股票風險投資建模

Ⅰ 推薦一本講股票投資和風險投資的好書吧投資股票和風險投資需要先學什麼一共需要學什麼啊

投資的書籍浩如煙海沒人能告訴你一共需要學多少，沒有人有學完的一天，都是每天在學習，在改進自己的知識體系。我入門看的是股市基礎知識入門，先學會各個指標的含義吧，然後根據自己的性格跟習慣選擇方向再專攻吧

Ⅱ 股票投資數學建模問題

風險最小就是相關系數之和最小的方案吧
投資回報率和風險的關系，就是收益期望和相關系數之間的函數
數學不好，只能亂說說了

Ⅲ 風險投資都包括哪些（詳細點），例如股票之類的！

★ 投資者對股票看法（主要是對股票收益的預期）的變化所引起的大多數普通股票收益的易變性，稱為市場風險。 ☆ 各種政治的、社會的和經濟的事件都會對投資者的態度產生影響，投資者會根據他們自己對這些事件的看法作出判斷和反應。市場風險常引發於某個具體事件，但投資者作為一個群體的情緒波動往往導致滾雪球效應。幾種股票的價格上升可能帶動整個股市上升，而股市的最初下跌可能使很多投資者動搖，在害怕蒙受更大損失的心理支配下，大量拋售股票，使股市進一步下跌，最後發展到整個股市狂跌，使千百萬股票投資者蒙受重大損失。１９８７年１０月１９日及其以後幾天中的世界股市暴跌，就是一個例子，提起"黑色星期一"，至今仍使許多人談虎色變。 ★ 通股票的長期投資者來說，市場風險相對不那麼重要，雖然股票的市場價格大起大落也會使人不安，但如果一個投資者打算相對長期（一般指１０年以上）持有股票，那麼每周、每月甚至每年的價格波動對他來說就不那麼重要了。 如果對一種股票可能擁有多長時間不能確定，或者存在著隨時必須賣出股票的可能性時，股票市場價格波動的程度就變得極端重要。 ★ 非系統風險是總風險中對一個公司或一個行業是獨一無二的那部分風險。管理能力、消費偏好、罷工之類的因素造成一個公司利潤的非系統變動。非系統因素基本獨立於那些影響整個股票市場的因素。由於這些因素影響的是一個公司或一個行業，因此只能一個公司一個行業地研究它們。因非系統風險僅涉及某個公司或某個行業的股票，所以，投資者可以通過審慎的投資選擇來減少甚至避免非系統風險。

Ⅳ 深交所買賣股票算不算風險投資為什麼急求，考試用~

股市都是一個高風險高損益的投機投資市場。股票交易的風險來自於它的不確定因數太多。
股市風險的第一個來源：心態！結合個人的實戰操作，虧損90%是來源於心態煩燥時的操作！當一個人心態煩燥時，什麼技術、紀律、原則統統拋到腦後了，此時的任何行為都是非理性行為，情緒已經完全左右了你的意志，從而控制了你的操作。從某種程度上講，股市博的就是心理素質。
股市交易的第二大風險是系統性風險。股市的系統性即市場風險，是不可控制風險，它隨著國家政策、經濟景氣度、法律監管環境、行業發展狀況等變化，體現在股市上就是股市步入下降通道。
股市交易的第三大風險是技術風險。技術風險主要是選股、買點和賣點的確定。因個人的交易風格不同，因此技術風險也不盡相同。

