ST股票数学建模

1. 股票数学模型有哪些

最经典的应该就是CAPM模型了，也叫资本资产定价模型。基本公式是：E(ri)=rf+βim(E(rm)-rf)
其中：E(ri) 是资产i 的预期回报率
rf 是无风险利率
βim 是[[Beta系数]]，即资产i 的系统性风险
E(rm) 是市场m的预期市场回报率
E(rm)-rf 是市场风险溢价（market risk premium），即预期市场回报率与无风险回报率之差。

2. 一道数学建模小问题

我国的证券交易尽管起步较晚, 但经过十年的发展, 股票市场已初具规模, 沪深两个证
券交易所目前已有一千余家的上市公司, 股票已成为继储蓄、债券之后的又一热门投资品
种. 综合指数反映了股票市场的整体走向及内在规律. 本文运用国际着名的大型集成软件系
统 SA S 中的时间序列和回归分析方法对我国近三年的上证综指作了预测分析. 我们分别用
求和自回归滑动平均(AR IMA ) 方法及逐步自回归方法, 作了各种参数搭配的试算比较, 最
后确定的二个程序对最近 8 个交易日(2000 年 10 月 23 日～ 2000 年 11 月 1 日) 的收盘指数
的平均绝对预测误差分别为 01464% 和 01404%.
2
用
ARIMA
过程对上证综指的预测
由文献[1]可知, SA S ETS 软件中的AR IMA (求和自回归滑动平均) 过程提供了一个
综合工具包来进行一元时间序列的模型识别、参数估计及预测分析. 基于上海证券交易所
1997 年 10 月 31 日～ 2000 年 10 月 20 日的综合指数(收盘指数) 数据, 我们用AR IMA 过程
作了模拟和预测. 数学上纯AR IMA 模型记作
W
t
= ∧+
1 - Η
1
B
- … - Η
q
B
q
1 - Ω
1
B
- … - Ω
p
B
p
Ε
t
(1)
其中,
t
代表交易日期;
W
t
表示响应序列
Y
t
或
Y
t
的差分; ∧为均值项;
B
是后移算子; Ε
t
表示
独立扰动或称作随机误差.
我们用 1997 年 10 月 31 日～ 2000 年 10 月 20 日的综合指数作了试算分析, 发现总的拟
合效果较好(见图 1); 在“识别”阶段, 我们用 IDEN T IFY 语句计算发现序列{
Y
t
}是非平稳
的, 而由自相关系数图可以看出, 通过一阶差分后的序列是近似平稳的. 结合偏自相关系数
和逆自相关系数图, 通过反复试算比较, 我们选择了参数
p
= 1 和
q
= 1. 在“估计”阶段, 我们
发现本序列用条件最小二乘估计法来算结果要好一些. 我们用上述模型相应的程序对 2000
© 1995-2004 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
Page 2
年 10 月 23 日～ 2000 年 11 月 1 日的指数作了预测, 8 天的平均绝对误差为 0. 464% , 结果见
表 1.
表
1
用
ARIM A
方法对最近
8
个交易日的预测结果
日期
实际值
预测值
绝对预测误差
(% )
2000 10 23
1958. 93
1951. 45
0. 38184
2000 10 24
1956. 34
1954. 17
0. 11092
2000 10 25
1977. 25
1956. 34
1. 05753
2000 10 26
1967. 67
1958. 28
0. 47721
2000 12 27
1967. 40
1960. 13
0. 36952
2000 10 30
1973. 57
1961. 93
0. 58979
2000 10 31
1961. 28
1963. 72
0. 12441
2000 11 01
1977. 36
1965. 50
0. 59979
另用该程序预测 2000 年 11 月 2 日的收盘指数为 1967. 28.
图
1
求和自回归滑动平均拟合图
3
用
FORECAST
过程预测上证综指
考虑到仅用AR IMA 方法进行预测可能不够稳定, 我们又基于同样的数据进一步采用
SA S ETS 软件中的 FORECA ST 过程作了预测分析. 由文献[1]可知, FORECA ST 过程提
供一种快速而且自动的时间序列预报方法, 它使用外推的预报方法, 所作的预报仅仅是时间
和该序列过去值的函数, 没有其它变量. 这种方法是把时间趋势回归同一个自回归模型结
合在一起, 并用逐步方法来选择用于自回归过程的时滞步数. 逐步自回归模型如下
Y
t
=
b
0
+
b
1
t
+
b
2
t
2
+
u
t
u
t
=
a
1
u
t- 1
+
a
2
u
t- 2
