用股票交易數據可以預測什麼用

❶ 如何用大數據炒股

我們如今生活在一個數據爆炸的世界裡。網路每天響應超過60億次的搜索請求，日處理數據超過100PB，相當於6000多座中國國家圖書館的書籍信息量總和。新浪微博每天都會發布上億條微博。在荒無人煙的郊外，暗藏著無數大公司的信息存儲中心，24小時夜以繼日地運轉著。
克托·邁爾-舍恩伯格在《大數據時代》一書中認為，大數據的核心就是預測，即只要數據豐富到一定程度，就可預測事情發生的可能性。例如，「從一個人亂穿馬路時行進的軌跡和速度來看他能及時穿過馬路的可能性」，或者通過一個人穿過馬路的速度，預測車子何時應該減速從而讓他及時穿過馬路。

那麼，如果把這種預測能力應用在股票投資上，又會如何？

目前，美國已經有許多對沖基金採用大數據技術進行投資，並且收獲甚豐。中國的中證廣發網路百發100指數基金（下稱百發100），上線四個多月以來已上漲68%。

和傳統量化投資類似，大數據投資也是依靠模型，但模型里的數據變數幾何倍地增加了，在原有的金融結構化數據基礎上，增加了社交言論、地理信息、衛星監測等非結構化數據，並且將這些非結構化數據進行量化，從而讓模型可以吸收。

由於大數據模型對成本要求極高，業內人士認為，大數據將成為共享平台化的服務，數據和技術相當於食材和鍋，基金經理和分析師可以通過平台製作自己的策略。

量化非結構數據

不要小看大數據的本領，正是這項剛剛興起的技術已經創造了無數「未卜先知」的奇跡。

2014年，網路用大數據技術預測命中了全國18卷中12卷高考作文題目，被網友稱為「神預測」。網路公司人士表示，在這個大數據池中，包含互聯網積累的用戶數據、歷年的命題數據以及教育機構對出題方向作出的判斷。

在2014年巴西世界盃比賽中，Google亦通過大數據技術成功預測了16強和8強名單。

從當年英格蘭報社的信鴿、費城股票交易所的信號燈到報紙電話，再到如今的互聯網、雲計算、大數據，前沿技術迅速在投資領域落地。在股票策略中，大數據日益嶄露頭角。

做股票投資策略，需要的大數據可以分為結構化數據和非結構化數據。結構化數據，簡單說就是「一堆數字」，通常包括傳統量化分析中常用的CPI、PMI、市值、交易量等專業信息；非結構化數據就是社交文字、地理位置、用戶行為等「還沒有進行量化的信息」。

量化非結構化就是用深度模型替代簡單線性模型的過程，其中所涉及的技術包括自然語言處理、語音識別、圖像識別等。

金融大數據平台-通聯數據CEO王政表示，通聯數據採用的非結構化數據可以分為三類：第一類和人相關，包括社交言論、消費、去過的地點等；第二類與物相關，如通過正在行駛的船隻和貨車判斷物聯網情況；第三類則是衛星監測的環境信息，包括汽車流、港口裝載量、新的建築開工等情況。

衛星監測信息在美國已被投入使用，2014年Google斥資5億美元收購了衛星公司Skybox，從而可以獲得實施衛星監測信息。

結構化和非結構化數據也常常相互轉化。「結構化和非結構化數據可以形象理解成把所有數據裝在一個籃子里，根據應用策略不同相互轉化。例如，在搜索頻率調查中，用戶搜索就是結構化數據；在金融策略分析中，用戶搜索就是非結構化數據。」網路公司人士表示。

華爾街拿著豐厚薪水的分析師們還不知道，自己的僱主已經將大量資本投向了取代自己的機器。
2014年11月23日，高盛向Kensho公司投資1500萬美元，以支持該公司的大數據平台建設。該平台很像iPhone里的Siri，可以快速整合海量數據進行分析，並且回答投資者提出的各種金融問題，例如「下月有颶風，將對美國建材板塊造成什麼影響？」

在Kensho處理的信息中，有80%是「非結構化」數據，例如政策文件、自然事件、地理環境、科技創新等。這類信息通常是電腦和模型難以消化的。因此，Kensho的CEO Daniel Nadler認為，華爾街過去是基於20%的信息做出100%的決策。

既然說到高盛，順便提一下，這家華爾街老牌投行如今對大數據可謂青睞有加。除了Kensho，高盛還和Fortress信貸集團在兩年前投資了8000萬美元給小額融資平台On Deck Capital。這家公司的核心競爭力也是大數據，它利用大數據對中小企業進行分析，從而選出值得投資的企業並以很快的速度為之提供短期貸款。

