股票建模所需數據

1. 股票模型的建模過程

模型准備 ：了解個股的實際背景，明確其實際意義，掌握對象的各種信息。用數學語言來描述問題。
模型假設 ：根據實際對象的特徵和建模的目的，對問題進行必要的簡化，並用精確的語言提出一些恰當的假設。
模型建立 ：在假設的基礎上，利用適當的數學工具來刻劃各變數之間的數學關系，建立相應的數學結構。（盡量用簡單的數學工具）
模型求解 ：利用獲取的數據資料，對模型的所有參數做出計算（估計）。
模型分析 ：對所得的結果進行數學上的分析。
模型檢驗 ：將模型分析結果與實際情形進行比較，以此來驗證模型的准確性、合理性和適用性。如果模型與實際較吻合，則要對計算結果給出其實際含義，並進行解釋。如果模型與實際吻合較差,則應該修改假設，在次重復建模過程。
模型應用 ：應用方式因問題的性質和建模的目的而異。

2. 如何設計股票模型

股票模型 網路名片 股票模型就是對於現實中的個股，為了達到盈利目的，作出一些必要的簡化和假設，運用適當的數學分析，得到一個數學結構。 目錄概念股票建模建模過程股票模型的作用 編輯本段概念在這里引用數學模型的定義，也可以說，股票建模是利用數學語言（符號、式子與圖象）模擬現實的模型。把現實模型抽象、簡化為某種數學結構是數學模型的基本特徵。它或者能解釋特定現象的現實狀態，或者能預測到對象的未來狀況，或者能提供處理對象的最優決策或控制。 編輯本段股票建模把個股的實際問題加以提煉，抽象為數學模型，求出模型的解，驗證模型的合理性，並用該數學模型所提供的解答來解釋現實問題，我們把這一應用過程稱為股票建模。 編輯本段建模過程模型准備 ：了解個股的實際背景，明確其實際意義，掌握對象的各種信息。用數學語言來描述問題。 模型假設 ：根據實際對象的特徵和建模的目的，對問題進行必要的簡化，並用精確的語言提出一些恰當的假設。 模型建立 ：在假設的基礎上，利用適當的數學工具來刻劃各變數之間的數學關系，建立相應的數學結構。（盡量用簡單的數學工具） 模型求解 ：利用獲取的數據資料，對模型的所有參數做出計算（估計）。 模型分析 ：對所得的結果進行數學上的分析。 模型檢驗 ：將模型分析結果與實際情形進行比較，以此來驗證模型的准確性、合理性和適用性。如果模型與實際較吻合，則要對計算結果給出其實際含義，並進行解釋。如果模型與實際吻合較差,則應該修改假設，在次重復建模過程。 模型應用 ：應用方式因問題的性質和建模的目的而異。 編輯本段股票模型的作用第一，能讓分析過程簡化，並讓復雜的分析過程通過數據表達出來。 第二，通過對模型的反復修正，能起到對個股的未來走勢起到預測效果。 第三，便於掌握股市行情。

3. 請問一下,誰能用灰色系統做一套股票預測的模型

股票投資價值灰色系統模型及應用 作者：聶祖榮 李波 內容摘要
格雷厄姆和多德在《證券分析》一書中對股票價格波動的本質進行了分析，說明了「股票內在價值」對於投資的重要性，隨後，這個領域的研究引起了眾多經濟金融學家的興趣，經過幾十年的探索，得到了大量的重要研究成果，而且不乏廣泛應用的方法，但是，對於新興市場和普通投資者卻難以採用。這里，我們希望借用20世紀80年代興起的灰色系統理論，探索一套簡便易用的股票投資價值預測方法。本文探討了灰色預測方法及其在股票價格預測中應用的理論基礎和方法，以期能為投資者的決策行為提供一定的指導作用。

