概率論在股票投資中的運用

Ⅰ 概率統計知識在生活中的應用

人類在對自然界和實際生活中各類隨機現象的深入研究是產生概率統計的前提和基礎，從這一方面上看，概率統計脫胎於實際生活。當前，人們對概率統計的認知只是停留在淺表的層面，認為概率統計高深莫測，採用敬而遠之的策略，出現了概率統計與實際生活的分離，這不但會影響概率統計的實際應用，也會使實際生活難於做出科學的判斷和合理的決策。新時期的實際生活正在豐富多彩，人們應該利用概率統計這一武器，從實際生活出發，探尋概率統計應用的方法和策略，使人們的日常行為、實際生活、具體生產得到科學化的指引，做到對整個社會發展、科學、進步水平的支持與保障。
1 概率統計對於實際生活的重要價值
從概率統計的產生和發展來看，概率統計脫胎於對實際生活現象的觀察，而實際生活和生產的發展也需要概率統計作為基礎和手段，因此，在生活和生產中與概率統計打交道是常見的現象，社會越發達就越需要深入利用概率統計這一武器，做到對行為的控制和決策的支持。在保險工作、抽獎活動、質量判斷、游戲活動等具體的生活中，概率統計有著直接而重要地應用，而大眾由於沒有必要的概率統計知識和手段，往往會做出非理性判斷和不科學決策，最終造成對自身的不利影響。一些商家會應用概率統計的手段，通過科學、准確地概率統計實現自身的應力和利潤。從上述兩個層面的分析，可以理解概率統計對社會各主體的作用，也能看到概率統計對於實際生產的重要意義，因此，有必要針對實際生產和生活展開概率統計的深層次利用。
2 實際生活中概率統計的具體應用策略和方法
（1）保險工作中對概率統計的應用
某保險公司承擔汽車保險業務，在保險額上限為20萬元的第三者責任險中，車主繳納1200元保險費用，如果有1000輛汽車投保，計算此保險公司盈利40萬元的概率，保險公司虧本的概率是多大？假設每次交通事故保險公司理賠平均額為5萬元，盈利40萬元意味被保險車輛出現事故的車次不超過16次，正常情況下車輛出現事故的概率為0.005，如果盈利40萬元為事件C，計算可以得知p（C）=0.99998，由此可以得知，保險公司盈利40萬元的概率是相當高的。
（2）抽獎活動中對概率統計的應用
抽獎是現代市場經濟常見的促銷手段，很多消費者在商家的抽獎活動前會改變消費策略和方法，因此，商家願意通過抽獎活動確保市場擴大和利潤增長。而在具體的抽獎活動中，如果獎券的數量不高，很多消費者會產生錯誤的想法，認為後抽獎的人具有更大的中獎概率，紛紛選擇靠後的抽獎順序。如果中獎出現在抽獎的初始時期，會在消費者中產生"內部操作"的思想。這時商家應該利用概率統計的手段，說明順序和中獎的關系，展現抽獎活動的公平性，做到對消費者正確地引導。例如：商家可以假設50張抽獎券中有5張是中獎獎券，現在有2人去抽獎，通過概率統計的准確計算，得出P（1）和P（2）通過對比P（1）和P（2）的大小，可以科學判斷抽獎順序和中獎之間沒有必然的聯系，進一步體現抽獎的公平，做到對消費者困惑和歧義的有效處理，建立商家更為積極的商業形象。
（3）質量判斷中概率統計的應用
例如，張老師在批發市場買蘋果，當詢問蘋果質量如何的時候，賣主說一箱蘋果100個，裡面至多有四五個是壞的.張老師隨機打開一箱抽取了10個，結果這10個中有3個是壞的。通過概率統計可以得知，一箱蘋果100個，其中5個是壞的，抽取的10個中壞蘋果為3的概率為P（X=3）=0.00625，同理，P（X=4）=0.00038，P（X=5）=0.000003，根據古典概率的定義，10個蘋果中壞蘋果大於2的概率P（X>2）=P（X=3）+P（X=4）+P（X=5）=0.006633，蘋果質量一定與買主說的不一致.
（4）游戲活動中概率統計的應用
生活中有各類娛樂和游戲活動，很多看似簡單的游戲會引發人們的興趣，例如：常見的"套圈"就是一款看似簡單而實際困難的游戲，套圈游戲的規則是：在固定的距離上，投擲套圈，套圈能夠套取的物品就是游戲的獎品。在實際生活中，很多人低估了游戲的難度，導致大量購買套圈，造成得不償失的問題。
3 結語
概率統計是數學重要的知識組成，也是來源於實際和生活的方法歸納與總結，在實際應用中概率統計與生活有著緊密的聯系，特別在重要的應用領域，概率統計的思想、手法和判別有著關鍵性的應用，不但可以為生活提供更為科學的認知，也為各類生活決策提供合理和有效的基礎。