捕捉市場情緒

上述諸多非結構化數據，歸根結底是為了獲得一個信息：市場情緒。

在采訪中，2013年諾貝爾經濟學獎得主羅伯特•席勒的觀點被無數采訪對象引述。可以說，大數據策略投資的創業者們無一不是席勒的信奉者。

席勒於上世紀80年代設計的投資模型至今仍被業內稱道。在他的模型中，主要參考三個變數：投資項目計劃的現金流、公司資本的估算成本、股票市場對投資的反應（市場情緒）。他認為，市場本身帶有主觀判斷因素，投資者情緒會影響投資行為，而投資行為直接影響資產價格。
然而，在大數據技術誕生之前，市場情緒始終無法進行量化。

回顧人類股票投資發展史，其實就是將影響股價的因子不斷量化的過程。

上世紀70年代以前，股票投資是一種定性的分析，沒有數據應用，而是一門主觀的藝術。隨著電腦的普及，很多人開始研究驅動股價變化的規律，把傳統基本面研究方法用模型代替，市盈率、市凈率的概念誕生，量化投資由此興起。

量化投資技術的興起也帶動了一批華爾街大鱷的誕生。例如，巴克萊全球投資者（BGI）在上世紀70年代就以其超越同行的電腦模型成為全球最大的基金管理公司；進入80年代，另一家基金公司文藝復興（Renaissance）年均回報率在扣除管理費和投資收益分成等費用後仍高達34%，堪稱當時最佳的對沖基金，之後十多年該基金資產亦十分穩定。

「從主觀判斷到量化投資，是從藝術轉為科學的過程。」王政表示，上世紀70年代以前一個基本面研究員只能關注20隻到50隻股票，覆蓋面很有限。有了量化模型就可以覆蓋所有股票，這就是一個大的飛躍。此外，隨著計算機處理能力的發展，信息的用量也有一個飛躍變化。過去看三個指標就夠了，現在看的指標越來越多，做出的預測越來越准確。

隨著21世紀的到來，量化投資又遇到了新的瓶頸，就是同質化競爭。各家機構的量化模型越來越趨同，導致投資結果同漲同跌。「能否在看到報表數據之前，用更大的數據尋找規律？」這是大數據策略創業者們試圖解決的問題。

於是，量化投資的多米諾骨牌終於觸碰到了席勒理論的第三層變數——市場情緒。

計算機通過分析新聞、研究報告、社交信息、搜索行為等，藉助自然語言處理方法，提取有用的信息；而藉助機器學習智能分析，過去量化投資只能覆蓋幾十個策略，大數據投資則可以覆蓋成千上萬個策略。

基於互聯網搜索數據和社交行為的經濟預測研究，已逐漸成為一個新的學術熱點，並在經濟、社會以及健康等領域的研究中取得了一定成果。在資本市場應用上，研究發現搜索數據可有效預測未來股市活躍度（以交易量指標衡量）及股價走勢的變化。

海外就有學術研究指出，公司的名稱或者相關關鍵詞的搜索量，與該公司的股票交易量正相關。德國科學家Tobias Preis就進行了如此研究：Tobias利用谷歌搜索引擎和谷歌趨勢（Google Trends），以美國標普500指數的500隻股票為其樣本，以2004年至2010年為觀察區間，發現谷歌趨勢數據的公司名稱搜索量和對應股票的交易量，在每周一次的時間尺度上有高度關聯性。也就是說，當某個公司名稱在谷歌的搜索量活動增加時，無論股票的價格是上漲或者下跌，股票成交量與搜索量增加；反之亦然，搜索量下降，股票成交量下降。以標普500指數的樣本股為基礎，依據上述策略構建的模擬投資組合在六年的時間內獲得了高達329%的累計收益。

在美國市場上，還有多家私募對沖基金利用Twitter和Facebook的社交數據作為反映投資者情緒和市場趨勢的因子，構建對沖投資策略。利用互聯網大數據進行投資策略和工具的開發已經成為世界金融投資領域的新熱點。

保羅·霍丁管理的對沖基金Derwent成立於2011年5月，注冊在開曼群島，初始規模約為4000萬美元， 2013年投資收益高達23.77%。該基金的投資標的包括流動性較好的股票及股票指數產品。
通聯數據董事長肖風在《投資革命》中寫道，Derwent的投資策略是通過實時跟蹤Twitter用戶的情緒，以此感知市場參與者的「貪婪與恐懼」，從而判斷市場漲跌來獲利。

在Derwent的網頁上可以看到這樣一句話：「用實時的社交媒體解碼暗藏的交易機會。」保羅·霍丁在基金宣傳冊中表示：「多年以來，投資者已經普遍接受一種觀點，即恐懼和貪婪是金融市場的驅動力。但是以前人們沒有技術或數據來對人類情感進行量化。這是第四維。Derwent就是要通過即時關注Twitter中的公眾情緒，指導投資。」

另一家位於美國加州的對沖基金MarketPsych與湯普森·路透合作提供了分布在119個國家不低於18864項獨立指數，比如每分鍾更新的心情狀態（包括樂觀、憂郁、快樂、害怕、生氣，甚至還包括創新、訴訟及沖突情況等），而這些指數都是通過分析Twitter的數據文本，作為股市投資的信號。

