股票市场行为的概率预测模型

㈠ 预测模型可分为哪几类

1、趋势外推预测方法

趋势外推预测方法是根据事物的历史和现实数据，寻求事物随时间推移而发展变化的规律，从而推测其未来状况的一种常用的预测方法。

趋势外推法的假设条件是：

(1)假设事物发展过程没有跳跃式变化，即事物的发展变化是渐进型的。

(2)假设所研究系统的结构、功能等基本保持不变，即假定根据过去资料建立的趋势外推模型能适合未来，能代表未来趋势变化的情况。

由以上两个假设条件可知，趋势外推预测法是事物发展渐进过程的一种统计预测方法。简言之，就是运用一个数学模型，拟合一条趋势线，然后用这个模型外推预测未来时期事物的发展。

2、回归预测方法

回归预测方法是根据自变量和因变量之间的相关关系进行预测的。自变量的个数可以一个或多个，根据自变量的个数可分为一元回归预测和多元回归预测。同时根据自变量和因变量的相关关系，分为线性回归预测方法和非线性回归方法。回归问题的学习等价于函数拟合：选择一条函数曲线使其很好的拟合已知数据且能很好的预测未知数据。

3、卡尔曼滤波预测模型

卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的模型，其基本思想是： 采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。

它适合于实时处理和计算机运算。卡尔曼滤波器问题由预计步骤，估计步骤，前进步骤组成。 在预计步骤中， t时状态的估计取决于所有到t-1 时的信息。在估算步骤中， 状态更新后， 估计要于时间t的实际观察比较。更新的状态是较早的推算和新观察的综合。 置于每一个成分的权重由“ Kalmangain”（卡尔曼增益） 决定，它取决于噪声 w 和 v。（噪声越小，新的观察的可信度越高，权重越大，反之亦然）。前进步骤意味着先前的“新”观察在准备下一轮预计和估算时变成了“旧” 观察。 在任何时间可以进行任何长度的预测（通过提前状态转换）。

4、组合预测模型

组合预测法是对同一个问题，采用多种预测方法。组合的主要目的是综合利用各种方法所提供的信息，尽可能地提高预测精度。组合预测有 2 种基本形式，一是等权组合， 即各预测方法的预测值按相同的权数组合成新的预测值；二是不等权组合，即赋予不同预测方法的预测值不同的权数。 这 2 种形式的原理和运用方法完全相同，只是权数的取定有所区别。 根据经验，采用不等权组合的组合预测法结果较为准确。

5、BP神经网络预测模型

BP网络（Back-ProPagation Network）又称反向传播神经网络， 通过样本数据的训练，不断修正网络权值和阈值使误差函数沿负梯度方向下降，逼近期望输出。它是一种应用较为广泛的神经网络模型，多用于函数逼近、模型识别分类、数据压缩和时间序列预测等。点击打开链接（BP神经网络预测实例）

㈡ 当今国内股票预测最优模型

其实做股票是统计概率，对特定模式进行统计总结，然后根据特点制定交易策略。等你有了交易系统，就是按照这套体系去选股，进场设止损止赢。你只是知道价格走到哪儿我该做什么，并不知道明天到底是涨是跌。

