大数据对股票市场价格预测

❶ 怎样预测股票价格趋势

在看布雷利的公司理财一书中提到，股票的价格走势是无法预测的。它说1.从技术面分析，股价的变化模式无法是一致的，相继周期之间价格没有相关性，股票看起来是服从随机游走的。2.从基本面分析，所有关于公司的信息会瞬间,准确的反应在股价上，远比人们做出的反应快。
而且，在一次大学讲座的，以及炎黄财经某老师说道股价更大程度是作布朗运动。

那么，如果股价真的是无法预测的话，那么所谓的投资不就是投机？那些日本蜡烛图，rsi各种指标又如何风靡？如果是的话我的世界就凌乱了！

❷ 用大数据炒股，靠谱吗

因为最近在考察几个量化交易平台，或许正好能够回答你的这个问题。
在国外现在量化交易已经非常非常的普及，但是据说在国内只有不到5%，似乎是国内散户太多的原因。
而量化交易就是能够通过模型预测未来一段时间的走势，从而不断去调整，购买较大胜率的股票、期货或者大宗商品。
某种程度上来说，这些大数据预测相对于国内的赌徒心理还是有更高的成功率的。

当然，也不能太迷信数据，数据是死的，而人性莫测。在国内，即使你个股再好，还是看出现跑不赢大盘的局面，而且有时候还得考虑人的情绪、政策等等。不过，如果能够坚持，大数据还是相对靠谱的。观点仅供参考，投资需谨慎。

❸ 大数据可以在哪些领域实现预测价值

和原来统计抽样数据不同，大数据需要持续数据，来反应相对完整的过程，而且整个过程是一个相对稳定的规律性状态。
这样通过数据比对，一方面能去除偶然性和外界环境干扰带来的噪点，另一方面通过数据积累，能把规律的异常波动和结果之间找到数据对应关系，来实现对异常变化的情况分析和预测。
只要数据全面和连续，异常变化的征兆就可以被发现。传统的统计抽样数据需要从数据中进行抽样，通过单个数据的精确来反应当时状态，但是无法进行规律的分析。
所以大数据的原理是，基于每一种非常规的变化，在事前一定有征兆体现。没有任何一件事情是突发的，这和佛教哲学中的因果道理是一样的，每一件事的发生是可以被追寻脉络的。
利用大数据的预测和分析，就建立在可以捕捉和分析这些反应事物变化的征兆上，而最容易捕捉这种征兆的领域，一定是原本有稳定规律的领域。
我们从现实生活中举几个例子。
1、股票市场
是否能用大数据的方式，来预测股票的涨跌呢？如果不讨论个股情况，从理论上讲在美国可以，在中国很难。
美国股票市场是可以双向盈利的，当股票价格脱离价值时，另一股资金力量就会反向操作来盈利。而中国的股票市场则不同，股票只有涨才能盈利，这样的规则就会吸引一些游资利用信息不对等的状况，人为改变股票市场规律，没有相对的稳定状态则很难被预测，或者说变量大到捕捉分析成本过高。
2、商品价格
单次性销售的商品价格是能够被预测的，因为任何商品的销售无法脱离赚钱这个根本，而且不同渠道成本和收益需求在竞争充分的环境下是相对稳定的，与价格相关的变量相对固定，所以价格可以预测。
但是如果商品有后续服务等持续性收费，或产品盈利不是唯一的需求（比如：产品新上市推广、打击竞争对手新上市商品等）时，则此商品价格变得不可预测，因为它脱离了一个稳定的状态。
3、人的健康状况
慢性病是可以被预测的。因为人体的体征变化是呈固定的变化规律的，慢性病形成的过程中，体征变化规律也呈现持续性异常。所以在慢性病形成的过程，就可以对异常的体征变化规律进行分析。
急性病是很难预测的，因为是外界因素带来的突变，体征数据变化规律异常是应激反应，属于突变的过程，尤其随机性，则预测成本过高，但可以发生后被分析出来。
1、数据波动规律不因外界随机干扰而不可测影响，可以用固定维度的变量建立基准规律；
2、持续采集和分析数据的成本要小于预测带来的收益；
3、有异常状况和不同结果的对应关系。

