全球股票市场
2020年的新冠肺炎危机暴露了全球经济体的结构性弱点。我们认为，现在是工业国家或者发达国家重新考虑其经济结构平衡的时候了。
自疫情爆发以来，主要发达国家由于社交隔离和地区或国家封锁，第三产业或服务业遭受的打击超过了第二产业。过度依赖第三产业意味着一个经济体存在高度集中的风险。
传统的药物研发和审批过程是漫长的，这就是为什么尽管健康危机升级，在2020年的大部分时间里都没有疫苗可用。尽管如此，疫苗在一年内研发出来的事实表明我们在生物科学领域已经走了多远。制药公司通过在短时间内为全球医疗危机提供解决方案，展示了他们的实力。
世界各国政府和中央银行在管理新冠肺炎大流行引发的经济和社会风险方面吸取了宝贵的经验教训。2020年货币和财政扩张政策的积极影响在很大程度上被城市封锁和社交隔离措施的不利影响所抵消。
在新冠肺炎危机爆发之前，中美对抗被视为对全球经济的主要威胁。事实上，由新冠肺炎大流行造成的破坏，无论是社会、经济还是重大生命损失，都更加严重。
我们的观点
大多数国家可能在2021-22年启动疫苗接种计划，这将防止全球经济进一步恶化。但是，仅靠疫苗接种并不能完全扭转新冠肺炎大流行所造成的损害。
此外，由健康危机引起的不利经济因素(负收入效应或负财富效应)将延续至2021-22年。经济体需要在2021年进一步采取财政刺激措施。
当2021年新冠肺炎的风险降低时，中美紧张局势将再次占据市场关注点上风。尽管美国新一任总统带来了两国对抗缓和的希望，但仍不清楚两国角力的方向是否发生变化或规模是否真的能够减少。
美国、欧元区和日本的央行不太可能在2021-2022年缩减资产负债表。在9月的联邦公开市场委员会(FOMC)会议上，美联储表示，到2023年，美联储基金利率可能会保持在现有的低水平。在全球范围内，由于2020年采取扩张性财政和货币措施，资本市场流动性将充裕。资本市场内资产价格泡沫风险将在2021-22年持续。
2021年的股市将受到以下因素的支撑：1)全球流动性供应的增加:2)随着疫苗接种的开始，全球经济下行风险正在消退:3)对进一步财政刺激措施的预期:4)中美对抗的潜在缓和。股市的主要下行风险是企业利润复苏乏力导致的估值过高，过度乐观导致资产价格泡沫，合理回归导致股市修正。
全球股市估值
来源：彭博
指数定价为 11/12/2020 来源：彭博
私人和公共消费将是未来15年的主要投资主题。新技术(如芯片、人工智能、物联网、云服务、生物技术、量子信息技术、金融科技、自主驾驶、新材料等)、新经济基础设施(如5G、大数据、IDC、智慧城市、智慧安防等)、绿色经济(如新能源汽车、清洁能源等)、新商业模式(如网上购物、在线教育、在线娱乐、共享单车等)是为了建设现代化社会，提高生活水平为目标，创造新的消费需求。
消费是中国双循环经济的核心。主要发达经济体经济结构的薄弱在于对第三产业的过度依赖，因为第三产业的需求增长未能充分传导到第二产业。一个高效有效的循环就是第三产业的产出会带动第二产业和第一产业的产出，从而对第三产业的产出产生新的需求。中国有14亿人口，中产阶级超过4亿，家庭净存款约28万亿元(存款减去所欠贷款)，中国国内消费市场将吸引外资、进口商品和进口服务参与中国的双循环经济。中国中产阶级的规模比美国或欧元区的人口多。双循环循环最终将创造就业机会，创造人均收入。
Z世代(出生于2000年代)将是未来10年消费增长的主要来源。这一群体正在加入就业市场，其购买力也将相应增加。瞄准这一年龄段的公司正处于快速和可持续的增长轨道上。我们估计Z世代年轻人大约占目前人口的12%。
现在是时候扩大对外开放政策，吸收外国央行过度释放的资本。为受益于发达经济体货币扩张政策在2020年创造的充裕的全球流动性，中国应以进一步扩大吸收外资的开放政策为契机，加快双循环经济中商品和服务的流通。然而，单靠开放政策不足以吸引外资:归根结底，最大的拉动因素是对中国市场可以获利的预期。我们预计境外投资者将被允许投资上海证券交易所的科创板，本地科技公司可以利用外资的资本加快业务发展。
投资银行业是政府改革社会融资规模结构的早期受益者之一。银行贷款在实体经济融资总量中的高度集中，会给整个经济带来风险和局限性。因此，我们相信政府将着手改革社会融资规模结构的，让直接融资发挥更重要的作用。直接融资(债券和股权)占新增融资总额的比例从2017年的27%，增至2019年的33%，2020年首10月的40%。直接融资市场份额增加的主要原因是影子融资(信托贷款和票据)在总融资中的下降。未来10年，直接融资占新增社会融资总额的比重将继续上升。
2021年恒生指数交易区间预测: 24,000-30,300*
2022年恒生指数交易区间预测: 26,900-31,800*
2021年恒生指数(HSI)的预期交易区间相当于10-13倍的2021年市盈率，0.95x-1.20x 2021年市净率，或3.7-2.9% 2021年股息收益率。考虑到2021年公司盈利的恢复，我们的预测是合理的，因为1)新冠肺炎大流行后的复苏和2)2020年的基数较低。尽管2021年盈利有望回升，但蓝筹股的整体盈利能力不太可能恢复到2017-19年的水平，这也是该指数高估值无法成立的原因。恒生指数的股东权益收益率(ROAE)预计将从2020E的8.3%恢复到2021E的9.5%和2022E的10.1%，但2021-22年的预计ROAE远低于2017-19年的11%-12%的ROAE。(注*：交易范围内的指数四舍五入到百位数)