1. 問題的提出

我們知道，股票市場的價格走勢是極為復雜且難以預測的。股票價格對市場信息如何進行反應，即使最高明最富經驗的分析師也難以穩操勝券，這是因為，我們缺乏信息對市場影響的傳導系統的結構和系統傳導模型，不能准確把握金融政策、利率政策、公司狀況、國際市場及投資者心理承受能力等因素的變化及其對市場的影響方式和作用，只能似是而非地對價格 走勢進行把握，其結果可想而知。

於是，如何判斷或預測股票市場價格走勢引起了眾多經濟金融學家和市場分析人員的極大興趣，在許多經濟學家的共同努力下，股票定價方法向著量化方向發展，建立了大量令人振奮的定價方法。格雷厄姆和多德在1934年《證券分析》一書對1929年美國股票市場價格暴跌的 深刻反思,認為股票價格的波動是建立在股票「內在價值」基礎上的，股票價格會由於各種非理性原因偏離「內在價值」，但隨著時間的推移這種偏離會得到糾正而回到「內在價值 」 ，因此，股票價格的未來表現可通過與「內在價值」的比較而加以判斷。但「內在價值」取決於公司未來盈利能力，因此，對公司未來盈利能力及其現金流的准確把握將是非常關鍵的。此後，戈登在對「內在價值」進行深入的量化分析的基礎上，提出了著名的股票定價的現金流量模型即「戈登模型」，然而，公司未來現金流是不確定的，為該模型的廣泛應用帶來麻煩，為此，關於股票定價的早期研究就集中在確定公司未來現金流。費雪(Fisher)教授認為未來資產收益的不確定性可用概率分布來描述，馬夏克（Marschak）、希克斯(Hicks)等學者經過一系列研究認為投資者的投資偏好可以看作是對投資於未來收益的概率分布矩的偏好,並可用均方差空間的無差異曲線來表示,同時，他們還發現「大數定律」在包含多種風險資產投資中會發揮某種作用。戈登模型在股票價值分析中佔有非常重要的地位，成為單只股票估價分析的基本方法，然而，該方法並沒有解決股票投資風險與未來現金流折現率的關系，直到亨利·馬科維茨（H·Markowitz）教授的現代證券組合理論的建立才對這一基本問題有 了明確的認識，從而，一定程度上消除了該模型的致命缺陷。
在現實生活中，很少有投資者會將所有的投資集中在一隻股票上，基於此，馬科維茨（H·M arkowitz）教授於1938年提出了投資組合的概念，建立了現代證券組合理論，以統計學上的 均值和方差等概念來衡量組合的收益和風險，給出了投資者如何根據自己的風險承受能力建 立自己的最優組合以最大化其投資收益，並將風險分解為系統和非系統風險，從而，指導投資者最優化其投資行為。此後，其學生威廉·夏普（M· Sharpe）、林特納(Lintner)等為 強化該理論的應用，將其注意力從馬科維茨的微觀研究轉向整個市場，將其復雜形態簡化為以市場指數為基礎的單因素關系，並發現在均衡市場條件下資本資產的收益與風險遵循線性關系，即著名的以均值--方差模型為前提的資本資產定價模型（CAPM）。然而，由於CAPM 所要求的前提過於嚴格限制了其應用，許多經濟學家試圖研究在一定弱化條件下的定價理論，他們是邁耶斯(Mayers，1972)的存在大量非市場化資產的投資定價理論、羅斯（Ross）的套利定價理論(APT)以及布里登（Breeden）資產收益率與平均消費增長率的線性關系模型（CCAPM）等等為數眾多的數量化投資模型，為市場投資行為選擇提供了一定決策依據。
Roberts和Osbome在對股票市場價格的長期研究後，發現市場價格遵循「隨機漫步」或「隨機游動」的規律，由此，以Fama教授為代表的經濟學家提出了有效市場理論，認為投資者對市場信息會作出合理的反應，將市場信息與股票價格相結合。進入1980年代，在探尋一般均衡定價模型進展不大的情況下，將定價理論的研究方向轉向注重市場信息的考察。經過實證檢驗，邦德特和塞勒(Bondt and Theler1985)發現股市存在投資者有時對某些消息反應過度 (overreact)，而傑格蒂什(Jegadeesh1990)、萊曼(Lehmann1990)等則發現了股價短期滯後反應現象，由此，傑格蒂什和迪特曼(Titman1993)認為投資者對有關公司長遠發展的消息往往有過度的反應，而對隻影響短期收益的消息則反應不足，關於這一點仍然存在著爭論，盡管如此，信息與股價之間應存在著某種關系得到了經濟學家們的認同，並且，弗倫奇和羅爾(Roll)的實證研究證明了股價波動幅度與可獲得信息量之間存在著良好的正相關關系。