+ … +
a
p
u
t- p
+ Ε
t
(2)
其中
t
表示时间(本文中代表交易日期) ,
Y
t
表示相应日期的收盘指数, Ε
t
是独立的、均值为
零的随机误差.
逐步自回归方法首先对序列拟合时间趋势模型, 并计算每个值和估计的趋势之间的差
值(该过程称为删除趋势) , 然后使用向后逐步选择参数的方法对趋势模型的残差拟合自回
归过程, 寻找最不显着的自回归参数, 如果这个最不显着参数的显着水平大于 0105, 则从
16
6
6
期
刘 萍等
:
运用
SA S
软件系统对上证综合指数的预测分析
© 1995-2004 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
Page 3
模型中删去该参数, 继续该过程, 直到只有显着的自回归参数被保留下来为止. 因为这个
趋势和自回归参数是依次被拟合而不是同时拟合的, 所以参数估计在统计学意义上是渐近
最优的, 且该方法的计算量比较小.
我们用 1997 年 10 月 31 日～ 2000 年 10 月 20 日的数据分别取TREND= 1, 2, 3 作了试
算分析, 也发现总的拟合效果较好, 但取 TREND = 1, 2 时, 对最近几日的预测偏小, 取
TREND = 3 时预测效果相对较好. 我们用上述参数相应的程序也对 2000 年 10 月 23 日～
2000 年 11 月 1 日的指数作了预测, 8 天的平均绝对误差为 01404% , 结果见下表.
表
2
用逐步自回归方法对最近
8
个交易日的预测结果
日期
实际值
预测值
绝对预测误差
(% )
2000 10 23
1958. 93
1951. 65
0. 37163
2000 10 24
1956. 34
1954. 66
0. 08587
2000 10 25
1977. 25
1960. 32
0. 85624
2000 10 26
1967. 67
1965. 81
0. 09453
2000 12 27
1967. 40
1971. 05
0. 18552
2000 10 30
1973. 57
1976. 28
0. 13731
2000 10 31
1961. 28
1981. 49
1. 03045
2000 11 01
1977. 36
1986. 67
0. 47083
另用该程序预测 2000 年 11 月 2 日的收盘指数为 1991. 81.
4
讨 论
本文所用的AR IMA 方法和逐步自回归方法各有优缺点, 前者各类参数较多, 要通过
各种搭配反复试算比较才能确定较好的模型, 但它可处理的数据类型较多; 后者计算量
小、模型较易确定, 但可调节的参数较少, 故其可处理的数据类型比较有限. 从本问题的计
算结果来看, 好象后者的预测精度要好一些. 我们认为, 在实际使用时, 可综合考虑二种
方法的预测结果. 如由AR IMA 方法预测 2000 年 11 月 2 日的收盘指数为 1967. 28; 而用
逐步自回归方法的预测值为 1991. 81, 这两个数值很接近, 二者平均为 1984. 55. 可以此值
作为 2000 年 11 月 2 日的收盘指数的预测值.
本文所用的 SA S 系统具有完备的数据访问、管理、分析和呈现功能, 在数据处理与统
计分析领域被誉为国际上的标准软件. 文中基于 SA S ETS 软件所作的时间序列分析方便
而且灵活, 并达到了较高的预测精度, 所有的计算在数分钟内即可完成, 从而便于推广应
用及进一步改进模型. 每天新的数据出来后, 只要分别将其加入本文所编写的二个 SA S 程
序当中(不必修改参数或其它 SA S 语句) , 分别运行这二个程序, 即可自动算出由AR IMA
方法给出的预测值及由逐步自回归方法给出的预测值, 再结合专家的总体评价即可对下一
交易日进行预报. 此外, 用 SA S 软件系统还可以进行中长期预测及多元时间序列分析, 因
而它有着广泛的应用前景

http://203.208.35.132/search?q=cache:KF-KncckjsAJ:166.111.121.20:9218/fedora/get/mathjourpaper:SSJS200106004/fedora-system:3/getItem%3FitemID%3DDS1+%E4%B8%8A%E8%AF%81%E6%9C%88%E6%94%B6%E7%9B%98%E6%8C%87%E6%95%B0+%E6%95%B0%E5%AD%A6%E6%A8%A1%E5%9E%8B&cd=18&hl=zh-CN&ct=clnk&gl=cn&client=firefox-a&st_usg=