中国股市指数的投资收益分析 一、投资理论概述 （一）资产组合理论 资产组合理论是以一系列资产收益率的均值和方差作为组合选择的依据，提出了均值方差资产组合选择的基本方法，即保持一定的方差的资产组合，使期望收益率最大化，或者保持一定的期望收益率的资产组合，使方差最小化；意味着资产选择不能依据资产本身的某一特征，还必须考虑该资产与其他资产的相互作用。该理论不仅描述了资产及其组合的收益与风险关系，而且解决了最优资产组合的选择问题，使得资产组合分析和管理科学化、程序化，从而奠定了其在金融投资理论中的地位。 （二）资本资产定价理论 在资产组合理论的基础上提出的。资产定价理论认为，一项投资所要求的收益率取决于以下三个因素：（1）无风险收益率，即将国债投资（或银行存款）视为无风险投资；（2）市场平均收益率，即整个市场的平均收益率，如果一项投资所承担的风险与市场平均风险程度相同，该项收益率与整个市场平均收益率相同；（3）投资组合的系统风险系数，是某一投资组合的风险程度与市场证券组合的风险程度之比。而期望的收益率由无风险收益和该组合的风险系数与市场平均收益和无风险收益差额之乘积决定。 （三）有效市场假说 根据市场对信息反应的有效性，将市场分为弱势有效、半强势有效、强势有效市场。而反应程度分为反应不足以及反应过度两种情况，描述了信息对市场的影响。 （四）行为金融理论 将金融学与社会学及心理学等人文学科相结合，从另一个假设的层面出发，认为人的一些社会性特征及自身人性影响引导自己的投资行为，诸如羊群效应、过度自信等。 （五）其他 在投资中，还有其他很多效应，由于诸多因素导致的，诸如ipo抑价效应，小公司效应，税收效应，整数效应，股利理论，盈余公布效应等。 从诺贝尔经济学奖的颁奖时间看，前两个理论是一组，第三及第四是另外一组，两组进行比较。第一组是从数理的角度出发，基于期望均值和方差，将收益和风险进行量化，由这两个变量来主导投资，通过一系列的对比分析，均衡选择，得出结论。而后一组中有很大程度的数量分析，但主要思想是从外部和内部相结合的理论，外部的信息以及人的行为对进行投资的影响。 二、指数介绍 （一）上证指数 上证综合指数是最早发布的指数，是上海证券交易所从1991年7月15日起编制并公布上海证券交易所股价指数，它以1990年12月19日为基期，设基期指数为100点，以全部上市股票为样本，以股票发行量为权数，按加权平均法计算，遇新股上市、退市或上市公司增资扩股时，采用除数修正法修正原固定除数，以保持指数的连续性。然后于2006年1月4日发布了新上证综合指数，新综指选择已完成股权分置改革的沪市上市公司组成样本，实施股权分置改革的股票在方案实施后的第2个交易日纳入指数，新综指是一个全市场指数，以2005年12月30日为基日，以该日所有样本股票的总市值为基期，基点为1 000点。新综指采用派许加权方法，以样本股的发行股本数为权数进行加权计算，当成分股变化时，同样采用除数修正法修正原固定除数。 （二）深证成分指数 深圳成分股指数是由深圳交易所编制，通过对所有在深圳证券交易所上市的公司进行考察，按一定标准选出40家有代表性的上市公司作为成分股，以成分股的可流通股数为权数，
郑州煤电——600121 龙岩学院课程考核2010-2011学年度第二学期 院系：XXXX院 专业：XXXX班 姓名：XXX 学号:XXXXXX 任课教师：XXX
郑州煤电（600121）投资分析 一、基本面分析 1.宏观经济分析 郑州煤电是国有重点煤炭企业第一家上市公司。煤炭行业是我国的一个重要的能源行业。虽然从宏观来看，从长远来看能源行业必将是新能源的天下：如核能、太阳能等将会有更好的发展，但是就目前的形式来看煤炭行业还将是我国长期依赖的能源。我国也想进出台政策。国务院总理温家宝25日主持召开国务院常务会议，研究部署推进煤矿企业兼并重组和长江等内河水运发展工作。坚持政府引导与市场机制相结合，充分调动各方面积极性，推进煤矿企业兼并重组，淘汰落后产能，优化产业结构，提高煤炭生产集约化程度、安全生产和科技水平，有序开发利用煤炭资源，推动现代煤炭产业发展。受到该消息刺激，郑州煤电开盘急冲涨停板，带动煤炭板块全线强劲上扬。 2.行业分析 2.1. 自2010年国庆节后至今,煤炭指数累计涨幅41.78%，这是一个重新修复的过程,变化的主要原因是由美元贬值引发的通胀预期导致的,我们预计在11月份美国大选之前美元的走势难有起色,导致通胀预期带来的大宗商品价格不稳定,对应到资本市场里,煤炭指数的走势也将维持震荡走势。 2.2 受美国量化宽松政策影响,全球流动性泛滥,推动大宗商品价格高涨,石油价格更是在美元贬值后飞快上涨,推动了煤炭价格的大幅上升国内煤炭价格旺季也提前启动,且上涨势头迅猛,煤炭中转地库存虽然持续高位运行,却没有降低购煤热情,电煤,喷吹煤,无烟煤价格上涨势头持续,炼焦煤,焦炭价格稳步向前。受下游钢材市场节能减排,已经房地产市场调控,新能源汽车推动,造成钢材市场需求不确定性,焦煤焦炭价格上涨势头放缓维稳。化肥行业的稳步前进,推动无烟煤市场好转,无烟煤价格上涨进一步带动喷吹煤价格上涨。 2.3 冬季是煤炭需求最旺、行情最好的日子，而今年冬天煤炭的涨价比往年来得更早、步伐更快。与之相对应的是，越来越多的火电企业受煤价冲击而处境窘迫。国内煤炭价格的强劲上涨,国际煤炭价格也全面上涨在“十二五”期间，我国煤炭产业将提高产业集中度，建设大型高效现代化矿井，使30万吨/年以下的小煤矿逐步退出生产领域。他预计我国全年煤炭产量将达到32亿吨左右，预计到2015年我国煤炭产量将达到36-38亿吨。 2.4风险:现有资源有限，产量呈逐年下降趋势。在煤炭开采中存在瓦斯、顶板、矿井水、发火、煤尘五大自然灾害等不安全因素，公司所属的告成煤矿、超化煤矿都是"双突"矿井，安全形势依然十分严峻。如果发生重大安全事故将对公司的生产经营造成一定的负面影响，并有可能引起诉讼、赔偿性支出以及停产整顿等处罚。 3.公司分析 3.1公司上市时间1998年01月07日，总股本6.29亿，流通股6.29亿股，每股收益0.15元，每股净资产2.876元，净资产收益率5.52%，主营收入59.31亿，主营收入增长49.01%，每股末分配利润1.27元，净利润9425.42万元，净利润增长20.50%，销售毛利率8.91%，所属煤炭开采行业（截止2010年09月30日） 3.2郑州煤电是一个煤炭不错行业。公司的经营业务：煤炭生产及销售（限