然而，這些定價理論在現代經濟金融學家的推動下得到巨大發展的同時也遇到了嚴峻的挑戰 ，這種挑戰表明了「對(股票、債券等)金融資產價格變動缺乏有效的解釋手段反映了我們科學體系的不成熟」，面對這一現實，金融學家們開始嘗試利用非線性方法與混沌思想來理解股票市場行為，甚至採用具有黑盒子性質的定價核概念、半自回歸方法和半非參數估計以及近年興起的系統模擬等新方法，試圖解釋信息對投資行為的影響，這些研究方法將成為股票定價理論的新興的令人激動的發展領域。
但是，這些模型的應用都需要較為高深的專業知識和龐大的數據系統，而且，所需數據要求有較長的時間跨度，以滿足「大數定理」的要求，這些對於新興市場和廣大的普通投資者來講，難為其用，而且，市場價格的變化往往與股票「內在價值」並不一致，因此，尋找一種既簡便又能適應市場基本狀況的定價方法就自然成為了我們的追求。這里，我們希望借用20 世紀80年代興起的灰色系統理論，探索一套簡便易用的股票投資價值預測模型，以期能為投資者的決策行為提供一定的指導作用。

2．股票投資價值灰色系統模型

灰色系統理論（Grey System Theory）的創立源於20世紀80年代。鄧聚龍教授在1981年上海中-美控制系統學術會議上所作的「含未知數系統的控制問題」的學術報告中首次使用了「 灰色系統」一詞。1982年，鄧聚龍發表了「參數不完全系統的最小信息正定」、「灰色系統的 控制問題」等系列論文，奠定了灰色系統理論的基礎。他的論文在國際上引起了高度的重視，美國哈佛大學教授、《系統與控制通信》雜志主編布羅克特（Brockett）給予灰色系統理論高度評價，因而，眾多的中青年學者加入到灰色系統理論的研究行列，積極探索灰色系統理論及其應用研究。

