判別分析在股票市場的應用

㈠ 統計學在股票中的應用有那些方面

股票價格指數(以下有時簡稱股價指數)是我們統計學里指數中的一種。它反映一定時期內某一證券市場上股票價格的綜合變動方向和程度的動態相對數。由於政治經濟，市場及心理等各種因素的影響，每種股票的價格均處於不斷變動之中；而市場上每時每刻都有許多股票在進行交易。為了從眾多個別股票紛繁復雜的價格變動中判斷和把握整個股票市場的價格變動水平與變動趨勢，美國道.瓊斯公司的創始人之一查爾斯.亨利.道第一個提出了平均股票價格指數作為衡量尺度，這就是久負盛名的道.瓊斯平均股價指數。如今，世界各國的股價市場幾乎都編有股票價格指數，較有影響的除道.瓊斯指數以外，還有美國的標准.普爾股價指數(有時記為S&P500指數)、紐約證券交易所票價指數，英國的《金融時報》股價指數、日本的經濟新聞社道氏平均股價指數以及香港的恆生指數等。股價指數可以為投資者和分析家研究，判斷股市動態提供信息。它不僅反映股票市場行情變動的重要指標，而且是觀測經濟形勢和周期狀況參考指標，被視為股市行情的「指示器」和經濟景氣變化的「晴雨表」。在我國大陸，主要有上證指數和深證指數。

編制股票價格指數的意義在於

(1)綜合反映股票市場股票價格的變動方向和變動程度。(2)據此進行因素分析，分析各種股價對股票市場股價總水平的影響程度。(3)分析股價長期內的變動趨勢。(4)在宏觀上，股指可以預測國民經濟景氣情況和企業經營業績。

(一)股票價格指數的一般概念

1.股價平均數：它是用來反映多種股票價格變動的一般水平。股票價格平均數由證券交易所、金融服務公司、銀行或新聞機構編制的，用以反映證券市場股票價格行市變動的一種價格平均數。

由於股票市場上各上市公司股票價格變動的方向和幅度不可能一致，為了衡量由各種股票共同組成的大市整體價格水平和整個市場總體變動方向，一些組織開始編制了股票價格平均數。1981年6月，「道.瓊斯公司」的共同創立者之一——查爾斯.亨利.道在《客戶午後通訊》上首先發表了一組後來被稱為「道.瓊斯工業股股票價格平均數」，是世界上最早的股票價格平均數，一般計算步驟是：先選定一些有代表性的樣本公司，再通過簡單算術平均法，以這些公司股票收盤價之和除以樣本公司數得出。計算公式為：

P=(ΣPi)／N

其中，P代表股票價格平均數，N代表樣本公司個數，Pi代表第i家公司股票計算期的收盤價。

2.基期：指在編制股票價格指數時，被確定作為對比基礎的時期。這個時期可以是某一日，也可以是某一年或若干年。例如，義大利商業銀行股票價格指數基期是一年，即以某一年全年股票價格平均數作為對比的基礎；標准.普爾500種和400種工業股股價指數則以1941—1943年為基期。通常較多採用以某一日作為計算基期。由於股票價格指數是由現期水平同基期水平相比較得出，因此，基期的選擇對指數絕對數大小具有重要影響。影響股票價格指數絕對水平大小的另一個重要因素是基數。

3.基數：指股票價格指數在基期的數值。在大多數國家中，基數都定為100，也有定為10(如標准.普爾500種股票價格指數)、50(如紐約證券交易所綜合股價指數)，還有的定為500(如澳大利亞證券交易所有普通股股價指數)、1000(如香港遠東指數，加拿大多倫多300種股票價格綜合指數)等。基數有大小，對股票價格指數絕對數大小有重要影響。