此類基金還在不斷涌現。金融危機後，幾個台灣年輕人在波士頓組建了一家名為FlyBerry的對沖基金，口號是「Modeling the World（把世界建模）」。它的投資理念全部依託大數據技術，通過監測市場輿論和行為，對投資做出秒速判斷。

關於社交媒體信息的量化應用，在股票投資之外的領域也很常見：Twitter自己也十分注重信息的開發挖掘，它與DataSift和Gnip兩家公司達成了一項出售數據訪問許可權的協議，銷售人們的想法、情緒和溝通數據，從而作為顧客的反饋意見匯總後對商業營銷活動的效果進行判斷。從事類似工作的公司還有DMetics，它通過對人們的購物行為進行分析，尋找影響消費者最終選擇的細微原因。

回到股票世界，利用社交媒體信息做投資的公司還有StockTwits。打開這家網站，首先映入眼簾的宣傳語是「看看投資者和交易員此刻正如何討論你的股票」。正如其名，這家網站相當於「股票界的Twitter」，主要面向分析師、媒體和投資者。它通過機器和人工相結合的手段，將關於股票和市場的信息整理為140字以內的短消息供用戶參考。

此外，StockTwits還整合了社交功能，並作為插件可以嵌入Twitter、Facebook和LinkedIn等主要社交平台，讓人們可以輕易分享投資信息。

另一家公司Market Prophit也很有趣。這家網站的宣傳語是「從社交媒體噪音中提煉市場信號」。和StockTwits相比，Market Prophit更加註重大數據的應用。它採用了先進的語義分析法，可以將Twitter里的金融對話量化為「-1（極度看空）」到「1（極度看多）」之間的投資建議。網站還根據語義量化，每天公布前十名和後十名的股票熱度榜單。網站還設計了「熱度地圖」功能，根據投資者情緒和意見，按照不同板塊，將板塊內的個股按照顏色深淺進行標注，誰漲誰跌一目瞭然。

中國原創大數據指數

盡管大數據策略投資在美國貌似炙手可熱，但事實上，其應用尚僅限於中小型對沖基金和創業平台公司。大數據策略投資第一次被大規模應用，應歸於中國的百發100。

網路金融中心相關負責人表示，與歐美等成熟資本市場主要由理性機構投資者構成相比，東亞尤其是中國的股票類證券投資市場仍以散戶為主，因此市場受投資者情緒和宏觀政策性因素影響很大。而個人投資者行為可以更多地反映在互聯網用戶行為大數據上，從而為有效地預測市場情緒和趨勢提供了可能。這也就是中國國內公募基金在應用互聯網大數據投資方面比海外市場並不落後、甚至領先的原因。

百發100指數由網路、中證指數公司、廣發基金聯合研發推出，於2014年7月8日正式對市場發布，實盤運行以來一路上漲，漲幅超過60%。跟蹤該指數的指數基金規模上限為30億份，2014年9月17日正式獲批，10月20日發行時一度創下26小時瘋賣18億份的「神話」。

外界都知道百發100是依託大數據的指數基金，但其背後的細節鮮為人知。

百發100數據層面的分析分為兩個層面，即數據工廠的數據歸集和數據處理系統的數據分析。其中數據工廠負責大數據的收集分析，例如將來源於互聯網的非結構化數據進行指標化、產品化等數據量化過程；數據處理系統，可以在數據工廠遞交的大數據中尋找相互統計關聯，提取有效信息，最終應用於策略投資。

「其實百發100是在傳統量化投資技術上融合了基於互聯網大數據的市場走勢和投資情緒判斷。」業內人士概括道。

和傳統量化投資類似，百發100對樣本股的甄選要考慮財務因子、基本面因子和動量因子，包括凈資產收益率（ROE）、資產收益率（ROA）、每股收益增長率（EPS）、流動負債比率、企業價值倍數（EV/EBITDA）、凈利潤同比增長率、股權集中度、自由流通市值以及最近一個月的個股價格收益率和波動率等。

此外，市場走勢和投資情緒是在傳統量化策略基礎上的創新產物，也是百發100的核心競爭力。接近網路的人士稱，市場情緒因子對百發100基金起決定性作用。

網路金融中心相關負責人是羅伯特•席勒觀點的支持者。他認為，投資者行為和情緒對資產價格、市場走勢有著巨大的影響。因此「通過互聯網用戶行為大數據反映的投資市場情緒、宏觀經濟預期和走勢，成為百發100指數模型引入大數據因子的重點」。

傳統量化投資主要著眼點在於對專業化金融市場基本面和交易數據的應用。但在網路金融中心相關業務負責人看來，無論是來源於專業金融市場的結構化數據，還是來源於互聯網的非結構化數據，都是可以利用的數據資源。因此，前文所述的市場情緒數據，包括來源於互聯網的用戶行為、搜索量、市場輿情、宏觀基本面預期等等，都被網路「變廢為寶」，從而通過互聯網找到投資者參與特徵，選出投資者關注度較高的股票。