怎样预测大盘当日走势 在大盘开盘之初及时预测大盘当日的后续走势，对于短线炒手来说是非常重要的。那么，如何才能比较准确地预测大盘当日的走势呢？首先我们必须对影响大盘当日走势的主要因素要有所了解。影响大盘当日走势的因素有很多，有盘内的也有盘外的，有长期的也有短期的，有技术的也有心理的，等等。但从实战和实用的角度出发，以下几个方面是较为主要的：１、集合竞价 : 集合竞价具有重要的定性作用，它从总体上反映了多空双方或做多或做空或不做的倾向，由此可以了解多空基本意愿。具体操作中，主要是与昨日集合竞价和收盘价相比，看开盘高低和量能变化。一般来说，“高开＋放量” 说明做多意愿较强，则大盘当日收阳的概率较大；“低开＋缩量” 说明做空意愿较强，则大盘当日收阴的概率较大。 有人曾做过统计， 收阳的概率由高到低依次是： “高开＋量增”８４．６２％；“低开＋量增”６５．００％； “高开＋量减”３８．８９％；“低开＋量减”３７．５％。 收阴的概率由高到低依次是： “低开＋量减”６２．５０％；“高开＋量减”６１．１１％； “低开＋量增”３５．００％；“高开＋量增”１５．３８。 ２、均价线方向: 在开盘后多空交锋的第一个回合（或前３０分钟），观察均价线的方向、位置及与其他参考要素的关系，以观察多空发展趋势。相比较而言，均价线比股价线更加稳定。１）均价线总体方向：向上则利多，向下则利空，有上有下则需进一步确认。２）均价线与收盘线的关系：均价现在收盘线之上则利多，均价线在收盘线之下则利空。３）股价线与均价线的关系：股价线在均价线之上则利多，股价线在均价线之下则利空。 ３、股价走势 ----------------------观察和分析股指在开盘后第一个回合走势的特征及本质, 可以把握多空力量对比，对于预测大盘后期走势具有重要意义。１）高低点的相对位置、移动方向和形态２）股指涨落时的量能变化及关键点位的成交量表现３）股指涨落的力度、幅度及流畅性以上是研判大盘当日走势的主要依据，通过对以上要素的综合研判，可以比较高的概率准确预测大盘当日收阳、收阴、收星。我们一般把要素的组合归纳成一些模式以便操作，比如“高开＋量增＋高开”、“低开＋量减＋低走”等，但也不是绝对的，有时可能就是一种感觉。实际上，我们更多采用的是“３＋综合”（综合当前热点、均线系统、行进模式等因素的研判）的研判方法，其准确性更高。 研判时要注意的是： １、研判的依据是建立在对股指历史“全真”数据和图表的统计、分析基础之上的，是以一定的概率为保证的，而不是以理论推导和主观推测为主要依据，这是实战派人士与一般股评家的重要区别。 ２、因为决定股指走势的因素比较复杂，所以研判是涉及各主要因素的综合分析。当各要素共振性越大则准确率一般越高；当各要素出现矛盾时，次要因素一般服从主要因素，或者再使用其它因素加以辅证。 ３、任何规律都是相对的，不可机械地运用，要关注盘中的“异动”，把握其本质和动因，这样才能在变化中看准形势发展的方向。对于出现的“例外”要加以研究，从而进一步提高预测的准确性。 ４、从实战角度出发，我们通常没有必要化同样的精力对所有大盘的走势进行预测和研究，我们关注的重点是对我们买卖有较大影响的情况。就短线而言，大阳线、大阴线及拐点是需要重点研究的。 （列夫８月８日）试金石：如何判断他人的实战理论可用不可用？ 我们处在一个信息爆炸的社会，各种证券信息，各种股票理论，网上网下，无所不在，莫衷一是。对于广大散户朋友，如何判断他人理论的真伪以及可用性，是我们经常碰到的一个问题。鉴于我们投资者学习理论的目的是为了指导实践，从实战的角度我们给出以下三个基本标准作为参考： １、实用性。首先必须明确他提的问题或要解决的问题是理论问题还是实战问题，如果是实战问题，那么他是从理论的角度还是从实战的角度来论述，因为理论和实战所面临和要处理的问题是大不相同的。如果他的理论读下来对实战有帮助就是有实战意义的，如果读下来还是不清楚如何思、如何看、如何做，那就不能算是一个实用的理论。
中国股市指数的投资收益分析 '中国股市指数的投资收益分析 一、投资理论概述 （一）资产组合理论 资产组合理论是以一系列资产收益率的均值和方差作为组合选择的依据，提出了均值—方差资产组合选择的基本方法，即保持一定的方差的资产组合，使期望收益率最大化，或者保持一定的期望收益率的资产组合，使方差最小化；意味着资产选择不能依据资产本身的某一特征，还必须考虑该资产与其他资产的相互作用。该理论不仅描述了资产及其组合的收益与风险关系，而且解决了最优资产组合的选择问题，使得资产组合分析和 科学化、程序化，从而奠定了其在金融投资理论中的地位。 （二）资本资产定价理论 在资产组合理论的基础上提出的。资产定价理论认为，一项投资所要求的收益率取决于以下三个因素：（1）无风险收益率，即将国债投资（或银行存款）视为无风险投资；（2）市场平均收益率，即整个市场的平均收益率，如果一项投资所承担的风险与市场平均风险程度相同，该项收益率与整个市场平均收益率相同；（3）投资组合的系统风险系数，是某一投资组合的风险程度与市场证券组合的风险程度之比。而期望的收益率由无风险收益和该组合的风险系数与市场平均收益和无风险收益差额之乘积决定。 （三）有效市场假说 根据市场对信息反应的有效性，将市场分为弱势有效、半强势有效、强势有效市场。而反应程度分为反应不足以及反应过度两种情况，描述了信息对市场的影响。 （四）行为金融理论 将金融学与 学及 学等人 科相结合，从另一个假设的层面出发，认为人的一些社会性特征及自身人性影响引导自己的投资行为，诸如羊群效应、过度自信等。 （五）其他 在投资中，还有其他很多效应，由于诸多因素导致的，诸如IPO抑价效应，小公司效应，效应，整数效应，股利理论，盈余公布效应等。 从诺贝尔 学奖的颁奖时间看，前两个理论是一组，第三及第四是另外一组，两组进行比较。第一组是从数理的角度出发，基于期望均值本文由 联盟 收集整理和方差，将收益和风险进行量化，由这两个变量来主导投资，通过一系列的对比分析，均衡选择，得出结论。而后一组中有很大程度的数量分析，但主要思想是从外部和内部相结合的理论，外部的信息以及人的行为对进行投资的影响。 二、指数介绍 （一）上证指数 上证综合指数是最早发布的指数，是上海证券交易所从1991年7月15日起编制并公布上海证券交易所股价指数，它以1990年12月19日为基期，设基期指数为100点，以全部上市股票为样本，以股票发行量为权数，按加权平均法计算，遇新股上市、退市或上市公司增资扩股时，采用除数修正法修正原固定除数，以保持指数的连续性。然后于2006年1月4日发布了新上证综合指数，新综指选择已完成股权分置改革的沪市上市公司组成样本，实施股权分置改革的股票在方案实施后的第2个交易日纳入指数，新综指是一个全市场指
