股票市場是尖峰態分布

① 在股票市場中，經常看到有一些股票在兩點半之後快速拉升，請問這種拉升現象如何解釋

在股票市場中，經常看到有一些股票在兩點半之後快速拉升，請問這種拉升現象叫尾盤拉升。

尾盤拉升指的是股票在即將收盤時股價出現大單拉升，突然上漲的局面。尾盤是股市一天即將結束的標志，尾盤不僅是當日多空雙方交戰的總結，還是決定次日開盤的關鍵因素。

主力拉升吸籌或放量震倉往往是在尾盤，市場波動最大時間段就是在臨收市半小時左右。此時股價的異動，是主力取巧操作的典型手法，目的是為第二天的操作作準備。

(1)股票市場是尖峰態分布擴展閱讀

尾盤拉升的原因：

1、粉飾K線圖：尾市偷襲式拉升可以把原本已經走壞的形態修復好，在K線走勢上製造上漲假象，粉飾K線圖，拉出光頭陽線，顯示做多信心，但實際上卻為派發籌碼做准備；

2、機構吸籌：快速拉升脫離成本區，尾盤拉升，有可能是個股有重大利好消息或者重大事項即將公布，主力有時會在尾盤急速拉升甚至以漲停通吃的方式收集籌碼。對於此種尾盤拉升，投資者可以適當參與，但要注意分辨利好消息的真偽。

3、拉高掩護出貨：股價在經過一段單邊市拉升以後進入高位盤整震盪階段，在分時圖上，股價大部分時間均處於均價線下方運行，弱態盡顯。但在尾盤卻出現意想不到的快速拉升，在散戶投資者忙於追進的時候主力卻順利出貨。

② 為什麼假設股票價格服從正態分布是不現實的

股票價格多半不是自然形成，而是人為操縱的成份比較大，尤其受政策影響非常明顯 。

③ 獲得了條件均值和方差方程，怎麼計算波動率

以哈飛股份()為例，運用GARCH（1,1）模型計算股票市場價值的波動率。

GARCH（1,1）模型為：

(1)

(2)

其中， 為回報系數， 為滯後系數， 和 均大於或等於0。

（1）式給出的均值方程是一個帶有誤差項的外生變數的函數。由於是以前面信息為基礎的一期向前預測方差，所以稱為條件均值方程。

（2）式給出的方程中： 為常數項， （ARCH項）為用均值方程的殘差平方的滯後項， （GARCH項）為上一期的預測方差。此方程又稱條件方差方程，說明時間序列條件方差的變化特徵。

通過以下六步進行求解：

本文選取哈飛股份2009年全年的股票日收盤價，採用Eviews 6.0的GARCH工具預測股票收益率波動率。具體計算過程如下：

第一步：計算日對數收益率並對樣本的日收益率進行基本統計分析，結果如圖1和圖2。

日收益率採用JP摩根集團的對數收益率概念，計算如下：

其中Si，Si-1分別為第i日和第i-1日股票收盤價。

圖1 日收益率的JB統計圖

對圖1日收益率的JB統計圖進行分析可知：

（1）標准正態分布的K值為3，而該股票的收益率曲線表現出微量峰度（Kurtosis=3.gt;3），分布的凸起程度大於正態分布，說明存在著較為明顯的「尖峰厚尾」形態；

（2）偏度值與0有一定的差別，序列分布有長的左拖尾，拒絕均值為零的原假設，不屬於正態分布的特徵；

（3）該股票的收益率的JB統計量大於5%的顯著性水平上的臨界值5.99，所以可以拒絕其收益分布正態的假設，並初步認定其收益分布呈現「厚尾」特徵。

以上分析證明，該股票收益率呈現出非正態的「尖峰厚尾」分布特徵，因此利用GARCH模型來對波動率進行擬合具有合理性。

第二步：檢驗收益序列平穩性

在進行時間序列分析之前，必須先確定其平穩性。從圖2日收益序列的路徑圖來看，有比較明顯的大的波動，可以大致判斷該序列是一個非平穩時間序列。這還需要嚴格的統計檢驗方法來驗證，目前流行也是最為普遍應用的檢驗方法是單位根檢驗，鑒於ADF有更好的性能，故本文採用ADF方法檢驗序列的平穩性。

從表1可以看出，檢驗t統計量的絕對值均大於1%、5％和10%標准下的臨界值的絕對值，因此，序列在1%的顯著水平下拒絕原假設，不存在單位根，是平穩序列，所以利用GARCH（1,1）模型進行檢驗是有效的。