「與同期滬深300指數的表現相較，百發100更能在股票市場振盪時期、行業輪動劇烈時期、基本面不明朗時期抓住市場熱點、了解投資者情緒、抗擊投資波動風險。」網路金融中心相關負責人表示。

百發100選取的100隻樣本股更換頻率是一個月，調整時間為每月第三周的周五。

業內人士指出，百發100指數的月收益率與中證100、滬深300、中證500的相關性依次提升，說明其投資風格偏向中小盤。

但事實並非如此。從樣本股的構成來說，以某一期樣本股為例，樣本股總市值6700億元，佔A股市值4.7%。樣本股的構成上，中小板21隻，創業板4隻，其餘75隻樣本股均為大盤股。由此可見，百發100還是偏向大盤為主、反映主流市場走勢。

樣本股每個月的改變比例都不同，最極端的時候曾經有60%進行了換倉。用大數據預測熱點變化，市場熱點往往更迭很快；但同時也要考慮交易成本。兩方面考慮，網路最後測算認為一個月換一次倉位為最佳。

樣本股對百發100而言是核心機密——據說「全世界只有基金經理和指數編制機構負責人兩個人知道」——都是由機器決定後，基金經理分配給不同的交易員建倉買入。基金經理也沒有改變樣本股的權利。

展望未來，網路金融中心相關負責人躊躇滿志，「百發100指數及基金的推出，只是我們的開端和嘗試，未來將形成多樣化、系列投資產品。」

除了百發100，目前市場上打著大數據旗幟的基金還有2014年9月推出的南方-新浪I100和I300指數基金。

南方-新浪I100和I300是由南方基金、新浪財經和深圳證券信息公司三方聯合編制的。和百發100類似，也是按照財務因子和市場情緒因子進行模型打分，按照分值將前100和前300名股票構成樣本股。推出至今，這兩個指數基金分別上漲了10%左右。

正如百發100的市場情緒因子來自網路，南方-新浪I100和I300的市場情緒因子全部來自新浪平台。其中包括用戶在新浪財經對行情的訪問熱度、對股票的搜索熱度；用戶在新浪財經對股票相關新聞的瀏覽熱度；股票相關微博的多空分析數據等。

此外，阿里巴巴旗下的天弘基金也有意在大數據策略上做文章。據了解，天弘基金將和阿里巴巴合作，推出大數據基金產品，最早將於2015年初問世。

天弘基金機構產品部總經理劉燕曾對媒體表示，「在傳統的調研上，大數據將貢獻於基礎資產的研究，而以往過度依賴線下研究報告。大數據將視野拓展至了線上的數據分析，給基金經理選股帶來新的邏輯。」

在BAT三巨頭中，騰訊其實是最早推出指數基金的。騰訊與中證指數公司、濟安金信公司合作開發的「中證騰安價值100指數」早在2013年5月就發布了，號稱是國內第一家由互聯網媒體與專業機構編制發布的A股指數。不過，業內人士表示，有關指數並沒有真正應用大數據技術。雖然騰訊旗下的微信是目前最熱的社交平台，蘊藏了大量的社交數據，但騰訊未來怎麼開發，目前還並不清晰。

大數據投資平台化

中歐商學院副教授陳威如在其《平台戰略》一書中提到，21世紀將成為一道分水嶺，人類商業行為將全面普及平台模式，大數據金融也不例外。

然而，由於大數據模型對成本要求極高，就好比不可能每家公司都搭建自己的雲計算系統一樣，讓每家機構自己建設大數據模型，從數據來源和處理技術方面看都是不現實的。業內人士認為，大數據未來必將成為平台化的服務。

目前，阿里、網路等企業都表示下一步方向是平台化。

螞蟻金服所致力搭建的平台，一方麵包括招財寶一類的金融產品平台，另一方麵包括雲計算、大數據服務平台。螞蟻金服人士說，「我們很清楚自己的優勢不是金融，而是包括電商、雲計算、大數據等技術。螞蟻金服希望用這些技術搭建一個基礎平台，把這些能力開放出去，供金融機構使用。」

網路亦是如此。接近網路的人士稱，未來是否向平台化發展，目前還在討論中，但可以確定的是，「網路不是金融機構，目的不是發產品，百發100的意義在於打造影響力，而非經濟效益。」
當BAT還在摸索前行時，已有嗅覺靈敏者搶佔了先機，那就是通聯數據。

通聯數據股份公司（DataYes）由曾任博時基金副董事長肖風帶隊創建、萬向集團投資成立，總部位於上海，公司願景是「讓投資更容易，用金融服務雲平台提升投資管理效率和投研能力」。該平台7月上線公測，目前已擁有130多家機構客戶，逾萬名個人投資者。