预测股票市场收益 1.读取数据： install.packages("zoo") install.packages("xts") install.packages("tseries") library(xts) library(tseries) GSPC<-as.xts(get.hist.quote("^GSPC",start="1970-01-02",end='2009-09-15',quote=c("Open","High","Low","Clos e","V olume","AdjClose"))) head(GSPC) 2.绘制股票曲线 p<-apply(GSPC[,2:4],1,mean) t<-function(p,close,tgt=0.025,m=10){ n<-length(p) v<-numeric(length=n-m) for(i in 1:(n-m)){ v[i]<-(p[i+m]-close[i])/close[i] } num<-length(v)-m t<-numeric(length=num) for(i in 1:num){ t[i]<-sum(v[i:(i+m-1)]) } plot(t,type="h",lwd=0.1) } t(p,GSPC$Close)
3.K线图 T.ind <- function(quotes,tgt.margin=0.025,n.days=10) { v <- apply(HLC(quotes),1,mean) r <- matrix(NA,ncol=n.days,nrow=NROW(quotes)) for(x in 1:n.days) r[,x] <- Next(Delt(v,k=x),x) x <- apply(r,1,function(x) sum(x[x > tgt.margin | x < -tgt.margin])) if (is.xts(quotes)) xts(x,time(quotes)) else x } candleChart(last(GSPC,'3 months'),theme='white',TA=NULL) avgPrice <- function(p) apply(HLC(p),1,mean) addAvgPrice <- newTA(FUN=avgPrice,col=1,legend='AvgPrice') addT.ind <- newTA(FUN=T.ind,col='red',legend='tgtRet') addAvgPrice(on=1) addT.ind() 4.用随机森林选择变量 myATR <- function(x) A TR(HLC(x))[,'atr'] mySMI <- function(x) SMI(HLC(x))[,'SMI'] myADX <- function(x) ADX(HLC(x))[,'ADX'] myAroon <- function(x) aroon(x[,c('High','Low')])$oscillator myBB <- function(x) BBands(HLC(x))[,'pctB'] myChaikinV ol <- function(x) Delt(chaikinV olatility(x[,c("High","Low")]))[,1] myCLV <- function(x) EMA(CLV(HLC(x)))[,1] myEMV <- function(x) EMV(x[,c('High','Low')],x[,'V olume'])[,2] myMACD <- function(x) MACD(Cl(x))[,2] myMFI<- function(x) MFI(x[,c("High","Low","Close")], x[,"V olume"]) mySAR <- function(x) SAR(x[,c('High','Close')]) [,1] myV olat <- function(x) volatility(OHLC(x),calc="garman")[,1] data(GSPC)
一、方法缘起 “小成图”为重庆民间易学家霍斐然老先生从《周易.系辞.说卦》中发现的一种古法，此法不同于纳甲爻辰、河洛梅花，以及奇门六壬之术，而是，至简至易，朴实灵活，只用象数，不涉五行，不限国界，不换算日历，只以现场象数为准，可适合全球通用。“小成图股市预测法”是在原用“小成图”的基础上，结合作者的实践经验和各国股市实际情况，通过大量的实践预测总结出的一种专门预测股市的预测方法。与原“小成图”方法相比，除了具有至简至易，朴实灵活，全球通用等特点外，更有很高的准确率，而且预测结果直接明了，一目了然。小成图股票预测法直接利用股市的原始数据（数的运用）进行起卦、排图。地盘为恒久不变的后天不卦，他代表空间、横向坐标、不易原理；天盘为适时而动的先天八卦，他代表时间、纵向坐标、变易原理，天地盘时空运转交错股市未来运动轨迹自然显现（理的运用）。我们将股市中最常见的K线直接转化为卦象（象的运用），从而作为用宫进行小成图股票预测法的推导变化。整个预测模式合理的应用了传统易学的象、数、理和简易、变易、不易的基本易学预测原理。 二、起卦方法 “小成图股市预测法”采用传统“梅花易数”的起卦模式，也就是采用任意周期的数据（可以是一天、一周、一月、一年，也可以是一分钟、五分钟、十分钟、六十分钟等）预测未来相同周期内的股票涨跌走势（例如您利用一天的数据就可以预测下一个交易日的股市情况、您利用一周的数据就可以预测下一个交易周的股市情况等等）。具体起卦方法为：以任意周期内股市的开盘价与收盘价进行起卦，以开盘价小数点前的数字相加除于8的余数为主卦的上卦；以开盘价小数点后的数字相加除于8的余数为主卦的下卦；以收盘价小数点前的数字相加除于8的余数为变卦卦的上卦；以收盘价小数点后的数字相加除于8的余数为变卦卦的下卦。 例一：中国大陆股市上证指数1999年9月8日开盘：1563.62、收盘：1571.60，进行起卦：开盘价小数点前的数字相加处于8的余数：1+5+6+3=15/8余数为7，7为艮卦，也就是主卦上卦为艮卦（1）； 开盘价小数点后的数字相加处于8的余数：6+2=8/8余数为8，8为坤卦，也就是主卦的下卦为坤卦（0）； 以收盘价小数点前的数字相加除于8的余数：1+5+7+1=14/8余数为6，6为坎卦，也就是变卦的上卦为坎卦（2） 以收盘价小数点后的数字相加除于8的余数：6+0=6/8余数为6，6为坎卦，也就是变卦的下卦为坎卦（2） 根据我们以上的分析的出，得出六爻卦。 例二、中国香港恒生指数2002年1月3日开盘：11370.400、收盘：11423.500，进行起卦： 开盘价小数点前的数字相加处于8的余数：1+1+3+7+0=12/8余数为6，6为坎卦，也就是主卦的上卦为坎卦（2）； 开盘价小数点后的数字相加处于8的余数：4+0+0=4/8余数为4，4为震卦，也就是主卦的下卦为震卦（4）； 以收盘价小数点前的数字相加除于8的余数：1+1+4+2+3=11/8余数为3，3为离卦，也就是变卦的上卦为离卦（5）； 以收盘价小数点后的数字相加除于8的余数：5+0+0=5/8余数为5，5为巽卦，也就是变卦