Ⅱ 概率期望與方差有什麼用

數學期望和方差公式有：DX=E(X)^2-(EX)^2；EX=1/P，DX=p^2/q；EX=np，DX=np(1-p)等等。

對於2項分布(例子：在n次試驗中有K次成功，每次成功概率為P，其分布列求數學期望和方差)有EX=np，DX=np(1-p)。

n為試驗次數 p為成功的概率。

對於幾何分布(每次試驗成功概率為P，一直試驗到成功為止)有EX=1/P，DX=p^2/q。

還有任何分布列都通用的。

DX=E(X)^2-(EX)^2。

在概率論和統計學中，數學期望(mean)（或均值，亦簡稱期望）是試驗中每次可能結果的概率乘以其結果的總和，是最基本的數學特徵之一。它反映隨機變數平均取值的大小。

高中數學期望與方差公式應用：

1）隨機炒股。

隨機炒股也就是閉著眼睛在股市中挑一隻股票，並且假設止損和止盈線都為10%，因為是隨機選股，那麼勝率=敗率，由於印花稅、傭金和手續費的存在，勝率=敗率<50%，最後的數學期望一定為負，可見隨機炒股，長期的後果，必輸無疑。

2）趨勢炒股。

趨勢炒股是建立在慣性理論上的，勝率跟經驗有很大關系，基本上平均勝率可以假定為60%，則敗率為40%，一般趨勢投資者本著賺點就跑，虧了套死不賣的原則，如漲10%止盈，跌50%止損，數學期望為EP=60%*10%-40%*50%=-0.14，必輸無疑。

Ⅲ 股票、基金、期貨、房地產投資需要會線性代數、微積分、概率論碼

現代經濟均可通過建立數學模型來分析，而線性代數、微積分、概率論等都是幫助分析的工具。如果懂得這些工具的操作使用，那肯定會對你的分析有莫大的幫助。
但是一般人無法完成這么多數據的分析，尤其是涉及到你所提到的股票、基金、期貨和房地產投資這么泛指的東西就更不是一個人可以完成的了，必須要藉助計算機運算，或者團隊的合作。
有的人對這些數學一點都不懂，但是照樣可以在這些領域叱吒風雲。這是因為他們從自己的專業找到了一套可以解釋得了這些投資市場運作的基本方法，所以也是可行的。
所以，學會這些知識，肯定有助於分析，但是也並不是唯一的辦法。