Ⅳ 風險投資和買股票有什麼區別

股票本身就是一種風險資產，也屬於風投的一種，任何投資都是有風險的。

Ⅵ 股票怎麼規避投資風險怎樣產生最大效益

炒股需注意以下幾個方面： 第一、只能用閑錢炒股，這樣心態就不容易受到股市的漲跌所打亂，才能保持較好的心態，冷靜觀察，踏准市場節奏。若將全部資金投入到股市中，甚至去融資炒股，那炒股就變成豪賭，就很難保持有好的心態，繼而就會出現追漲殺跌的操作，而踏錯節奏。股票的漲跌是很正常的，這是市場規律，漲多了會下跌調整，同樣跌多了也會反彈上升。要努力做到不以漲而喜極、不以跌而悲傷，這是炒股的人最須要做到的。 第二、在股市中經驗的應用要講靈活性，千萬別脫離目前的實際去生搬硬套，過去那些經驗的特徵都是主力做出來的，主力可以隨心所欲的改變，經常是形似神不似，同樣的形態，同樣的指標狀態，走出不一樣的結果。你想大家知道的一些經驗。如頂部的特徵，有相對高位成交量急劇放大，日線指標嚴重背離，個股瘋狂的上漲，板塊輪動較快，龍頭板塊開始調整，人的熱情異常高漲等六個比較突出的特點，主力會根據情況來改變這些特點，使每次頂部都不相同。 因此，股票炒作中所運用的任何經驗都不是固定不變的。由於散戶炒股水平的提高，主力為了成為贏家往往煞費苦心，不斷地變化作盤手法，創新一些手法，脫離過去經驗的特徵，以期誤導對手，使散戶失手在經驗之中。環境在變，條件在變，經驗會失靈。在股市上，股價每時每刻都在變化，主力的做盤的花樣也是層出不窮，從這個角度說，股市上沒有永恆不變的東西，經驗也要不斷的總結積累，適應市場的變化。一旦某種經驗被達成共識並廣泛應用的時候，主力就會徹底拋棄它，或者反向操作。一定要和實際結合起來，隨著主力的變而變。經驗要重視，但它不是科學，要避免經驗主義。 第三、選股操作要靈活，股市中經常可以聽到一句警語：「任何時候都不要把雞蛋放在一個籃子里」。意思是說，買進股票可以多挑選幾只，不要把資金集中到個別籌碼上，這樣可以分散持股風險，不會一次就把老本蝕光，一些投資大師也極力推崇這一觀點。客觀地說，這話有一定道理，尤其是一些剛入市不久的新股民，在不知道怎樣選擇股票、操作也不熟練時，的確可以多挑幾只找找盤感，東方不亮西方亮，這只不漲那隻漲。從理論上看，這種分散投資法風險是可以減輕一些，但不要將其當成「至理名言」而捧為「神聖不可侵犯」。 事實上，良好願望與現實存在差距。這只漲那隻跌，這只跌那隻漲，正負抵消，竹籃打水空歡喜一場。除非遇到啟動初期的普漲行情，要不資金賬戶象蝸牛上牆，總也看不到齊刷刷地升。計算一下，分散投資與集中投資相比，由於一次買賣相對數量減少、交易次數和費用增加，前者比後者單位成本高7％左右。因此風險「小」些，但賺錢難些。 此外，持股個數的增多加大了管理難度，也帶來了關鍵時刻出逃的風險。我國股市目前還不成熟，暴漲暴跌的概率很高。當然，籌碼的集中和分散也是相對的，因人而異、因錢而異、因時而異、因股而異。經驗豐富、資金量大、股指和股價處於相對低位時，可多做幾只；經驗不足、資金有限、大盤和股價置身高位時，應少做幾只，不能過於機械。 提點建議供參考： 集中優勢兵力打殲滅戰，要盡可能把有限精力和財力集中到個別或少數個股身上。當大盤或個股進入中位振盪洗盤階段，注意高拋低吸、攤低成本，並汰劣留優、減少持股個數。當股指或個股進入沖刺階段，要逐步收縮戰線，對厚利籌碼先行了結，並把部分資金轉到具有補漲潛力個股上。此刻，即使沖頂失敗，由於利潤已被鎖定，加上剩餘籌碼集中，跑起來方便，損失也能降到最少。 選擇股票時應注意 第一，不買問題股。買股票要看看它的基本面，有沒有令人擔憂的地方，尤其是幾個重要的指標，防止基本面突然出現變化。在基本面確認不好的情況下，謹慎介入，隨時警惕。最可怕的是買了問題股之後漫不經心，突發的利空可以把你永久套住。 第二，不做莊家的犧牲品。有時候有莊家的消息，或者莊家外圍的消息，在買進之前可以信，但關於出貨千萬不能信。出貨是自己的事情，是很自私的，任何莊家都不會告訴你自己在出貨，所以出貨要根據盤面來決定，不可以根據消息來判斷。 在股票市場里，炒股最忌諱的是「貪婪」同「心態不穩」。俗話說，常在河邊走，哪有不濕鞋。這或許在股票市場上有些道理雖然簡單，但真正做到的人卻並不多。就是在股票市場里要操作得好，分析軟體只是輔助工具，須要有好的心態 + 經驗（技巧）+ 運氣，有好的心態才能冷靜地判斷操作是否正確，避免出現追漲殺跌，買得好不如賣得准，機會是不會少的。

Ⅶ 如何建立一個股票量化交易模型並模擬

研究量化投資模型的目的是找出那些具體盈利確定性的時空價格形態，其最重要手段的概率取勝，最重要的技術是概率統計，最主要的研究方向是市場行為心理。那麼我們在選擇用於研究的參數時，也應該用我們的經驗來確定是否把某技術參數放進去，因為一般來說定性投資比較好用的參數指標對量化投資同樣適用。
量化投資區別於傳統定性投資的主要特徵在於模型。我打個比方，我們看病，中醫與西醫的診療方法是不同，中醫是望、聞、問、切，最後判斷出的結果，很大程度上基於中醫的經驗，主觀定性程度大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依託於醫學儀器，最後得出結論，對症下葯。中醫對醫生的經驗要求非常高，他們的主觀判斷往往決定了治療效果，而西醫則要從容得多，按事先規定好的程序走就行了。量化投資就是股票投資中的西醫，它可以比較有效地矯正理智與情緒的不兼容現象。
量化投資的一般思路：選定某些技術指標（我們稱之為參數，往往幾個組成一組），並將每一個參數的數據范圍進行分割，成幾等份。然後，用計算機編程寫出一段能對這些參數組對股票價格造成的影響進行數據統計的程序，連接至大型資料庫進行統計計算，自動選擇能夠達到較高收益水平的參數組合。但是選出這些參數組後還不能馬上應用，因為這里涉及到一個概率陷阱的問題，比如說，有1到100這一百個數字放在那裡，現在讓你選擇，請問你選到100的可能性是多大？是的，就是1/100，如果較幸運你選到了100並不能說明你比別人聰明，而是概率的必然。所以，在進行統計時要特別關注統計的頻率與選出的結果組數量之間的關系。在選出符合要求的參數組後我們還應留出至少三年的原始市場數據進行驗證，只有驗證合格後才能試用。
量化投資原始數據策略：我們選用96年後的市場數據，因為96年股市有過一次交易政策改革（你可以自己查詢了解一下），為了不影響研究結果我們不採納96年以前的數據進資料庫。
量化投資研究的硬設備：高計算性能電腦，家用電腦也可以，不過運算時間會很長，我曾經用家用電腦計算了三個月時間才得到想要的數據。
統計方法：可以選用遺傳演算法，但我在這里陪大家做的是比較簡單的模型，所以採用普通統計方法就可以了。
用於量化研究的軟體：我採用的是免費的大型資料庫MYSQL，ASP網路編程語言，以及可以設置成網路伺服器的旗艦版WIN7操作系統。