基于MATLAB 股票市场的线性预测 摘要:随着计算技术和信息科学的飞速发展，信号处理逐渐发展成一门独立的学科，成为信息科学的重要组成部分，广泛应用在经济、金融等各种领域中，其中线性预测是最为广泛的一种方法。本设计借助MATLAB 的技术工具软件对股票价格的数据信号图进行分析，来构造一个线性预测器。并用MATLAB 生成一个豪华的界面，把线性预测的结果直观、明了的表现出来。 本设计在理解信号与系统基本原理的前提下，利用MATLAB 设计了一个线性预测系统，该系统利用一个离散时间有限脉冲响应（FIR ）滤波器来解决属于预测建模等问题。这是一个基于MATLAB 计算机仿真的股票线性预测模型，它用股票的开盘、收盘、最高、最低四种价位为源信号进行预测，可以选择滤波器的阶数来调整它的精确度，能够做到预测误差最小。 关键词：线性预测系统、MATLAB 、离散时间有限脉冲响应（FIR ）滤波器 1.股票线性预测的原理 本文设计一个系统，它能够单独的根据过去的值预测x[n]信号的将来值。对于线性预测来说，这个系统是一个FIR 滤波器，它根据过去值的一种线性组合算出一个预测量： [][]∑=∧--=p k k k n a n X 1 （1-1） 式1-1中的就是预测值。因为用了信号先前的p 个值构成这种预测，所以这是一个p 阶预测器。给定某一固定的滤波器阶p ，线性预测问题就是要确定一组滤波器系数，以使得“最好的”实现1-1的预测确实这个“最好”系数的最常用的准则是某些系数，使得总的平方预测误差达到最小： [][][]2121| |||∑∑=∧=-==N n N n n x n x n e E （1-2） 式1-2中，假设序列x[n]的长度为N ，有几个途径可以用来对k a 求解以使式1-2中E 最小。最简单的方法是利用MATLAB 来解这个联立线性方程组。假设N>P,这个线性预测问题可以转换成式1-3的矩阵形式。 ????????????++=????????????+++??????????????????????--+-][]2[]1[][]2[]1[]1[][]1[]2[][]1[11N x p x p x N e p e p e a a N x p N x p x x p x x (1-3) 式1-3还可以紧凑一些写成-Xa+e=x 。这个方程用来对向量a 求解，以使总平方预测误差e ’*e 最小。式1-3左边放一半减号是为了让“预测误差滤波器”能表示成e=Xa+x 。 2.利用matlab 实现股票预测的编程思想 利用matlab 实现股票线性预测的编程流程图如图1所示。
对中国国内上市公司的资本资产定价模型的分析报告 一、理论介绍 资本资产定价模型,即Sharpe （1964），Lintner （1965）和Black （1972）建立的简捷、完美的线性资产定价模型CAPM （又称SLB 模型），是金融学和财务学的最重要的理论基石之一。CAPM 模型假定投资者能够以无风险收益率借贷，其形式为： E ［R[,i]］＝R[,f]＋β[,im]（E ［R[,m]］－R[,f]）， （1） Cov ［R[,i]，R[,m]］ β[,im]＝─────────── （2） Var ［R[,m]］ R[,i]，R[,m]，R[,f]分别为资产i 的收益率，市场组合的收益率和无风险资产的收益率。 由于CAPM 从理论上说明在有效率资产组合中，β描述了任一项资产的系统风险（非系统风险已经在分散化中相互冲消掉了），任何其它因素所描述的风险都为β所包容。因此对CAPM 的检验实际是验证β是否具有对收益的完全解释能力。 资本资产定价模型(CAPM)在理论上是严格的，但是在实际中长期存在着实证研究对它的偏离和质疑，其原因主要是资本资产定价模型的一组假设条件过于苛刻而远离市场实际。本次分析报告旨在通过对随机抽样的中国上市公司的收益率的分析，考察在中国的股市环境下，CAPM 是否仍然适用。 二、数据来源 本文在CSMAR 大型股票市场数据库中随机选取了1995年1月到2001年12月的100支股票（存为名叫rtndata 的EXCEL 文件），作为对中国股票市场的模拟。同时还收集了同时期中国银行的年利率（取名为rf ）作为无风险利率，并通过各股票的流通股本对上海、深圳两个市场A 股的综合指数进行加权（取名为mr2）。 在SAS 中建立数据集，其中各列指标分别为各股票的月收益率（为处理方便，股票名称已改为y1-y100）、中国银行的年利率rf （本次报告没有将rf 转换成月无风险收益率，因为这一差异将反映在系数上，且为倍数关系，对结果没有实质性影响）和以流通股进行加权（因为本次报告计算的是市场收益率）的上海、深圳两个市场A 股的综合指数mr2。 本次报告采用的CAPM 模型为：100,...,2,1,?10=++=j e r jt j jt βγγ。 三、方法及步骤 1，在SAS 中以libname 命令设定新库，名为finance 。程序为： libname finance 'G:\finance\rtndata'; run; 2，采用means 过程（也可以用univariate 过程）对这100支股票做初步的均值分析，初步得出各股票的样本均值等数据。程序为： proc means data =; var y1-y100; run ; 3，采用corr 过程对随机抽取的若干支股票进行相关分析，以判断中国股票市场的相关性。程序如下： proc corr data = cov ; var y23 y67; where stkcd>=199512 and stkcd<=199712; run ;
