時間序列模型股票投資

① 完全不懂金融，想學習量化投資需要學習哪些金融科目

我個人認為學習量化投資在金融方面需要具備兩個方面的知識：
1、首先是要了解金融市場與金融產品，只有這樣才能在眾多市場與標的中選擇合適的來構建投資組合，這一方面需要了解的基礎知識有：金融市場與金融機構、投資學、金融衍生品等等；
2、其次是需要了解如何量化，相信你應該有足夠的IT背景，編程沒啥問題，其次的話就是要了解數理來溝通金融產品選擇與編程落地，需要了解的科目有：概率論、統計學、計量經濟學、金融經濟學、數理金融等。

② 李松的發表論文

2011年
[58] Prediction of Railway Freight Volumes Based on AdaBoost_BP Neural Network[C]. //Proceeding of the ICICTA Conference. Shenzhen,China,Ei 收錄：
[57] Fault Diagnosis of Transformer Based on Probabilistic Neural Network[C]. //Proceeding of the ICICTA Conference. Shenzhen,China,Ei 收錄：
[56] 遺傳演算法優化BP神經網路的短時交通流混沌預測[J]．控制與決策，2011，Ei 收錄：
[55] AdaBoost_BP神經網路在鐵路貨運量預測中的應用[J]．計算機工程與應用，2011，47（4）：
[54] 遺傳演算法優化BP神經網路的混沌時間序列預測[J]．計算機工程與應用，2011，47（4）：236-239
[53] 中國大型連鎖超市市場營銷問題與對策[J]．改革與戰略，2011，（2）：
2010年
[52] 基於廣義回歸神經網路的鐵路貨運量預測[J]．鐵道運輸與經濟，2010，（12）：
[51] 基於遺傳演算法優化混沌神經網路的股票指數預測[J]．商業研究，2010，（11）：10-13
[48] Transformation of Chaos in Traffic Flow Based on Distance Headway[C]. //Proceeding of the ICICTA Conference. Changsha,China,2010,vol.3,pp.1095-1098,Ei 收錄：20103413173365
[47] Optimization of the VRP with Single Depot Based on Vehicle Coordination Strategy[C]. //Proceeding of the ICICTA Conference. Changsha,China,2010,vol.2,pp.862-865,Ei 收錄：20103413169795
[46] 提高員工滿意度的薪酬管理策略[J]．中國經貿導刊，2010（5）：63
[45] 公路運輸型物流企業發展策略[J]．綜合運輸，2010（2）：49-52
[44] 基於交通流灰色關聯熵的交通流無序轉化研究[J]．武漢理工大學學報（交通科學與工程版），2010（1）：
[43] 城市交叉路口交通流傳遞函數模型研究[J]．計算機工程與應用，2010，46（4）：236-239
2009年
[41] 中國第三方物流企業存在的問題與對策[J]．物流科技，2009，32（10）：47-49
[40] 中國應急物流運作流程存在的問題與對策[J]．綜合運輸，2009，（6）：41-44
[39] 企業物流成本管理問題與對策[J]．會計之友，2009，11（中）：32-33
[38] 混沌時間序列預測模型的比較研究[J]．計算機工程與應用，2009，45（32）：53-56
[37] 短時交通流混沌預測方法的比較[J]．系統工程，2009，27（9）：60-64
[36] A Study on Chaos in the Traffic Flow Based on the Coupled Map Model[C]. // Proceeding of the ICMTMA Conference. Changsha,China,2009,450-453，Ei 收錄：20094712476582
[35] 模擬交通流混沌轉化過程研究[J]．計算機工程與應用，2009，45（5）：232-235
2008年
[34] A Measuring Model of Disorder Motion in Traffic Flow Based on Traffic Entropy[C]. //Proceeding of the ICICTA Conference. Changsha,China,2008,203-208，Ei 收錄：20090111822242
[32] 基於改進禁忌搜索演算法的車輛路徑優化[J]．鐵道運輸與經濟，2008（5）：
[31] 基於SWEEP方法的改進車輛路徑協作策略研究[J]．系統工程與電子技術，2008（3）：48-51，Ei 收錄：20081811231798
2007年
[30] 車頭間距與高速公路交通流混沌[J]．西南交通大學學報，2007，42（3）：304-308，Ei 收錄：20072910702234
[29] Chaos Characteristics of Expressway Traffic Flow[J]. Journal of Highway and Transportation Research and Development,2007,2（1）：
[28] 基於跟馳模型的交通流混沌轉化影響因素的模擬研究[J]．公路交通科技，24（12）：104-108
[27] 一種基於交通熵的交通流無序度量方法[J]．公路交通科技，2007（11）：92-95
[26] 基於元胞自動機模型的交通流混沌模擬研究[J]．計算機工程與應用，2007，43（32）：
[25] 單車場大規模車輛路徑優化問題研究[J]．鐵道運輸與經濟，2007（11）：
[24] 基於混合禁忌搜索演算法的物流配送路徑優化問題研究[J]．鐵道運輸與經濟，2007（3）：
[23] 高職院校課程考試改革的實踐與探索[J]．河北軟體職業技術學院學報。2007（3）：
2006年
[22] 基於最大Lyapunov指數改進演算法的交通流混沌判別[J]．武漢理工大學學報（交通科學與工程版），2006（5）：747-750，Ei 收錄：20070310362559
[21] 高速公路交通流混沌特性研究[J]．公路交通科技，2006（10）
[20] 灰色季節變動指數模型GSV（1，1）在農村用電量預測中的應用[J]．中國電力，2006（6）
[19] 基於交易費用理論的虛擬物流企業效率邊界分析[J]．鐵道運輸與經濟，2006（6）
[18] 基於改進型灰色GM模型的用電量預測方法研究[J]．用電需求側管理，2006（5）
[17] 基於AHP和模糊評判的供應鏈合作夥伴的選擇[J]．企業經濟，2006（1）
[16] 面向農機製造業的虛擬物流中心運輸商選擇策略研究[J]．中國農機化，2006（4）
[15] 基於交易費用理論的虛擬物流企業形成機理研究[J]．物流科技，2006，29（9）
[14] 虛擬物流企業形成動因的經濟學分析[J]．物流技術，2006（8）
[13] 不確定條件下投資戰略期權博弈分析[J]．西安電子科技大學學報（社科版），2006（2）
[12] 基於均值回復的實物期權戰略投資分析[J]．中國農機化，2006（5）
[11] 中國中小企業發展戰略定位與選擇研究[J]．河北軟體職業技術學院學報，2006（1）
[10] 中國電力二次設備行業中小企業發展戰略定位與選擇[J]．河北軟體職業技術學院學報，2006（3）
2005年
[9] 跟馳模型的交通流混沌轉化現象的模擬[J]．系統工程，2005（10）
[8] 基於AHP的教師教學質量的模糊評判[J]．中國職業技術教育，2005（30）
[7] 基於AHP的製造企業供應鏈合作夥伴的選擇方法研究[J]．組合機床與自動化加工技術，2005（11）
[6] 中國中小企業核心競爭力的影響因素分析[J]．廣東經濟管理學院學報，2005（4）
[5] 中國中小企業發展狀況分析[J]．湖北經濟學院學報（人文社科版），2005（7）
[4] 中國高科技中小企業發展狀況分析[J]．河北軟體職業技術學院學報，2005（1）
[3] 中國中小企業核心競爭力分析[J]．河北軟體職業技術學院學報，2005（2）
[2] 基於AHP的高校教師教學質量評估方法研究[J]．河北軟體職業技術學院學報，2005（4）
[1] 公平理論在企業薪酬管理中的應用[J]．河北工程技術職業學院學報，2004（4）