4.點：是股票價格指數的計算單位，在採用股票價格平均數和股票價格指數衡量股市行情變動的情況下，作為計算單位的「點」具有不同含義。在前一情況下，「點」代表的是平均水平的價格單位，是一個金額概念，同貨幣單位(如元)在類似的含義上運用，如平均價格指數為150點，即意味著市場上股票價格的平均水平為150元。在後一情況下，「點」反映的是計算期價格水平相對於基期價格水平變動的幅度，是指「百分點」(或「千分點」等)的意思，一般不能直接同金額概念等同起來，如基期指數定為100點，計算期指數為150點，即意味著計算期股票價格水平是基期水平的150%。但無論在任何場合，「點」總是衡量股票價格行情起落變動的尺度。由於世界各國的股票市場都編制有若干不同的股票價格指數，其選定的基期、確定的基數不同，尤其是計算方法的差異，針對不同股票市場的股票價格指數，與同一股票市場的不同股票價格指數，在絕對數上並沒有可比性。但是隨著資本主義經濟一體化趨勢的加強，各國不同股票價格指數變動趨勢在一定程度上具有了「聯運性」，這一點尤其是在1987年10月的世界股市崩潰時得到了印證。

㈡ 怎麼判斷股票市場的大勢

要判斷股市的大勢，不是靠單單幾個指標，看一看均線，看看K線圖就可以做出判斷的。要了解宏觀經濟數據，利率匯率，相關市場如期貨，黃金等，在就是如何判斷媒體機構導向。
買股票前先進行大勢研判：
1、大盤是否處於上升周期的初期——是——選股買入。
2、宏觀經濟政策、輿論導向有利於那一個板塊，該板塊的代表性股票是哪幾個，成交量是否明顯大於其它板塊。確定5-10個目標個股。
3、收集目標個股的全部資料，包括公司地域、流通盤、經營動向、年報、中報，股東大會(董事會)公告、市場評論以及其它相關報道。剔除流通盤太大，股性呆滯或經營中出現重大問題暫時又無重組希望的品種。

㈢ 找出在中國股票市場中找出三種經典的K線形態，並作簡要分析。

LZ點擊下面的圖片放大後對著看：

1.這個叫「出水芙蓉」：前期日K線陰陽交錯，和多條均線交纏在一起，某日突然帶量拉出大陽線，一舉突破所有均線的壓制，同時短期均線也突破中長期均線呈多頭排列，後市強烈看高一線。

2.這個叫「T型反轉」：市場經歷一段時間的連續下跌之後，日K線走出「T」字形態，並且當日在下跌過程中成交量極度萎縮，但在反彈過程中明顯放量，顯示市場做空功能衰竭，其後日線甚至周線級別的反彈將隨時展開。

3.這個叫「劇漲並排紅」：由兩根相鄰的小陽K線構成，它們具有差不多相同的開盤價，陽線實體也大致相等，在盤整或上升趨勢中，如果出現這樣這個K線形態組合，則後市強烈看漲。

