分类
百万富翁交易员如何行动

股票价格真的能预测吗?

2022-08-01 21:34:42 来源:恪脸金融网 作者:佚名 浏览量:121

股票价值模型,股票价格真的能预测吗?

2022-08-01 21:34:42 来源:恪脸金融网 作者:佚名 浏览量:121

相关量化投资

最新量化投资

  • 十大私募大佬最新持仓,财经资讯报道,“关于机构、私募持仓股票名单”的动机是什么?
  • 量化投资系统有哪些,机器学习该如何应用到量化投资系列(一)
  • 投资学毕业论文题目,财政金融毕业论文选题
  • 期货量化交易策略程序,对于量化投资,个人可以将模型(程序)接入交易平台吗?
  • 天算量化私募基金怎么样,私募基金的牌照好拿么?
  • 股票量化交易模型实例,你是如何从两千多只股票中选出心仪的股票的?
  • 国内量化交易公司排名,哪家券商的量化交易接口做的好?
  • 量化投资研究员薪水,高级量化组合研究员/经理
  • 私募行业研究员发展前景,在公募和在私募证券做行研会有什么不同呢?
  • 策略投资方法论豆瓣,有什么新媒体运营方面的书推荐一下?

热门量化投资

  • 物流板块无视利好,下跌3.32%。基金逆势买进7股!
  • 支付宝提款是什么意思?支付宝取款限额,如何避免支付宝取款手续费?
  • 鱼雨的公开信:谁让李国庆有信心威胁要杀死他的妻子
  • 苏南的四只小龙指的是哪个城市?经济状况如何?苏南如何发展
  • Tantan是什么软件,Tantan如何结识新朋友?
  • 银监会对五家人身保险公司的主要负责人和总精算师进行了访谈
  • 中泰证券:股票价格真的能预测吗? 大宗交易快到黄昏了吗?接下来要买什么
  • 建材行业:重视定期产品的机会,增加水泥和玻璃的配置
  • 110026基金净值如何买涨停?选择每日限额的技巧。
  • 股票价格真的能预测吗?
  • 退市指标应根据欺诈的严重程度来设计

量化投资标签

本站涵盖的内容、图片、视频等部分内容来源于网络,若发现内容有涉及版权等问题,请联系我们进行删除,谢谢!
Copyright 恪脸金融网 版权所有 网站地图

“五穷六绝七翻身”是真的吗?个股到底有没有规律可循?

图片1.jpg

例如,行为金融学家认为,股市存在一种季节性变化规律。行为金融学家发现,在一年的12个月中,1月是最赚钱的月份,9月则是亏损最厉害的月份,而10月是股市特别动荡,并且是发生灾难最多、最严重的月份。例如,美国股市历史上两次最严重的股市崩溃就发生在10月,一次是在1929年10 月28—29 日这两天,另一次是在1987 年10 月19 日这一天。2018 年10 月10 日,美国股市大跌,道琼斯指数跌了831 点,这是2011 年以来美国股市跌幅最大的一次。

虽然10 月臭名昭著,但在一年的12 股票价格真的能预测吗? 个月中,亏损最严重的不是10 月, 而是9 月。根据金融学家的计算,如果投资者在1885 年用1 美元购买股票, 到2001 年年底,这1 美元将增长到394 美元。如果将1 美元投资于每年的 9 月,也就是在1885 年9 月1 日用1 美元购买股票,持有到9 月30 日然后卖掉,之后拿着现金直到第二年,也就是1886 年8 月底,再在1886 年9 月1 日用这笔现金购买股票,并持有该股票到9 月30 日,然后卖掉。如此不断重复下去,到2001 年年底,这1 美元就只剩0.25 美元了。

但如果投资在除9 月外的其他11 个月,也就是投资者于每年的8 月31 日卖掉股票,拿着现金,然后在10 月1 日用这笔现金购买股票,并持有到下一年的8 月31 日。如此不断重复下去,到2001 年年底,这1 美元将变成1 548 美元。

这种“9 月异常”现象不仅仅存在于美国股市,而是在全球范围内广泛存在。对于“9 月异常”,一些经济学家提出这样的解释:9 月正值夏天刚刚结束,有些人在夏天休假了,休假回来没有心情工作或者交易,所以9 月股市会下跌。也就是说,人们的心情会影响他们在金融市场中的决策。