③ 如何用Excel做每股收益無差別分析

自己先做一個表,,數據填好,,然後在做一個圖就好了

④ 時間序列在股市有哪些應用

時間序列分析在股票市場中的應用
摘要
在現代金融浪潮的推動下,越來越多的人加入到股市,進行投資行為,以期得到豐厚的回報,這極大促進了股票市場的繁榮。而在這種投資行為的背後,越來越多的投資者逐漸意識到股市預測的重要性。
所謂股票預測是指:根據股票現在行情的發展情況地對未來股市發展方向以及漲跌程度的預測行為。這種預測行為只是基於假定的因素為既定的前提條件為基礎的。但是在股票市場中,行情的變化與國家的宏觀經濟發展、法律法規的制定、公司的運營、股民的信心等等都有關聯,因此所謂的預測難於准確預計。
時間序列分析是經濟預測領域研究的重要工具之一,它描述歷史數據隨時間變化的規律,並用於預測經濟數據。在股票市場上,時間序列預測法常用於對股票價格趨勢進行預測,為投資者和股票市場管理管理方提供決策依據。

⑤ 什麼是arch模型和garch模型

1、ARCH模型（Autoregressive conditional heteroskedasticity model）全稱「自回歸條件異方差模型」，解決了傳統的計量經濟學對時間序列變數的第二個假設（方差恆定）所引起的問題。

