时间序列模型股票投资

① 完全不懂金融，想学习量化投资需要学习哪些金融科目

我个人认为学习量化投资在金融方面需要具备两个方面的知识：
1、首先是要了解金融市场与金融产品，只有这样才能在众多市场与标的中选择合适的来构建投资组合，这一方面需要了解的基础知识有：金融市场与金融机构、投资学、金融衍生品等等；
2、其次是需要了解如何量化，相信你应该有足够的IT背景，编程没啥问题，其次的话就是要了解数理来沟通金融产品选择与编程落地，需要了解的科目有：概率论、统计学、计量经济学、金融经济学、数理金融等。

② 李松的发表论文

2011年
[58] Prediction of Railway Freight Volumes Based on AdaBoost_BP Neural Network[C]. //Proceeding of the ICICTA Conference. Shenzhen,China,Ei 收录：
[57] Fault Diagnosis of Transformer Based on Probabilistic Neural Network[C]. //Proceeding of the ICICTA Conference. Shenzhen,China,Ei 收录：
[56] 遗传算法优化BP神经网络的短时交通流混沌预测[J]．控制与决策，2011，Ei 收录：
[55] AdaBoost_BP神经网络在铁路货运量预测中的应用[J]．计算机工程与应用，2011，47（4）：
[54] 遗传算法优化BP神经网络的混沌时间序列预测[J]．计算机工程与应用，2011，47（4）：236-239
[53] 中国大型连锁超市市场营销问题与对策[J]．改革与战略，2011，（2）：
2010年
[52] 基于广义回归神经网络的铁路货运量预测[J]．铁道运输与经济，2010，（12）：
[51] 基于遗传算法优化混沌神经网络的股票指数预测[J]．商业研究，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 收录：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 收录：20103413169795
[46] 提高员工满意度的薪酬管理策略[J]．中国经贸导刊，2010（5）：63
[45] 公路运输型物流企业发展策略[J]．综合运输，2010（2）：49-52
[44] 基于交通流灰色关联熵的交通流无序转化研究[J]．武汉理工大学学报（交通科学与工程版），2010（1）：
[43] 城市交叉路口交通流传递函数模型研究[J]．计算机工程与应用，2010，46（4）：236-239
2009年
[41] 中国第三方物流企业存在的问题与对策[J]．物流科技，2009，32（10）：47-49
[40] 中国应急物流运作流程存在的问题与对策[J]．综合运输，2009，（6）：41-44
[39] 企业物流成本管理问题与对策[J]．会计之友，2009，11（中）：32-33
[38] 混沌时间序列预测模型的比较研究[J]．计算机工程与应用，2009，45（32）：53-56
[37] 短时交通流混沌预测方法的比较[J]．系统工程，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 收录：20094712476582
[35] 仿真交通流混沌转化过程研究[J]．计算机工程与应用，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 收录：20090111822242
[32] 基于改进禁忌搜索算法的车辆路径优化[J]．铁道运输与经济，2008（5）：
[31] 基于SWEEP方法的改进车辆路径协作策略研究[J]．系统工程与电子技术，2008（3）：48-51，Ei 收录：20081811231798
2007年
[30] 车头间距与高速公路交通流混沌[J]．西南交通大学学报，2007，42（3）：304-308，Ei 收录：20072910702234
[29] Chaos Characteristics of Expressway Traffic Flow[J]. Journal of Highway and Transportation Research and Development,2007,2（1）：
[28] 基于跟驰模型的交通流混沌转化影响因素的仿真研究[J]．公路交通科技，24（12）：104-108
[27] 一种基于交通熵的交通流无序度量方法[J]．公路交通科技，2007（11）：92-95
[26] 基于元胞自动机模型的交通流混沌仿真研究[J]．计算机工程与应用，2007，43（32）：
[25] 单车场大规模车辆路径优化问题研究[J]．铁道运输与经济，2007（11）：
[24] 基于混合禁忌搜索算法的物流配送路径优化问题研究[J]．铁道运输与经济，2007（3）：
[23] 高职院校课程考试改革的实践与探索[J]．河北软件职业技术学院学报。2007（3）：
2006年
[22] 基于最大Lyapunov指数改进算法的交通流混沌判别[J]．武汉理工大学学报（交通科学与工程版），2006（5）：747-750，Ei 收录：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] 灰色季节变动指数模型GSV（1，1）在农村用电量预测中的应用[J]．中国电力，2006（6）
[19] 基于交易费用理论的虚拟物流企业效率边界分析[J]．铁道运输与经济，2006（6）
[18] 基于改进型灰色GM模型的用电量预测方法研究[J]．用电需求侧管理，2006（5）
[17] 基于AHP和模糊评判的供应链合作伙伴的选择[J]．企业经济，2006（1）
[16] 面向农机制造业的虚拟物流中心运输商选择策略研究[J]．中国农机化，2006（4）
[15] 基于交易费用理论的虚拟物流企业形成机理研究[J]．物流科技，2006，29（9）
[14] 虚拟物流企业形成动因的经济学分析[J]．物流技术，2006（8）
[13] 不确定条件下投资战略期权博弈分析[J]．西安电子科技大学学报（社科版），2006（2）
[12] 基于均值回复的实物期权战略投资分析[J]．中国农机化，2006（5）
[11] 中国中小企业发展战略定位与选择研究[J]．河北软件职业技术学院学报，2006（1）
[10] 中国电力二次设备行业中小企业发展战略定位与选择[J]．河北软件职业技术学院学报，2006（3）
2005年
[9] 跟驰模型的交通流混沌转化现象的仿真[J]．系统工程，2005（10）
[8] 基于AHP的教师教学质量的模糊评判[J]．中国职业技术教育，2005（30）
[7] 基于AHP的制造企业供应链合作伙伴的选择方法研究[J]．组合机床与自动化加工技术，2005（11）
[6] 中国中小企业核心竞争力的影响因素分析[J]．广东经济管理学院学报，2005（4）
[5] 中国中小企业发展状况分析[J]．湖北经济学院学报（人文社科版），2005（7）
[4] 中国高科技中小企业发展状况分析[J]．河北软件职业技术学院学报，2005（1）
[3] 中国中小企业核心竞争力分析[J]．河北软件职业技术学院学报，2005（2）
[2] 基于AHP的高校教师教学质量评估方法研究[J]．河北软件职业技术学院学报，2005（4）
[1] 公平理论在企业薪酬管理中的应用[J]．河北工程技术职业学院学报，2004（4）