基于神经网络的股票价格走势预测及其MATLAB实现 摘要 伴随着我国经济的高速发展和广大投资者日益旺盛的需求，股票投资已经成为一种常见的投资手段，而股票价格预测也逐渐成为广大投资者关心和研究的重点问题。股票价格的波动是一个高度复杂化的非线性动态系统，其本身具有诸如大规模数据、噪声、模糊非线性等特点。针对这些特点本文在深入分析股票市场实际预测中所面临的关键问题和比较各种已有的股票预测方法的基础上，探讨运用神经网络这一人工智能工具，研究基于历史数据分析的股票预测模型。 神经网络是建立在对大规模的股票历史数据的学习仿真的基础上，运用黑盒预测方式找出股市波动的内在规律，并通过将其存储在网络的权值、阈值中，以此来预测未来短期或是中长期的价格走势。 关键字：神经网络，股票，预测，MATLAB工具箱 ABSTRACT Along with the economy growth and increasingly strong demand of many investors in our country, stock has become a common means of investment, and stock price forecast has greatly been one of the focuses of study topic. The change of stock price is a highly complicated nonlinear dynamic system, itself has many characteristics such as massive data, noise, fuzzy and nonlinear. This article analyses the key issues being existent in the real stock market prediction and compares various existing stock forecasting methods. We will try to research on stock price prediction model based on a neural network with huge historical data. Neural network is based on studying massive historical data, uses the black box of forecasting ways to find the internal disciplinarian of stock market, and stores them in the weights and valves values of the neural network for predicting the short-term or long-term trend in the future. KEYWORD：Neural networks, Stock, prediction, MATLAB toolbox
世界著名的股票指数 1、道琼斯工业平均指数（DJIA） 道氏理论的首创者查尔斯·亨利·道于1884年7月3日首创了股票市场平均价格指数。该指数诞生时只包含11种股票，其中有9家是铁路公司股票。1897年，原始的道琼斯股票指数被一分为二，一个是工业股票平均价格指数，由12种股票组成；另一个是铁路股票平均价格指数，由20种成份股组成；1929年，又添加了公用事业股票平均价格指数；后来把工业股票平均价格指数、铁路股票平均价格指数、公用事业股票平均价格指数一起平均，于是便形成了今天的道琼斯综合指数。 道琼斯指数的出现，使证券市场摆脱了股票价格随机游走的结论，使个股走势发展开始有了一个明确的参考依据，同时使交易者意识到了个股不仅受自身风险的影响，同样也受整个股票市场的波动影响。道琼斯指数不仅为衡量股票市场的整体波动提供了科学的参考体系，同时也逐渐成为一国经济发展的晴雨表。 但是在这四种道琼斯股价指数中，以道琼斯工业平均指数最为著名，它被大众传媒广泛地报道，并作为道琼斯指数的代表加以引用。道琼斯工业平均指数首次公布的时间是在1896年5月26日，它代表着美国工业中最重要的12种股票的平均数。1916年，道琼斯工业平均指数中的股票数目增加到了20种，后来在1928年又增加到了30种。时至今日，道琼斯工业平均指数仍包括美国30家最大的上市公司，但现在的这30家公司的构成已大部分与重工业无关。 尽管道琼斯工业平均指数有显著的市场影响力，但其也有不足之处。比如，它采用的是价格加权平均数计算法，这使得高价股比低价股在平均指数中更有影响力，但这会产生误导作用，如低价股1美元的增长可以轻易被高价股1美元的下跌所抵消；此外，该指数中只包括了30种股票，占比不到美国上市公司的百分之一，且未将近年来发展迅速的一些新兴行业的公司包括在内，所以其代表性一直受到人们的质疑。 从1996年5月25日开始，道琼斯指数还针对我国股票市场编制了道琼斯中国股票指数。截至1998年4月1日，沪深两市共有88只股票作为其成份股入选。 2、纳斯达克指数（NQCI） 纳斯达克指数是一个从美国纳斯达克证券市场中采集得来的指数，包括计算机软硬件股、半导体股、网络股、通讯股及生化科技等与高科技有关的各种股票。它是高科技产业的重要指针，是全球科技股的风向标，对世界各地的股市深具影响力。 纳斯达克证券市场（NASDAQ）由全美证券交易商协会（NASD）创立并负责管理，是1971年在华盛顿建立的全球第一个电子交易市场，并且是目前世界上最大的无形交易市场。建立纳斯达克市场的初衷在于规范美国大规模的场外交易，所以纳斯达克一直被作为纽约证券交易所的辅助和补充。但是发展到后来，纳斯达克市场已不是平常意义上的二板市场。在纳斯达克上市的几千家家公司中，约有一半属于高科技公司；在全美上市的网络公司中，除极少数几家在纽约交易所上市外，其余全部在纳斯达克市场上市；在该市场上，电脑或与电脑有关的公司约占1/6，电脑和电信领域的市值约占2/3；此外，在美国资本市场上市值最高的5家公司中，纳斯达克市场就拥有微软、英特尔、斯科3家（通用电气和沃尔玛则在纽约证券交易所挂牌交易）。 纳斯达克市场成立之初的目标定位于中小公司，但是后来随着上市公司的规模变得越来越大，导致纳斯达克市场产生了两个板块：全国市场（National Market）和1992年建立的小型资本市场（Small Capital Market）。截至目前为止，纳斯达克市场发行的外国公司股票数量，已超过纽约证券交易所和美国证券交易所所发外国公司股票的总和，成为外国公司在美国上市的主要场所。 3、标准普尔指数（SPCI）