2、GARCH模型稱為廣義ARCH模型，是ARCH模型的拓展，由Bollerslev(1986)發展起來的。

（1）GARCH模型（波勒斯勒夫（Bollerslev），1986年）。GARCH（p，q）模型為：

(5)時間序列模型股票投資擴展閱讀：

GARCH的發展：

傳統的計量經濟學對時間序列變數的第二個假設：假定時間序列變數的波動幅度（方差）是固定的，不符合實際，比如，人們早就發現股票收益的波動幅度是隨時間而變化的，並非常數。這使得傳統的時間序列分析對實際問題並不有效。

羅伯特·恩格爾在1982年發表在《計量經濟學》雜志（Econometrica）的一篇論文中提出了ARCH模型解決了時間序列的波動性（volatility）問題，當時他研究的是英國通貨膨脹率的波動性。

⑥ 基本指數股票中的基本指數是什麼意思

股票中的基本指數是指對於市值有很大影響的指數，比如上證指數、深證指數，這些指數包含股票市場整體的市值情況。
股市指數的含義是，就是由證券交易所或金融服務機構編制的、表明股票行市變動的一種供參考的數字。
通過查看指數，對於當前各個股票市場的漲跌情況我們將瞭然於胸。
股票指數的編排原理事實上還是很繁瑣的，這里就不展開講了，點擊下方鏈接，教你快速看懂指數：新手小白必備的股市基礎知識大全
一、國內常見的指數有哪些？
股票指數的編制方法和性質是分類的一個依據，股票指數大致分為這五種類型：規模指數、行業指數、主題指數、風格指數和策略指數。
其中，最為常見的是規模指數，比如我們熟知的「滬深300」指數，它說明的是在滬深市場中交易活躍，且代表性和流動性都很好的300家大型企業股票的整體情況。
再比如，「上證50 」指數從本質來說也是規模指數，說的是上證市場規模較大的50隻股票的整體情況。

行業指數所象徵的就是某一行業目前的整體情況。比方說「滬深300醫葯」代表的就是行業指數，代表滬深300指數樣本股中的17個醫葯衛生行業股票整體狀況，同時也反映出了該行業公司股票的整體表現。
像人工智慧、新能源汽車等這些主題的整體狀況就是通過主題指數來反映，相關指數「科技龍頭」、「新能源車」等。
想了解更多的指數分類，可以通過下載下方的幾個炒股神器來獲取詳細的分析：炒股的九大神器免費領取（附分享碼）
二、股票指數有什麼用？
根據上述的文章內容可以知道，指數一般選擇了市場中的一些股票，而這些股票非常具有代表意義，因此，指數能夠幫助我們比較快速的了解到市場的整體漲跌情況，那麼市場熱度如何我們也能有大概的了解，甚至，知道能夠預估未來的走勢如何。具體則可以點擊下面的鏈接，獲取專業報告，學習分析的思路：最新行業研報免費分享

應答時間：2021-09-06，最新業務變化以文中鏈接內展示的數據為准，請點擊查看

⑦ 請股票高手給我解釋一下江恩時間序列的奧秘

這是江恩選擇過的周期，最可能出現變異點的地方，你在圖上照著這個指標用就行了。要究其源的話去找個羅盤來看，中心是一也是一波價格的起始點，依次逆時針螺旋往外數格子，這些數字就是價格大概率變異點，時間周期在羅盤上是固定的24個格子，所以數的時候可以不管它，這些數字多是在時間格子的季節變異點處，你知道一年四季24節氣吧？江恩理論理論上很完美，但是市場價格不像地球運動周期那樣有規律，不過漲跌力量的逐漸轉換和季節的輪換是一樣的都有時間上的順序和價格轉變上的過程，江恩理論是唯一的分析價的格理論中同時考慮時間空間的預測方法，懂了江恩理論你會延伸的了解很多很多的東西，江恩很喜歡中國的易經，他的風格也是源於易經，你可以去看看