③ 如何用Excel做每股收益无差别分析

自己先做一个表,,数据填好,,然后在做一个图就好了

④ 时间序列在股市有哪些应用

时间序列分析在股票市场中的应用
摘要
在现代金融浪潮的推动下,越来越多的人加入到股市,进行投资行为,以期得到丰厚的回报,这极大促进了股票市场的繁荣。而在这种投资行为的背后,越来越多的投资者逐渐意识到股市预测的重要性。
所谓股票预测是指:根据股票现在行情的发展情况地对未来股市发展方向以及涨跌程度的预测行为。这种预测行为只是基于假定的因素为既定的前提条件为基础的。但是在股票市场中,行情的变化与国家的宏观经济发展、法律法规的制定、公司的运营、股民的信心等等都有关联,因此所谓的预测难于准确预计。
时间序列分析是经济预测领域研究的重要工具之一,它描述历史数据随时间变化的规律,并用于预测经济数据。在股票市场上,时间序列预测法常用于对股票价格趋势进行预测,为投资者和股票市场管理管理方提供决策依据。

⑤ 什么是arch模型和garch模型

1、ARCH模型（Autoregressive conditional heteroskedasticity model）全称“自回归条件异方差模型”，解决了传统的计量经济学对时间序列变量的第二个假设（方差恒定）所引起的问题。

2、GARCH模型称为广义ARCH模型，是ARCH模型的拓展，由Bollerslev(1986)发展起来的。

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

(5)时间序列模型股票投资扩展阅读：

GARCH的发展：

传统的计量经济学对时间序列变量的第二个假设：假定时间序列变量的波动幅度（方差）是固定的，不符合实际，比如，人们早就发现股票收益的波动幅度是随时间而变化的，并非常数。这使得传统的时间序列分析对实际问题并不有效。

罗伯特·恩格尔在1982年发表在《计量经济学》杂志（Econometrica）的一篇论文中提出了ARCH模型解决了时间序列的波动性（volatility）问题，当时他研究的是英国通货膨胀率的波动性。

