用數據分析中國股票市場

❶ 中國的股市用一些經濟數據分析有用嗎

有用 一國仔帆鍵股市念巧的好壞跟經濟息息相關 例如CPI（居民消費指數）通常以3%作為轎灶界定 當CPI大於3%說明通脹率上升 這時管理層可動用一系列的調控手段來調節 例如上調存款准備金率 加息 央行公開市場操作等。所以判斷股票的漲跌首先要判斷宏觀經濟形式加以技術方面的輔助

❷ 可不可以基於海量數據預測股票

另外，市場是動態的，有時再多的海量數據也不能用來預測後期的市場，就比如2017年下半年，以往被證明操作成功率很高的三板股戰法和打板戰法等紛紛失效，就是因為上面維穩的介入。我們只能跟隨市場的變化，及時轉變自己的認知。

以上內容為股幫師姐原創，如轉載請註明出處，如有不同意見，歡迎交流。

最後分享一下微信公眾號：股幫師姐，獲取更多股市知識。

❸ 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

❹ 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。

❺ 股票市場的股價模型研究

放棄技術分析吧，美國市場已經拋棄的工具被中國無數中小投資者視為珍寶。要是靠看圖能做准確預測，那些基本面分析的機構全都能去喝西北風了。

❻ 根據我國目前的宏觀經濟形式分析我國股票市場未來的走勢

股票市場是市場經濟的高級組織形態，是生產力發展的必然產物。社會化大生產越發達，對社會資金的融通需求就越大，股票市場籌集資金和優化資源配置的功能就越是能夠充分發揮，股票市場也就越發達。

(6)用數據分析中國股票市場擴展閱讀：

2013年影響股市表現因素分析：

我國經濟將在2013年實現溫和復甦，各項經濟指標將逐步好轉。與2012年每個季度經濟增速均低於年初預期相比，2013年每個季度實際增速有望不斷超出年初預期，預計全年GDP增速將回升到8%以上。

在全球經濟低迷的背景下，中國出口仍不會有起色，但內需的增長可以抵消外需的下降。而高鐵、水利等基礎設施投資增速有增無減，投資仍是推動中國經濟的重要動力。

❼ 在財務數據分析中，如何用時間序列分析法預測股票市場變化趨勢

這個要把最近3到5年搜握好之內的財務數據做對比，看看業務的變化趨勢，然後財務報表中的一些數據可以判斷數據期間企業的經營情況和未來短期內的狀況，個人看法光靠財務報表去預測不一定準確世鉛，應該配合企業的多方信息，包括企業所在行業的皮攜國家政策、國際形勢、企業主營業務是否出口、出口比例、企業主要服務上下遊客戶、市場狀況、經營團隊、當前和未來幾年國家經濟狀況及趨勢等等。希望採納

❽ 2005-2007年，中國股票市場暴漲暴跌的原因分析

2005年到2007年的牛市是瘋牛，非理性暴漲，泡沫太多，所以政府要用無形的手來打壓泡沫。現在的點位基本是政府比較認可的點位，所以再出現暴跌可能性不大，即便出現了政府也將出手，畢竟中國是政策市，政府始終管制著股票市場。

一、股市從998點以來上漲的回顧:
從2005年6月6日開始，中國股市進入了第二波周期為8年以上的波瀾壯闊的大牛市。其時間跨度之長，空間幅度之大，不是一般人可以想像。從2005年6月6日至2007年2月16日，時間跨度是1年半左右，上漲幅度是200％。在這么短的時間內，這個幅度不可謂不大，但是其性質我歸納為恢復性上漲，為什麼呢，我們可以仔細回顧一下1年半以來的市場情況。

第一階段：熊市完結，股市試探性緩慢反彈（2005年6月～2005年11月）。

這個階段的特點是熊市雖然已經完結，但是人們飽經摧殘的脆弱心理仍不願相信牛市已經到來，若有上漲，仍將其看作熊市中的反彈，一切都猶猶豫豫，小心翼翼，生怕驚動了沉睡的熊大哥。
只有極少數的先知勇敢的買入，因為這個時候的股票，太便宜了，真的太便宜了，遍地黃金啊，可能十年內都再沒同樣的機會了…....這個階段緩慢的上漲，快速的下跌，但是又跌不破前一個底部，磨啊磨啊，終於磨掉了那些不堅定的人，然後就到第二階段了…

第二階段：大夢初醒（2005年11月～2006年5月）

第二階段的特點是拉高成本，脫離估值太低不合理區域。這個階段沒什麼，就是明白事理的人越來越多，懷疑的人越來越少，大家都知道機會來了，趕快搞一把再說，在第二階段行情的末端，就是2006年5月初，形成了一個小小的瘋狂波，接下來就是較大的調整…

