股票市场是尖峰态分布
① 在股票市场中，经常看到有一些股票在两点半之后快速拉升，请问这种拉升现象如何解释
在股票市场中，经常看到有一些股票在两点半之后快速拉升，请问这种拉升现象叫尾盘拉升。
尾盘拉升指的是股票在即将收盘时股价出现大单拉升，突然上涨的局面。尾盘是股市一天即将结束的标志，尾盘不仅是当日多空双方交战的总结，还是决定次日开盘的关键因素。
主力拉升吸筹或放量震仓往往是在尾盘，市场波动最大时间段就是在临收市半小时左右。此时股价的异动，是主力取巧操作的典型手法，目的是为第二天的操作作准备。
(1)股票市场是尖峰态分布扩展阅读
尾盘拉升的原因：
1、粉饰K线图：尾市偷袭式拉升可以把原本已经走坏的形态修复好，在K线走势上制造上涨假象，粉饰K线图，拉出光头阳线，显示做多信心，但实际上却为派发筹码做准备；
2、机构吸筹：快速拉升脱离成本区，尾盘拉升，有可能是个股有重大利好消息或者重大事项即将公布，主力有时会在尾盘急速拉升甚至以涨停通吃的方式收集筹码。对于此种尾盘拉升，投资者可以适当参与，但要注意分辨利好消息的真伪。
3、拉高掩护出货：股价在经过一段单边市拉升以后进入高位盘整震荡阶段，在分时图上，股价大部分时间均处于均价线下方运行，弱态尽显。但在尾盘却出现意想不到的快速拉升，在散户投资者忙于追进的时候主力却顺利出货。
② 为什么假设股票价格服从正态分布是不现实的
股票价格多半不是自然形成，而是人为操纵的成份比较大，尤其受政策影响非常明显 。
③ 获得了条件均值和方差方程，怎么计算波动率
以哈飞股份()为例，运用GARCH（1,1）模型计算股票市场价值的波动率。
GARCH（1,1）模型为：
(1)
(2)
其中， 为回报系数， 为滞后系数， 和 均大于或等于0。
（1）式给出的均值方程是一个带有误差项的外生变量的函数。由于是以前面信息为基础的一期向前预测方差，所以称为条件均值方程。
（2）式给出的方程中： 为常数项， （ARCH项）为用均值方程的残差平方的滞后项， （GARCH项）为上一期的预测方差。此方程又称条件方差方程，说明时间序列条件方差的变化特征。
通过以下六步进行求解：
本文选取哈飞股份2009年全年的股票日收盘价，采用Eviews 6.0的GARCH工具预测股票收益率波动率。具体计算过程如下：
第一步：计算日对数收益率并对样本的日收益率进行基本统计分析，结果如图1和图2。
日收益率采用JP摩根集团的对数收益率概念，计算如下：
其中Si，Si-1分别为第i日和第i-1日股票收盘价。
图1 日收益率的JB统计图
对图1日收益率的JB统计图进行分析可知：
（1）标准正态分布的K值为3，而该股票的收益率曲线表现出微量峰度（Kurtosis=3.gt;3），分布的凸起程度大于正态分布，说明存在着较为明显的“尖峰厚尾”形态；
（2）偏度值与0有一定的差别，序列分布有长的左拖尾，拒绝均值为零的原假设，不属于正态分布的特征；
（3）该股票的收益率的JB统计量大于5%的显著性水平上的临界值5.99，所以可以拒绝其收益分布正态的假设，并初步认定其收益分布呈现“厚尾”特征。
以上分析证明，该股票收益率呈现出非正态的“尖峰厚尾”分布特征，因此利用GARCH模型来对波动率进行拟合具有合理性。
第二步：检验收益序列平稳性
在进行时间序列分析之前，必须先确定其平稳性。从图2日收益序列的路径图来看，有比较明显的大的波动，可以大致判断该序列是一个非平稳时间序列。这还需要严格的统计检验方法来验证，目前流行也是最为普遍应用的检验方法是单位根检验，鉴于ADF有更好的性能，故本文采用ADF方法检验序列的平稳性。
从表1可以看出，检验t统计量的绝对值均大于1%、5％和10%标准下的临界值的绝对值，因此，序列在1%的显著水平下拒绝原假设，不存在单位根，是平稳序列，所以利用GARCH（1,1）模型进行检验是有效的。
图2 日收益序列图
表1ADF单位根检验结果
第三步：检验收益序列相关性