⑥ 基本指数股票中的基本指数是什么意思

股票中的基本指数是指对于市值有很大影响的指数，比如上证指数、深证指数，这些指数包含股票市场整体的市值情况。
股市指数的含义是，就是由证券交易所或金融服务机构编制的、表明股票行市变动的一种供参考的数字。
通过查看指数，对于当前各个股票市场的涨跌情况我们将了然于胸。
股票指数的编排原理事实上还是很繁琐的，这里就不展开讲了，点击下方链接，教你快速看懂指数：新手小白必备的股市基础知识大全
一、国内常见的指数有哪些？
股票指数的编制方法和性质是分类的一个依据，股票指数大致分为这五种类型：规模指数、行业指数、主题指数、风格指数和策略指数。
其中，最为常见的是规模指数，比如我们熟知的“沪深300”指数，它说明的是在沪深市场中交易活跃，且代表性和流动性都很好的300家大型企业股票的整体情况。
再比如，“上证50 ”指数从本质来说也是规模指数，说的是上证市场规模较大的50只股票的整体情况。

行业指数所象征的就是某一行业目前的整体情况。比方说“沪深300医药”代表的就是行业指数，代表沪深300指数样本股中的17个医药卫生行业股票整体状况，同时也反映出了该行业公司股票的整体表现。
像人工智能、新能源汽车等这些主题的整体状况就是通过主题指数来反映，相关指数“科技龙头”、“新能源车”等。
想了解更多的指数分类，可以通过下载下方的几个炒股神器来获取详细的分析：炒股的九大神器免费领取（附分享码）
二、股票指数有什么用？
根据上述的文章内容可以知道，指数一般选择了市场中的一些股票，而这些股票非常具有代表意义，因此，指数能够帮助我们比较快速的了解到市场的整体涨跌情况，那么市场热度如何我们也能有大概的了解，甚至，知道能够预估未来的走势如何。具体则可以点击下面的链接，获取专业报告，学习分析的思路：最新行业研报免费分享

应答时间：2021-09-06，最新业务变化以文中链接内展示的数据为准，请点击查看

⑦ 请股票高手给我解释一下江恩时间序列的奥秘

这是江恩选择过的周期，最可能出现变异点的地方，你在图上照着这个指标用就行了。要究其源的话去找个罗盘来看，中心是一也是一波价格的起始点，依次逆时针螺旋往外数格子，这些数字就是价格大概率变异点，时间周期在罗盘上是固定的24个格子，所以数的时候可以不管它，这些数字多是在时间格子的季节变异点处，你知道一年四季24节气吧？江恩理论理论上很完美，但是市场价格不像地球运动周期那样有规律，不过涨跌力量的逐渐转换和季节的轮换是一样的都有时间上的顺序和价格转变上的过程，江恩理论是唯一的分析价的格理论中同时考虑时间空间的预测方法，懂了江恩理论你会延伸的了解很多很多的东西，江恩很喜欢中国的易经，他的风格也是源于易经，你可以去看看