㈣ SPSS統計分析與行業應用案例詳解的圖書目錄

《spss統計分析與行業應用案例詳解》
第1章 社會科學調查研究與spss 1
1.1 研究方案設計 1
1.2 調查問卷的製作 2
1.2.1 調查問卷 2
1.2.2 調查問卷的製作步驟 3
1.2.3 製作調查問卷時需要注意的問題 4
1.3 spss和資料的整理與分析 6
1.3.1 用spss讀取現成的數據資料 6
1.3.2 用spss錄入數據資料 9
1.4 本章習題 13
第2章 描述性統計分析實例 14
2.1 實例一——頻數分析 14
2.2 實例二——描述性分析 18
2.3 實例三——探索分析 20
2.4 實例四——列聯表分析 27
2.5 本章習題 31
第3章 統計分析報告實例 32
3.1 實例五——觀測量概述分析 32
3.2 實例六——觀測量按行概述報告分析 34
.3.3 實例七——觀測量按列概述報告分析 37
3.4 本章習題 40
第4章 均值過程和t檢驗案例研究 41
4.1 實例八——均值過程分析 41
4.2 實例九——單一樣本t檢驗 44
4.3 實例十——獨立樣本t檢驗 46
4.4 實例十一——配對樣本t檢驗 49
4.5 本章習題 52
第5章 非參數檢驗案例研究 53
5.1 實例十二——卡方檢驗 53
5.2 實例十三——二項分布檢驗 55
5.3 實例十四——兩獨立樣本檢驗 57
5.4 實例十五——兩相關樣本檢驗 61
5.5 實例十六——多獨立樣本檢驗 64
5.6 實例十七——多相關樣本檢驗 66
5.7 實例十八——遊程檢驗 69
5.8 實例十九——單樣本k-s檢驗 71
5.9 本章習題 73
第6章 相關與回歸分析案例研究 75
6.1 實例二十——簡單相關分析 75
6.2 實例二十一——偏相關分析 78
6.3 實例二十二——距離分析 80
6.4 實例二十三——簡單線性回歸 83
6.5 實例二十四——多重線性回歸分析 85
6.6 實例二十五——曲線回歸分析 88
6.7 實例二十六——非線性回歸分析 91
6.8 實例二十七——加權最小二乘回歸分析 94
6.9 實例二十八——二階段最小二乘回歸分析 97
6.10 實例二十九——二項分類logistic回歸分析 99
6.11 實例三十——多項分類logistic回歸分析 102
6.12 實例三十一——最優尺度回歸分析 105
6.13 實例三十二——一般對數線性模型分析 110
6.14 本章習題 113
第7章 方差分析案例研究 116
7.1 實例三十三——單因素方差分析 116
7.2 實例三十四——多因素方差分析 120
7.3 實例三十五——協方差分析 124
7.4 實例三十六——多元方差分析 127
7.5 實例三十七——重復測量方差分析 131
7.6 本章習題 135
第8章 時間序列分析實例研究 138
8.1 實例三十八——時間序列的預處理 138
8.2 實例三十九——指數平滑模型 141
8.3 實例四十——arima模型 144
8.4 實例四十一——季節分解模型 147
8.5 本章習題 150
第9章 聚類分析與判別分析案例研究 152
9.1 實例四十二——二階段聚類分析實例 152
9.2 實例四十三——k中心聚類分析 155
9.3 實例四十四——層次聚類分析 158
9.4 實例四十五——判別分析 163
9.5 本章習題 168
第10章 主成分分析與因子分析案例研究 169
10.1 實例四十六——主成分分析 169
10.2 實例四十七——因子分析 173
10.3 本章習題 177
第11章 信度分析、對應分析與結合分析案例研究 178
11.1 實例四十八——信度分析 178
11.2 實例四十九——對應分析 181
11.3 實例五十——結合分析 185
11.4 本章習題 189
第12章 新產品上市前的市場調研分析 190
12.1 研究背景及目的 190
12.2 研究方法 191
12.3 研究過程 191
12.4 研究結論 209
12.5 本章習題 211
第13章 關於高校教師素質與教學效果的調查研究 213
13.1 研究背景及目的 213
13.2 研究方法 214
13.3 問卷調查與數據獲取 214
13.4 spss分析 217
13.5 分析結論 223
13.6 本章習題 223
第14章 關於產品市場需求的調查研究 225
14.1 研究背景及目的 225
14.2 研究方法 226
14.3 研究過程 226
14.4 研究結論 236
14.5 本章習題 237
第15章 關於高校本科生就業相關問題的調查研究 239
15.1 研究背景及目的 239
15.2 研究方法 239
15.3 研究過程 240
15.4 研究結論 253
15.5 本章習題 253
第16章 spss軟體在研究城鎮居民消費支出結構中的應用舉例 256
16.1 研究背景及目的 256
16.2 研究方法 257
16.3 數據分析與報告 257
16.4 研究結論 277
16.5 本章習題 279
第17章 spss軟體在旅遊業中的應用舉例 280
17.1 研究背景及目的 280
17.2 研究方法 281
17.3 數據分析與報告 281
17.4 研究結論 297
17.5 本章習題 299
第18章 spss軟體在醫學研究領域中的應用舉例 303
18.1 研究背景及目的 303
18.2 研究方法 304
18.3 數據分析與報告 304
18.4 研究結論 318
18.5 本章習題 319
第19章 spss軟體在農業統計分析中的應用舉例 322
19.1 研究背景及目的 322
19.2 研究方法 323
19.3 數據分析與報告 324
19.4 研究結論 338
19.5 本章習題 339
第20章 spss軟體在研究城市綜合經濟實力中的應用舉例 341
20.1 研究背景及目的 341
20.2 研究方法 342
20.3 數據分析與報告 342
20.4 研究結論 356
20.5 本章習題 357
第21章 spss軟體在保險業中的應用舉例 358
21.1 研究背景及目的 358
21.2 研究方法 359
21.3 數據分析與報告 359
21.4 研究結論 380
21.5 本章習題 381
第22章 spss在銀行業的應用舉例 383
22.1 研究背景及目的 383
22.2 研究方法 384
22.3 研究過程 385
22.4 研究結論 393
22.5 本章習題 394
第23章 spss在股票市場的應用舉例 395
23.1 研究背景及目的 395
23.2 研究方法 396
23.3 研究過程 397
23.4 研究結論 408
23.5 本章習題 410

