單個股票歷史模擬法案例

Ⅰ 用Python中的蒙特卡洛模擬兩支股票組成的投資組合的價格趨勢分析

蒙特卡洛模擬是一種模擬把真實系統中的概率過程用歲虛計算機程序來模擬的方法。對於投資組合的價格趨勢分析，可以使用Python中的蒙特卡洛模擬。首冊茄先，回顧投資組合的價格趨勢。投資組合中的股票價格的趨勢是受多種因素影響的，可分為經濟、政治和技術因素，其中經濟因素最重要。因此，蒙特卡洛模擬可以模擬這些因素對投資組合價格趨勢的影響，並通過計算機繪制投資組合價格趨勢的曲線。
Python中的蒙特卡洛模擬首先需要計算投資組合中各股票價格的每一期的收益率，其次，計算出投資組合的收益率；隨後，計算預測投資組合的期權價格，並將所有的期權價格疊加起來，從而繪制投資組合的價格曲線。最後，在投資組合的價格曲線的基礎上，可以分析投資組合在不同時期的價格走州雀察勢，並進行投資組合結構的調整，從而獲得最優投資組合。

Ⅱ 歷史模擬法的優缺點

龐大歷史資料的儲存、校對、除錯等工作都需要龐大的人力與資金來處理，如果使用者對於部位大小與價格等信息處理、儲存不當，都會產生垃圾進，垃圾出的不利結果。
有些標的物的投資信息取得不易，例如未上市公司股票的價格、新上市（櫃）公司股票的歷史資料太短、有的流動性差的股票沒有每日成交價格等。
若某些風險因子並無市場資料或歷史資料的天數太少時，模擬的結果可能不具代表性，容易有所誤差。 缺點:極端事件的損失不易模擬。
歷史模擬法分布
主要的理由就是重大極端事件的損失比較罕見，無法有足夠的資料來模擬損失分配 。
極端事件發生期間占整體資料比數的比例如何安排也是個問題，不同的比例會深深影響歷史模擬法的結果。
例如以國際股票投資為例，1997年的亞洲金融危機、2001年美國發生的911恐怖攻擊事件、美伊戰爭的進展等事件都會引發全球股市的大幅變動，若這些發生巨幅變動的時間占整體資料的比重過大，就會高估正常市場的波動性，因而高估真正的風險值。 未來風險因子的變動會與過去表現相同的假設，不一定可以反映現實狀況。
漲跌幅比例的改變、交易時段延長、最小跳動單位改變等，都會使得未來的評估期間的市場的結構可能會產生改變，而跟過去歷史模擬法選樣的期間不同，甚至從未在選樣期間發生的事件，其損益分配是無從反映在評估期間的風險值計算上。 雖然資料筆數要夠多才有代表性，但是太多久遠的資料會喪失預測能力，但是過少的時間資料又可能會遺失過去曾發生過的重要訊息，兩者的極端情況都會使歷史模擬法得所到的風險值可信度偏低，造成兩難的窘境。
到底要選用多長的選樣期間，只有仰賴對市場的認知
與資產的特性，再加上一點主觀的判斷來決定了。

Ⅲ 歷史走勢都是相似的，炒股時怎麼去尋找其中的相似性呢

潮漲潮落，四季輪回，各按自然規律運行，股市也是如此，漲跌有時，節奏明快，並且很多個股經常會復制其歷史走勢，包括漲跌節奏、啟動點位、見頂位置，發動時機等等，尤其頂部形態和底部形態常常驚人的相似。這樣就為投資者提供了判斷後市較好的依據，對投資者擇股、擇時有重大借鑒意義。

歷史定位法在上升趨勢個股或者牛市中的使用方法略有不同，處於上升趨勢中的個股，短期內不會下探到前期底部區域，其回踩前期階段頂部區域就會獲得支撐，然後開始上行，這時就是介入時機，不用等到跌回底部區域。

同時，這種票也會拉升到前期頂部區域的上方一段距離後再做回調走勢，其階段頂部會越來越高，所以賣出時機並不在歷史頂部區域，而是高於前期頂部20%左右，其頂部高出的比例和底部下探深度一致。

雖然歷史走勢會重復，但不是簡單重復，中短線看相對位置尤為重要，處於上升期的行業個股，其階段頂部和底部會越來越高，買點和賣點都是跟隨提高，反過來，處於下坡路行業股則是相反的，不適合用絕對位置做比較。

如果一家發生重大變化，比如公司脫胎換骨，跨行業的優質資產注入，借殼上市等，則其未來會有新的演繹節奏，以往的走勢參考意義不大。