通聯數據目前有四個主要平台，分別是通聯智能投資研究平台、通聯金融大數據服務平台、通聯多資產投資管理平台和金融移動辦公平台。

通聯智能投資研究平台包括雅典娜-智能事件研究、策略研究、智能研報三款產品，可以對基於自然語言的智能事件進行策略分析，實時跟蹤市場熱點，捕捉市場情緒。可以說，和百發100類似，其核心技術在於將互聯網非結構化數據的量化使用。

通聯金融大數據服務平台更側重於專業金融數據的分析整理。它可以提供公司基本面數據、國內外主要證券、期貨交易所的行情數據、公司公告數據、公關經濟、行業動態的結構化數據、金融新聞和輿情的非結構化數據等。

假如將上述兩個平台比作「收割機」，通聯多資產投資管理平台就是「廚房」。在這個「廚房」里，可以進行全球跨資產的投資組合管理方案、訂單管理方案、資產證券化定價分析方案等。

通聯數據可以按照主題熱點或者自定義關鍵字進行分析，構建知識圖譜，將相關的新聞和股票提取做成簡潔的分析框架。例如用戶對特斯拉感興趣，就可以通過主題熱點看到和特斯拉相關的公司，並判斷這個概念是否值得投資。「過去這個搜集過程要花費幾天時間，現在只需要幾分鍾就可以完成。」王政表示。

「通聯數據就好比一家餐館，我們把所有原料搜集來、清洗好、准備好，同時准備了一個鍋，也就是大數據存儲平台。研究員和基金經理像廚師一樣，用原料、工具去『烹制』自己的策略。」王政形容道。

大數據在平台上扮演的角色，就是尋找關聯關系。人類總是習慣首先構建因果關系，繼而去倒推和佐證。機器學習則不然，它可以在海量數據中查獲超越人類想像的關聯關系。正如維克托`邁爾-舍恩伯格在《大數據時代》中所提到的，社會需要放棄它對因果關系的渴求，而僅需關注相互關系。

例如，美國超市沃爾瑪通過大數據分析，發現颶風用品和蛋撻擺在一起可以提高銷量，並由此創造了頗大的經濟效益。如果沒有大數據技術，誰能將這毫無關聯的兩件商品聯系在一起？
通聯數據通過機器學習，也能找到傳統量化策略無法發現的市場聯系。其中包括各家公司之間的資本關系、產品關系、競爭關系、上下游關系，也包括人與人之間的關系，例如管理團隊和其他公司有沒有關聯，是否牽扯合作等。

未來量化研究員是否將成為一個被淘汰的職業？目前研究員的主要工作就是收集整理數據，變成投資決策，而之後這個工作將更多由機器完成。

「當初醫療科技發展時，人們也認為醫生會被淘汰，但其實並不會。同理，研究員也會一直存在，但他們會更注重深入分析和調研，初級的數據搜集可以交給機器完成。」王政表示。
但當未來大數據平台並廣泛應用後，是否會迅速擠壓套利空間？這也是一個問題。回答根據網上資料整理

❷ 大數據可以在哪些領域實現預測價值

和原來統計抽樣數據不同，大數據需要持續數據，來反應相對完整的過程，而且整個過程是一個相對穩定的規律性狀態。
這樣通過數據比對，一方面能去除偶然性和外界環境干擾帶來的噪點，另一方面通過數據積累，能把規律的異常波動和結果之間找到數據對應關系，來實現對異常變化的情況分析和預測。
只要數據全面和連續，異常變化的徵兆就可以被發現。傳統的統計抽樣數據需要從數據中進行抽樣，通過單個數據的精確來反應當時狀態，但是無法進行規律的分析。
所以大數據的原理是，基於每一種非常規的變化，在事前一定有徵兆體現。沒有任何一件事情是突發的，這和佛教哲學中的因果道理是一樣的，每一件事的發生是可以被追尋脈絡的。
利用大數據的預測和分析，就建立在可以捕捉和分析這些反應事物變化的徵兆上，而最容易捕捉這種徵兆的領域，一定是原本有穩定規律的領域。
我們從現實生活中舉幾個例子。
1、股票市場
是否能用大數據的方式，來預測股票的漲跌呢？如果不討論個股情況，從理論上講在美國可以，在中國很難。
美國股票市場是可以雙向盈利的，當股票價格脫離價值時，另一股資金力量就會反向操作來盈利。而中國的股票市場則不同，股票只有漲才能盈利，這樣的規則就會吸引一些游資利用信息不對等的狀況，人為改變股票市場規律，沒有相對的穩定狀態則很難被預測，或者說變數大到捕捉分析成本過高。
2、商品價格
單次性銷售的商品價格是能夠被預測的，因為任何商品的銷售無法脫離賺錢這個根本，而且不同渠道成本和收益需求在競爭充分的環境下是相對穩定的，與價格相關的變數相對固定，所以價格可以預測。
但是如果商品有後續服務等持續性收費，或產品盈利不是唯一的需求（比如：產品新上市推廣、打擊競爭對手新上市商品等）時，則此商品價格變得不可預測，因為它脫離了一個穩定的狀態。
3、人的健康狀況
慢性病是可以被預測的。因為人體的體征變化是呈固定的變化規律的，慢性病形成的過程中，體征變化規律也呈現持續性異常。所以在慢性病形成的過程，就可以對異常的體征變化規律進行分析。
急性病是很難預測的，因為是外界因素帶來的突變，體征數據變化規律異常是應激反應，屬於突變的過程，尤其隨機性，則預測成本過高，但可以發生後被分析出來。
1、數據波動規律不因外界隨機干擾而不可測影響，可以用固定維度的變數建立基準規律；
2、持續採集和分析數據的成本要小於預測帶來的收益；
3、有異常狀況和不同結果的對應關系。

