股票市場行為的概率預測模型

㈠ 預測模型可分為哪幾類

1、趨勢外推預測方法

趨勢外推預測方法是根據事物的歷史和現實數據，尋求事物隨時間推移而發展變化的規律，從而推測其未來狀況的一種常用的預測方法。

趨勢外推法的假設條件是：

(1)假設事物發展過程沒有跳躍式變化，即事物的發展變化是漸進型的。

(2)假設所研究系統的結構、功能等基本保持不變，即假定根據過去資料建立的趨勢外推模型能適合未來，能代表未來趨勢變化的情況。

由以上兩個假設條件可知，趨勢外推預測法是事物發展漸進過程的一種統計預測方法。簡言之，就是運用一個數學模型，擬合一條趨勢線，然後用這個模型外推預測未來時期事物的發展。

2、回歸預測方法

回歸預測方法是根據自變數和因變數之間的相關關系進行預測的。自變數的個數可以一個或多個，根據自變數的個數可分為一元回歸預測和多元回歸預測。同時根據自變數和因變數的相關關系，分為線性回歸預測方法和非線性回歸方法。回歸問題的學習等價於函數擬合：選擇一條函數曲線使其很好的擬合已知數據且能很好的預測未知數據。

3、卡爾曼濾波預測模型

卡爾曼濾波是以最小均方誤差為估計的最佳准則，來尋求一套遞推估計的模型，其基本思想是： 採用信號與雜訊的狀態空間模型，利用前一時刻地估計值和現時刻的觀測值來更新對狀態變數的估計，求出現時刻的估計值。

它適合於實時處理和計算機運算。卡爾曼濾波器問題由預計步驟，估計步驟，前進步驟組成。 在預計步驟中， t時狀態的估計取決於所有到t-1 時的信息。在估算步驟中， 狀態更新後， 估計要於時間t的實際觀察比較。更新的狀態是較早的推算和新觀察的綜合。 置於每一個成分的權重由「 Kalmangain」（卡爾曼增益） 決定，它取決於雜訊 w 和 v。（雜訊越小，新的觀察的可信度越高，權重越大，反之亦然）。前進步驟意味著先前的「新」觀察在准備下一輪預計和估算時變成了「舊」 觀察。 在任何時間可以進行任何長度的預測（通過提前狀態轉換）。

4、組合預測模型

組合預測法是對同一個問題，採用多種預測方法。組合的主要目的是綜合利用各種方法所提供的信息，盡可能地提高預測精度。組合預測有 2 種基本形式，一是等權組合， 即各預測方法的預測值按相同的權數組合成新的預測值；二是不等權組合，即賦予不同預測方法的預測值不同的權數。 這 2 種形式的原理和運用方法完全相同，只是權數的取定有所區別。 根據經驗，採用不等權組合的組合預測法結果較為准確。

5、BP神經網路預測模型

BP網路（Back-ProPagation Network）又稱反向傳播神經網路， 通過樣本數據的訓練，不斷修正網路權值和閾值使誤差函數沿負梯度方向下降，逼近期望輸出。它是一種應用較為廣泛的神經網路模型，多用於函數逼近、模型識別分類、數據壓縮和時間序列預測等。點擊打開鏈接（BP神經網路預測實例）

㈡ 當今國內股票預測最優模型

其實做股票是統計概率，對特定模式進行統計總結，然後根據特點制定交易策略。等你有了交易系統，就是按照這套體系去選股，進場設止損止贏。你只是知道價格走到哪兒我該做什麼，並不知道明天到底是漲是跌。