3. 证券投资课程总结

A. 我选修了证券投资课程，老师要我们写一篇论文，主要写清楚自己想买什么股票和理由

如果光是些买如股票的话，以下几点做参考。

1 个股所属板块的行业政策，是否是国家扶持，支持，大力发展的行业。

2 个股的基本面，各项财务指标分析，主要是盈利能力，净毛利率，同比增长情况，主营业务是否发展迅速，这是研究的企业现状和未来发展。

3 个股在市场中的地位，是否为龙头，引领者，或是高速发展的公司

4 个股在市场中的表现。是否有基金，机构进入。市场价值是否低估，通过市盈率判断。

以上是目前典型的价值投资分析思路。个人能力有限，不能全盘说出。不过我想够你写的了

再给你看看我的选股思路：
大盘趋势判断：

政策面：一是直接影响大盘的政策，比如收股票个人税收等。
二是影响板块的。比如扶持农业，提高铝业进入门槛等。
技术分析：同个股，很多指标。主要是走势和成交量的指标。

如何选择个股：

一是国家政策影响
二是公司的经营水平，参加其各项财务指标。有很多判断标准。可在各大财经网站看看，作为参考。

买点和卖点决策

一是长线的。主要从基本面，财务面分析入手后看个股走势。以及是否有基金持仓；目前是否有主力持续进入，是否有基金持续进入。可以参见topview数据，或是技术指标。然后建仓。
二是短线的。基本面占到分析的40%，技术面站到60%。其次就要看各项技术指标在各周期的强弱，以及是否是市场热点，是否是龙头，是否在短期已经站到了“牛熊分界线”上。及时走势及当天拉升的主买主买，大单情况等等。短线说起来分析的东西最多。不过对于职业的来说，买卖点更多的是经验的一个反应，即是其敏感度。

B. 证券投资分析需要具备的基本知识

有没有听说过：看着东山的草比较绿的西山羊，东山羊也是。因为东山和西山距离较远，远处看另外一座山，总是觉得远处山头的草比较绿，而自己这边草很少。
首先，证券行业并不比广告学高大上多少，而且往往在刚毕业上班那会会特别艰苦（因为需要拉客户开户成为正式员工，又没有什么经验，书本上的不算什么经验），即使度过艰苦的开头后，如果自己也炒股了，那恭喜你，按一个老股民的话说，十年后，什么都没有，除了一堆被套的股票。
其次，证券业和广告学的核心都需要策划和吹嘘，即使你可以当上券商研究所研究员（一般要求硕士毕业），你还得费尽心机包装你的报告，到处去路演，跟拿着你的广告设计放在路口吸引目光是一个路数。
最后，泼完冷水后，我们理性说说证券分析需要的知识——从上到下为：宏观、行业、公司和走势。一般散户（包括教科书）都是从下往上，开始就学走势分析的技术分析，那就本末倒置、误入歧途，十年而无功（我本人就是一个例子，因为这是关于谁决定谁的问题，不是走势决定行业），所以如果要专业，一门校选修根本无济于事，也不用担心天书的问题，因为每个选修的都这样，如果你稍微认真一点，交的作业稍微专业一点，那教课的老师就会刮目相看（我是这样，我用数学建模+量价关系写了一篇课程论文）。宏观方面——你可以学习理解什么叫投资时钟；行业方面——你可以搜索哪些行业现在未来几年比较景气；公司方面——哪些公司是景气行业的龙头公司；走势方面——目前是否处于相对低位。
说了那么多废话，还是衷心劝没什么家底的人学好非金融类专业（会计还可以）。