⑧ 投資學作業：從股票定價模型來分析香港金融危機 求解！！！

一、資本資產定價模型的理論背景
威廉•夏普建立了均衡的證券定價理論，即著名的資本資產定價模型(CAPM)：（1）其中，E（Ri）為股票i的預期收益率，Rf為無風險利率，E（RM）為市場組合的預期收益率，，即系統風險系數，是市場組合收益率的方差，βi表示股票i收益率變化對市場組合收益率變動的敏感度，用βi系數來衡量該股票的系統風險大小。CAPM說明：在證券市場上，非系統風險可以通過多元化投資加以消除，對定價唯一起作用的是該證券的β系數。因此，對CAPM的檢驗就是驗證β系數是否具有對收益的完全解釋能力。
二、CAPM在國內外的檢驗
國外在1970以後就開始了對CAPM的檢驗和β系數的穩定性研究，早期的檢驗結果表明，西方成熟資本市場中股票定價基本符合CAPM。但1980年以後，出現了大量負面的驗證結果。從1990年開始，國內一些學者對CAPM也陸續做了大量研究。陳浪南、屈文洲（2000）對上海A股市場對資本資產定價模型進行實證檢驗，根據股市中的三種市場格局(上升、下跌和橫盤)劃分了若乾的時間段得出不同β值的進行分析，得出的β值與股票收益率的相關性較不穩定，說明上海股票市場存在較大的投機性。阮濤、林少宮(2000)說明了上海股票市場不符合CAPM，基於CAPM模型對中國現階段的股票市場的分析和應用缺乏有效性依據。許滌龍，張鈺(2005)實證結果表明在滬市股票的收益與其β系數存在著顯著的正相關線性關系，但無風險收益率卻是負的，這說明上海股票市場具有明顯的投機特徵，是一個不夠成熟的股市。
三、數據說明和處理
本文選擇上海證券交易所上市的上證180指數成分股，選擇2009年1月9日到2010年12月22日期間的周數據，共有101個周數據，剔除在上述期間數據缺失的股票，樣本共包含152隻股票，本文選用上證綜合指數來替代市場組合收益，所用數據都已進行除權、除息復權處理，本文數據來源於Wind資訊。個股用周收盤價來計算它們的周收益率，計算公式如下：其中Rit是第i只股票在t時刻的收益率；pit是第i只股票在t時刻的收盤價。上證綜合指數的收益率計算同上，用Rmt來表示周收益率。對於無風險收益率的確定，本文使用一年期的定期存款利率來表示無風險收益率，折算成周收益率為：Rf=0.0455%。
四、CAPM實證和結果
本文在檢驗中用到的基本時間序列方程如下：（2）對於橫截面的CAPM檢驗,採用下面的模型：（3）（4）其中是第i只股票平均收益率（樣本均值來代替），βi是第i只股票的β值，在（4）的回歸中βi由模型（3）中的得到的回歸系數bi來替代。將回歸結果與CAPM模型（1）進行比較，檢驗CAPM在上海資本市場是否成立：（1）資產的風險和收益之間是否存在線性關系。如果模型（4）中參數其估計值不顯著異於零，則可認為資產的風險和收益之間僅存在線性關系。（2）資產的風險和收益是否正相關。如果參數γ1其估計值顯著異大於零，則可以認為資產的風險和收益是正相關的。此外，其估計值理論上應該等於E（RM）-Rf，即市場的超額收益率。（3）參數γ0其估計值不顯著異於Rf。
152隻股票的周收益率分別對上綜指的周收益率進行時間序列回歸，得到152隻股票的bi值。然後以152隻股票的周收益率為因變數，各個股票回歸出來的值為自變數對模型（3）進行回歸，其結果為表1結果可以發現βi值在5%顯著性水平下顯著,而常數項γ0僅在10%的顯著性水平下顯著。即收益率與系統風險(β值)存在的線性顯著性較強。下面來檢驗回歸出來的γ0和無風險收益率是否有顯著差異。γ0=0.002945，Rf=0.0455%，其檢驗的t值為此結果表明γ0和Rf在顯著性水平5.97%下有顯著區別，這與CAPM不吻合。下面來檢驗斜率系數是否顯著不同於E（RM）-Rf。由表1知γ1=0.005036，其檢驗的t值為在5%的顯著性水平下，γ1和E（RM）-Rf沒有顯著區別，這和CAPM相符。
為了進一步檢驗收益率與系統風險(β值)存在的非線性關系，對模型（4）檢驗得到的結果如下：根據表2的結果可以發現β值在5%顯著性水平下不顯著,而β2值在5%顯著性水平下顯著,這可以發現上海股票市場的除了系統風險的影響之外，與收益率風險的非線性關系即非系統風險對上海股票市場的收益率影響也較大。從表1和表2的結果可以看出，其中γ0是正數，這個與CAPM相吻合，但是以往的大部分文獻中得出常數項為負值，而此處的結果得出γ0較顯著的大於Rf，這是由於金融危機後，2009年與2010年的利率維持在較低水平，而上證A股指數從金融危機後較低的點位正在上升的過程中。
五、總結
根據上述CAPM的有效性檢驗，可以得出以下結論：(1)上海資本市場股票組合的平均超額收益率與其系統風險之間存在正相關關系，並且同時與非系統風險之間存在顯著的線性關系。說明上海股票市場的股票定價不僅僅受系統風險的影響，而且受非系統風險的影響。(2)模型(3)中的斜率系數與平均超額收益率沒有顯著區別，常數估計值較顯著大於無風險利率，與之前的大部分文獻得出常數項大部分為負值不同。這由於金融危機後的這個特殊時期的貨幣政策和股市走勢有關，同時也反映出上海股票市場正在逐步邁向成熟的過程之中。