圖2 日收益序列圖

表1ADF單位根檢驗結果

第三步：檢驗收益序列相關性

收益序列的自相關函數ACF和偏自相關函數PACF以及Ljung-Box-Pierce Q檢驗的結果如表3（滯後階數 =15）。從表4.3可以看出，在大部分時滯上，日收益率序列的自相關函數和偏自相關函數值都很小，均小於0.1，表明收益率序列並不具有自相關性，因此，不需要引入自相關性的描述部分。Ljung-Box-Pierce Q檢驗的結果也說明日收益率序列不存在明顯的序列相關性。

表2自相關檢驗結果

第四步：建立波動性模型

由於哈飛股份收益率序列為平穩序列，且不存在自相關，根據以上結論，建立如下日收益率方程：

(3)

(4)

第五步：對收益率殘差進行ARCH檢驗

平穩序列的條件方差可能是常數值，此時就不必建立GARCH模型。故在建模前應對收益率的殘差序列εt進行ARCH檢驗，考察其是否存在條件異方差，收益序列殘差ARCH檢驗結果如表3。可以發現，在滯後10階時，ARCH檢驗的伴隨概率小於顯著性水平0.05，拒絕原假設，殘差序列存在條件異方差。在條件異方差的理論中，滯後項太多的情況下，適宜採用GARCH（1,1）模型替代ARCH模型，這也說明了使用GARCH（1,1）模型的合理性。

表3日收益率殘差ARCH檢驗結果

第六步：估計GARCH模型參數，並檢驗

建立GARCH（1,1）模型，並得到參數估計和檢驗結果如表4。其中，RESID(-1)^2表示GARCH模型中的參數α，GARCH（-1）表示GARCH模型中的參數β，根據約束條件α+βlt;1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，滿足約束條件。同時模型中的AIC和SC值比較小，可以認為該模型較好地擬合了數據。

表4日收益率波動率的GARCH（1,1）模型的參數估計

④ 既然收益率不滿足正態分布,為何我國股票市場還是有效的呢，就是為何還是達到了弱式有效呢

收益達不到了滿族正態分布的我們股市快要社長是不可能有戲

⑤ 統計學尖峰分布符合經驗規則嗎

統計學尖峰分布符合經驗規則。
金融數據的尖峰厚尾特徵是相比較標准正態分布來說的，標准正態分布的偏度為0，峰度為3，通常做實證分析時，會假設金融數據為正態分布，這樣方便建模分析，但是實證表明，很多數據並不符合正態分布，而更像尖峰厚尾，就是峰度比3大，兩邊的尾巴比正態分布厚，沒有下降得這么快。
厚尾分布主要是出現在金融數據中，例如證券的收益率。 從圖形上說，較正態分布圖的尾部要厚，峰處要尖。直觀些說，就是這些數據出現極端值的概率要比正態分布數據出現極端值的概率大。因此，不能簡單的用正態分布去擬合這些數據的分布，從而做一些統計推斷。一般來說，通過實證分析發現，自由度為5或6的t分布擬合的較好。有關這方面詳細的信息可以參見一些金融計量的書籍。

