现在都有哪些股票价格预测的模型和算法
投资价值模型其实没什么用。股价是由市场交易行为直接决定的。要理解股价波动，对大众行为和大众心理必须作深入研究。反对投机就是反对价格波动，价格波动是一个财富分配过程，价格整齐划一，岂不是绝对平均。有价格波动，投机就自然产生！我真的不理解投资为何物股市搞了几年价值投资，大众得到什么90%的人都是血淋淋！既然择价，就是投机！
建议可以跟着一些实战派高手学习，可能更好一些。可以到牛人直播上选择一些老师，希望对你有所帮助。 股票的预测模型有哪些
均线系统，k线组合和形态，技术指标，成交量技术 怎么做股票模型
楼主你好，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。望采纳。 如何用Arma模型做股票估计
时间序列分析是经济领域应用研究最广泛的工具之一,它用恰当的模型描述历史数据随时间变化的规律,并分析预测变量值。ARMA模型是一种最常见的重要时间序列模型,被广泛应用到经济领域预测中。给出ARMA模型的模式和实现方法,然后结合具体股票数据揭示股票变换的规律性,并运用ARMA模型对股票价格进行预测。
选取长江证券股票具体数据进行实证分析
1.数据选取。
由于时间序列模型往往需要大样本,所以这里我选取长江证券从09/03/20到09/06/19日开盘价,前后约三个月,共计60个样本,基本满足ARMA建模要求。
数据来源:大智慧股票分析软件导出的数据(股价趋势图如下)
从上图可看出有一定的趋势走向,应为非平稳过程,对其取对数lnS,再观察其平稳性。
2.数据平稳性分析。
先用EVIEWS生成新序列lnS并用ADF检验其平稳性。
(1)ADF平稳性检验,首先直接对数据平稳检验,没通过检验,即不平稳。
可以看出lnS没有通过检验,也是一个非平稳过程,那么我们想到要对其进行差分。
(2)一阶差分后平稳性检验,ADF检验结果如下,通过1%的显著检验,即数据一阶差分后平稳。
可以看出差分后,明显看出ADF Test Statistic 为-5.978381绝对值是大于1%的显著水平下的临界值的,所以可以通过平稳性检验。
3.确定适用模型,并定阶。可以先生成原始数据的一阶差分数据dls,并观测其相关系数AC和偏自相关系数PAC,以确定其是为AR,MA或者是ARMA模型。
(1)先观测一阶差分数据dls的AC和PAC图。经检验可以看出AC和PAC皆没有明显的截尾性,尝试用ARMA模型,具体的滞后项p,q值还需用AIC和SC具体确定。
(2)尝试不同模型,根据AIC和SC最小化的原理确定模型ARMA(p,q)。经多轮比较不同ARMA(p,q)模型,可以得出相对应AIC 和 SC的值。
经过多次比较最终发现ARMA(1,1)过程的AIC和SC都是最小的。最终选取ARIMA(1,1,1)模型作为预测模型。并得出此模型的具体表达式为:
DLS t = 0.9968020031 DLS (t-1)- 1.164830718 U (t-1) + U t
4.ARMA模型的检验。选取ARIMA(1,1,1)模型,定阶和做参数估计后,还应对其残差序列进行检验,对其残差的AC和Q统计检验发现其残差自相关基本在0附近,且Q值基本通过检验,残差不明显存在相关,即可认为残差中没有包含太多信息,模型拟合基本符合。
5.股价预测。利用以上得出的模型,然后对长江证券6月22日、23日、24日股价预测得出预测值并与实际值比较如下。
有一定的误差,但相比前期的涨跌趋势基本吻合,这里出现第一个误差超出预想的是因为6月22日正好是礼拜一,波动较大,这里正验证了有研究文章用GARCH方法得出的礼拜一波动大的结果。除了礼拜一的误差大点,其他日期的误差皆在接受范围内。