事實上，灰色系統的概念是由英國科學家艾什比（W·R·Ashby）所提出的「黑箱」（Black Box）概念發展演進而來，是自動控制和運籌學相結合的產物。艾什比利用黑箱來描述那些內部結構、特性、參數全部未知而只能從對象外部和對象運動的困果關系及輸出輸入關系來研究的一類事物。鄧聚龍系統理論則主張從事物內部，從系統內部結構及參數去研究系統，以消除「黑箱」理論從外部研究事物而使已知信息不能充分發揮作用的弊端，因而，被認為是比「黑箱」理論更為准確的系統研究方法。所謂灰色系統是指部分信息已知而部分信息未知的系統，灰色系統理論所要考察和研究的是對信息不完備的系統，通過已知信息來研究和預測未知領域從而達到了解整個系統的目的。灰色系統理論與概率論、模糊數學一起並稱為 研究不確定性系統的三種常用方法，具有能夠利用「少數據」 建模尋求現實規律的良好特 性，克服了數據不足或系統周期短的矛盾。�
目前，灰色系統理論得到了極為廣泛的應用，不僅成功地應用於工程式控制制、經濟管理、社會系統、生態系統等領域，而且在復雜多變的農業系統，如在水利、氣象、生物防治、農機決策、農業規劃、農業經濟等方面也取得了可喜的成就。灰色系統理論在管理學、決策學、戰略學、預測學、未來學、生命科學等領域展示了極為廣泛的應用前景。
那麼，灰色系統是否能夠在股票市場價格走勢方面發揮作用呢？以及怎樣發揮作用？這是本 文要探索的問題。
勿容質疑，股票價格的「內在價值」的研究為我們認識股票價格提供了重要途徑，然而，其運用受相關專門知識的約束，同時，也受人們對公司未來現金流的預期是否合理與准確的影響，那麼，股票價格偏離其「內在價值」的糾正，必然需要一定的學習過程，並付出相應的代價即「學習成本」。如果將市場有效性與信息定價機制相結合，將對股票市場的定價機制有一個全新的認識。在股票價格與其「內在價值」的關繫上，人們發現股票價格不僅反映其內在價值的信息，而且反映了市場交易者的「雜訊」（Black，1986），因而，股票價格的偏離不會總回到其「內在價值」。這樣，我們根據這些所知信息還是難以預測或把握市場價格走勢，從而經常出現投資者對信息的過度反應或反應不足的現象。
我國股票市場有「政策市」、「消息市」之稱，應該說這是效率市場的應有狀況，令人遺憾的是，許多學者的研究表明，我國股市的股票價格對其反應「內在價值」的信息未能作出充分的反應，因而，認為我國股市的這種反應機制是跛足的（包建祥，1999），「有關股票市場的政策法規報道」是對投資者最有價值的信息，對股價的影響也最大（茆詩松，1997。），而且存在著對信息的反應過度及反應不足（魏剛，1998；張人驥，1998。），呼籲建立完善的信息定價機制。應該說，我國股票市場經過近年的發展，市場的信息定價機製得到了一定程度的完善，市場對信息的敏感性有了實質的提高，對影響股票「內在價值」的信息，不論是系統信息還是非系統信息，股票價格均有相應的反應，因而，為通過市場價格的一定歷史時期的反應判斷市場價格的未來走勢，提供了可能。
期刊資料庫里應該能找到這文章