C. 对证券投资的总结，我用八个字形容。那就是：理性投资，学无止境。

全选

D. 怎样学习证券投资学这门课程

从知识出发 在现实中去检验。。 比如讨论lead和lag的时候 完全可以去做下股票的回归，这个是最简单的。 放在现实中去思考理论比较重要。 当然这门课的数理方面也是比较多的

E. 证券投资学实训报告怎么写

实训报告格式
一、实训目的
证券投资实训是根据专业人才培养目标的要求，按照教学计划中实训课程和阶段实习的安排而进行的必修实践课程。通过实训课程的安排，使学生在仿真和全真的职业环境中，在校内指导教师的指导下，分步骤、有目的地加强证券筹资能力、证券投资能力、证券公司经营管理能力的实践训练，强化学生的市场观念、投资意识和团队精神，提高学生的证券投资技巧，熟悉证券的主要实务流程，掌握客户服务的主要内容，锻炼学生利用所学证券投资学的基本理论、基本方法和基本技能，进行股票模拟交易，使学生掌握证券投资的分析方法，特别是技术分析法；正确地使用常用证券分析软件及专门工具；利用交易信息判断、分析股价趋势，锻炼和培养学生的动手能力，实现课程教学中理论与实践的有机统一。使学生在操作能力、信息处理与分析能力、投资组合管理能力乃至心理素质方面得到全面的锻炼与提高，从而达到消化吸收专业知识，强化职业技能，提高人才综合素质，最终为走向相关工作岗位，奠定良好的职业技能基础。
二、实训内容
1、证券投资的基本知识
（1）熟悉K线图的基本知识，基本形态和常见K线组合图；
日K线图；大盘K线走势图与个股走势图；K线图分析要点；单根K线图；多根K线组合。
（2）理解技术指标，熟悉掌握常用技术指标：MA、MACD、VOL、CCI、 WR、KDJ。理解趋势是技术分析的核心。
（3）综合运用技术分析各种方法：图表、形态、指标，研判大盘走势、分析涨跌原因，把握买卖时机
（4）了解证券市场，观察交易行情的变化，理解证券市场的基本功能，初步体会证券市场特别是股票市场价格的变化，理解股价指数的作用。
2、证券投资实验软件功能
目的：熟悉和掌握钱龙高校金融教学系统软件、模拟交易软件的基本功能与操作方法。
证券投资行情分析软件、证券投资实验模拟交易软件的启动、功能及退出。
3、证券交易的基本程序
内容：开立帐户、委托买卖、证券交易、清算交割、登记存管、业务收费。
4、股票交易模拟试验
目的：使学生掌握股票交易的基本操作方法，熟悉股票价格信息、股票基本面信息查询委托交割等步骤，会对股票交易的除息除权、盈亏计算。
三、实训收获(重点）

F. 求有关证券投资学学习小结（心得） 一经采纳把我的244分全部奉送！！

给你点纯心得体会:大盘在高位拿钱,低位拿股票.炒股不难难在选股,选股一定要选业绩优良有发展潜力的股票最好还能是最近的热门题材.大盘一路上涨的时候当天下午找那些刚开始涨的股票而且在6%以上的买进去转天就可以获利出场,这是短线打法.在大盘强劲拉升的后期买一些st的股票因为上涨的尾声是以st结束的(2246点的时候大盘就是由st带领冲上2000的)先这些吧不够在说,这都真金白银换来的经验教训都是实战经验

G. 投资与理财（证券投资方向）这个专业是做什么的

1、可复以去证券公司、制基金公司、银行、一些单位的投资理财部门也可以。去银行没什么发展，如果在证券公司或基金公司就很好了。

2、风险管理信审人员、投资员、操盘手、交易员、证券经纪人、投资分析师、证券分析师、行业研究员...还有很多

3、基本上都差不多，其实看名字差不多就知道干什么的了。就说一些你可能不知道的好了。
操盘手就是为别人炒股的人，基本上是为投资机构服务的
交易员，有些公司是做交易的，有些公司是帮别人理财的，具体怎么样要看公司的规定了。
行业研究员，就是研究证券的各个行业的变化，像金属版块、材料版块、医药版块等等等等，一般这个职位都要求研究生。