⑥ 為什麼股票收益率會呈現尖峰態分布

這是因為買賣的價差幅度引起的，如果短期內同比上升幅度較大的股票，上升線也會拉升比較高，但如果股價比較平靜，則只是波浪型上下走動。

⑦ 如何理解股票市場比喻

這有個恰當的比喻，你可以看一下 假設一個市場，有兩個人在賣燒餅，有且只有兩個人，姑且稱他們為燒餅甲、燒餅乙。假設他們的燒餅價格沒有物價局監管。假設他們每個燒餅賣一元錢就可以保本（包括他們的勞動力價值）假設他們的燒餅數量一樣多。——經濟模型都這樣，假設需要很多。 再假設他們生意很不好，一個買燒餅的人都沒有。這樣他們很無聊地站了半天。甲說好無聊。乙說好無聊。看故事的你們說：好無聊。這個時候的市場叫做很不活躍！為了讓大家不無聊，甲對乙說：要不我們玩個游戲 乙贊成。於是，故事開始了......甲花一元錢買乙一個燒餅，乙也花一元錢買甲一個燒餅，現金交付。甲再花兩元錢買乙一個燒餅，乙也花兩元錢買甲一個燒餅，現金交付。甲再花三元錢買乙一個燒餅，乙也花三元錢買甲一個燒餅，現金交付。......於是在整個市場的人看來（包括看故事的你）燒餅的價格飛漲，不一會兒就漲到了每個燒餅60元。但只要甲和乙手上的燒餅數一樣，那麼誰都沒有賺錢，誰也沒有虧錢，但是他們重估以後的資產「增值」了！甲乙擁有高出過去很多倍的「財富」，他們身價提高了很多，「市值」增加了很多。這個時候有路人丙，一個小時前路過的時候知道燒餅是一元一個，現在發現是60元一個，他很驚訝。一個小時以後，路人丙發現燒餅已經是100元一個，他更驚訝了。又一個小時以後，路人丙發現燒餅已經是120元一個了，他毫不猶豫地買了一個，因為他是個投資兼投機家，他確信燒餅價格還會漲，價格上還有上升空間，並且有人給出了超過200元的「目標價」（在股票市場，他叫股民，給出目標價的人叫研究員）。在燒餅甲、燒餅乙「賺錢」的示範效應下，甚至路人丙賺錢的示範效應下，接下來的買燒餅的路人越來越多，參與買賣的人也越來越多，燒餅價格節節攀升，所有的人都非常高興，因為很奇怪：所有人都沒有虧錢......這個時候，你可以想見，甲和乙誰手上的燒餅少，即誰的資產少，誰就真正的賺錢了。參與購買的人，誰手上沒燒餅了，誰就真正賺錢了！而且賣了的人都很後悔——因為燒餅價格還在飛快地漲......那誰虧了錢呢答案是：誰也沒有虧錢，因為很多出高價購買燒餅的人手上持有大家公認的優質等值資產——燒餅！而燒餅顯然比現金好！現金存銀行能有多少一點利息啊哪比得上價格飛漲的燒餅啊甚至大家一致認為市場燒餅供不應求，可不可以買燒餅期貨啊於是出現了認購權證......有人問了：買燒餅永遠不會虧錢嗎看樣子是的。但這個世界就那麼奇怪，突然市場上來了一個叫李子的，李子曰：有虧錢的時候！那哪一天大家會虧錢呢假設一：市場上來了個物價部門，他認為燒餅的定價應該是每個一元。（監管）假設二：市場出現了很多做燒餅的，而且價格就是每個一元。（同樣題材）假設三：市場出現了很多可供玩這種游戲的商品。（發行）假設四：大家突然發現這不過是個燒餅！（價值發現）假設五：沒有人再願意玩互相買賣的游戲了！（真相大白）如果有一天，任何一個假設出現了，那麼這一天，有燒餅的人就虧錢了！那誰賺了錢就是最少佔有資產——燒餅的人！這個賣燒餅的故事非常簡單，人人都覺得高價買燒餅的人是傻瓜，但我們再回首看看我們所在的證券市場的人們吧。這個市場的有些所謂的資產重估、資產注入何嘗不是這樣在ROE高企，資產有高溢價下的資產注入，和賣燒餅的原理其實一樣，誰最少地佔有資產，誰就是賺錢的人，誰就是獲得高收益的人！所以作為一個投資人，要理性地看待資產重估和資產注入，忽悠別人不要忽悠自己，尤其不要忽悠自己的錢！在高ROE下的資產注入，尤其是券商借殼上市、增發購買大股東的資產、增發類的房地產等等資產注入，一定要把眼睛擦亮再擦亮，慎重再慎重！因為，你很可能成為一個持有高價燒餅的路人。

⑧ 金融數據的尖峰厚尾特徵是什麼意思

金融數據的尖峰厚尾特徵是相比較標准正態分布來說的，標准正態分布的偏度為0，峰度為3，通常做實證分析時，會假設金融數據為正態分布，這樣方便建模分析。

但是實證表明，很多數據並不符合正態分布，而更像尖峰厚尾，就是峰度比3大，兩邊的尾巴比正態分布厚，沒有下降得這么快。

厚尾分布主要是出現在金融數據中，例如證券的收益率。 從圖形上說，較正態分布圖的尾部要厚，峰處要尖。

直觀些說，就是這些數據出現極端值的概率要比正態分布數據出現極端值的概率大。因此，不能簡單的用正態分布去擬合這些數據的分布，從而做一些統計推斷。一般來說，通過實證分析發現，自由度為5或6的t分布擬合的較好。

(8)股票市場是尖峰態分布擴展閱讀：

基金收益率不服從正態分布，存在顯著的尖峰厚尾特性，我國基金市場還不是有效市場。人民幣匯率收益率波動有集群性效應，不符合正態分布，有尖峰厚尾的特點。結果表明穩定分布能更好的擬和中國股票收益率的實際分布，穩定分布較好的處理中國股票市場中的「尖峰尾」現象。

但很多資本市場上的現象無法用EMH解釋，如證券收益的尖峰厚尾，證券市場的突然崩潰，股價序列的長期記憶性等。對期貨價格數據進行統計分析，發現期貨價格具有「尖峰厚尾」特性。實證結果表明：我國股價波動具有尖峰厚尾特徵、異方差性特徵和波動的持續性和非對稱特徵。

而股票市場的收益率從分布的角度看，並不服從標準的正態分布，而是呈現出一種「尖峰、厚尾」的特徵。