Ⅳ 超短線如何操作最好大神們幫幫忙

一、短線操作的前提 任何實戰操作技術都存在使用條件的限制，不分前提地隨意使用，往往將好的戰術做出壞的結果。在什麼情況下開展短線操作呢？只有在大盤處於高位或調整態勢之中，短線操作才是投資的首選，請牢記短線操作僅僅是一種獲利的方法而絕對不是投資的目的。操作中絕對不能出現為了短線而做短線的認識性錯誤。具體地說就是大盤處於牛市末期，調整市道以及大幅下跌後需要反彈等幾種情況才能開展短線操作。大盤個股處於加速上漲(包括個股)的主升階段絕對不允許做短線，同時大盤個股處於明確的下降通道也不允許做短線，此時只能絕對地空倉。 二、短線看盤的要素 在實戰操盤中，大盤的看盤(個股)研判技術極為重要，大盤的走勢與個股的走勢密不可分，它們之間形成了相輔的關系。個股的走勢匯集成大盤的走勢。同時大盤的走勢又深刻影響著個股的走勢。為此，加強對大盤走勢的技術研判。對於個股的實時操作具有重要的意義。短線投資者必須有良好的專業心理素質，正確的資金管理方法，過硬的專業技術功力，短線目標位置(攻擊或反彈)，就算在大盤背景允許進行短線操作的情況下，目標個股的技術態勢也是能否操作短線的重要依據，對於短線操作既不參與個股盤整，也不放過強勢股的操作，這是兩種不同行情性質的機會。 三、短線選股的要素 1.市場形成為熱點：市場形成的熱點是有基本面與技術面共同的形成。 2.均線：均線系統研判個股3日均線處於方向朝上的狀態，並且3日均量線也同時朝上，即可認定該股目前處於短線操作態勢，短線有獲利機會，如該股10日均線和30日均線、均量線也同時朝上就可認定該個股中期也有獲利機會，並且觀察K線組合是否站上短期均線之上。 3.指標：短線指標MACD、RSI、KDJ(要點看日線MACD、RSI和60分鍾MACD)等一切常用於個人所理解的指標是否出現金叉和死叉、強勢區間且弱勢區間。 4.K線組合：K線的組合是否這只股票運行在上行通道里，K線陽線有3%以上的實體為短線有操作價值。 5.成交量：成交量的研判。觀察成交量與股價漲跌是否相匹配。按趨勢可劃分為上漲同步與下跌同步，按區域可劃分為單日同步和區域同步(除非這只股票被莊家控盤70%以上)。 6.形態：形態研判。以常規圖形研判某隻股票行進的速度和行情展開的力度，同時分析其股票處於什麼形態之中(如頭肩底、圓底形態等)。 7.時間：時間的研判。短線操作的目的是不參與走勢不確定因素的調整，通常短線操作所依據的技術系統的時間周期較短，多數用3日均線、日線15分鍾、30分鍾、60分鍾，即盤中即時走勢，不同的操作過程中總用多周期、多要素之間的相互共振作用來提高、確認技術系統的質量。 8.原則：短線操作原則。按照不同的技術系統，實戰操作可以選擇最佳買點、次買點位(價位)進場操作，如研判操作出現錯誤，對於短線操作來說要嚴格控制資金量安全(即止損位)，果斷離場，同時要嚴格控制自己的心態，股票最大的敵人是自己，成功的短線操作最終是戰勝自己。 四、短線個股周期研判 通常情況之下某隻股票短線周期為二種。一種為1-3天，另一種5-8天(一種是低位反彈的個股，另一種是強勢上升和進入拉升途中)。它們的周期有不同的性質。一般低位反彈周期只有1-3天的反彈(如600718東大阿派反彈的時間出現在2000年4月18日，時間為3天，另一反彈出現在2000年5月14日，時間為4天)。另一種強勢進入拉升為5-8天的周期(如600827濟南百貨，此股在2000年9月通過小陽小陰盤升至9月27日進入快速拉升階段，它的時間用了8天)。另外有一點要說明，在前幾年短線機會頻頻出現，而近期短線的機會出現的時間周期越來越短，這是因為現在大盤以不是過去的大盤，同時現在的操作手段不像過去快速進行操作和獲利，而是通過較長的時間來運作，這樣近期短線操作的難度越來越大。總之，短期的要求越來越高

Ⅳ 您好，我想問問您的一個回答的論文題目，百度知道上的問題是：（以下補充）謝謝！

摘 要 研究了滬深300指數日收益率時間序列，經檢驗其具有馬氏性，並建立了馬爾可夫鏈模型。取交易日分時數據，根據分時數據確定狀態初始概率分布，通過一步轉移概率矩陣對下一交易日的日收益率進行了預測。對該模型分析和計算，得出其為有限狀態的不可約、非周期馬爾可夫鏈，求解其平穩分布，從而得到滬深300指數日收益率概率分布。並預測了滬深300指數上漲或下跌的概率，可為投資管理提供參考。
關鍵詞 馬爾可夫鏈模型 滬深300指數 日收益率概率分布 平穩分布