❸ 在用同花順看股市的時候 一些常用數據怎麼分析

1.委比
委比指標指的是在報價系統之上的所有買賣單之比，用以衡量一段時間內買賣盤相對力量的強弱。
當委比值為正值並且委比數大,說明市場買盤強勁；當委比值為負值並且負值大,說明市場拋盤較強；委比值從-100%至＋100%,說明買盤逐漸增強,賣盤逐漸減弱的一個過程。相反,從＋100%至-100%,說明買盤逐漸減弱,賣盤逐漸增強的一個過程。舉一個極端的例子：漲停板的股票，由於賣盤上沒有掛單，因此其指標未必就是+100%；反之，跌停的股票其指標也未必是-100%。
一般來說，委比指標說明了買入和賣出意願的不平衡程度，同時需注意，委比數值是時時都在變化的。
2.換手率
換手率的高低往往意味著這樣幾種情況：
（1）股票的換手率越高，意味著該只股票的交投越活躍，人們購買該只股票的意願越高，屬於熱門股；反之，股票的換手率越低，則表明該只股票少人關注，屬於冷門股。
（2）換手率高一般意味著股票流通性好，進出市場比較容易，不會出現想買買不到、想賣賣不出的現象，具有較強的變現能力。然而值得注意的是，換手率較高的股票，往往也是短線資金追逐的對象，投機性較強，股價起伏較大，風險也相對較大。
（3）將換手率與股價走勢相結合，可以對未來的股價做出一定的預測和判斷。某隻股票的換手率突然上升，成交量放大，可能意味著有投資者在大量買 進，股價可能會隨之上揚。如果某隻股票持續上漲了一個時期後，換手率又迅速上升，則可能意味著一些獲利者要套現，股價可能會下跌。
3.內外盤大小
內盤為主動買入
外盤為主動賣出
由此可知，內外盤大小對股價的影響程度
4.量比
量比＝現成交總手/（過去5日平均每分鍾成交量×當日累計開市時間（分））

量比在０.８-１.５倍，則說明成交量處於正常水平；
量比在１.５-２.５倍之間則為溫和放量，如果股價也處於溫和緩升狀態，則升勢相對健康，可繼續持股，若股價下跌，則可認定跌勢難以在短期內結束，從量的方面判斷應可考慮停損退出；
量比達２.５-５倍，則為明顯放量，若股價相應地突破重要支撐或阻力位置，則突破有效的幾率頗高，可以相應地採取行動；
量比達５-１０倍，則為劇烈放量，如果是在個股處於長期低位出現劇烈放量突破，漲勢的後續空間巨大，是「錢」途無量的象徵。但是，如果在個股已有巨大漲幅的情況下出現如此劇烈的放量，則值得高度警惕。
量比達１０倍以上，一般可以考慮反向操作。在漲勢中出現這種情形，說明見頂的可能性壓倒一切，即使不是徹底反轉，至少漲勢會休整相當長一段時間。在股票處於綿綿陰跌的後期，突然出現的巨大量比，說明該股在目前位置徹底釋放了下跌動能。
量比達２０倍以上的情形基本上每天都有一兩單，是極端放量的一種表現，這種情況的反轉意義特別強烈，如果在連續的上漲之後，成交量極端放大，但股價出現「滯漲」現象，則是漲勢行將死亡的強烈信號。當某隻股票在跌勢中出現極端放量，則是建倉的大好時機。
量比在０.５倍以下的縮量情形也值得好好關注，其實嚴重縮量不僅顯示了交易不活躍的表象，同時也暗藏著一定的市場機會。縮量創新高的股票多數是長庄股，縮量能創出新高，說明莊家控盤程度相當高，而且可以排除拉高出貨的可能。縮量調整的股票，特別是放量突破某個重要阻力位之後縮量回調的個股，常常是不可多得的買入對象。
漲停板時量比在１倍以下的股票，上漲空間無可限量，第二天開盤即封漲停的可能性極高。在跌停板的情況下，量比越小則說明殺跌動能未能得到有效宣洩，後市仍有巨大下跌空間。
當量比大於1時,說明當日每分鍾的平均成交量大於過去5日的平均值,交易比過去5日火爆；當量比小於1時,說明當日成交量小於過去5日的平均水平。
5.市盈（動）
指市盈率，在一個考察期（通常為12個月的時間）內，股票的價格和每股收益的比例。投資者通常利用該比例值估量某股票的投資價值，或者用該指標在不同公司的股票之間進行比較。
市盈率＝普通股每股市場價格÷普通股每年每股盈利
市盈率越低，代表投資者能夠以較低價格購入股票以取得回報。