㈤ 在股票市場每天都有海量信息發布，如何分析判斷哪些資訊對自己有用，哪些是混淆視聽，騙散戶接盤的，多謝

股票資訊關於某某公司的新聞報道對於我們投資者來說往往是後知後覺的新聞，厲害人物早知道早布局，等正式公布出來了我們去跟風是很容易吃虧，要做股票，建議不要過多參考此類公開報道新聞。
投資有風險，這是炒股者都知道的一句話，可是有些人卻能在股海中常戰常勝，他們有些什麼絕招呢，以下六條是炒股心得，做好這些即可：
心得一：買股票之前必須先進行大勢研判。
1、大盤是否處於上升周期的初期;
2、宏觀經濟政策、輿論導向有利於哪一個板塊;
3、收集目標個股的全部資料，剔除流通盤太大、股性呆滯或經營中出現重大問題暫時又無重組希望的公司的股票。
心得二：中線地量法則。
1、選擇10日、20日、30日均線過去6個月穩定向上之個股，其間大盤如果下跌，該股均表現抗跌，一般只短暫跌破30日均線;
2、OBV穩定向上，不斷創出新高;
3、在大盤見底時出現地量，以3000萬股流通盤日成交10萬股為標准;
4、在地量出現的當天收盤前10分鍾逢低分批介入;
5、短線以5%到10%為獲利出局點;
6、中線以50%為出貨點;
7、以10日均線為止損點。
心得三：短線天量法則。
1、選擇近日底部放出天量之個股，日換手率連續大於5%到10%，對之跟蹤觀察;
2、5日、10日、20日均線出現多頭排列;
3、60分鍾MACD高位死叉後縮量回調，15分鍾OBV穩定上升，股價在20日均線之上走穩;
4、在60分鍾MACD再度金叉的第二個小時逢低分批進場;
5、短線獲利5%以上逢急拉派發;
6、一旦大盤突變，立即保本出局，以利再戰。
心得四：強勢新股法則。
1、選擇基本面良好、具有成長性、流通盤在6000萬股以下的新股;
2、上市首日換手率70%以上，或當天大盤暴跌，次日跌勢減緩立即收出較大的陽線，收復首日陰線2/3以上者;
3、創新高買入或選擇天量法則買點介入;
4、獲利5%到10%出局;
5、止損點設為保本價。
心得五：成交量法則。
1、成交量有助於研判趨勢何時反轉，口訣是價穩量縮才是底;
2、個股成交量持續超過5%，是主力活躍於其中的明顯標志;
3、個股經放量拉升、橫盤整理之後無量上升，是主力籌碼高度集中、控盤拉升的標志;
4、如遇突發性高位巨量長陰線，情況不明，要立即出局，以防重大利空導致崩潰性下跌。
心得六：不買處於下降通道中的股票。
1、猜測下降通道股票的底部是危險的，因為其可能根本沒有底;
2、存在的就是合理的，下跌的股票一定有下跌的理由，不要去碰它，盡管可能有很多人覺得它已經太便宜了。

㈥ 在股票市場怎樣分析大盤

股民在股票配資公司配資炒股時是不是都有過這樣的經歷：看準了某支股票，覺得其升值空間巨大，但是當你買入之後就開始下跌?在經歷這樣的情況之後你是自怨自艾，覺得自己運氣不好，還是會尋找原因?其實，股票市場瞬息萬變，股價漲跌是正常的，我們只要學會分析大盤，就可以在很大程度上避免這種情況了。