在中国,长期以来有“五穷六绝七翻身”的说法。按照这一说法,股市每到5 月就会开始下跌,到了6 月更会大跌,但到了7 月就会起死回生。其实, 在美国华尔街,也有“Sell in May and Go away”(5月清仓,离开股市)的说法。

未命名_meitu_1.jpg

>>股票的价格有规律可循

>>股票的周期性涨跌

>>规律能够存在多久

经济学家发现,在资本市场中,一旦某个规律性的东西被发现,过不了多久,这个规律就会消失。原因在于,一旦这个规律被发现并被公开,很多人就会利用这个规律,之后这个规律就会消失。例如,如果大家发现每年的10 月10 日股市都会大跌,就会在10 月9 日把股票卖掉,结果就变成10 月9 日股市大跌,而10 月10 日股市大跌的可能性就会降低很多,也就是说10 月10 日股市大跌这个规律就打破了。

长期资本管理公司当年在做的其实就可以算是量化交易,他们就是发现了债券市场的一个规律,然后利用这一规律赚钱。1994—1997 年,长期资本管理公司利用这一规律确实赚了不少钱。但是,1998 年8 月17 日俄罗斯宣布无限期停止偿还一切外债,这一“黑天鹅”事件导致他们发现的规律开始向完全相反的方向运行。结果,长期资本管理公司遭受巨亏,最多的时候一天亏损5 亿美元。

股票价格真的能预测吗?

事件二元特征在股价预测中的重要性
Applied Sciences ( IF 2.838 ) Pub Date : 2020-02-28 , DOI: 10.3390/app10051597 Yoojeong Song , Jongwoo Lee

在韩国,由于对股票投资的高度关注,许多研究人员尝试使用深度学习来预测股票价格。预测股票价格的研究一直在进行。但是,适合深度学习的股票数据类型还没有建立,也没有证实开发出来的股票预测模型是否真的可以盈利。迄今为止,设计一个好的深度学习模型取决于用户提取代表训练数据所有特征的特征的能力。在训练和测试数据的各种可用特征中,我们确定使用事件二元特征可以使股价预测模型表现更好。事件二元特征是指 0 或 1 值,用于描述任何给定日期和股票的指标是否满足 (1) 或不满足 (0)。我们提出并比较了具有三种不同特征组合的股票价格预测模型,以验证二元特征的重要性。结果,我们推导出了打败市场的预测模型(KOSPI 和 KODAQ(KOSPI(韩国综合股票价格指数)和 KOSDAQ(韩国证券交易商自动报价)是韩国股票指数))。结果表明,深度学习适用于股价预测。我们得出了一个打败市场的预测模型(KOSPI 和 KODAQ(KOSPI(韩国综合股票价格指数)和 KOSDAQ(韩国证券交易商自动报价系统)是韩国股票指数))。结果表明,深度学习适用于股价预测。我们得出了一个打败市场的预测模型(KOSPI 和 KODAQ(KOSPI(韩国综合股票价格指数)和 KOSDAQ(韩国证券交易商自动报价系统)是韩国股票指数))。结果表明,深度学习适用于股价预测。

Importance of Event Binary Features in Stock Price Prediction

In Korea, because of the high interest in stock investment, many researchers have attempted to predict stock prices using deep learning. Studies 股票价格真的能预测吗? to predict stock prices have been continuously conducted. However, the type of stock data that is suitable for deep learning has not been 股票价格真的能预测吗? established, and it has not been confirmed that the developed stock prediction model can actually result in a profit. To date, designing a good deep learning model depends on how well the user can extract the features that represent all the characteristics of the training data. Among the various available features for training and test data, we determined that the use of event binary features can make stock price prediction models perform better. An event binary feature refers to a 0 or 1 value describing whether an indicator is satisfied (1) or not (0) for any given day and stock. We proposed and compared a stock price prediction model with three different feature combinations to verify the importance of binary features. As a result, we derived a prediction model that defeated the market (KOSPI and KODAQ (KOSPI (Korea Composite Stock 股票价格真的能预测吗? Price Index) and KOSDAQ (Korean Securities Dealers Automated Quotations) is Korean stock indices)). The results suggest that deep learning is suitable for stock price prediction.

為什麼大家都想先學技術分析?

看K線、技術分析準嗎

「均線」被發明在100年前 !!
「KD指標」被發明在60年前 !!
「MACD指標」被發明在40年前 !!