第三階段：崢嶸初現（2006年8月～2007年2月）

2006年5月～8月，經過對第二階段的徹底清洗，股指從2006年8月開始，進入到顯露崢嶸的歲月。從8月起，在大象股的強力拉升下，股指強勢進入主升浪，這個階段，牛是沒有回頭吃草的時間的，拉升再拉升，把人都搞瘋狂了。營業部門庭若市，新股民開戶一再創新高。這個階段，只要你買股票，隨便怎樣都賺錢，股指漲得象瘋狗樣，所以都叫瘋狗浪。但是，再怎麼強大的力量也不能使股指永遠上漲而不休息，牛始終會回頭吃草的。在2007年1月30日到2月6日這一段時間，牛低頭了，大盤6日內暴跌近500點。暴漲帶來的暴跌讓很多人消受不起，也給了投資者上了生動的一課，股市有風險，入市需謹慎。

一年半以來，大盤雖然經歷了幾個階段，但從大趨勢來講，股指在火狗年基本屬於單邊上漲，投資者多有斬獲。雖然股指已經上漲很高，但是趨勢沒有改變，股指的連創新高開拓了牛市的空間，增強了投資者的信心，吸引了大量的增量資金，為下一階段行情的演變打下了基礎和鋪墊了條件。

二、2007年對於指數的不利的因素：
1）市盈率太高：現在股市的平均市盈率已經從1年半以前的15倍左右上升到現在的接近40倍，不管從哪個角度講，這個數據「現階段」是高了，從可持續發展的角度講，這樣下去是沒有出路的。我國是處於高速發展的新興市場，又有高速發展的宏觀經濟基本面支持，再加上人民幣升值因素，市盈率可以適當高估，可以讓人接受的長期平均市盈率波動值可以考慮在20倍到25倍（歐美港是15倍），最多也不能長期脫離30倍。所以，市盈率偏高是個問題。

2）短時間獲利盤太多：1年半時間股指從1000點到3000點，這個市場的資本回報率太高，基本是暴利。一般資金年回報率在15％就有很多人開心的不得了，現在這個市場的資金年回報率超過50％的比比皆是，不是很正常。歷史告訴我們，市場不會讓你這么舒服的賺錢的，市場肯定會用他自己的方式讓投資者抬高成本。

3）市場進入題材股階段：一般牛市的板塊炒作都大致的模式，剛開始是價值投資，然後擴散到炒作二線藍籌股，後來炒作有實質性題材的板塊，最後進入到炒作垃圾題材的階段。現在這個市場基本是進行到瘋狂炒作題材的階段，不管消息是真是假，先炒了再說。大致瀏覽一下個股，每個股票都基本上都經歷過了一段飆升段了，再漲的空間有多少呢。這些表明行情在逐漸在進入末期。

4）從波浪理論的角度來看，從2007年2月6日開始的上升段，很象某個稍大級別波段的5浪，5浪過後是什麼呢，是對應更大級別波段的調整浪。

5）從江恩的時間周期來測算，2007年春節過後3到5周，是及其危險的時間之窗，是大波動的主要時間周期和小波動的次要時間周期的重合點。如果這段時間沖高上漲的話，則更加危險，那表明時間周期點將落在空間的頂點，這個信號預示著下跌不可避免。

總的來看，大盤股指的上漲力量在逐漸減弱，上漲的時間在逐漸縮短，下跌的時間和空間在加大，下跌的推動結構一次比前一次強。上證指數可能在3100點到3500點之間，時間在春節後3～5周內見到2007年春節後的第一個高點，然後進行一個大級別的調整，調整的第一參照點是上次暴跌的低點2541點。

同時聲明一點，技術性調整的目的是什麼呢，是為了下次更好上漲。在技術性調整中，可以等待市盈率逐漸跟上股價上漲的幅度，對股價形成基本面的支撐。同時也為了抬高投資者的成本，消化獲利盤。也就是人們常說的，以時間換空間。

三、加息改變不了大牛勢的趨勢：
中國人民銀行決定，自2007年3月18日起上調金融機構人民幣存貸款基準利率。金融機構一年期存款基準利率上調0.27個百分點，由現行的2.52％提高到2.79％；一年期貸款基準利率上調0.27個百分點，由現行的6.12％提高到6.39％；其他各檔次存貸款基準利率也相應調整。

加息對股市無疑是一個利空，對股市的確也會產生一定程度的影響，但本次加息對股市的影響不至於大到可以改變本輪大牛勢的格局。因此，基金長線投資者的操作思路沒有必要隨著加息而進行調整。

第四次加息：2005年3月17日：
央行決定住房貸款加息。這對絕大多數購房自住的市民來說，意味著支付房貸的負擔將增加5％至10％。滬綜指當日下跌了0.96％，次日再跌1.29％。稍作反彈後，滬綜指一路下跌，最低至998.23點。

第五次加息：2006年4月28日：
2006年4月28日，金融機構貸款利率上調0.27個百分點，由現行的5.58％提高到5.85％。28日，滬指低開14點，最高1445，收盤 1440，漲23點，大漲1.66％。其後依然維持上漲勢頭，並在5月份展開了一波歷史上少見的逼空行情，到2006年7月5日最高摸至1757點。