1 引言
滬深300指數於2005年4月正式發布，其成份股為市場中市場代表性好，流動性高，交易活躍的主流投資股票，能夠反映市場主流投資的收益情況。眾多證券投資基金以滬深300指數為業績基準，因此對滬深300指數收益情況研究顯得尤為重要，可為投資管理提供參考。
取滬深300指數交易日收盤價計算日收益率，可按區間將日收益率分為不同的狀態，則日收益率時間序列可視為狀態的變化序列，從而可以嘗試採用馬爾可夫鏈模型進行處理。馬爾可夫鏈模型在證券市場的應用已取得了不少成果。參考文獻[1]、[2]、[3]和[4]的研究比較類似，均以上證綜合指數的日收盤價為對象，按漲、平和跌劃分狀態，取得了一定的成果。但只取了40～45個交易日的數據進行分析，歷史數據過少且狀態劃分較為粗糙。參考文獻[5]和[6]以上證綜合指數周價格為對象，考察指數在的所定義區間（狀態）的概率，然其狀態偏少（分別只有6個和5個狀態），區間跨度較大，所得結果實際參考價值有限。參考文獻[7]對單只股票按股票價格劃分狀態，也取得了一定成果。
然而收益率是證券市場研究得更多的對象。本文以滬深300指數日收益率為對考察對象進行深入研究，採用matlab7.1作為計算工具，對較多狀態和歷史數據進行了處理，得出了滬深300指數日收益率概率分布，並對日收益率的變化進行了預測。
2 馬爾可夫鏈模型方法
2.1 馬爾可夫鏈的定義
設有隨機過程{Xt，t∈T}，T是離散的時間集合，即T={0，1，2，L}，其相應Xt可能取值的全體組成狀態空間是離散的狀態集I={i0，i1，i2，L}，若對於任意的整數t∈T和任意的i0，i1，L，it+1∈I，條件概率則稱{Xt，t∈T}為馬爾可夫鏈，簡稱馬氏鏈。馬爾可夫鏈的馬氏性的數學表達式如下：
P{Xn+1=in+1|X0=i0，X1=i1，L，Xn=in}=P{Xn+1=in+1|Xn=in} （1）
2.2 系統狀態概率矩陣估計
馬爾可夫鏈模型方法的基本內容之一是系統狀態的轉移概率矩陣估算。估算系統狀態的概率轉移矩陣一般有主觀概率法和統計估演算法兩種方法。主觀概率法一般是在缺乏歷史統計資料或資料不全的情況下使用。本文採用統計估演算法，其主要過程如下：假定系統有m種狀態S1，S2，L，Sm根據系統的狀態轉移的歷史記錄，可得到表1的統計表格。其中nij表示在考察的歷史數據范圍內系統由狀態i一步轉移到狀態j的次數，以■ij表示系統由狀態i一步轉移到狀態的轉移概率估計量，則由表1的歷史統計數據得到■ij的估計值和狀態的轉移概率矩陣P如下：
■ij=nij■nik，P=p11 K p1mM O Mpm1 L pmn（2）
2.3 馬氏性檢驗
隨機過程{Xt，t∈T}是否為馬爾可夫鏈關鍵是檢驗其馬氏性，可採用χ2統計量來檢驗。其步驟如下：（nij）m×m的第j列之和除以各行各列的總和所得到的值記為■.j，即：
■.j=■nij■■nik，且■ij=nij■nik（3）
當m較大時，統計量服從自由度為（m-1）2的χ2分布。選定置信度α，查表得χ2α（（m-1）2），如果■2>χ2α（（m-1）2），則可認為{Xt，t∈T}符合馬氏性，否則認為不是馬爾可夫鏈。
■2=2■■nijlog■ij■.j（4）
2.4 馬爾可夫鏈性質
定義了狀態空間和狀態的轉移概率矩陣P，也就構建了馬爾可夫鏈模型。記Pt（0）為初始概率向量，PT（n）為馬爾可夫鏈時刻的絕對概率向量，P（n）為馬爾可夫鏈的n步轉移概率矩陣，則有如下定理：
P（n）=PnPT（n）=PT（0）P（n）（5）
可對馬爾可夫鏈的狀態進行分類和狀態空間分解，從而考察該馬爾可夫鏈模型的不可約閉集、周期性和遍歷性。馬爾可夫鏈的平穩分布有定理不可約、非周期馬爾可夫鏈是正常返的充要條件是存在平穩分布；有限狀態的不可約、非周期馬爾可夫鏈必定存在平穩過程。
3 馬爾可夫鏈模型方法應用
3.1 觀測值的描述和狀態劃分
取滬深300指數從2005年1月4日~2007年4月20日共555個交易日收盤價計算日收益率（未考慮分紅），將日收益率乘以100並記為Ri，仍稱為日收益率。計算公式為：
Ri=（Pi-Pi-1）×100/Pi-1（6）
其中，Pi為日收盤價。
滬深300指數運行比較平穩，在考察的歷史數據范圍內日收益率有98.38％在[-4.5，4.5]。可將此范圍按0.5的間距分為18個區間，將小於-4.5和大於4.5各記1區間，共得到20個區間。根據日收益率所在區間劃分為各個狀態空間，即可得20個狀態（見表2）。