股票市场收益率 摘要：在金融市场迅速发展、金融创新不断深入的今天，股票市场的 波动也日益加剧，风险明显增大，资产收益率的分布形态也更加复杂化。对上证综指对数收益率序列进行实证研究，依据严密的统计分析 方法建立了GARCH-t(1,1)模型。最后，通过相应的模型检验方法验证 了GARCH-t(1,1)模型能够很好的刻画上证综指对数收益率序列的统计 特征。 关键词：股票收益率；GARCH模型；统计检验オ 在风险管理中，我们往往关注的就是资产收益率的分布。许多实证研 究表明，金融资产收益率分布表现出尖峰、厚尾的特征。另外,收益率 序列还具有条件异方差性、波动聚集性等特点。选择合适的统计模型 对金融资产收益率分布进行描述显得尤为重要。 1数据选取 本文实证分析的数据选取上海股市综合指数(简称上证综指)每日收盘 指数。考虑到我国于1996年12月16日开始实行涨跌停板限价交易， 即除上市首日以外，股票、基金类证券在一个交易日的交易价格相对 上一个交易日收市价格的涨跌幅不得超过10%，本文把数据分析时段选择为：1996.12.16-2007.05.18，共2510组有效数据。数据来源为CCER中国经济金融数据库。数据分析采用软件为Eviews5.1。通过对 原始序列的自然对数变换，得到上证综指收益率序列，有2509个数据，记为RSH。 2基本统计分析 2.1序列的基本统计量 对称分布的偏度应为等于0，而上证综指收益率的偏度为负值，说明 该序列的分布是有偏的且向左偏斜，即收益率出现正值的概率小于收 益率出现负值的概率。另外，已知正态分布的峰度等于3，而上证综指
收益率的峰度是8.919924，远大于3，这表明RSH序列不服从正态分布，而是具有尖峰厚尾特性。 2.2序列的自相关性 采用Ljung-BoxQ统计量检验上证综指收益率序列的自相关性。原假设为序列不存在阶自相关。根据上证综指收益率的10阶滞后期的Q统计值及其相应概率值可知，上证综指收益率的相关性并不显著。 2.3序列的平稳性和正态性 为了避免伪回归现象的发生，在建立回归模型之前须对收益率序列进行平稳性检验。采用ADF方法检验RSH序列的平稳性，其检验统计值为-51.7733，远小于MacKinnon的1％临界值，认为上证综指收益率序列不存在单位根，是显著平稳的。这就避免了非平稳性带来的许多缺陷。上证综指收益率序列的D.W.值为1.9705，非常接近于2，表明其残差序列不存在序列相关。 本文使用Jarque-Bera方法对RSH序列其进行正态性检验，检验统计值为3682.735(p=0.000)，概率值足够小以至于必须怀疑原假设的正确性。这也就说明，用正态分布对中国股市收益率的波动性进行描述是不正确的。 2.4ARCH效应检验 大量的实证分析表明，大多数金融资产收益率序列的条件方差具有时变性，即ARCH效应。利用ARCH-LM方法检验残差序列中是否存在ARCH 效应。选择滞后阶数为5阶，检验统计值为28.92598(p=0.000)，表明残差存在显著的ARCH效应，至少存在5阶的ARCH效应。这就意味着必须估计很多个参数，而这却是很难精确的做到。在这种情况下，可以用一个低阶的GARCH模型代替，以减少待估参数的个数。 3分布模型的确定
文章编号:1002—1566(2002)05—0009—03中国股票市场收益率分布曲线的实证 Ξ 陈启欢 (上海交通大学管理学院,上海 200030) 摘 要:股票价格行为的随机理论认为市场收益服从正态分布,但在现实中这一假设不一定成立,市场收益率更多地呈现出偏离正态分布的形式。本文检验中国市场的收益率分布形态。 关键词:股票;收益率;价格行为;正态分布;t 分布 中图分类号:O212;F830文献标识码:A 1.收益率的分布与股票价格行为 股票价格行为的随机理论认为实际的股价遵循某种随机的离散过程。股价的波动被认为由外部噪声造成,当时间间隔Δt →0时,外部噪声将呈现正态分布,服从维纳过程。因此,随机理论采用一般化的维纳过程作为描述股价行为的模型。数学表达式如下: ΔS S =φ(μ?Δt ,σΔt ) (1)ΔS =μ?Δt +σ?S ? Δz (2) [1]ΔS 为短时间Δt 后股票价格s 的变化 μ为单位时间内股票的预期收益率 σ为股票价格的波动率 φ(m ,s )表示均值为m ,标准方差为s 的正态分布 (1)式表明如果外来噪声服从正态随机过程,Δs/s 即收益率将服从均值为μ?Δt ,标准方差为σΔt 的正态分布 Δz =∈Δt ,∈表示服从标准正态分布,Δz 在维纳过程中被认为遵从马尔科夫过程,隐含市场是弱势有效的条件。 收益率的分布方式影响着股票价格的行为,只有当收益率遵从正态分布,股价行为的一般化维纳过程式(2)才能成立。当收益率的分布偏离了正态分布意味着式(2)中的外部噪声项σ?s ? Δz 就不服从正态随机过程。换而言之股价的行为方式不再遵从正态马尔科夫过程,市场可能不处于弱势有效状态。另外,收益率从遵从正态分布也是B lack -Scholes 微分方程的基本假设前提,如果收益率偏离正态分布,微分方程也需要进行修改。这个角度观察,收益率的分布是股价行为的基础,要了解某股票市场价格行为的特征,必须了解该市场的收益率分布。本文将对中国深沪两市的股指收益率的分布进行实证检验,考察其是否符合正态分布或符合其t 分布形式或并无一确切表达的分布形式。9中国股票市场收益率分布曲线的实证 Ξ收稿日期:2001-04-25