㈢ 行為金融模型有哪些

行為金融學有五大經典模型：DSSW模型、BSV模型、DHS模型、HS模型、BHS模型，具體為：
DSSW模型：Delong,Shleifer,Summers和Waldmann(1990)提出雜訊交易的基本模型，簡稱DSSW模型，他們認為，當理性套利者進行套利時，不僅要面對基礎性變動的風險還要面對「雜訊交易者」非理性預期變動的風險。該模型證明了非理性交易者不僅能夠在理性交易者的博弈中生存下來，而且，由於雜訊交易者製造了更大的市場風險，他們還將有可能獲得比理性投資者更高的風險溢價。
BSV模型：Barberis,Shleifer和Vishny(1998)提出，他們假定投資者決策時存在兩種偏差，其一是代表性偏差，其二是保守性偏差。代表性偏差會造成投資者對信息的反應過度，保守性偏差會造成投資者對新信息的反應不充分，導致反應不足。
DHS模型：Daniel.Hirshleifer和Suhramanyam(1998)提出，他們把投資者劃分為有信息的投資者和無信息的投資者，而有信息的投資者存在兩種偏差，一是過度自信，二是自我歸因偏差。投資者通常過高的估計了自身的預測能力，低估了自己的預測誤差；過分相信私人信息，低估公開信息的價值。
HS模型：Hong 和Stein（1999）年提出。該模型假定市場由兩種有限理性投資者組成：「信息挖掘者」和「慣性交易者」。兩種有限理性投資者都只能「處理」所有公開信息中的一個子集。信息挖掘者基於他們私自觀測到的關於未來基本情況的信息來做出預測，他們的局限性是不能根據當前和過去價格的信息進行預測。慣性交易者正好相反，他們可以根據價格變化做出預測，但是他們的預測是過去價格的簡單函數。HS模型將中期的反應不足和長期的價格反應過度統一起來，一次又稱為統一理論模型。
BHS模型：Barberis Nicholas,Ming Huang,and Tano Santos(2001) 提出，該模型是基於均值市場的假設而建立。和前面的三個模型不同，BHS模型沒有將有偏的預期引入到模型中，而是從資產定價的另一方面，即投資者的風險態度的角度來考慮問題。在傳統的基於消費的定價模型中，作者引入前景理論所揭示的「損失厭惡」現象和另一個關於偏好的「私房錢效應」，產生了一個隨前期收益狀況而變化的風險厭惡，價格升高後投資者風險厭惡程度降低，價格將被進一步推高。價格降低後投資者風險厭惡程度升高，價格將進一步打壓。這個模型可以解釋市場方面的三個偏差現象：過度波動現象，股權溢價之謎，收益可預測性。
泡沫模型：泡沫根植於股票市場的虛擬性和不完全性。在這種市場上，價格的高低在很多程度上取決於交易雙方對於未來價格的預期。而且這種預期具有「自我維持」或「自我實現」的特點。當股票價格越是上漲，越有更多地人相信股價會繼續上漲，即使人們知道股價已背離其內在價值。在過高價位上一旦市價止升回跌，很快會出現下行的正反饋激盪，導致泡沫徹底破裂。現有泡沫模型大致分為理性泡沫模型和行為金融泡沫模型兩大類。

㈣ 馬爾科夫預測模型的適用條件

馬爾可夫模型是一種概率轉移模型，它涉及的概率轉移矩陣是能否進行准確預測的關鍵。一般地，如果某變數可以使用Markov模型來預測，它的前提條件是，在各個期間或者狀態時，變數面臨的下一個期間或者狀態的轉移概率都是一樣的、不隨時間變化的。一旦轉移概率有所變化，Markov模型必須改變轉移概率矩陣的參數，否則，預測的結果將會有很大的偏差。

