減少交易費(fèi)用和管理費(fèi)用，降低投資者的風(fēng)險(xiǎn)。

（三）模型評(píng)價(jià)

1.模型優(yōu)勢(shì)

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

（2）熵在度量風(fēng)險(xiǎn)時(shí)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(dá)的二階矩的特征，熵能提供更多關(guān)于收益率的信息，因此能更加準(zhǔn)確地衡量不確定程度。投資者確定各個(gè)風(fēng)險(xiǎn)資產(chǎn)的投資比例的過(guò)程是復(fù)雜動(dòng)態(tài)多變的，用熵來(lái)衡量投資組合的風(fēng)險(xiǎn)更加合理。

（3）雖然增加投資組合中的資產(chǎn)數(shù)量能夠有效分散系統(tǒng)風(fēng)險(xiǎn)，但是過(guò)度分散反而會(huì)降低組合收益。本文的實(shí)證結(jié)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(jiǎn)單精煉的投資方案。包含股票數(shù)量較少的投資方案，能在分散風(fēng)險(xiǎn)的基礎(chǔ)上有效降低管理費(fèi)用和交易費(fèi)用，從而降低投資者面臨的風(fēng)險(xiǎn)。

2.模型的不足之處

（1）本文提出的均值―熵模型，在數(shù)學(xué)方面欠缺嚴(yán)謹(jǐn)性，沒(méi)有證明過(guò)程。

（2）整個(gè)計(jì)算過(guò)程過(guò)于繁瑣，需要進(jìn)一步通過(guò)計(jì)算機(jī)仿真，增強(qiáng)模型的實(shí)用性，為投資者選取資產(chǎn)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(guān)系，并不受其取值的影響，不能表現(xiàn)出投資者對(duì)于風(fēng)險(xiǎn)的主觀反映，因此熵對(duì)風(fēng)險(xiǎn)的描述欠缺全面性。

（4）在整個(gè)分析過(guò)程中，沒(méi)有考慮稅收和交易費(fèi)用等問(wèn)題，需要進(jìn)一步改進(jìn)。

參考文獻(xiàn)：

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

[2]衛(wèi)海英，張國(guó)勝.基于半方差風(fēng)險(xiǎn)計(jì)量模型的組合投資分析[J].財(cái)經(jīng)研究，2005（1）：115-121.

[3]邵欣煒.基于VAR的金融風(fēng)險(xiǎn)度量與管理[D].長(zhǎng)春：吉林大學(xué)，2004.

[4]閆冀楠.股市投資收益與風(fēng)險(xiǎn)直接關(guān)系的定量研究[J].天津大學(xué)學(xué)報(bào)，1999（7）：454-458.

[5]丁健. β系數(shù)估計(jì)方法研究[D].北京：對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)，2006.

[6]王春峰.金融市場(chǎng)風(fēng)險(xiǎn)管理[M].天津：天津大學(xué)出版社，2001.

[7]趙青.投資項(xiàng)目組合風(fēng)險(xiǎn)分析與度量[D].西安：西北工業(yè)大學(xué)，2005.

[8]李鳳章.決策分析中的風(fēng)險(xiǎn)、不確定性和熵[D].北京：中國(guó)科學(xué)院，1988.

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

[10]姜丹，錢(qián)玉美.效用風(fēng)險(xiǎn)熵[J].中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，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(zhēng)取按投資選擇中的應(yīng)用研究[J].系統(tǒng)工程，2005，23（12）：23-29.

[12]袁博.熵模型在股票投資風(fēng)險(xiǎn)管理中的應(yīng)用研究[D].西安：西安建筑科技大學(xué)，2009.

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

[14]李江濤.熵風(fēng)險(xiǎn)下的國(guó)內(nèi)證券投資組合模型[J].商業(yè)經(jīng)濟(jì)，2009（11）：64-65.

篇5

股票走勢(shì)圖分析

1) 白色曲線：表示大盤(pán)加權(quán)指數(shù)，即證交所每日公布媒體常說(shuō)的大盤(pán)實(shí)際指數(shù)。

2) 黃色曲線：大盤(pán)不含加權(quán)的指標(biāo)，即不考慮股票盤(pán)子的大小，而將所有股票對(duì)指數(shù)影響看作相同而計(jì)算出來(lái)的大盤(pán)指數(shù)。

參考白黃二曲線的相互位置可知：

A)當(dāng)大盤(pán)指數(shù)上漲時(shí)，黃線在白線之上，表示流通盤(pán)較小的股票漲幅較大;反之，黃線在白線之下，說(shuō)明盤(pán)小的股票漲幅落后大盤(pán)股。

B)當(dāng)大盤(pán)指數(shù)下跌時(shí)，黃線在白線之上，表示流通盤(pán)較小的股票跌幅小于盤(pán)大的股票;反之，盤(pán)小的股票跌幅大于盤(pán)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(pán)即時(shí)所有股票的買(mǎi)盤(pán)與賣(mài)盤(pán)在數(shù)量上的比率。紅柱線的增長(zhǎng)減短表示上漲買(mǎi)盤(pán)力量的增減;綠柱線的增長(zhǎng)縮短表示下跌賣(mài)盤(pán)力度的強(qiáng)弱。