1、分析大盤走勢

在股票配資公司分析大盤走勢是最基礎的，即使是剛入門的股民也能輕松知曉。眾所周知綠色是上升，紅色是下跌。分析大盤的走勢主要是認清目前市場總的方向，是下跌、盤整、上升中的哪一類。大盤趨勢不能看得太短，起碼要看以月為單位的中級趨勢。

2、分析大盤總成交量的情況

大盤每天的成交量直接反映市場總的活躍程度，當大盤保持適度活躍時我們在股票配資公司才可以買進股票。注意如果大盤總換手率很高，比如高於8%，那要小心形成尖銳的頂部，不能沖動介入，很有可能一買入便開始下跌;總換手率很低，比如低於1%，那就要注意形成底部的可能性，有可能免入直接跌入谷底;總換手在3%5%，則可積極參與，股價上漲可能性較大。

3、仔細研究個股的中長線走勢圖

你所看中的股票與其歷史走勢相比，目前處於怎樣的地位上，是上升還是下跌?是經歷了漫長的下跌之後漸漸構築底部，還是剛剛創出歷史新高，接下來就是下降?就幾年來的走勢看，它正構築一個怎樣的形態布局，價格穩定在多少?整個均線系統的情況怎麼樣?

4、分析個股的成交量分布情況

所謂成交量分布，有兩重含義：一是指量價關系是否健康平穩;二是指重要的成交堆積區與目前價格之間的相對位置，看它是否有利於籌碼鎖定。

5、分析個股信息披露情況

上市公司披露的公告信息會影響直接其股價，股民應關註上市公司發布的財務報告、其他一些公告，看上市公司發展潛力，股價是否有提升的空間。比如近期爆出的新城控股公司董事長猥褻小孩的新聞，新聞一出新城控股股價立馬暴跌。這時候越早發現新聞的股民越早拋售股票，虧損越少。一些上市公司不願意披露信息或者不斷更換審計公司，這些都是公司運營不健康的表現，應當避免購買此類公司股票。

關於如何分析大盤及個股走勢小編就介紹到這里啦，希望廣大股民都能慧眼識股，買到好股，轉到大錢!