4. 如何用Arma模型做股票估計

時間序列分析是經濟領域應用研究最廣泛的工具之一,它用恰當的模型描述歷史數據隨時間變化的規律,並分析預測變數值。ARMA模型是一種最常見的重要時間序列模型,被廣泛應用到經濟領域預測中。給出ARMA模型的模式和實現方法,然後結合具體股票數據揭示股票變換的規律性,並運用ARMA模型對股票價格進行預測。
選取長江證券股票具體數據進行實證分析
1.數據選取。
由於時間序列模型往往需要大樣本,所以這里我選取長江證券從09/03/20到09/06/19日開盤價,前後約三個月,共計60個樣本,基本滿足ARMA建模要求。
數據來源:大智慧股票分析軟體導出的數據(股價趨勢圖如下)
從上圖可看出有一定的趨勢走向,應為非平穩過程,對其取對數lnS,再觀察其平穩性。
2.數據平穩性分析。
先用EVIEWS生成新序列lnS並用ADF檢驗其平穩性。
(1)ADF平穩性檢驗,首先直接對數據平穩檢驗,沒通過檢驗,即不平穩。
可以看出lnS沒有通過檢驗,也是一個非平穩過程,那麼我們想到要對其進行差分。
(2)一階差分後平穩性檢驗,ADF檢驗結果如下,通過1%的顯著檢驗,即數據一階差分後平穩。
可以看出差分後,明顯看出ADF Test Statistic 為-5.978381絕對值是大於1%的顯著水平下的臨界值的,所以可以通過平穩性檢驗。
3.確定適用模型,並定階。可以先生成原始數據的一階差分數據dls,並觀測其相關系數AC和偏自相關系數PAC,以確定其是為AR,MA或者是ARMA模型。
(1)先觀測一階差分數據dls的AC和PAC圖。經檢驗可以看出AC和PAC皆沒有明顯的截尾性,嘗試用ARMA模型,具體的滯後項p,q值還需用AIC和SC具體確定。
(2)嘗試不同模型,根據AIC和SC最小化的原理確定模型ARMA(p,q)。經多輪比較不同ARMA(p,q)模型,可以得出相對應AIC 和 SC的值。
經過多次比較最終發現ARMA(1,1)過程的AIC和SC都是最小的。最終選取ARIMA(1,1,1)模型作為預測模型。並得出此模型的具體表達式為:
DLS t = 0.9968020031 DLS (t-1)- 1.164830718 U (t-1) + U t
4.ARMA模型的檢驗。選取ARIMA(1,1,1)模型,定階和做參數估計後,還應對其殘差序列進行檢驗,對其殘差的AC和Q統計檢驗發現其殘差自相關基本在0附近,且Q值基本通過檢驗,殘差不明顯存在相關,即可認為殘差中沒有包含太多信息,模型擬合基本符合。
5.股價預測。利用以上得出的模型,然後對長江證券6月22日、23日、24日股價預測得出預測值並與實際值比較如下。
有一定的誤差,但相比前期的漲跌趨勢基本吻合,這里出現第一個誤差超出預想的是因為6月22日正好是禮拜一,波動較大,這里正驗證了有研究文章用GARCH方法得出的禮拜一波動大的結果。除了禮拜一的誤差大點,其他日期的誤差皆在接受范圍內。
綜上所述,ARMA模型較好的解決了非平穩時間序列的建模問題,可以在時間序列的預測方面有很好的表現。藉助EViews軟體,可以很方便地將ARMA模型應用於金融等時間序列問題的研究和預測方面,為決策者提供決策指導和幫助。當然,由於金融時間序列的復雜性,很好的模擬還需要更進一步的研究和探討。在後期,將繼續在這方面做出自己的摸索。

5. 如何構建一個能夠有效預測股票價格變動的模型

• 收集和整理數據：要構建一個有效的預測模型，首先需要收集和整理大量的數據，包括歷史股票價格、市場指數、公司財務報表、行業數據等。

• 選擇合適的特徵：根據問題的需求和數據的特點，選擇合適的特徵作為輸入數據。例如，可以選擇市場指數、公司盈利情況、行業趨勢等作為輸入特徵。

• 選擇合適的模型：選擇合適的模型來處理輸入數據，例如線性回歸模型、支持向量機模型、神經網路模型等。根據模型的性能表現和精度來選擇銀如卜合適的模型。

• 訓練模型：使用歷史數據進行模型的訓練和調整，以提高模型的預測精度和性能。可以使用交叉驗證和調參等方法來優化模型的鋒穗性能。

• 預測未來價格變動：使用訓練好的模型來橡豎預測未來股票價格變動，並進行驗證和評估。如果模型的預測精度達到一定的水平，則可以使用該模型進行實際的股票投資決策。

需要注意的是，股票價格變動受多種因素影響，包括市場情緒、宏觀經濟因素、公司業績、行業趨勢等，因此構建一個有效的預測模型是非常復雜的，並且存在很大的風險。建議投資者在投資股票時要多方面考慮，不要只依賴單一的預測模型。

6. 怎麼做股票模型

我也曾今也想到過這個問題。但是，告訴你一個不幸的消息，股票不可以用模型製作，我以前試過用指數模型和高斯分布做過，但後來去給一個博士談到這個問題的時候。最終達成一致共識，股票不能建立模型。只能在股票和其他衍生工具之間建立交易模型，例如capm，b-s模型。如果是老師布置的作業，你就給她說，不能建立模型。