⑴ 怎么用同花顺的数据做一个股票模型
同花顺中导出数据我可以告诉你方法 ，其他的不懂。
同花顺导出数据方法：在K线图界面，按F1进入历史成交，往上翻，翻到你要的起始点，点鼠标右键，数据导出，导出所有数据，下一步，下一步，完成。默认保存在桌面上。
⑵ 怎么做股票模型
我也曾今也想到过这个问题。但是，告诉你一个不幸的消息，股票不可以用模型制作，我以前试过用指数模型和高斯分布做过，但后来去给一个博士谈到这个问题的时候。最终达成一致共识，股票不能建立模型。只能在股票和其他衍生工具之间建立交易模型，例如capm，b-s模型。如果是老师布置的作业，你就给她说，不能建立模型。
⑶ “基于数据挖掘的股票交易分析--模型分析” 这个题目，是什么意思 哪位哥们，能给点具体解释么
很难写，主要牵涉到数据挖掘（软件）和股票交易两方面的专业。数据挖掘需要设计软件进行建模，而股票交易需要进行实证（博士论文都可以写了）。
建议：可以写基于统计挖掘的股票交易分析--模型分析，这样就简单多了，只需要在股票软件上得出一些统计数据，然后进行验证就可以了，可操作性强。
⑷ 如何建立一个股票量化交易模型并仿真
研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态，其最重要手段的概率取胜，最重要的技术是概率统计，最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时，也应该用我们的经验来确定是否把某技术参数放进去，因为一般来说定性投资比较好用的参数指标对量化投资同样适用。
量化投资区别于传统定性投资的主要特征在于模型。我打个比方，我们看病，中医与西医的诊疗方法是不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，主观定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。中医对医生的经验要求非常高，他们的主观判断往往决定了治疗效果，而西医则要从容得多，按事先规定好的程序走就行了。量化投资就是股票投资中的西医，它可以比较有效地矫正理智与情绪的不兼容现象。
量化投资的一般思路：选定某些技术指标（我们称之为参数，往往几个组成一组），并将每一个参数的数据范围进行分割，成几等份。然后，用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序，连接至大型数据库进行统计计算，自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用，因为这里涉及到一个概率陷阱的问题，比如说，有1到100这一百个数字放在那里，现在让你选择，请问你选到100的可能性是多大？是的，就是1/100，如果较幸运你选到了100并不能说明你比别人聪明，而是概率的必然。所以，在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证，只有验证合格后才能试用。
量化投资原始数据策略：我们选用96年后的市场数据，因为96年股市有过一次交易政策改革（你可以自己查询了解一下），为了不影响研究结果我们不采纳96年以前的数据进数据库。
量化投资研究的硬设备：高计算性能电脑，家用电脑也可以，不过运算时间会很长，我曾经用家用电脑计算了三个月时间才得到想要的数据。
统计方法：可以选用遗传算法，但我在这里陪大家做的是比较简单的模型，所以采用普通统计方法就可以了。
用于量化研究的软件：我采用的是免费的大型数据库MYSQL，ASP网络编程语言，以及可以设置成网络服务器的旗舰版WIN7操作系统。
⑸ 如何建立股票模型
财务管理
其实这个应该不难 但你的问题问得有些模糊
⑹ 股票应用数学模型建立
我自己选股有三个方面，选股思路：必须得非常清楚的如7.8月份重点在中报预增的一些高送转的一下热点上的。 第一手的资讯，市场未公布出来的消息，这你必须需要一些渠道的，我自己用的是智胜高级内参，可以到www.92cf.com上去查查看，最后就是操作上的把握了，你是新手，切莫追高，
⑺ 请问高手有谁知道股票数学模型怎么做!