3.2 馬氏性檢驗
採用χ2統計量檢驗隨機過程{Xt，t∈T}是否具有馬氏性。用前述統計估演算法得到頻率矩陣（nij）20×20。
由（3）式和（4）式可得：■.j=■nij■■nik，且■ij=nij■nik，■2=2■■nijlog■ij■.j=446.96，令自由度為k=（m-1）2即k=361，取置信度α=0.01。由於k>45，χ2α（k）不能直接查表獲得，當k充分大時，有：
χ2α（k）≈■（zα+■）2（7）
其中，zα是標准正態分布的上α分位點。查表得z0.01=2.325，故可由（1）、（7）式得，即統計量，隨機過程{Xt，t∈T}符合馬氏性，所得模型是馬爾可夫鏈模型。
3.3 計算轉移概率矩陣及狀態一步轉移
由頻率矩陣（nij）20×20和（1）、（2）式得轉移概率矩陣為P=（Pij）20×20。考察2007年4月20日分時交易數據（9：30~15：30共241個數據），按前述狀態劃分方法將分時交易數據收益率歸於各狀態，並記Ci為屬於狀態i的個數，初始概率向量PT（0）=（p1，p2，L，pt，L，p20），則：
pj=Cj/241，j=1，2，K，20（8）
下一交易日日收益率分布概率PT（0）={p1（1），p2（1），L，pi（1），L，p20（1）}，且有PT（1）-PT（0）p，計算結果如表3所示。