收益序列的自相关函数ACF和偏自相关函数PACF以及Ljung-Box-Pierce Q检验的结果如表3（滞后阶数 =15）。从表4.3可以看出，在大部分时滞上，日收益率序列的自相关函数和偏自相关函数值都很小，均小于0.1，表明收益率序列并不具有自相关性，因此，不需要引入自相关性的描述部分。Ljung-Box-Pierce Q检验的结果也说明日收益率序列不存在明显的序列相关性。
表2自相关检验结果
第四步：建立波动性模型
由于哈飞股份收益率序列为平稳序列，且不存在自相关，根据以上结论，建立如下日收益率方程：
(3)
(4)
第五步：对收益率残差进行ARCH检验
平稳序列的条件方差可能是常数值，此时就不必建立GARCH模型。故在建模前应对收益率的残差序列εt进行ARCH检验，考察其是否存在条件异方差，收益序列残差ARCH检验结果如表3。可以发现，在滞后10阶时，ARCH检验的伴随概率小于显著性水平0.05，拒绝原假设，残差序列存在条件异方差。在条件异方差的理论中，滞后项太多的情况下，适宜采用GARCH（1,1）模型替代ARCH模型，这也说明了使用GARCH（1,1）模型的合理性。
表3日收益率残差ARCH检验结果
第六步：估计GARCH模型参数，并检验
建立GARCH（1,1）模型，并得到参数估计和检验结果如表4。其中，RESID(-1)^2表示GARCH模型中的参数α，GARCH（-1）表示GARCH模型中的参数β，根据约束条件α+βlt;1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，满足约束条件。同时模型中的AIC和SC值比较小，可以认为该模型较好地拟合了数据。
表4日收益率波动率的GARCH（1,1）模型的参数估计
④ 既然收益率不满足正态分布,为何我国股票市场还是有效的呢，就是为何还是达到了弱式有效呢
收益达不到了满族正态分布的我们股市快要社长是不可能有戏
⑤ 统计学尖峰分布符合经验规则吗
统计学尖峰分布符合经验规则。
金融数据的尖峰厚尾特征是相比较标准正态分布来说的，标准正态分布的偏度为0，峰度为3，通常做实证分析时，会假设金融数据为正态分布，这样方便建模分析，但是实证表明，很多数据并不符合正态分布，而更像尖峰厚尾，就是峰度比3大，两边的尾巴比正态分布厚，没有下降得这么快。
厚尾分布主要是出现在金融数据中，例如证券的收益率。 从图形上说，较正态分布图的尾部要厚，峰处要尖。直观些说，就是这些数据出现极端值的概率要比正态分布数据出现极端值的概率大。因此，不能简单的用正态分布去拟合这些数据的分布，从而做一些统计推断。一般来说，通过实证分析发现，自由度为5或6的t分布拟合的较好。有关这方面详细的信息可以参见一些金融计量的书籍。
⑥ 为什么股票收益率会呈现尖峰态分布
这是因为买卖的价差幅度引起的，如果短期内同比上升幅度较大的股票，上升线也会拉升比较高，但如果股价比较平静，则只是波浪型上下走动。
⑦ 如何理解股票市场比喻
这有个恰当的比喻，你可以看一下 假设一个市场，有两个人在卖烧饼，有且只有两个人，姑且称他们为烧饼甲、烧饼乙。假设他们的烧饼价格没有物价局监管。假设他们每个烧饼卖一元钱就可以保本（包括他们的劳动力价值）假设他们的烧饼数量一样多。——经济模型都这样，假设需要很多。 再假设他们生意很不好，一个买烧饼的人都没有。这样他们很无聊地站了半天。甲说好无聊。乙说好无聊。看故事的你们说：好无聊。这个时候的市场叫做很不活跃！为了让大家不无聊，甲对乙说：要不我们玩个游戏 乙赞成。于是，故事开始了......甲花一元钱买乙一个烧饼，乙也花一元钱买甲一个烧饼，现金交付。甲再花两元钱买乙一个烧饼，乙也花两元钱买甲一个烧饼，现金交付。甲再花三元钱买乙一个烧饼，乙也花三元钱买甲一个烧饼，现金交付。......于是在整个市场的人看来（包括看故事的你）烧饼的价格飞涨，不一会儿就涨到了每个烧饼60元。但只要甲和乙手上的烧饼数一样，那么谁都没有赚钱，谁也没有亏钱，但是他们重估以后的资产“增值”了！