4、上海和深圳最容易找，为啥呢？因为两大证券交易所就在那，所以这两个地方的工作机会比其他地方要多。

5、证券公司，如果你做的好的话，财源滚滚，不过这需要经过一个实践过程。去证券公司赚的money绝对要比银行多的多。

H. 证券投资学（第三版） 高等教育出版社 霍文文着 前三章总结

//wenku./search?word=%E8%AF%81%E5%88%B8%E6%8A%95%E8%B5%84%E5%AD%A6(%E7%AC%AC%E4%B8%89%E7%89%88)%20%E9%AB%98%E7%AD%89%E6%95%99%E8%82%B2%E5%87%BA%E7%89%88%E7%A4%BE%20%E9%9C%8D%E6%96%87%E6%96%87&ie=utf-8&lm=0&od=0

I. 求一篇5000字以内的证券投资模拟实训的小结

5000字建议这样凑。我很懒，不愿意打字又想拿分，就说一下思路。一.市场分析你版主要将权目前政策。网上有，围绕国家大力扶持这个思路加字。结论是目前是政策市场，资金并不主动，所以会宽幅震荡。幅度在200-300点左右。做波段十分合适，基本1千字就完事了。二.选股依据。这个多加点字，你先讲目前市场上选股方式--主要是技术面，基本面。然后你就按这个先编一套简单的选股系统，例如，当技术指标某某到达什么位置，你就选常用的macd。kdj。boll。这三个，要不黄金分割也可以。然后基本面上不说其他的重点挖掘他的政策利好，例如天津港，你就把国家允许民营资本进入港口发掘一下，并挑它同一个板块的其他股票一起说说，营口港啊。基本一个股票一千字。6个股票6000字了。三.操作情况 你就加在股票分析里 四.盈亏分析这个自己俺情况写，想得瑟点就画个表格，列出每股收益柱状图啥的 五.总体感受发表一些自己看法，网上多。来点感慨啥的。完事。

4. 数学建模中量化分析模型怎么建立

用以下几种方法的一种或几种结合使用：湿法分析直读光谱（OES），电感耦合等离子体放射光谱（ICP-AES），电感耦合等离子体质谱仪（ICP-MS），原子吸收光谱（AAS）。

量化模型，是把数理统计学应用于科学数据，以使数理统计学构造出来的模型得到经验上的支持，并获得数值结果。这种分析是基于理论与观察的并行发展，而理论与观测又通过适当的推断方法而得以联系。

如果把证券市场看作一个病人的话，每个投资者就是医生。但中医与西医的诊疗方法不同，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，定性程度上大一些；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。

量化投资更像是西医，依靠模型判断，模型对于定量投资者的作用就像CT机对于医生的作用。在每一天的投资运作之前，投资者会先用模型对整个市场进行一次全面的检查和扫描，然后根据检查和扫描结果做出投资决策。

被尊为“股神”的沃伦.巴菲特，他在过去的40年间，平均每年的收益率21%左右，而期间标准普尔500指数年均增长率是10%左右，他的收益只是指数的二倍。

因为他注重的是长线操作的定性投资，只靠个人的经验和智慧来判断买卖股票。而美国对冲基金经理、哈佛大学数学教授詹姆斯.西蒙斯，他所管理的大奖章基金是从1989年到2006年的17年间，平均每年的收益率到了38.5%，是股神巴菲特的近2倍。

5. 股票问题 用MATLAB做数学建模

%文件vol.m
function f=vol(x);
A = [2.10 2.20 2.30 2.35 2.40];;
Ap = [200 400 500 600 100];

B = [2.00 2.10 2.20 2.30 2.40];
Bp = [800 600 300 300 100];

f = -min(sum(Ap(A <= x)), sum(Bp(B >= x)));
%------------------------------------------

>> [x fval] = fminsearch('vol',2.3)

x =

2.3000

fval =

-400

你说的低于和高于我理解成小于等于与大于等于了,不对的话在函数最后一行自己改

6. 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。

7. 证券投资问题 数学建模

8. 股票投资数学建模问题

风险最小就是相关系数之和最小的方案吧
投资回报率和风险的关系，就是收益期望和相关系数之间的函数
数学不好，只能乱说说了

9. 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。