3.4 馬爾可夫鏈遍歷性和平穩分布
可以分析該馬爾可夫鏈的不可約集和周期性，從而進一步考察其平穩分布，然而其分析和求解非常復雜。本文使用matlab7.1採用如下演算法進行求解：將一步轉移概率矩陣P做乘冪運算，當時Pn+1=Pn停止，若n>5 000亦停止運算，返回Pn和n。計算發現當n=48時達到穩定，即有P（∞）=P（48）=P48。考察矩陣P（48）易知：各行數據都相等，不存在數值為0的行和列，且任意一行的行和為1。故該馬爾可夫鏈{Xt，t∈T}只有一個不可約集，具有遍歷性，且存在平穩分布{πj，j∈I}，平穩分布為P（48）任意一行。從以上計算和分析亦可知該馬爾可夫鏈是不可約、非周期的馬爾可夫鏈，存在平穩分布。計算所得平穩分布如表4所示。
3.5 計算結果分析
表3、表4給出了由當日收益率統計出的初始概率向量PT（0），狀態一步預測所得絕對概率向量PT（1）和日收益率平穩分布，由表3和表4綜合可得圖1。可以看出，雖然當日（2007年4月20日）收益率在區間（1.5，4.5）波動且在（2.5，4.5）內的概率達到了0.7261，表明在2007年4月20日，日收益率較高（實際收盤時，日收益率為4.41），但其下一交易日和從長遠來看其日收益率概率分布依然可能在每個區間。這是顯然的，因為日收益率是隨機波動的。
對下一交易日收益率預測（PT（1）），發現在下一交易日收益率小於0的概率為0.4729，大於0的概率為0.5271，即下一交易日收益率大於0的概率相對較高，其中在區間（-2，-1.5）、（0.5，1）和（1，1.5）概率0.2675、0.161和0.1091依次排前三位，也說明下一交易日收益率在（-2，-1.5）的概率會比較高，有一定的風險。
從日收益率長遠情況（平穩分布）來看，其分布類似正態分布但有正的偏度，說明其極具投資潛力。日收益率小於0的概率為0.4107，大於0的概率為0.5893，即日收益率大於0的概率相當的高於其小於0的概率。
4 結語
採用馬爾可夫鏈模型方法可以依據某一交易日收益率情況向對下一交易日進行預測，也可得到從長遠來看其日收益率的概率分布，定量描述了日收益率。通過對滬深300指數日收益率分析和計算，求得滬深300指數日收益率的概率分布，發現滬深300指數日收益率大於0的概率相對較大（從長遠看，達到了0.5893，若考慮分紅此概率還會變大），長期看來滬深300指數表現樂觀。若以滬深300指數構建指數基金再加以調整，可望獲得較好的回報。
筆者亦採用范圍（-5，5）、狀態區間間距為1和范圍（-6，6）、狀態區間間距為2進行運算，其所得結果類似。當採用更大的范圍（如-10，10等）和不同的區間大小進行運算，計算發現若狀態劃分過多，所得模型不易通過馬氏性檢驗，如何更合理的劃分狀態使得到的結果更精確是下一步的研究之一。在後續的工作中，採用ANN考察所得的日收益率預測和實際日收益率的關系也是重要的研究內容。馬爾可夫鏈模型方法也可對上證指數和深證成指數進行類似分析。
參考文獻
1 關麗娟，趙鳴.滬綜指走勢的馬爾可夫鏈模型預測[J].山東行政學院，山東省經濟管理幹部學院學報，2005（4）
2 陳奕余.基於馬爾可夫鏈模型的我國股票指數研究[J].商場現代化（學術研討），2005（2）
3 肖澤磊，盧悉早.基於馬爾可夫鏈系統的上證指數探討[J].科技創業月刊，2005（9）
4 邊廷亮，張潔.運用馬爾可夫鏈模型預測滬綜合指數[J].統計與決策，2004（6）
5 侯永建，周浩.證券市場的隨機過程方法預測[J].商業研究，2003（2）
6 王新蕾.股指馬氏性的檢驗和預測[J].統計與決策，2005（8）
7 張宇山，廖芹.馬爾可夫鏈在股市分析中的若干應用[J].華南理工大學學報（自然科學版），2003（7）
8 馮文權.經濟預測與決策技術[M].武漢：武漢大學出版社，2002
9 劉次華.隨機過程[M].武漢：華中科技大學出版社，2001
10 盛千聚.概率論與數理統計[M].北京：高等教育出版社.1989轉

Ⅵ 大學數學里學習的概率論和數理統計對於研究股票市場變化有何實踐上的應用。

這是個有意思的問題。
現在的行情軟體已經有了指標優化工具，就是能對均線及指標為依據的交易系統選出最優參數。然而，所有的一切均是建立在歷史數據上的，並進而得出如ma5上下叉ma10 B S這類的指示，還會告訴你在199*年至200*年間用這個方法在這個股上的收益是*%。－－這就是統計學。
而如果你認為1000次的金叉中有550次是上漲的不是因為偶然而是因為必然。是股市的內在規律。這就是－－概率論。
然而，過去的事真的會在未來重復嗎？這是個無法證實或者一旦證實已無意義的論題。並假如真的有這種規律性，然而在5年1000次的交易中550VS450，設獲利與止損各為10%，最終收益是900×－1.5%（費用）＋100×10%（獲利）＝－3.5，最終你是輸的。當然這只是個例子。