⑧ 投资学作业：从股票定价模型来分析香港金融危机 求解！！！

一、资本资产定价模型的理论背景
威廉•夏普建立了均衡的证券定价理论，即著名的资本资产定价模型(CAPM)：（1）其中，E（Ri）为股票i的预期收益率，Rf为无风险利率，E（RM）为市场组合的预期收益率，，即系统风险系数，是市场组合收益率的方差，βi表示股票i收益率变化对市场组合收益率变动的敏感度，用βi系数来衡量该股票的系统风险大小。CAPM说明：在证券市场上，非系统风险可以通过多元化投资加以消除，对定价唯一起作用的是该证券的β系数。因此，对CAPM的检验就是验证β系数是否具有对收益的完全解释能力。
二、CAPM在国内外的检验
国外在1970以后就开始了对CAPM的检验和β系数的稳定性研究，早期的检验结果表明，西方成熟资本市场中股票定价基本符合CAPM。但1980年以后，出现了大量负面的验证结果。从1990年开始，国内一些学者对CAPM也陆续做了大量研究。陈浪南、屈文洲（2000）对上海A股市场对资本资产定价模型进行实证检验，根据股市中的三种市场格局(上升、下跌和横盘)划分了若干的时间段得出不同β值的进行分析，得出的β值与股票收益率的相关性较不稳定，说明上海股票市场存在较大的投机性。阮涛、林少宫(2000)说明了上海股票市场不符合CAPM，基于CAPM模型对中国现阶段的股票市场的分析和应用缺乏有效性依据。许涤龙，张钰(2005)实证结果表明在沪市股票的收益与其β系数存在着显著的正相关线性关系，但无风险收益率却是负的，这说明上海股票市场具有明显的投机特征，是一个不够成熟的股市。
三、数据说明和处理
本文选择上海证券交易所上市的上证180指数成分股，选择2009年1月9日到2010年12月22日期间的周数据，共有101个周数据，剔除在上述期间数据缺失的股票，样本共包含152只股票，本文选用上证综合指数来替代市场组合收益，所用数据都已进行除权、除息复权处理，本文数据来源于Wind资讯。个股用周收盘价来计算它们的周收益率，计算公式如下：其中Rit是第i只股票在t时刻的收益率；pit是第i只股票在t时刻的收盘价。上证综合指数的收益率计算同上，用Rmt来表示周收益率。对于无风险收益率的确定，本文使用一年期的定期存款利率来表示无风险收益率，折算成周收益率为：Rf=0.0455%。
四、CAPM实证和结果
本文在检验中用到的基本时间序列方程如下：（2）对于横截面的CAPM检验,采用下面的模型：（3）（4）其中是第i只股票平均收益率（样本均值来代替），βi是第i只股票的β值，在（4）的回归中βi由模型（3）中的得到的回归系数bi来替代。将回归结果与CAPM模型（1）进行比较，检验CAPM在上海资本市场是否成立：（1）资产的风险和收益之间是否存在线性关系。如果模型（4）中参数其估计值不显著异于零，则可认为资产的风险和收益之间仅存在线性关系。（2）资产的风险和收益是否正相关。如果参数γ1其估计值显著异大于零，则可以认为资产的风险和收益是正相关的。此外，其估计值理论上应该等于E（RM）-Rf，即市场的超额收益率。（3）参数γ0其估计值不显著异于Rf。
152只股票的周收益率分别对上综指的周收益率进行时间序列回归，得到152只股票的bi值。然后以152只股票的周收益率为因变量，各个股票回归出来的值为自变量对模型（3）进行回归，其结果为表1结果可以发现βi值在5%显著性水平下显著,而常数项γ0仅在10%的显著性水平下显著。即收益率与系统风险(β值)存在的线性显著性较强。下面来检验回归出来的γ0和无风险收益率是否有显著差异。γ0=0.002945，Rf=0.0455%，其检验的t值为此结果表明γ0和Rf在显著性水平5.97%下有显著区别，这与CAPM不吻合。下面来检验斜率系数是否显著不同于E（RM）-Rf。由表1知γ1=0.005036，其检验的t值为在5%的显著性水平下，γ1和E（RM）-Rf没有显著区别，这和CAPM相符。
为了进一步检验收益率与系统风险(β值)存在的非线性关系，对模型（4）检验得到的结果如下：根据表2的结果可以发现β值在5%显著性水平下不显著,而β2值在5%显著性水平下显著,这可以发现上海股票市场的除了系统风险的影响之外，与收益率风险的非线性关系即非系统风险对上海股票市场的收益率影响也较大。从表1和表2的结果可以看出，其中γ0是正数，这个与CAPM相吻合，但是以往的大部分文献中得出常数项为负值，而此处的结果得出γ0较显著的大于Rf，这是由于金融危机后，2009年与2010年的利率维持在较低水平，而上证A股指数从金融危机后较低的点位正在上升的过程中。
五、总结
根据上述CAPM的有效性检验，可以得出以下结论：(1)上海资本市场股票组合的平均超额收益率与其系统风险之间存在正相关关系，并且同时与非系统风险之间存在显著的线性关系。说明上海股票市场的股票定价不仅仅受系统风险的影响，而且受非系统风险的影响。(2)模型(3)中的斜率系数与平均超额收益率没有显著区别，常数估计值较显著大于无风险利率，与之前的大部分文献得出常数项大部分为负值不同。这由于金融危机后的这个特殊时期的货币政策和股市走势有关，同时也反映出上海股票市场正在逐步迈向成熟的过程之中。