㈦ 判別分析的應用

在氣候分類、農業區劃、土地類型劃分中有著廣泛的應用。
在市場調研中，一般根據事先確定的因變數（例如產品的主要用戶、普通用戶和非用戶、自有房屋或租賃、電視觀眾和非電視觀眾）找出相應處理的區別特性。在判別分析中，因變數為類別數據，有多少類別就有多少類別處理組；自變數通常為可度量數據。通過判別分析，可以建立能夠最大限度的區分因變數類別的函數，考查自變數的組間差異是否顯著，判斷那些自變數對組間差異貢獻最大，評估分類的程度，根據自變數的值將樣本歸類。
應用范圍
1）信息丟失
2）直接的信息得不到
3）預報
4）破壞性實驗
假設條件
1）分組類型在兩種以上，且組間樣本在判別值上差別明顯。
2）組內樣本數不得少於兩個，並且樣本數量比變數起碼多兩個。
3）所確定的判別變數不能是其他判別變數的線性組合。
4）各組樣本的協方差矩陣相等。
5）各判別變數之間具有多元正態分布。
6）樣品量應在所使用的自變數個數的10~20倍以上時，建立的判別函數才比較穩定；而自變數個數在8~10之間時，函數的判別效果才能比較理想。當然，在實際工作中判別函數的自變數個數往往會超過10個，但應該注意的是，自變數的個數多並不代表效果好
spss操作：「分析」～「分類」～「判別」～進入判別分析主對話框。
這里有容易引起歧義的二個變數，最上面的為分組變數。對分組變數的了解需要聯系判別分析的原理以及適用范圍。因為判別分析是已知分類數目的情況下，進行分析，這個已知的分類數目就是這個分組變數。其實，一般分析步驟中，都是先進行聚類分析，聚類之後得到的分類結果就是這個分組變數，然後再選擇這個分組變數，進行分析。也就是，聚類分析是母親，母親的孩子就是判別分析。得到的判別函數就是預測想要知道的個案究竟屬於哪一類。另一個變數就是選擇變數，它位於主對話框的最下面。這個選擇變數在回歸分析相應的對話框中也有，意思就是選擇你需要的變數，這個變數可以為數據窗口的一個整個變數，也可以利用子設置「值」進行選擇，所以，它的名字叫做選擇變數。
「統計量」子對話框：「描述性」欄，包括「均值」「單變數ANOVA」「BoxsM」
需要特別說明，以後只要見到ANOVA這個單詞，它的意思就是方差分析，也就是進一步輸出方差分析表，其中最重要的就是P值也就是Sig值。
BoxsM復選框：指的是輸出對組協方差矩陣的等同性檢驗的檢驗結果。也就是對各類協方差矩陣相等的假設進行檢驗。
「函數系數」欄：其實就是將判別函數系數進行設置。包括「費雪」和「未標准化」。費雪指的是對每一類給出一組系數，並且給出該組中判別分數最大的觀測量。
「矩陣」欄：都是復選框，對應相應的矩陣也就是在結果表中的四種數陣。「組內相關」「組內協方差」「分組協方差」「總體協方差」這個都是計算機自動計算，人工計算是不可能完成的任務。
「分類」子對話框：本文也提到過先驗概率，先驗概率就是已知一部分信息，來了解未知信息也就是後驗概率。
「所有組相等」也就是如果分為幾類，這所有的類中的先驗概率都相等。
「根據組大小計算」各類先驗概率按照和各類樣本量呈正比。
「使用協方差矩陣」欄：是二個單選框。「在組內」指使用合並組內協方差矩陣進行分析
「分組」指使用各組協方差矩陣進行分析。
「輸出」欄～「個案結果」：對每一個觀測量輸出判別分數，也就是選定變數的個案的分進哪個組的資格得分。實際類，預測類，也就是根據判別得分計算的古今對比。實際類就是目前實際上分為幾類，預測類就是過去對未來預測，它們一對比，就可以知道過去和現在差別在哪裡。附屬選項「將個案限制在」在後面的小矩形框中輸入觀測量數，含義為僅輸出設置的觀測量結果，當個案也就是觀測量太多，可以用此法。
「摘要表」輸出分類小結，給出正確和錯分的觀測量數，和錯判率。
「不考慮該個案時的分類」這個根據字面就可以理解，不贅述。
「圖」欄：「合並組」生成一張包括各類的散點圖，該散點圖根據前兩個判別函數得到，如果只有一個判別函數，則生成直方圖。
「分組」復選框：有幾類就有幾張散點圖，和上面一樣，如果只有一個判別函數，就生成直方圖。
「區域圖」復選框：將觀測量分到各組中去的區域圖。此圖將一張圖的平面劃分出類數，相同的區域，每一類占據一個區，各類的均值在各區中用星號標出，如果僅有一個判別函數，即沒有此圖。
「保存」子對話框：這個設置是非常重要的，並且特別直觀，只要選擇，就可以在數據窗口生成相應的新變數。這個新變數分別是：「預測組成員」這個預測組成員是根據判別分數，以及後驗概率最大的預測分類。也就是，每個個案的預測分類。
「判別得分」這個根據名字就可以理解。該分數=沒有標准化的判別系數×自變數的值+一個常數。每次運行判別過程都給出一組表明判別分數的新變數。有幾個判別函數就建立幾個判別函數減1的新變數。新變數名稱詞頭為dis-。
舉例：1 醫學實踐中根據各種化驗結果，疾病症狀等判斷病人患有什麼疾病。
2 體育人才選拔根據運動員的體形，運動成績，生理指標，心理素質指標判斷是否繼續培養。
3 動植物分類
判別分析最主要的分析目的：得到判別函數，對未知個案進行預測分類。
「組成員概率」表示觀測量屬於哪一類的概率，有幾類，就給出幾類概率值，新變數默認名為dis預測分類數-判別概率，例如有三類，二個判別函數，則新變數名稱可以為dis1-1,dis2-1,dis3-1,dis3-2以此類推。
逐步判別分析：只要在主對話框中選擇「使用步進式方法」，就可以篩選變數，同時，方法對話框將激活。
「方法」對話框中「標准」欄的設置和線性回歸的一樣，不贅述。
「方法」欄：原則就是，負面指標越小越好，正面指標越大越好。負面指標是wilks lambda和未解釋方差，正面指標是馬氏距離，最小F值，Raos V。馬氏距離在回歸中越大代表這個個案為影響點可能越大，也就是，只有這個個案為影響點，它越重要，越對判別函數影響越大，把它挑出來，也就是馬氏距離最大。
結果：1 sig值小於0.05，說明可以繼續分析，函數具有判別作用，也就是有統計學意義。
2 數據窗口對話框，將在「保存」子對話框設置的新變數和在主對話框的分組變數進行對比，每個個案被分到哪類，以及判別得分，都一目瞭然。
3 根據輸出表中的系數，可以寫出判別函數，進行以後的預測。