❹ 大数据预测股票靠谱吗

要进行人工分析，不能完全依靠数据

❺ 如何预测一只股票能涨到什么价位

第一，达到目标。有一个加倍取整的理论，这个方法在股市中还没有被广泛的应用，而一种理论在市场中掌握的人越少，可靠性就越大，所以，这是判断股票高点的一个好方法。简单的说，我们准备买进一只股票，最好的方法就是把加倍和取整的方法联合起来用，当你用几种不同的方法预测的都是某一个点位的时候，那么在这个点位上就要准备出货。当然，还可以用其它各种技术分析方法来预测。故当预测的目标位接近的时候，就是主力可能出货的时候了。

第二，该涨不涨。在形态、技术、基本面都要上涨的情况下不涨，这就是要出货的前兆，这种例子在股市中是非常多的。形态上要求上涨，结果不涨。还有的是技术上要求涨，但该涨不涨。还有的是公布了预期的利好消息，基本面要求上涨，但股价不涨，也是出货的前兆；技术面决定了股票该涨而不涨，就是出货的前兆。

第三，正道消息增多。正道的消息增多，就是报刊上电视台、广播电台里的消息多了，这时候就是要准备出货。上涨的过程中，报纸上一般见不到多少消息，但是如果正道的宣传开始增加，说明庄家萌生退意，要出货。

第四，传言增多。一只股票你正在作着，突然这个朋友给你传来某某消息，那个朋友也给你说个某某消息，又一个朋友又给你说某某消息，这就是主力出货的前兆。为什么以前没有消息呢？

第五，放量不涨。不管在什么情况下，只要是放量不涨，就基本确认是处理出货。

如果有了这些征兆，一旦出现了股价跌破关键价格的时候，不管成交量是不是放大，就都应该考虑出货。因为对很多庄家来说，出货的早期是不需要成交量的。

❻ 你们的基于大数据预测的股票为什么没有跟上来用大数据来预测股市靠谱吗

目前还没有到大数据时代，还是靠自己预测吧

❼ 通过大数据分析股票，对购买决策有何帮助

毫无作用,因为你拿不到真实的数据,中国股市信息不对称问题由来已久,而且尚未解决,数据分析是有作用的,但是只限于基本面,其他的数据分析甚至会误导你的决策

❽ 大数据能不能预测股市

大数据对于很多的地方都是非常有用的，但是，是否也有大数据不能做到的？我觉得很多时候，大数据只能说作为一个参考的方向，并不能准确的作出判断，或者给出答案。首先大数据是一个有科学根据的一个参考物，因为有大量的数据，有大量的参考物，所以，这件事情结果跟大数据一致的概率变得会跟大数据所统计的相差不远，这就是我们的大数据拥有的功能。

我们的股市，说实话我以前的工作是金融方面的也接触过股市，对于股市的话，首先影响我们股市的一些因素有哪些？从宏观来说，像国家的一些政策调控，包括我们公司的一些政策变化，股东的一些变动，或者说我们现在在整个股市来说什么样的一个趋势。

我们如果从技术层面，就是可以通过我们的一些k线图，或者我们的一些kdj指标，很多的一些分析股票的一些指标来判断，当然这些指标的话并不是百分之百，都是金钱。而是说这些指标，其实也就是通过一些大量的，我们以前的历史数据，其实都是已经是历史性的，所以总结出来的这样一个图案，便于我们能进行分析。

这样一个指标的话，其实跟我们的大数据就非常的类似，我们说大数据到底能不能预测故事？这个真的不能具体的回答，因为预测这个事情也就是说对于未来的股市的一个判断，这其实是很难的，我们很多的时候看到的都只是表面上的，大数据来说，他可以给出一个方向，或者能够得出的结论跟未来行情的变化正确的概率是非常高的，但是我们不能百分之百肯定，他得出的结论是正确的，所以大数据他可以预测股市一个大致方向，但不不能保证他预测的是正确的，可以作为一个参考。