㈤ 經濟計量模型的概率預測

某隨機事件發生的可能性大小稱為該事件發生的概率，概率論則是一 門研究隨機現象的數量規律的學科。目前，越來越多的概率論方法被運用於經濟、金融 和管理科學，概率論成為它們的有力工具。 概率論方法也在宏觀經濟分析中找到了用武之地。比如用計量經濟模型進行預測時 ，就要給出以一定的概率處於一個區間的隨機量。 在宏觀經濟分析中引入概率論的方法進行預測，西方國家早在20世紀初期即已開始 ，但到二戰後才開始蓬勃發展。這主要是由於政府調節經濟、制定改革措施的迫切需要 。各種宏觀經濟預測實踐都是政府制定財政、貨幣、對外經濟政策的重要依據。例如美 聯邦儲備委員會就要根據概率預測制定貨幣供應量目標。 概率預測的重要性是由客觀經濟環境和該方法自身的功能決定的。要了解經濟活動 的規律性，必須掌握它的過去，進而預計其未來。比如要進行證券投資，就要先熟知整 個經濟及其組成部門的過去、現狀和未來。雖說國民經濟的領域廣闊、關系錯綜復雜， 但從時間序列上看，卻有必然的前後繼承關系。只要掌握了經濟現象的過去變動情況， 就可以依此為依據，加入可能出現的新因素適當調整，就可以預計事物的將來。過去的 經濟活動都反映在大量的統計數字和資料上，根據這些數據，運用概率預測方法，就可 以推算出以後若干時期各種相關的經濟變數狀況。 概率預測方法運用得比較多也比較成功的是對宏觀經濟的短期預測。宏觀經濟短期 預測是指對實際國民生產總值及其增長率、負貨膨脹率、失業率、利息率、個人收入、 個人消費、企業投資、企業利潤及對外貿易差額等指標的下一時期水平或變動率的預測 ，其中最重要的是對前三項指標的預測。西方各國實踐這一預測的公司機構很多，他們 使用自己制定的預測技術或構造的計量經濟模型進行預測並定期公布預測數值，預測時 限通常為一年或一年半，概率預測實質上是根據過去和現在推想未來。廣泛搜集經濟領 域的歷史和現時的資料是開展經濟預測的基本條件，善於處理和運用資料又是概率預測 取得效果的必要手段。 十多年來，我國經濟界普遍開展了經濟預測的研究和實踐，並取得了巨大成果。要 使經濟預測具有科學性，需要科學的理論和方法；可靠、及時的資料；精密、捷便的計 算技術；還需要根據對客觀規律性的認識作出正確的分析和判斷。 評價宏觀經濟形勢的相關變數

㈥ 股票概率問題

1、投資大師彼得林奇曾經說過這樣的話：股票投資不是一門科學，而是一門藝術。很顯然，你所謂的「60%、70%和80%的上漲概率」只是你個人的假設，實際操盤的話，你的這種上漲概率也只是一種預測，是純粹的數字游戲。這樣的游戲被股神巴菲特的老師——價值投資之父稱為「證券市場的娛樂」。
2、如果你有幸拜讀任何一位投資大師級人物的書籍，你就會發現，他們在書中對「股市漲跌的預測」，均會極盡諷刺之能事，並且會反復告誡中小投資者「千萬不要預測股市的漲跌」。
3、你買進任何一家上市公司的股票，你就成為了他的股東——即風險投資人。只要當這家公司賺大錢了，你才能分享公司成長的喜悅——股價上漲和分紅。
4、不要指望自己有「天才的本領」預測股票短期的漲跌，預測是神仙做的事情。

㈦ 如何通過隱馬爾科夫模型來預測股票價格

馬爾科夫預測模型它的前提條件是，在各個期間或者狀態時，變數面臨的下一個期間或者狀態的轉移概率都是一樣的、不隨時間變化的。一旦轉移概率有所變化，Markov模型必須改變轉移概率矩陣的參數，否則，預測的結果將會有很大的偏差。 隨機過程中，

㈧ 有那種可以提高股票漲跌概率預測准確率的軟體嗎

能提高預測准確的軟體不可能存在，如果有，股市誰虧錢？
要大概率預測准確需要的是你會正確的技術分析知識，籌碼分析知識而不是而不是軟體

㈨ 預測股票的方法有幾種

1、股票價格的預測要綜合考慮多種因素，比如公司的基本面、日K線、周K線、月K線、成交量、各種技術指標等等。股票買了就漲是許多人夢寐以求的事情，其實，盤中判斷股價會不會拉升並不是「可『想』不可求」的事情，是通過長期看盤、操盤實踐可以達到或者部分達到的境界。其中一個重要方法是「結合技術形態研判量能變化」，尤其是研判有無增量資金。
2、股票預測公式和方法是：
如果當天量能盤中預測結果明顯大於上一天的量能，增量達到一倍以上，出現增量資金的可能性較大。股票預測首先要預測全天可能出現的成交量。公式是(240分鍾÷前市9：30分到看盤時為止的分鍾數)×已有成交量(成交股數)。使用這個公式時要注意：
（1）往往時間越是靠前，離開9：30分越近，越是偏大於當天的實際成交量。
（2）一般採用前15分鍾、30分鍾、45分鍾等三個時段的成交量來預測全天的成交量。過早則失真，因為開盤不久成交偏大偏密集;過晚則失去了預測的意義。