綜上所述，在前四次加息中，由於房地產等占的主導比較大，受影響也比較大，必然會對大盤產生很大的影響，同時股市還沒有改革，工商銀行，中國銀行等大市值還沒有引進。但現在除了市值發生變化外，關鍵是投資者已經逐漸適應了加息。從去年的加息看，股市已經發生了根本性的變化，加息不再是毒葯，而是催生股市健康發展的良葯。有些人並不理解加息的真正涵義以及用途，只會盲目跟風殺跌，其實大盤歷來暴跌的罪魁禍首很大程度都要歸咎於恐慌盤，所以，投資者的心態是關鍵。

四、扼殺瘋牛的終極殺手--中石油：
從宏觀角度講股票不是越漲越好的，而是估值合理的，各類股價符合上市公司的業績和國民經濟發展的部署，那就是最好的了；股票越漲越好那就會形成泡沫的，當泡沫大到一定程度就會破裂的，那是就難以收拾了；美國的金融危機就是房地產的泡沫破裂導致的，這是要整個國民經濟的命的事，所以絕對不會是股票越漲越好的情況；

如果各類股票的價格嚴重透支，到一定程度國家就會干預了，加稅加息限制銀行貸款，發行超級上市公司打壓，當股市形成瘋牛後有很多調控辦法都失效下，為了遏制這頭不馴的狂牛，07年10月政府命中石油「搬兵回朝」救駕，一個中國石油不愧為金牌第一殺手，一入場就把滬市大盤從6120點，一口氣趕到1650點，輕而易舉地就把狂熱的A股給按下去了；

總體來說，從宏觀、微觀、國內、國際、稅收改革和企業制度改革等各方面的因素看，明年中國股市繼續向好的基礎非常強勁，今年的儲蓄增長率首次下跌僅僅是開始，是大規模資金投入股市的開始。儲蓄如蓄水，投資如泄洪，從制度上開啟儲蓄資金自動流入證券市場的變革才剛剛開始。

❾ 如何分析中國股票的基本面

中國股票的基本面一直向好，在本次危機以後的10年達到增長的頂峰，在今後如果能形成以科技為主的產業來提高增長將保持長期的經濟活力，股市會從政策為主轉為經濟為主的導向形成真正的市場經濟導向的股市

❿ 中國股票市場現狀分析

在2015年我國股票市場經歷了牛市後，我國股票市場活躍度一度下降。但在2019-2020年間，股票市場流通情況重新變好，股票成交數量和成交金額都已非常逼近2015年水平。隨著2021年經濟增長恢復和十四五開年背景，預計2021年我國股票市場活躍度將再次提高。

1、股市流通股本與市值規模

2011-2020年我國股票市場上市公司數量逐年增加，總數量自2011年末的2342家增長到2020年末的4154家。2020年末上海證券交易所共有上市公司總計1800家，較2019年增長了228家，增長幅度為14.50%;深圳證券交易所共有上市公司數量總計2354家，較2019年增長了149家，增長幅度為6.76%;兩者2020年上市公司數量總計4154家，較2019年末總計同比增長了9.98%。

流通股本是指公司已發行股本中在外流通沒有被公司收回的部分。是指可以在二級市場流通的股份。從股票的流通股本來看，2011-2021年我國股票市場流通總股本呈現平穩上漲趨勢，十年中共增加了36114億股。

截止2021年1月底，我國上海證券交易所中的流通股本為42674億股，深圳證券交易所中的流通股本共有18994億股，總計61668億股。

流通市值指在某特定時間內當時可交易的流通股股數乘以當時股價得出的流通股票總價值。從我國股票市場流通總市值來看，我國流通總市值首先在2015年牛市期間迎來一波高峰，隨後進行了一段時間的調整，在2020年後半年再次走高並且已經超過2015年的頂峰。

截止2021年，我國股票市場共有流通總市值64.81萬億元，其中上海證券交易所中有流通市值38.26萬億元，深圳證券交易所中有流通市值26.55萬億元。

2、股市股票交易規模

從我國股票市場的股票成交數量來看，2014-2020年，中國股票市場股票成交數量不斷增長，曾在2015年牛市期間達到頂峰值17.10億股。2020年全年股票成交量共16.74萬億股，同比增長32.2%，但還未達到2015年水平。

從我國股票市場的成交金額來看，2014-2020年間我國股市成交金額呈在經歷2015年牛市過後出現了下降，隨後在2019年開始回升，2019年重新破萬億成交額。2020年，我國股票市場成交額達到206.82萬億元，同比增長62.3%。

在2019年經濟下行壓力背景和2020年疫情背景下，我國滬深股市的股票成交金額總體卻呈現震盪上升趨勢，並且隨著當代人理財和投資意識的增長，預計我國的證券市場活躍度將持續提升。

2021年，國內國際雙循環的新發展格局正在加速形成，資本市場的作用日益凸顯，「十四五」時期將是中國資本市場實現「規范、透明、開放、有活力、有韌性」的目標、中國證券行業實現高質量發展的關鍵時期。

以上數據來源及分析請參考於前瞻產業研究院《中國證券行業深度調研與投資戰略規劃分析報告》