Ⅶ 概率論問題， 假設有一隻股票今天價格上漲的概率為0.6，下跌的概率為0.4

向上的線表示價格上升，向下表示價格下

1. 明天上升的概率：0.48+0.2=0.68

   明天下降的概率是0.32，你可以用1減去上升的概率，也可以用圖里在明天這個框里向下線後面跟著的概率加起來。

2. 後天上升的概率：0.384+0.06+0.16+0.1=0.704

後天下降的概率是0.296，和上面一樣，你可以用1減去上升的概率，也可以用圖里在後天這個圖標下面跟著的向下線後面跟著的概率加起來。

Ⅷ 概率的應用（要求有參考文獻）

概率的應用

摘要：隨機現象存在於我們日常生活的方方面面和科學技術的各個領域，概率論是指導人們從事物表象看到其本質的一門科學。本文由現實生活中的部分現象探討了概率知識的廣泛應用。
關鍵詞：隨機現象；概率；應用分析

在自然界和現實生活中，一些事物都是相互聯系和不斷發展的。在它們彼此間的聯系和發展中，根據它們是否有必然的因果聯系，可以分成兩大類：一類是確定性的現象，指在一定條件下，必定會導致某種確定的結果。如，在標准大氣壓下，水加熱到100攝氏度，就必然會沸騰。事物間的這種聯系是屬於必然性的。另一類是不確定性的現象。這類現象在一定條件下的結果是不確定的。例如，同一個工人在同一台機床上加工同一種零件若干個，它們的尺寸總會有一點差異。又如，在同樣條件下，進行小麥品種的人工催芽試驗，各顆種子的發芽情況也不盡相同有強弱和早晚之別等。為什麼在相同的情況下，會出現這種不確定的結果呢？這是因為，我們說的「相同條件」是指一些主要條件來說的，除了這些主要條件外，還會有許多次要條件和偶然因素是人們無法事先預料的。這類現象，我們無法用必然性的因果關系，對現象的結果事先做出確定的答案。事物間的這種關系是屬於偶然性的，這種現象叫做偶然現象，或者叫做隨機現象。
概率，簡單地說，就是一件事發生的可能性的大小。比如：太陽每天都會東升西落，這件事發生的概率就是100%或者說是1，因為它肯定會發生；而太陽西升東落的概率就是0，因為它肯定不會發生。但生活中的很多現象是既有可能發生，也有可能不發生的，比如某天會不會下雨、買東西買到次品等等，這類事件的概率就介於0和100%之間，或者說0和1之間。在日常生活中無論是股市漲跌，還是發生某類事故，但凡捉摸不定、需要用「運氣」來解釋的事件，都可用概率模型進行定量分析。不確定性既給人們帶來許多麻煩，同時又常常是解決問題的一種有效手段甚至唯一手段。
走在街頭，來來往往的車輛讓人聯想到概率；生產、生活更是離不開概率。在令人心動的彩票搖獎中，概率也同樣指導著我們的實踐。繼股票之後，彩票也成了城鄉居民經濟生活中的一個熱點。據統計，全國100個人中就有3個彩民。通過對北京、上海與廣州3城市居民調查的結果顯示，有50%的居民買過彩票，其中5%的居民成為「職業」(經濟性購買)彩民。「以小博大」的發財夢，是不少彩票購買者的共同心態。那麼，購買彩票真的能讓我們如願以償嗎?以從36個號碼中選擇7個的投注方式為例，看起來似乎並不很難，其實卻是「可望而不可及」的。經計算，投一注的理論中獎概率如下：