❾ 大数据为什么不能预测外汇期货股票

有效市场，假说里讲所有市场的信息都会即时的反映到市场的价格中。如果你认为这个假说成立（事实上也有很多论文支持这个假说），那么所谓大数据并不能为你的策略带来额外收益。因为“大数据”无非也是收集当前的已公开的信息而已。
有几个可能是大数据可以为策略带来额外收益的地方：
1. 投资者的非理性行为。当有新的信息进入到市场以后，由于投资者的非理性操作，在短期内市场可能偏离合适的价格。所以如果你的“大数据”模型可以准确预测信息对市场带来的影响，或者投资者的非理性行为。那么就有可能带来超额收益。
2. 大数据的特性是两点：一个是全，一个是快。“全”的意思是可以同时分析尽可能多的信息，所以如果你的模型包含了别人不曾注意到的因素，那么也可能带来收益。“快”的意思是极短时间处理数据的能力里，如果你的算法可以保证机器比别人更快的消化信息，那么这也是超额收益的来源。

❿ 大数据的大价值预测

大数据的大价值预测
数据本身是不会说话的，但是数据总结出的历史、数据反映出来的现状、数据呈现出的趋势能够说话。基于指标体系的预测分析平台建设的价值在于：平台展现出的任何一条曲线的变化都对应着某一个现状或问题，以及相关联的一系列指标，都意味着需要采取相应的改良措施。同时，由于行业数据的特殊性，结合专家的经验，可获取到管理上的缺陷，制定出相应的预防措施，反馈到企业的指标体系中，通过调整来进一步加强数据质量的管理，进而为有效提高续保率提供科学的数据依据。
2013年伊始，大数据开始充斥媒体，各行各业都相继进行数据分析、数据挖掘、领导决策等，那些占有“大数据”资源先天优势的群体，能否有效利用好数据，打破现有的传统格局，将决定其未来发展的命运。
大数据时代面临的挑战与机遇
大数据时代下的三百六十行，最不缺乏的就是数据，包括历史数据、行业最新数据等，但是却受阻于过量的冗余数据和数据不一致，而且它们变得越来越难于访问、管理和用于决策支持。目前的行业数据大多还停留在“集中化使用”阶段，传统的数据仓库方式，数据有进无出，仅解决了数据存储的问题，如何综合有效地使用这些数据，成为一大难题。而随着数据量成倍的增长，如何把这些大量的数据转换成可靠的信息以便于决策支持，是各行业面临的挑战。
大数据的本质是解决问题，大数据的核心价值就在于预测，而企业经营的核心也是基于预测所做出的正确判断。所以，我们应当充分地认识到：大数据时代对于各个业来讲，既存在挑战，也是一个巨大的机遇。
首先，面对海量数据，依靠在各行各业丰富的数据治理方法论，实现源头数据的质量保障，确保基于这些真实数据的分析与决策能够行之有效。
如何保障数据质量？
通过顶层设计的理念，确立企业的核心目标，围绕这个核心目标进行逐级分解，形成细颗粒度的详细指标体系，而基于指标体系的数据采集及处理平台，则以指标体系为依据，来到各个业务系统里去采集数据，或根据需要使用数据采集平台由人工进行填报，基于涉及各个指标的全样数据的完整采集，通过数据质量清洗工具与相应的检查规则，发现问题可及时对其进行修改，来对源头的数据从技术上进行严格把关。
其次，各行业的应用系统可谓纷繁复杂，由于这些系统的建设都是相对独立的，传统的数据处理方式只能针对各个业务系统去形成相应的分析数据，本质上未将数据进行整合与统一规划，因此形成了数据孤岛的现象。同方运用顶层设计理念下的指标体系梳理方法，以及业务元数据的技术手段，对各个业务系统的数据最终形成资源，进行统一化、标准化、集中化管理，实现数据的全局共享。用于综合应用、预测分析、领导决策等。
最后，通过基于指标体系的预测分析平台，能够为决策管理者提供科学的数据依据，同时也为涉及企业的客户管理、销售管理、市场管理、运维管理等各方面提供调整依据。