『基本面分析』和『技術分析』比較

(往右滑)

基本面分析

技術面分析

複雜程度

適用週期

邏輯性

投資風險

核心理念

背後邏輯性

優點

缺點

3. 財報可能被造假
(ex: 瑞幸咖啡財報作假就會造成基本面分析失真)

長期報酬

新手推薦程度

相對的, 如果你叫一個幼稚園小朋友來做技術分析,我相信小朋友一樣也可以「看出未來漲跌趨勢」,而且小朋友有可能看得比你準!

我一開始也只學技術分析就想進場

碩士畢業前,我因為想投資股票而買了一本書叫《第一份薪水就該買股票》

【腦力激盪】:

所以只學技術分析反而會賠錢?

1. 技術分析很容易讓你先入為主

【舉例】:

1. 「凹單」會使你覺得按照線圖來看,再過幾天股價就會逆勢上揚。
2. 「貪心」會使你看著線圖以為未來還有很大一段價差可以賺。

2. 技術指標只是市場買賣的結果

【舉例】:

技術分析的3個大盲點

1. 技術線圖的迷失

Warren Buffett

巴菲特 :「技術分析就像用後照鏡往前開車一樣. 」

【舉例】:

2. 賺錢真的是看勝率?

【遊戲反思】:

Q:假設今天要玩擲硬幣遊戲,我總共找了1,000個人來玩這個擲硬幣的遊戲, 擲中正面可以贏10塊,但是擲中反面要賠10,000塊。
如果其中有一個人連續擲了999次的正面,那你會說他下一次擲中正面贏得10塊的機率有99%對不對?

3. 每個人看得結果都不一樣

所以技術分析在使用上也會因人而異,不過最大的重點是 「即使你想用技術分析來段走勢,我建議也是用在好公司上會比較保險」。

報酬率超越美國大盤!

建議新手還是以『價值投資』為第一優先

所以也有一句話說:

「抱得住股票的財富都翻倍了,頻繁做交易的卻越投資越窮。 」

延伸文章、總結

總結複習

  1. 大多數人都想先學技術分析,原因是因為技術分析是較簡單的圖像學習。
  2. 技術分析如果拿去跟基本面分析比較,技術分析的邏輯性就顯得略低不少。
  3. 我一開始也只想技術分析就進入股市,但這樣的經驗通常都是賠錢收場。
  4. 股票价格真的能预测吗?
  5. 技術分析只是市場買賣股票的結果,並不能100%讓你賺錢。
  6. 技術分析也有一些盲點,像每個人畫的支撐點都不一樣,就會判斷出不同的進場點。
  7. 建議任何新手、老手,應該都先學習比較穩定的『價值投資』,這是最安全的一種投資方式。
Leave a Repl​​​​​y

我喜歡這篇文章
讓人感興趣的標題
會想一再往下看

股票市場賠錢的真的超級多
就有券商統計過證券市場95%都賠錢
我覺得這是很有可能的
看投顧節目一堆人在上面演就知道 股票价格真的能预测吗?
長期複利累積才能長久

投顧節目就是要講技術分析才有人看啊XDD
不然很認真教大家看財報
那節目真的很容易收掉哈哈

我覺得你的觀念很棒欸.
現在多數人賠錢的原因就是短進短出
以前人資訊沒麼發達,下單也沒那麼方便,反而可以長期持有三到五年以上
所以報酬率更佳

當然所有投資都有適合不同的人
有人會選擇做長線、有人會選擇做短線
我覺得都是沒問題的~

一、表格中邏輯性的部分對於技術面分析的評價”較弱(統計學、圖像學)”,所以統計學不具有好的邏輯嗎?還是其實只是想說有時候整理出來的過去賺錢方法常常都是overfitting的結果?況且基本面就不需要統計學了嗎?那CAPM、APT、3 factor model,還有解釋完大多數巴菲特過去績效的5 factor model所使用的t檢定就不算統計學嗎?

三、缺點的部分有提到技術面常常會有反應過度的問題,但是似乎無論是使用價值股(Fama-French(1993)提出的價值因子)或是成長股(Fama-French(2015)提出的獲利因子),似乎都會有反應過度或反應不足的相關解釋(當然也會有風險承受的解釋,但是這部分有點離題了),甚至技術分析的最大擁護方價格動能因子(股票价格真的能预测吗? Jegadeesh and Titman (1993))更是用反應過度或反應不足現象證明市場可以使用單純的價格走勢獲取長時間且穩定的報酬,似乎這也不是甚麼缺點?