由此看出，只有極少數人能中獎，購買者應懷有平常心，既不能把它作為純粹的投資，更不應把它當成發財之路。
體育比賽中，一局定勝負，雖然比賽雙方獲勝的機會均為二分之一，但是由於比賽次數太少，商業價值不大，因此比賽組織者普遍採用「三局兩勝」或「五局三勝」制決定勝負的方法，既令參賽選手滿意，又被觀眾接受，組織者又有利可圖。那麼它對於雙方選手來說真的公平嗎?以下我們用概率的觀點和知識加以闡述：日常生活中我們總希望自己的運氣能好一些，碰運氣的也大有人在，就像考生面臨考試一樣，這其中固然有真才實學者，但也不乏抱著僥幸心理的濫竽充數者。那麼，對於一場正規的考試僅憑運氣能通過嗎?我們以大學英語四級考試為例來說明這個問題。
大學英語四級考試是全面檢驗大學生英語水平的一種考試，具有一定難度，包括聽力、語法結構、閱讀理解、填空、寫作等。除寫作15分外，其餘85道題是單項選擇題，每道題有A、B、C、D四個選項，這種情況使個別學生產生碰運氣和僥幸心理，那麼靠運氣能通過四級英語考試嗎?答案是否定的。假設不考慮寫作15分，及格按60分算，則85道題必須答對51題以上，可以看成85重貝努利試驗。

概率非常小，相當於1000億個靠運氣的考生中僅有0.874人能通過。所以靠運氣通過考試是不可能的。
因此，我們在生活和工作中，無論做什麼事都要腳踏實地，對生活中的某些偶然事件要理性的分析、對待。一位哲學家曾經說過：「概率是人生的真正指南」。隨著生產的發展和科學技術水平的提高，概率已滲透到我們生活的各個領域。眾所周知的保險、郵電系統發行有獎明信片的利潤計算、招工考試錄取分數線的預測甚至利用腳印長度估計犯人身高等無不充分利用概率知識。
如今「降水概率」已經赫然於電視和報端。有人設想，不久的將來，新聞報道中每一條消息旁都會註明「真實概率」，電視節目的預告中，每個節目旁都會寫上「可視度概率」。另外，還有西瓜成熟概率、火車正點概率、葯方療效概率、廣告可靠概率等等。又由於概率是等可能性的表現，從某種意義上說是民主與平等的體現，因此，社會生活中的很多競爭機制都能用概率來解釋其公平合理性。
總之，由於隨機現象在現實世界中大量存在,概率必將越來越顯示出它巨大的威力。

參考文獻：
[1]劉書田.概率統計學習輔導[M].北京：北京大學出版社，2001.193-196.
[2]龍永紅.概率論與數理統計中的典型例題分析與習題[M].北京：高等教育出版社，2004.218-221.
[3]尹庸斌.概率趣談[M].成都：四川科學技術出版社，1985.69-78.
[4]吳傳志.應用概率統計[M].重慶：重慶大學出版社，2004.74-78.

Ⅸ 資本資產定價模型到底對股票投資有多少幫助

股票價格受很多影響，資本資產定價模型只能從理論上分析風險與報酬率的關系。所謂風險也就是股價偏離期望值的大小和程度。也就是說這種模型從計算系統風險開始即採用概率論觀點計算方差，進而求出股票的投資者要求的必要報酬率，這種模型根據的是股票市價的期望值和偏離期望值的程度，而並非一個確定的價格。
此外，根據公式求解出的投資者要求必要報酬率在實際中也不一定準確，因為資本市場並非完全有效，必要報酬率和風險並非完全匹配。
就算上述因素都排除，根據股權現金流和必要報酬率折現的股票價值也存在很大誤差，這是因為股票的未來現金流量估計幾乎是不可能完成的。其次，資本市場並非完全有效導致股票市價並不能反映其價值。
所以，財務管理研究的資本市場定價模型、股利增長模型等都只能從一定程度上反應股票價值的變動，而且是並不十分准確的假設作出的，只具有有限的參考價值。