综上所述,ARMA模型较好的解决了非平稳时间序列的建模问题,可以在时间序列的预测方面有很好的表现。借助EViews软件,可以很方便地将ARMA模型应用于金融等时间序列问题的研究和预测方面,为决策者提供决策指导和帮助。当然,由于金融时间序列的复杂性,很好的模拟还需要更进一步的研究和探讨。在后期,将继续在这方面做出自己的摸索。 什么是量化投资交易策略
一文看懂量化投资策略
闲话基
量化投资在近些年受到越来越多的关注，包括规模、策略、业绩。量化投资，是指通过借助统计学、数学方法，运用计算机从海量历史数据中，寻找能够带来超额收益的多种“大概率”策略，按照策略构建的数量模型严格执行投资，力求获得长期稳定可持续高于平均的超额回报。
跟传统的主动管理方法相比，量化投资是高投资广度、低投资深度的一种投资方法。量化投资强调纪律投资，可以克服投资者主观情绪的影响。
现在市场上运用的策略有很多种，下面来看看主流的几种策略。
一、市场中性策略
市场中性策略是国内使用最多的策略。根据CAPM理论，股票收益由两部分组成，一部分是市场整体风险的beta收益，一部分是股票自身风险带来的alpha收益。中性策略是从消除市场系统性风险的维度出发，通过同时构建多头和空头头寸对冲市场风险，以获得较稳定的绝对收益。国内通常使用的操作方法是，买入股票，同时卖空与股票等市值的股指期货。盈利模式是，所买股票超越大盘的涨跌幅度。市值对冲并不是完全的beta对冲，但可以减少计算量，降低调仓率，为国内投资机构普遍使用。
Alpha策略关键点是选出的股票组合收益要持续跑赢沪深300指数，在市场上涨时平均涨幅大于沪深300指数，在市场下跌时平均跌幅小于沪深300指数，并且可持续稳定。
通常管理人根据估值、成长性、市值、动量、预期变动、资金关注、技术指标、事件、业绩等多个维度进行量化选股，构造投资组合，同时以沪深300行业配置比例为基准，对系统筛选出的股票根据宏观经济和行业景气进行差异化配置，并定期根据各因子变动进行动态调整组合。
构建中性策略，买入100元股票组合，卖空100元股指期货，多头与空头组合价值相等：
1、市场上涨：股票组合（上涨赚钱）+指数收益（上涨亏钱）=10%+（-7%）=3%
2、市场下跌：股票组合（上涨赚钱）+指数收益（上涨亏钱）=（-7%）+10%=3%
3、市场震荡：股票组合（上涨赚钱）+指数收益（上涨亏钱）=10%+（7）=17%
Alpha策略最主要风险在于选股策略上。
选股模型可能会因为股票市场规律性变动、突发事件和统计模型本身的概率属性，在某些时间段出现失效，导致做多的股票跑输市场出现短期亏损。这需要基金经理能不断完善投资模型和操作技巧提升获胜概率。此外，Alpha策略还收到基差的影响。大部分时候会有一定的升贴水损失，策略对基差的风控非常重要。
二、套利策略
1、统计套利
统计套利是对历史数据进行统计分析，估计相关变量的概率分布，结合基本面数据分析，用来进行套利交易。
运用统计分析工具，对一组相关联的价格之间的关系的历史数据进行研究分析，研究关系的历史稳定性，并估计其概率分布，确定分布中的极端区域，即否定域。当真实市场上的价格关系进入否定域，可以认为这种价格关系不可长久持续，此时有较高的成功概率进场套利。
2、期现套利
期现套利指利用期货与现货基差扩大产生的套利机会，做多被低估标的，做空被高估标的，待期现基差回归至合理范围后，平仓离场的低风险策略。
期现套利策略，根据沪深300股指期货与沪深300指数基差到期时必定收敛的交易机制。当期货指数与沪深300指数基差足够大时，可以通过构建一个反向组合，获得基差收敛过程中产生的收益。目前国内只能进行“做空基差”的正向套利，即当基差大于0的时候，买入股指ETF或者一揽子股票，同时卖出等市值股指期货，待价差收敛后平仓。当基差小于0时，由于融券不足，无法通过卖出股指ETF或者一揽子股票同时买入等市值的股指期货进行“做多基差”的反向套利。当期货价格深深贴水的时候，因融券存在障碍反向套利被切断，贴水状态自由发展，只能通过市场大幅度反弹，多头的投机者重新将价格抬升至升水的状态。这也是市场贴水一直无法及时恢复的重要原因。