㈢ 行为金融模型有哪些

行为金融学有五大经典模型：DSSW模型、BSV模型、DHS模型、HS模型、BHS模型，具体为：
DSSW模型：Delong,Shleifer,Summers和Waldmann(1990)提出噪声交易的基本模型，简称DSSW模型，他们认为，当理性套利者进行套利时，不仅要面对基础性变动的风险还要面对“噪声交易者”非理性预期变动的风险。该模型证明了非理性交易者不仅能够在理性交易者的博弈中生存下来，而且，由于噪声交易者制造了更大的市场风险，他们还将有可能获得比理性投资者更高的风险溢价。
BSV模型：Barberis,Shleifer和Vishny(1998)提出，他们假定投资者决策时存在两种偏差，其一是代表性偏差，其二是保守性偏差。代表性偏差会造成投资者对信息的反应过度，保守性偏差会造成投资者对新信息的反应不充分，导致反应不足。
DHS模型：Daniel.Hirshleifer和Suhramanyam(1998)提出，他们把投资者划分为有信息的投资者和无信息的投资者，而有信息的投资者存在两种偏差，一是过度自信，二是自我归因偏差。投资者通常过高的估计了自身的预测能力，低估了自己的预测误差；过分相信私人信息，低估公开信息的价值。
HS模型：Hong 和Stein（1999）年提出。该模型假定市场由两种有限理性投资者组成：“信息挖掘者”和“惯性交易者”。两种有限理性投资者都只能“处理”所有公开信息中的一个子集。信息挖掘者基于他们私自观测到的关于未来基本情况的信息来做出预测，他们的局限性是不能根据当前和过去价格的信息进行预测。惯性交易者正好相反，他们可以根据价格变化做出预测，但是他们的预测是过去价格的简单函数。HS模型将中期的反应不足和长期的价格反应过度统一起来，一次又称为统一理论模型。
BHS模型：Barberis Nicholas,Ming Huang,and Tano Santos(2001) 提出，该模型是基于均值市场的假设而建立。和前面的三个模型不同，BHS模型没有将有偏的预期引入到模型中，而是从资产定价的另一方面，即投资者的风险态度的角度来考虑问题。在传统的基于消费的定价模型中，作者引入前景理论所揭示的“损失厌恶”现象和另一个关于偏好的“私房钱效应”，产生了一个随前期收益状况而变化的风险厌恶，价格升高后投资者风险厌恶程度降低，价格将被进一步推高。价格降低后投资者风险厌恶程度升高，价格将进一步打压。这个模型可以解释市场方面的三个偏差现象：过度波动现象，股权溢价之谜，收益可预测性。
泡沫模型：泡沫根植于股票市场的虚拟性和不完全性。在这种市场上，价格的高低在很多程度上取决于交易双方对于未来价格的预期。而且这种预期具有“自我维持”或“自我实现”的特点。当股票价格越是上涨，越有更多地人相信股价会继续上涨，即使人们知道股价已背离其内在价值。在过高价位上一旦市价止升回跌，很快会出现下行的正反馈激荡，导致泡沫彻底破裂。现有泡沫模型大致分为理性泡沫模型和行为金融泡沫模型两大类。

㈣ 马尔科夫预测模型的适用条件

马尔可夫模型是一种概率转移模型，它涉及的概率转移矩阵是能否进行准确预测的关键。一般地，如果某变量可以使用Markov模型来预测，它的前提条件是，在各个期间或者状态时，变量面临的下一个期间或者状态的转移概率都是一样的、不随时间变化的。一旦转移概率有所变化，Markov模型必须改变转移概率矩阵的参数，否则，预测的结果将会有很大的偏差。