㈧ 為什麼說正態分布在經濟領域應用廣泛

正態分布在經濟領域的廣泛應用：
1．財務會計研究領域
隨著金融市場和現代企業制度的建立，財務會計向企業外部提供的財務信息倍受各利益關系人關注，而「財務會計信息有沒有用」這樣一個挑戰性的問題出現了。所以早期的實證會計研究主要是從有效市場假設（EMH）和資本資產定價模型（CAPM）出發，檢驗財務會計數據與其他經濟指標（特別是股價）的關系，如果財務會計指標（特別是會計收益指標）與股票價格相關，則說明會計信息的披露對證券市場的資源配置功能有效。後來這一結論被實證研究所證實，這有效地駁斥了「會計無用論」，從而奠定了實證會計研究的地位。近年來，會計政策選擇成為實證會計研究的重心，以解釋和預測企業「為什麼會選擇這種會計政策，而不採取那種會計政策」。例如：會計政策選擇與企業規模、地區分布、資本結構、分紅計劃。債務契約的關系；企業的外部利益關系人對會計信息反應的研究等，如果將上述問題給予抽象，它們都涉及「變數間的相互關系」這樣一個可以歸結為數學的問題。所以，針對上述問題，在研究隨時間變化、具有隨機性而又前後相互關聯的動態數據時，用到時間序列分析，它包括建立時間序列模型（ARIMA模型）、參數估計及譜估計等理論與方法。在討論多元變數之間是否存在線性相關時，運用多元線性回歸模型、典型相關分析和殘差檢驗。由於正態分布在會計數據中廣泛存在，例如，以任一會計科目作為總體，則不同時期該科目數額特別巨大和特別小（如為零）的比較少，則可以視之符合正態分布等，所以與正態分布相關的檢驗方法被大量使用：檢驗母體均值與原假設均值是否具有顯著差異的U一檢驗，檢驗兩個母體均值是否相等的T一檢驗，檢驗母體的方差與原假設方差是否具有顯著差異的X2一檢驗，檢驗兩個正態母體方差是否相等的F一檢驗。對不確定的母體分布採用非參數統計方法，如非參數檢驗。國外實證研究證實股票價格波動具有馬爾可夫性，即在有效的資本市場中現在的股票價格已反映了以往和現在的全部經濟信息，以前的股價行料對將來的股價波動不再具有信息價值，「將來」只與「現在」有關，而與「過去」無關。解決這方面問題的模型有：回歸一馬爾可夫模型、隨機游動模型。
2．理財、管理會計研究領域
現代理財論，總的說來是圍繞估價問題而展開的，這里所說的估價，既包括對個別「資本資產」的估價，也包括對企業總體價值的估價。如探討投資風險和投資報酬的投資組合理論（Portfolia Theory），後來該理論又發展為資本資產定價模型（CAPM），套利定價理論（Arbitrage Pricing Theroy）、探討資本結構與企業總價值關系的資本結構理論（Capital Structure Theory）、MM（Modigliani， Miller）理論、米勒模型（Miler Model）等。其中廣泛應用了微積分、線性代數及概率論與數理統計。針對創新金融工具的估價模式——期權定價模型則廣泛地應用了偏微分方程、隨機微分方程及倒向隨機微分方程等較為先進、復雜的數學理論與方法。
管理會計主要是利用信息來預測前景，參與決策。籌劃未來，控制和評價經濟活動等，保證以較少的勞動消耗和資金佔用，取得較好的經濟效益。管理會計應用的數學方法也相當廣泛，例如預測成本和銷售額時採用回歸分析，評價企業財務狀況、投資效益時採用層次分析法，預測經營狀況是採用具有吸收狀態（企業破產）的馬爾可夫鏈。另外還有「經濟定貨量」模型、「經濟生產量」模型、敏感分析、彈性分析等，則是應用微分學解決經濟問題的一些典範。管理會計中許多問題可以歸結為：數學分析中的極值問題；數學規劃中一定約束條件下的目標函數的最值問題；馬爾可夫相關理論問題；在約束條件和目標函數不能用線性方程或線性函數表示時的非線性規劃問題；在解決多階段決策問題時的動態規劃問題；解決如何經濟、合理地設置服務設施，從而以最低成本最大地滿足顧客需要問題時的排隊論問題，如人力資源選擇，機器設備選購等；導源於宏觀經濟管理並在微觀經濟管理中也有廣泛地應用的投入——產出分析問題，例如，用於多階段生產條件下生產與成本計劃的制定。
3．審計研究領域
審計主要是通過對財務會計信息的鑒證，以增強信息使用者對財務會計信息信任程度。在審計中最常用的數學方法是抽樣技術。隨著統計科學和企業規模的不斷發展，許多會計公司將統計抽樣理論與審計相結合，設計出了審計抽樣技術。對受審單位的內部控制制度有效性進行符合性測試時，採用屬性抽樣，如連續性抽樣，發現抽樣。在實質性測試中採用變數抽樣，如分層隨機抽樣及累計概率比例抽樣法（PPS），這對於減少審計風險和成本，提高審計工作效率和效果意義重大，因為嚴格遵循隨機原則抽取樣本，根據總體容量、誤差率、精確度、可信水平等因素綜合分析得到樣本容量，其分布規律更加接近於審計總體的分布規律。另外，在預測突發事件或不確定性問題時，歷史數據或既定的模型並不能完全反映它們，在這種情況下還要結合專家的專業判斷、經驗進行預測，也就是說，這一步的後驗分布又是下一步先驗分布的基礎，不斷對模型進行修正使之「動態化」，以提高預測精度。近年來，判別分析模型和聚類分析模型在國外也開始引入審計研究領域。對於定性資料的統計分析方面，Logit模型和probit模型被廣泛應用，例如用於預測注冊會計師簽署審計意見類型等。
值得注意的是，當人們尋求用定量方法處理復雜經濟問題時，容易注重於數學模型的邏輯處理，而忽視數學模型微妙的經濟含義或解釋，實際上，這樣的數學模型看來理論性很強，其實不免牽強附會，從而脫離實際。與其如此，不如從建模型一開始就老實承認數學方法的不足，而求助於經驗判斷，將定性的方法與定量的方法相結合，最後定量。