期现套利的主要风险在于市场价格出现剧烈波动导致浮亏，具体表现为所跟踪标的之间的基差出现长时间不回归甚至反向逆转，期现收益无法有效覆盖交易成本、冲击成本、现金成本等风险。
3、ETF套利
ETF套利，是指投资者可以在一级市场通过置顶的ETF交易商想基金管理公司，用一揽子股票组合申购ETF份额，或者把ETF份额赎回成一揽子股票组合，同时可以在二级市场以市场价格买卖ETF。
假设某只ETF成分股暴跌，使得该ETF净值迅速走低，但该ETF的市场价格未能及时跟上，两者短暂地出现一个价差，此时可以买入ETF一揽子股票组合申购成ETF，然后将ETF在二级市场卖出，实现低买高卖，获取价差。
ETF套利的两种交易顺序，一种是从股票二级市场买入一揽子股票，按一定比例换成ETF份额，然后在二级市场卖出ETF份额，前提是一揽子股票价格比ETF价格低，出现溢价；另一种是，从ETF二级市场买入份额，按照一定比例兑换成一揽子股票，在拿到股票二级市场卖出，这样的前提是ETF价格低于一揽子股票价格，出现折价。
4、分级基金套利
分级基金有2种套利模式。
一种方式是当母子基金比价出现折溢价时可进行套利。当A/B份额的组合价格大于母基金净值时，存在整体溢价套利机会。通过场内申购母基金份额，分拆成A和B并在二级市场卖出完成溢价套利。当A/B份额的组合价格小于母基金净值时，存在整体折价套利机会。通过在二级市场按比例买入A类份额和B类份额，申请合并成母份额并赎回完成折价套利。
但是折溢价套利不能实时完成，需要面临1-2个交易日的价格波动风险。可以通过股指期货对冲管理风险敞口。
一般在牛市中溢价套利机会比较多，在震荡市场中折价套利机会更多、胜率更高。
另一种套利方式是，市场下跌时，含下折算条款的分级基金A份额包含的期权价值套利，同时还有在整体折溢价套利基础上演的底仓-对冲溢价套利、循环折价套利。
三、CTA策略
CTA策略是投向期货市场，使用历史数据，通过统计、数学、编程的方法找到盈利规律。分为趋势策略和套利策略。
趋势策略是跟随者市场上涨做多，市场下跌做空，因此在任何一种期货商品进入趋势后，CTA策略就会获得良好的收益空间。
套利策略是通过跨期限、跨市场、跨品种等不同合约之间的“价差回归”，锁定套利空间。
跨期限是指同一交易品种，不同交易周期间的套利。历史数据表明期货不同合约价格相关性高，价差出现稳定的统计特征。当两个不同到期月份合约/不同品种合约之间的价差偏离合理区间时，可以通过在期货市场同时买入低估值合约和卖出高估值合约，在价差回归后进行反向平仓，进行跨期限套利交易。
更加具体地说，跨期套利是指不同月份期货支架的套利。通过多远空近或多近空远，来买卖同一市场同种商品不同到期月份的期货合约，利用不同到期月份合约的价差变动来获利的套利模式。
交易过程如下：
跨品种与跨期现套利逻辑相似，只是使用在同一期限不同品种合约之间，具体投资流程如下：
跨市场套利，在某个交易所买入（卖出）某一交割月份的某种商品合约，同时在另一个交易所卖出（买入）统一交割月份的同种商品合约，在有利时机分别在两个交易所对冲获利。
跨市场策略涉及外汇兑换、国际期货交易对冲，交易实现难度大，国内用得少。
由于期货具有属性，这类策略持仓的市值往往很大，有时候甚至超过产品资产总值，导致收益率的波动率是所有量化策略中最大的。在市场出现连续震荡行情时，这样策略由于属性会出现较大的回撤。另外一个对这类策略的一个限制是，目前市场上活跃交易的期货品种不多，高频交易很大程度倚重于品种成交量，开平仓时间间隔较短，使得策略容量不大。
量化投资有哪些策略
这串线