㈤ 经济计量模型的概率预测

某随机事件发生的可能性大小称为该事件发生的概率，概率论则是一 门研究随机现象的数量规律的学科。目前，越来越多的概率论方法被运用于经济、金融 和管理科学，概率论成为它们的有力工具。 概率论方法也在宏观经济分析中找到了用武之地。比如用计量经济模型进行预测时 ，就要给出以一定的概率处于一个区间的随机量。 在宏观经济分析中引入概率论的方法进行预测，西方国家早在20世纪初期即已开始 ，但到二战后才开始蓬勃发展。这主要是由于政府调节经济、制定改革措施的迫切需要 。各种宏观经济预测实践都是政府制定财政、货币、对外经济政策的重要依据。例如美 联邦储备委员会就要根据概率预测制定货币供应量目标。 概率预测的重要性是由客观经济环境和该方法自身的功能决定的。要了解经济活动 的规律性，必须掌握它的过去，进而预计其未来。比如要进行证券投资，就要先熟知整 个经济及其组成部门的过去、现状和未来。虽说国民经济的领域广阔、关系错综复杂， 但从时间序列上看，却有必然的前后继承关系。只要掌握了经济现象的过去变动情况， 就可以依此为依据，加入可能出现的新因素适当调整，就可以预计事物的将来。过去的 经济活动都反映在大量的统计数字和资料上，根据这些数据，运用概率预测方法，就可 以推算出以后若干时期各种相关的经济变量状况。 概率预测方法运用得比较多也比较成功的是对宏观经济的短期预测。宏观经济短期 预测是指对实际国民生产总值及其增长率、负货膨胀率、失业率、利息率、个人收入、 个人消费、企业投资、企业利润及对外贸易差额等指标的下一时期水平或变动率的预测 ，其中最重要的是对前三项指标的预测。西方各国实践这一预测的公司机构很多，他们 使用自己制定的预测技术或构造的计量经济模型进行预测并定期公布预测数值，预测时 限通常为一年或一年半，概率预测实质上是根据过去和现在推想未来。广泛搜集经济领 域的历史和现时的资料是开展经济预测的基本条件，善于处理和运用资料又是概率预测 取得效果的必要手段。 十多年来，我国经济界普遍开展了经济预测的研究和实践，并取得了巨大成果。要 使经济预测具有科学性，需要科学的理论和方法；可靠、及时的资料；精密、捷便的计 算技术；还需要根据对客观规律性的认识作出正确的分析和判断。 评价宏观经济形势的相关变量

㈥ 股票概率问题

1、投资大师彼得林奇曾经说过这样的话：股票投资不是一门科学，而是一门艺术。很显然，你所谓的“60%、70%和80%的上涨概率”只是你个人的假设，实际操盘的话，你的这种上涨概率也只是一种预测，是纯粹的数字游戏。这样的游戏被股神巴菲特的老师——价值投资之父称为“证券市场的娱乐”。
2、如果你有幸拜读任何一位投资大师级人物的书籍，你就会发现，他们在书中对“股市涨跌的预测”，均会极尽讽刺之能事，并且会反复告诫中小投资者“千万不要预测股市的涨跌”。
3、你买进任何一家上市公司的股票，你就成为了他的股东——即风险投资人。只要当这家公司赚大钱了，你才能分享公司成长的喜悦——股价上涨和分红。
4、不要指望自己有“天才的本领”预测股票短期的涨跌，预测是神仙做的事情。

㈦ 如何通过隐马尔科夫模型来预测股票价格

马尔科夫预测模型它的前提条件是，在各个期间或者状态时，变量面临的下一个期间或者状态的转移概率都是一样的、不随时间变化的。一旦转移概率有所变化，Markov模型必须改变转移概率矩阵的参数，否则，预测的结果将会有很大的偏差。 随机过程中，

㈧ 有那种可以提高股票涨跌概率预测准确率的软件吗

能提高预测准确的软件不可能存在，如果有，股市谁亏钱？
要大概率预测准确需要的是你会正确的技术分析知识，筹码分析知识而不是而不是软件

㈨ 预测股票的方法有几种

1、股票价格的预测要综合考虑多种因素，比如公司的基本面、日K线、周K线、月K线、成交量、各种技术指标等等。股票买了就涨是许多人梦寐以求的事情，其实，盘中判断股价会不会拉升并不是“可‘想’不可求”的事情，是通过长期看盘、操盘实践可以达到或者部分达到的境界。其中一个重要方法是“结合技术形态研判量能变化”，尤其是研判有无增量资金。
2、股票预测公式和方法是：
如果当天量能盘中预测结果明显大于上一天的量能，增量达到一倍以上，出现增量资金的可能性较大。股票预测首先要预测全天可能出现的成交量。公式是(240分钟÷前市9：30分到看盘时为止的分钟数)×已有成交量(成交股数)。使用这个公式时要注意：
（1）往往时间越是靠前，离开9：30分越近，越是偏大于当天的实际成交量。
（2）一般采用前15分钟、30分钟、45分钟等三个时段的成交量来预测全天的成交量。过早则失真，因为开盘不久成交偏大偏密集;过晚则失去了预测的意义。