❹ 如何從股票數據中預測股票漲跌

在股市中成交量和股價是技術分析的最基本要素，其中量是市場運動的原因，價是市場運動的結果，量價之間有一個基本的對應，稱為量價關系。利用這個關系，就可以根據成交量和股價的變化來推測股價的未來走勢。
在成交量和股價的關系組合中具有意義的主要有如下幾個：
1、價格隨成交量的遞增而上漲，為市場行情的正常特性，此種量增價漲的關系，表示股價將繼續上升。
2、股價下跌，向下跌破股價形態、趨勢線、移動平均線，同時出現大成交量是股價將深幅下跌的信號，強調趨勢的反轉。
3、股價隨著緩慢遞增的成交量而逐漸上漲，漸漸的走勢突然成為垂直上升的爆發行情，成交量急劇增加，股價爆漲，緊接著，成交量大幅萎縮，股價急劇下跌，表示漲勢已到末期，有轉勢可能。
4、溫和放量。個股的成交量在前期持續低迷之後，出現連續溫和放量形態，一般可以證明有實力資金在介入。但這並不意味著投資者就可以馬上介入，個股在底部出現溫和放量之後，股價會隨量上升，量縮時股價會適量調整。當持續一段時間後，股價的上漲會逐步加快。
5、突放巨量。這其中可能存在多種情況，如果股價經歷了較長時間的上漲過程後放巨量，通常表明多空分歧加大，有實力資金開始派發，後市繼續上漲將面臨一定困難。而經歷了深幅下跌後的巨量一般多為空方力量的最後一次集中釋放，後世繼續深跌的可能性很小，反彈或反轉的時機近在眼前。如果股市整體下跌，而個股逆勢放量，在市場一片喊空聲之時放量上攻，造成十分醒目的效果。這類個股往往持續時間不長，隨後反而加速下跌。
6、成交量也有形態，當成交量構築圓弧底，而股價也形成圓弧底時，往往表明該股後市將出現較大上漲機會。
這些可以慢慢去領悟，炒股最重要的是掌握好一定的經驗與技巧，這樣才能作出准確的判斷，新手在把握不準的情況下不防用個牛股寶手機炒股去跟著裡面的牛人去操作，這樣要穩妥得多，希望可以幫助到您，祝投資愉快！

❺ 預測股票需要什麼數據

技術分析是看歷史數據的。
如K線圖，成交量之類的。

❻ 如何根據交易信息分析和預測股票的後續走勢

*幾乎所有的交易技術指標，都可以對分析和預測股票的後市提供一些依據；
*有趨勢方面的指標，如 MACD、BOLL、MA................等；
*有量能方面的指標，如：OBV、均量線；
*但所有指標的基礎是：K線
*還有就是F10裡面的報表、數據等

*股票市場的分析方法主要有如下三種：基本分析法，技術分析法、演化分析法，其中基本分析主要應用於投資標的物的選擇上，技術分析和演化分析則主要應用於具體投資操作的時間和空間判斷上，作為提高證券投資分析有效性和可靠性的有益補充。

❼ 如何利用數據分析股票走勢呢

這么多問題, 我就回答你MACD, 你可以找書看看

MACD指標又叫指數平滑異同移動平均線，是由查拉爾·阿佩爾（Gerald Apple）所創造的,是一種研判股票買賣時機、跟蹤股價運行趨勢的技術分析工具。

一、MACD指標的原理

MACD指標是根據均線的構造原理，對股票價格的收盤價進行平滑處理，求出算術平均值以後再進行計算，是一種趨向類指標。

運用快速（短期）和慢速（長期）移動平均線及其聚合與分離的徵兆，加以雙重平滑運算。而根據移動平均線原理發展出來的MACD，一則去除了移動平均線頻繁發出假信號的缺陷，二則保留了移動平均線的效果，因此，MACD指標具有均線趨勢性、穩重性、安定性等特點，是用來研判買賣股票的時機，預測股票價格漲跌的技術分析指標。

主要是通過EMA、DIF和DEA（或叫MACD、DEM）這三值之間關系的研判，DIF和DEA連接起來的移動平均線的研判以及DIF減去DEM值而繪製成的柱狀圖（BAR）的研判等來分析判斷行情，預測股價中短期趨勢的主要的股市技術分析指標。其中，DIF是核心，DEA是輔助。DIF是快速平滑移動平均線（EMA1）和慢速平滑移動平均線（EMA2）的差。BAR柱狀圖在股市技術軟體上是用紅柱和綠柱的收縮來研判行情。