甲乙拥有高出过去很多倍的“财富”，他们身价提高了很多，“市值”增加了很多。这个时候有路人丙，一个小时前路过的时候知道烧饼是一元一个，现在发现是60元一个，他很惊讶。一个小时以后，路人丙发现烧饼已经是100元一个，他更惊讶了。又一个小时以后，路人丙发现烧饼已经是120元一个了，他毫不犹豫地买了一个，因为他是个投资兼投机家，他确信烧饼价格还会涨，价格上还有上升空间，并且有人给出了超过200元的“目标价”（在股票市场，他叫股民，给出目标价的人叫研究员）。在烧饼甲、烧饼乙“赚钱”的示范效应下，甚至路人丙赚钱的示范效应下，接下来的买烧饼的路人越来越多，参与买卖的人也越来越多，烧饼价格节节攀升，所有的人都非常高兴，因为很奇怪：所有人都没有亏钱......这个时候，你可以想见，甲和乙谁手上的烧饼少，即谁的资产少，谁就真正的赚钱了。参与购买的人，谁手上没烧饼了，谁就真正赚钱了！而且卖了的人都很后悔——因为烧饼价格还在飞快地涨......那谁亏了钱呢答案是：谁也没有亏钱，因为很多出高价购买烧饼的人手上持有大家公认的优质等值资产——烧饼！而烧饼显然比现金好！现金存银行能有多少一点利息啊哪比得上价格飞涨的烧饼啊甚至大家一致认为市场烧饼供不应求，可不可以买烧饼期货啊于是出现了认购权证......有人问了：买烧饼永远不会亏钱吗看样子是的。但这个世界就那么奇怪，突然市场上来了一个叫李子的，李子曰：有亏钱的时候！那哪一天大家会亏钱呢假设一：市场上来了个物价部门，他认为烧饼的定价应该是每个一元。（监管）假设二：市场出现了很多做烧饼的，而且价格就是每个一元。（同样题材）假设三：市场出现了很多可供玩这种游戏的商品。（发行）假设四：大家突然发现这不过是个烧饼！（价值发现）假设五：没有人再愿意玩互相买卖的游戏了！（真相大白）如果有一天，任何一个假设出现了，那么这一天，有烧饼的人就亏钱了！那谁赚了钱就是最少占有资产——烧饼的人！这个卖烧饼的故事非常简单，人人都觉得高价买烧饼的人是傻瓜，但我们再回首看看我们所在的证券市场的人们吧。这个市场的有些所谓的资产重估、资产注入何尝不是这样在ROE高企，资产有高溢价下的资产注入，和卖烧饼的原理其实一样，谁最少地占有资产，谁就是赚钱的人，谁就是获得高收益的人！所以作为一个投资人，要理性地看待资产重估和资产注入，忽悠别人不要忽悠自己，尤其不要忽悠自己的钱！在高ROE下的资产注入，尤其是券商借壳上市、增发购买大股东的资产、增发类的房地产等等资产注入，一定要把眼睛擦亮再擦亮，慎重再慎重！因为，你很可能成为一个持有高价烧饼的路人。
⑧ 金融数据的尖峰厚尾特征是什么意思
金融数据的尖峰厚尾特征是相比较标准正态分布来说的，标准正态分布的偏度为0，峰度为3，通常做实证分析时，会假设金融数据为正态分布，这样方便建模分析。
但是实证表明，很多数据并不符合正态分布，而更像尖峰厚尾，就是峰度比3大，两边的尾巴比正态分布厚，没有下降得这么快。
厚尾分布主要是出现在金融数据中，例如证券的收益率。 从图形上说，较正态分布图的尾部要厚，峰处要尖。
直观些说，就是这些数据出现极端值的概率要比正态分布数据出现极端值的概率大。因此，不能简单的用正态分布去拟合这些数据的分布，从而做一些统计推断。一般来说，通过实证分析发现，自由度为5或6的t分布拟合的较好。
(8)股票市场是尖峰态分布扩展阅读：
基金收益率不服从正态分布，存在显著的尖峰厚尾特性，我国基金市场还不是有效市场。人民币汇率收益率波动有集群性效应，不符合正态分布，有尖峰厚尾的特点。结果表明稳定分布能更好的拟和中国股票收益率的实际分布，稳定分布较好的处理中国股票市场中的“尖峰尾”现象。
但很多资本市场上的现象无法用EMH解释，如证券收益的尖峰厚尾，证券市场的突然崩溃，股价序列的长期记忆性等。对期货价格数据进行统计分析，发现期货价格具有“尖峰厚尾”特性。实证结果表明：我国股价波动具有尖峰厚尾特征、异方差性特征和波动的持续性和非对称特征。
而股票市场的收益率从分布的角度看，并不服从标准的正态分布，而是呈现出一种“尖峰、厚尾”的特征。