浅谈基本面分析和技术分析在股票市场的应用本文对股票市场的预测股价方法、基本面分析法和技术分析法进行了简要 介绍，以华工科技为例分析了股票预测方法和投资策略。指出在实际股票投资中应综合考虑各方面因素，结合自身炒股经验及个人财务状况慎重入市。 标签：股票市场；基本面分析；技术分析；应用；投资预测 一、背景介绍 股票市场纷繁复杂，股价变化更是难以捉摸，广大投资者有望通过学习各种股票投资知识以此来指导在股市上的投资决策。单靠一种方法或者投机行为是很难在股票市场上做长线投资而长盈不亏的，所以我们应该学习基本面分析和技术分析等多种股票分析方法，结合日常在大盘中的操作经验总结规律获得红利和差价，实现在股市的牛气冲天。 股票分析方法主要包括基本面分析和技术分析。基本分析主要研究股价变动的各种因素，预测持股企业的行业动态、公司未来市场发展前景及公司财务状况等要素，从而最切实的了解股票实际上涨或者下跌的动态，为股票投资者作出下一步投资决策提供信息帮助。与基本分析不同的是，技术分析主要是通过运用以股价、成交量或涨跌指数等指标会城的图表来描述股价和指数的过去变动的历史轨迹，从而寻找股票价格的变动规律，以此来推测未来股票价格的变动趋势。 二、基本分析法 1、基本分析法定义 基本分析又称基本面分析，是指股票投资者根据金融学、财务管理学、经济学和证券投资学等学科的相关知识，通过影响股票投资价值及价格的相关要素的探究，评定股票的投资价值，判断股票的浮动价位，从而通过预测提出相关投资建议的一种分析方法。 2、基本分析法主要包括的三个方面内容 （1）宏观经济分析。宏观经济分析主要探究相关各经济指标和国家经济政策对股票价格的影响。 （2）行业分析。行业分析主要是根据上市公司股票的行业进行的全面分析，包括上市行业所属的不同市场类型、所属的不同生命周期以及行业的业绩对股票价格的影响。 （3）公司分析。公司分析是基本分析的重点，主要分析上市企业的财务报告和相关股利分配政策，从而预测公司股票的价格涨跌幅度。针对上市公司分析
即将的上涨，牛市的基调 自12年12月4日的上涨可以说吸引了很多投资者的眼球。沪深300将近700个点的涨幅令大批的股票实现了50%以上的收益。这波涨幅是在城镇化建设的春风下得以实现的。而在图形上我们已经几近确立了大盘的底部所在。但是有一点到目前为止，还没有显现出它的真身----牛市的大基调。 虽然我们在技术图形上能够模拟出后市的发展的方式。但是股指期货并不是我们唯一的目标。而且一个没有主基调的上涨，是不能期望有着多么大的涨幅的。作为牛市而言，肯定有着一个令人信服的上涨理由。这个主基调关系到日后某些板块中的某些个股的涨幅。更加重要是为广大的中小投资者带来证券的投资机遇。所以对于上涨的定调成为后市指导投资者的重要依据。 前文我们说到盘面现在技术图形。下面我们就来模拟一下后市的运行方式。 下图我们看到的是现在沪深300的K线图。自去年12月份开始的反弹在今年2月8号形成了阶段性高点。年初开始的调整一直持续到现如今。对于这两个阶段的走势，笔者是这么看的。年前开始的反弹高点在2791.3这个位置，去年的头肩失败开始下跌的位置在2717.82。从这两个点位我们不难看出。技术位置已经得到了突破，所以之前头肩整理所形成的下跌已然结束。所以对于本次的调整，2254.57这个前期头肩的低点必定是不会再
次触及。而对于这次的调整在技术上用来修正40周均线。如果从这个角度看，现如今两月的调整就是因40周均线而起。现在调整的九周时间恰好与40周均线扣减的九周时候正好吻合。而现在的扣减位置和现有价格恰好在同一价位区间，这也就意味着40周均线的扣减压力在此时一个风水岭。这只是技术图形上提供给我们的可能性。然而能否在此止跌企稳，我们就要来分析前期的运行情况和现如今各版块的运行状况了。这个之中能否有助推力量。 （沪深300现有周K线图） 首先呢我们还是先来回顾下去年两个月反弹中的主要力量。因城镇化建设而起的反弹，我们可以看到反弹阶段所发力的主要有四个板块。他们分别是建材中的水泥板块、房地产板块、券商板块和银行板块。当然在四大龙头股当中还有广晟有色这个作为
2012年A股市场涨跌预测 摘要 本文主要解决了预估未来一年时间内A股市场的涨跌变化的问题。 首先通过收集2011年的上证A股指数每天开盘后的收盘价，对其进行分析处理，作出A股收盘价指数的走势图观察后，然后对数据作级比分析，得知一部分级比数据不在区间() 0.9474中，故先对数据进行变换，变换后的数据 , 1.0555 的级比都落在了上述区间中。然后通过分析建立灰色预测)1,1( GM模型，代入数据求解模型，并进行参数检验，先进行残差检验，得出预测模型的精度为：96.69%；然后进行相关度检验，检验合格；但是在进行后验差检验中的小概率检验时不合格，故又对模型进行残差修正后，用修正模型预测出2012年的上证A股指数的收盘价，但是由于灰色预测模型在预测长期数据时误差有可能增大，故用2011年的实际数据与用灰色预测模型预测2011年收盘价值之间的误差值修正了2012年A股指数的预测值。为使预测值更准确，又采用了马尔科可夫链模型预测出每天的涨幅情况来进一步修正预测值，得到了更精确的预测结果。预测上证A 股指数在2012年233天的收盘价分别为：2236.5 2221.5…1574.7 1601.9。其收盘价走势图为： 关键词：A股灰色预测马尔可夫链模型预测
问题重述 未来一年时间A股市场涨跌的评估预计 A股即人民币普通股票，是中国大陆机构和个人投资的主要股票。A股市场的涨跌受经济形势，国家政策，外部环境以及投资者心态等多个因素影响。2011年A股市场的上证指数和深成指数都出现暴跌，使投资者蒙受了很大的损失。 请查阅网上的资料和数据。建立数学模型，定量分析并预估未来一年时间内A股市场的涨跌变化。 符号说明 α----------为发展灰度数 μ---------为内生控制灰度 )(t X------表示在时间244 ... 2,1 ,= t t时的股票收盘价 r----------表示关联度 S1-------- 表示序列)(t X的标准差 S2--------表示绝对误差序列的标准差 C----------表示方差比 A i---------表示对数据划分区间,244) 1,2, (i? = p ij --------表示第i状态转移到第j状态的概率18 .... 2,1 ,= j i I0------------表示时刻0处于状态18 ... 2,1 = j的概率 i k j1+-----------表示经过k步转移后处于状态18 ... 2,1 = j的概率 模型假设 （1）运用的数据的来源是有效的，在统计过程中无错误 （2）假设无人为操纵股市的走向,为随机数据 （3）假设2009年到2011年无统计数据的日期为股市休息日 模型分析 一、问题的分析 因为A股指数包括上证A股指数与深成A股指数，选择其中一个进行分析即可，所以就不妨选择上证A股指数2011年1月4日到2011年12月30日的每天