㈨ 時間序列在股市有哪些應用

時間序列分析在股票市場中的應用
摘要
在現代金融浪潮的推動下,越來越多的人加入到股市,進行投資行為,以期得到豐厚的回報,這極大促進了股票市場的繁榮。而在這種投資行為的背後,越來越多的投資者逐漸意識到股市預測的重要性。
所謂股票預測是指:根據股票現在行情的發展情況地對未來股市發展方向以及漲跌程度的預測行為。這種預測行為只是基於假定的因素為既定的前提條件為基礎的。但是在股票市場中,行情的變化與國家的宏觀經濟發展、法律法規的制定、公司的運營、股民的信心等等都有關聯,因此所謂的預測難於准確預計。
時間序列分析是經濟預測領域研究的重要工具之一,它描述歷史數據隨時間變化的規律,並用於預測經濟數據。在股票市場上,時間序列預測法常用於對股票價格趨勢進行預測,為投資者和股票市場管理管理方提供決策依據。

㈩ 如何分析判斷股市的月線周線和日線KDJ

1、KDJ日、周、月線低位金叉——低位啟動，堅決買進。

2、KDJ日線金叉，周、月線高位運行——面臨調整，不宜介入。

3、KDJ日線金叉，周線KDJ向上，月線KDJ向下——反彈行情，少量參與。

4、KDJ日線金叉，周線KDJ向下，月線KDJ向上——主力洗盤，周線反轉。

5、KDJ日、周、月線高位運行———風險在即，不宜介入。

6、KDJ日線高位運行，周、月線低位運行——短線回調，二次金叉。