股票真正的讲究的是企业价值和长期持有，你想建模型，还不如建彩票模型更靠谱。
⑻ 如何设计股票模型
股票模型 网络名片 股票模型就是对于现实中的个股，为了达到盈利目的，作出一些必要的简化和假设，运用适当的数学分析，得到一个数学结构。 目录概念股票建模建模过程股票模型的作用 编辑本段概念在这里引用数学模型的定义，也可以说，股票建模是利用数学语言（符号、式子与图象）模拟现实的模型。把现实模型抽象、简化为某种数学结构是数学模型的基本特征。它或者能解释特定现象的现实状态，或者能预测到对象的未来状况，或者能提供处理对象的最优决策或控制。 编辑本段股票建模把个股的实际问题加以提炼，抽象为数学模型，求出模型的解，验证模型的合理性，并用该数学模型所提供的解答来解释现实问题，我们把这一应用过程称为股票建模。 编辑本段建模过程模型准备 ：了解个股的实际背景，明确其实际意义，掌握对象的各种信息。用数学语言来描述问题。 模型假设 ：根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。 模型建立 ：在假设的基础上，利用适当的数学工具来刻划各变量之间的数学关系，建立相应的数学结构。（尽量用简单的数学工具） 模型求解 ：利用获取的数据资料，对模型的所有参数做出计算（估计）。 模型分析 ：对所得的结果进行数学上的分析。 模型检验 ：将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差,则应该修改假设，在次重复建模过程。 模型应用 ：应用方式因问题的性质和建模的目的而异。 编辑本段股票模型的作用第一，能让分析过程简化，并让复杂的分析过程通过数据表达出来。 第二，通过对模型的反复修正，能起到对个股的未来走势起到预测效果。 第三，便于掌握股市行情。
⑼ 什么叫股票模型
股票模型就是对于现实中的个股，为了达到盈利目的，作出一些必要的简化和假设，运用适当的数学分析，得到一个数学结构。
股票模型：
股票建模是利用数学语言（符号、式子与图象）模拟现实的模型。把现实模型抽象、简化为某种数学结构是数学模型的基本特征。它或者能解释特定现象的现实状态，或者能预测到对象的未来状况，或者能提供处理对象的最优决策或控制。
把个股的实际问题加以提炼，抽象为数学模型，求出模型的解，验证模型的合理性，并用该数学模型所提供的解答来解释现实问题，我们把这一应用过程称为股票建模。
建模过程：
模型准备 ：了解个股的实际背景，明确其实际意义，掌握对象的各种信息。用数学语言来描述问题。
模型假设 ：根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。
模型建立 ：在假设的基础上，利用适当的数学工具来刻划各变量之间的数学关系，建立相应的数学结构。（尽量用简单的数学工具）
模型求解 ：利用获取的数据资料，对模型的所有参数做出计算（估计）。
模型分析 ：对所得的结果进行数学上的分析。
模型检验 ：将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差,则应该修改假设，在次重复建模过程。
模型应用 ：应用方式因问题的性质和建模的目的而异。
⑽ 股票价值评估的模型有哪些分别适用于哪些情况,在实际操作中需要注意什么问题
股票价值评估分以下几种模型：
1.DDM模型（Dividend discount model /股利折现模型)
2.DCF /Discount Cash Flow /折现现金流模型）
（1）FCFE （ Free cash flow for the equity equity /股权自由现金流模型)模型
（2）FCFF模型（ Free cash flow for the firm firm /公司自由现金流模型）
DDM模型
V代表普通股的内在价值， Dt为普通股第t期支付的股息或红利，r为贴现率
对股息增长率的不同假定，股息贴现模型可以分为
：零增长模型、不变增长模型（高顿增长模型）、二阶段股利增长模型（H模型）、三阶段股利增长模型和多元增长模型等形式。
最为基础的模型；红利折现是内在价值最严格的定义； DCF法大量借鉴了DDM的一些逻辑和计算方法（基于同样的假设/相同的限制）。
1. DDM DDM模型模型法（Dividend discount model / Dividend discount model / 股利折现模型股利折现模型)
DDM模型
2. DDM DDM模型的适用分红多且稳定的公司，非周期性行业；
3. DDM DDM模型的不适用分红很少或者不稳定公司，周期性行业；
DDM模型在大陆基本不适用；
大陆股市的行业结构及上市公司资金饥渴决定，分红比例不高，分红的比例与数量不具有稳定性，难以对股利增长率做出预测。
DCF 模型
2.DCF /Discount Cash Flow /折现现金流模型） DCF估值法为最严谨的对企业和股票估值的方法，原则上该模型适用于任何类型的公司。
自由现金流替代股利，更科学、不易受人为影响。
当全部股权自由现金流用于股息支付时， FCFE模型与DDM模型并无区别；但总体而言，股息不等同于股权自由现金流，时高时低，原因有四：
稳定性要求（不确定未来是否有能力支付高股息）；
未来投资的需要（预计未来资本支出/融资的不便与昂贵）；
税收因素（累进制的个人所得税较高时）；
信号特征（股息上升/前景看好；股息下降/前景看淡）
DCF模型的优缺点
优点：比其他常用的建议评价模型涵盖更完整的评价模型，框架最严谨但相对较复杂的评价模型。需要的信息量更多,角度更全面, 考虑公司发展的长期性。较为详细，预测时间较长，而且考虑较多的变数，如获利成长、资金成本等，能够提供适当思考的模型。
缺点：需要耗费较长的时间，须对公司的营运情形与产业特性有深入的了解。考量公司的未来获利、成长与风险的完整评价模型，但是其数据估算具有高度的主观性与不确定性。复杂的模型，可能因数据估算不易而无法采用，即使勉强进行估算，错误的数据套入完美的模型中，也无法得到正确的结果。小变化在输入上可能导致大变化在公司的价值上。该模型的准确性受输入值的影响很大（可作敏感性分析补救）。