❽ 如何通過成交量來預測股票的漲跌

• 通過成交量來預測股票漲跌經驗：

  1、成交量的變化關鍵在於趨勢。趨勢是金，所謂的「天量天價，地量地價」，只是相對某一段時期而言的，具體的內容則需要看其當時的盤面狀態、以及所處的位置，才能夠真正確定未來可能的發展趨勢。在股價走勢中，量的變化有許多情況，最難判斷的是一個界限，多少算放量，多少算縮量，實際上並沒有一個可以遵循的規律，也沒有「放之四海皆真理」的絕對數據。很多時候只是一個「勢」，即放量的趨勢和縮量的趨勢，這種趨勢的把握來自於對前期走勢的整體判斷以及當時的市場變化狀態，還有很難說明白的市場心理變化。在用成交手數作為成交量研判的主要依據時，也可輔助使用成交金額與換手率進行研判，從而更好地把握量的「勢」。這里重點談談溫和放量與突放巨量的運用。

  溫和放量，指成交量在持續低迷之後，突然出現一個類似「山形」一樣的連續溫和放量形態，也稱作「量堆」。個股出現底部的「量堆」現象，一般就可以證明有實力資金在介入，但這並不意味著投資者就可以馬上介入，一般個股在底部出現溫和放量之後，股價會隨之上升，縮量時股價會適量調整。此類調整沒有固定的時間模式，少則十幾天多則幾個月，所以此時投資者一定要分批逢低買入，並在買進的理由沒有被證明是錯誤的時候，有足夠的耐心用來等待。突放巨量，一般來說在上漲過程中突放巨量通常表明多方的力量使用殆盡，後市繼續上漲將十分困難，即「先見天量，後見天價」；而下跌過程中的巨量一般多為空方力量的最後一次集中釋放，股價繼續深跌的可能性很小，短線反彈的可能就在眼前了，即「市場在恐懼中見底」。

• 2、上升途中縮量上攻天天漲，下跌途中縮量陰跌天天跌。

  市場上有這樣一種認識，認為股價的上漲必須要有量能的配合，如果是價漲量增，則表示上漲動能充足，預示股價將繼續上漲；反之，如果縮量上漲，則視為無量空漲，量價配合不理想，預示股價不會有較大的上升空間或難以持續上行。實際情況其實不然，具體情況要具體分析，典型的現象是上漲初期需要價量配合，上漲一段後則不同了，主力控盤個股的股價往往越是上漲成交量反而萎縮了，直到再次放量上漲或高位放量滯脹時反而預示著要出貨了。上漲過程不放量表明沒有人賣股票，而盤面又能保持和諧的走勢，說明持有者一致看好後市走勢，股價的上漲根本沒有拋盤，因為大部分籌碼已被主力鎖定了，在沒有拋壓的情況下，股價的上漲並不需要成交量的。股價在下跌過程中不放量是正常現象，一是沒有接盤因此拋不出去，二是惜售情節較高沒有人肯割肉。因此縮量下跌的股票，要看速率，快速縮量才好，否則可能會綿綿陰跌無止期。實戰中往往出現無量陰跌天天跌的現象，只有在出現恐慌性拋盤之後，再次放量才會有所企穩。其實放量下跌說明拋盤大的同時接盤也大，反而是好事，尤其是在下跌的末期，顯示出有人開始搶反彈。由於弱勢反彈主要靠市場的惜售心理所支撐的，止跌反彈的初期往往會出現在恐懼中單針見底，因此需要放量，但之後的上攻反而會呈現縮量反彈天天漲的現象，這時不必理會某些市場人士喋喋不休的放量論調，因為弱勢反彈中一旦再度放量，就說明籌碼已松動了，預示著新一輪下跌的開始。

❾ 用大數據炒股，靠譜嗎

因為最近在考察幾個量化交易平台，或許正好能夠回答你的這個問題。
在國外現在量化交易已經非常非常的普及，但是據說在國內只有不到5%，似乎是國內散戶太多的原因。
而量化交易就是能夠通過模型預測未來一段時間的走勢，從而不斷去調整，購買較大勝率的股票、期貨或者大宗商品。
某種程度上來說，這些大數據預測相對於國內的賭徒心理還是有更高的成功率的。

當然，也不能太迷信數據，數據是死的，而人性莫測。在國內，即使你個股再好，還是看出現跑不贏大盤的局面，而且有時候還得考慮人的情緒、政策等等。不過，如果能夠堅持，大數據還是相對靠譜的。觀點僅供參考，投資需謹慎。

❿ 通常用什麼數據預測股票的價格

沒有能夠准確預測股價的東西，只能從籌碼分布和公司炒作熱度大致判斷未來的趨勢，而且在這個過程中會出現無數可能性，必須保持靈活性，隨時調整自己的投機計劃。