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

5) 委買(mǎi)委賣(mài)手?jǐn)?shù)：代表即時(shí)所有股票買(mǎi)入委托下三檔和賣(mài)出上三檔手?jǐn)?shù)相加的總和。

6) 委比數(shù)值：是委買(mǎi)委賣(mài)手?jǐn)?shù)之差與之和的比值。當(dāng)委比數(shù)值為正值大的時(shí)候，表示買(mǎi)方力量較強(qiáng)股指上漲的機(jī)率大;當(dāng)委比數(shù)值為負(fù)值的時(shí)候，表示賣(mài)方的力量較強(qiáng)股指下跌的機(jī)率大。

股票分析方法

技術(shù)分析

技術(shù)分析是以預(yù)測(cè)市場(chǎng)價(jià)格變化的未來(lái)趨勢(shì)為目的，通過(guò)分析歷史圖表對(duì)市場(chǎng)價(jià)格的運(yùn)動(dòng)進(jìn)行分析的一種方法。技術(shù)分析是證券投資市場(chǎng)中普遍應(yīng)用的一種分析方法。

所有的技術(shù)分析都是建立在三大假設(shè)之上的。

一、市場(chǎng)行為包容消化一切。這句話的含義是：所有的基礎(chǔ)事件--經(jīng)濟(jì)事件、社會(huì)事件、戰(zhàn)爭(zhēng)、自然災(zāi)害等等作用于市場(chǎng)的因素都會(huì)反映到價(jià)格變化中來(lái)。二、價(jià)格以趨勢(shì)方式演變。三、歷史會(huì)重演。

《股市趨勢(shì)技術(shù)分析》是技術(shù)分析的代表著作。初版1948年，作為經(jīng)典中的經(jīng)典、技術(shù)分析的權(quán)威之作，《股市趨勢(shì)技術(shù)分析》至今仍牢牢處于無(wú)法超越的地位。

基本分析

基本分析法通過(guò)對(duì)決定股票內(nèi)在價(jià)值和影響股票價(jià)格的宏觀經(jīng)濟(jì)形勢(shì)、行業(yè)狀況、公司經(jīng)營(yíng)狀況等進(jìn)行分析，評(píng)估股票的投資價(jià)值和合理價(jià)值，與股票市場(chǎng)價(jià)進(jìn)行比較，相應(yīng)形成買(mǎi)賣(mài)的建議。

演化分析

演化分析是以演化證券學(xué)理論為基礎(chǔ)，將股市波動(dòng)的生命運(yùn)動(dòng)特性作為主要研究對(duì)象，從股市的代謝性、趨利性、適應(yīng)性、可塑性、應(yīng)激性、變異性和節(jié)律性等方面入手，對(duì)市場(chǎng)波動(dòng)方向與空間進(jìn)行動(dòng)態(tài)跟蹤研究，為股票交易決策提供機(jī)會(huì)和風(fēng)險(xiǎn)評(píng)估的方法總和。

量化分析法

量化分析法是利用數(shù)學(xué)和計(jì)算機(jī)的方法對(duì)股票進(jìn)行分析，從而找出漲跌的概率，將量化分析方法設(shè)定為:

a. 趨勢(shì)判斷型量化投資策略

判斷趨勢(shì)型是一種高風(fēng)險(xiǎn)的投資方式，通過(guò)對(duì)大盤(pán)或者個(gè)股的趨勢(shì)判斷，進(jìn)行相應(yīng)的投資操作。如果判斷是趨勢(shì)向上則做多，如果判斷趨勢(shì)向下則做空，如果判斷趨勢(shì)盤(pán)整，則進(jìn)行高拋低吸。這種方式的優(yōu)點(diǎn)是收益率高，缺點(diǎn)是風(fēng)險(xiǎn)大。一旦判斷錯(cuò)誤則可能遭受重大損失。所以趨勢(shì)型投資方法適合于風(fēng)險(xiǎn)承受度比較高的投資者，在承擔(dān)大風(fēng)險(xiǎn)的情況下，也會(huì)有機(jī)會(huì)獲得高額收益。

b.波動(dòng)率判斷型量化投資策略

判斷波動(dòng)率型投資方法，本質(zhì)上是試圖消除系統(tǒng)性風(fēng)險(xiǎn)，賺取穩(wěn)健的收益。這種方法的主要投資方式是套利，即對(duì)一個(gè)或者N個(gè)品種，進(jìn)行買(mǎi)入同時(shí)并賣(mài)出另外一個(gè)或N個(gè)品種的操作，這也叫做對(duì)沖交易。這種方法無(wú)論在大盤(pán)哪個(gè)方向波動(dòng)，向上也好，向下也好，都可以獲得一個(gè)比較穩(wěn)定的收益。在牛市中，這種方法收益率不會(huì)超越基準(zhǔn)，但是在熊市中，它可以避免大的損失，還能有一些不錯(cuò)的收益。

股指期貨套利是在股票和股指期貨之間的對(duì)沖操作，商品期貨是在不同的期貨品種之間，統(tǒng)計(jì)套利是在有相關(guān)性的品種之間，期權(quán)套利則是在看漲看跌期權(quán)之間的對(duì)沖。

看過(guò)“如何觀看股票走勢(shì)”的人還看了：

1.如何看股票走勢(shì)圖視頻

2.怎么看懂股票走勢(shì)圖

3.怎么根據(jù)大盤(pán)走勢(shì)看個(gè)股