『壹』 非平穩時間序列可以預測股票走勢嗎
一般把非平穩時間序列轉化為平穩時間序列的方法是取n階差分法。
比如舉個例子，假設xt本身是不平穩的時間序列，如果xt～I(1) ,也就是說x的1階差分是平穩序列。
那麼 xt的1階差分dxt=x(t)-x(t-1) 就是平穩的序列 這時dt=x(t-1)
如果xt～I(2)，就是說xt的2階差分是平穩序列的話
xt的1n階差分dxt=x(t)-x(t-1) 這時xt的1階差分依然不平穩，
那麼 對xt的1階差分再次差分後，
xt的2階差分ddxt=dxt-dxt（t-1）便是平穩序列 這時dt=-x(t-1)-dxt（t-1）
n階的話可以依次類推一下。
『貳』 有效市場認為股票價格是隨機的，隨機遊走是一個非平穩的過程。做計量分析要求數據是平穩的，避免假回歸。
隨機遊走一階差分是平穩的
『叄』 股價是由什麼決定的是所有人買賣的平均價么
不是所有人的平均價。下面具體介紹：
對於這個問題，很多人可能會從政策、資金、國際環境等等來找答案，這是不錯的，尤其是政策因素的影響，永遠是伴隨著股市運行的；資金就更不用說了，有資金流入，股市當然上漲，流出即下跌了；國際環境——包括匯率、主要股票、期貨市場價格變化、戰爭等等都會影響到國內股票市場。
但是，很多人都忽視了重要的一點：股票市場具有它自身的運行規律！股票的買和賣，其實就是買賣雙方的心理博弈，成交價格是買賣雙方的利益平衡點，所有的因素最終都通過買賣雙方的心理反映到價格上來。所以，股票市場的運行是以市場信心為基礎的。是市場心理的具體反映：低買高賣、快漲回調、急跌反抽，這都能解釋為：市場上取得某種共識——平衡！雖然在股票市場中，不平衡是常態，但是偏離平衡太遠了，它就要回歸平衡，就象鍾擺一樣，這就是規律。
所有的因素都在這個基礎上發揮作用，你可以打破趨勢的進程，但不可以改變趨勢。這就是規律的作用！例如：上升趨勢中，1996.12底由於滬市上漲過猛，中央發了個文件，造成連續三天大跌，絕大部分股票三天內以跌停收盤，但是市場該漲的還是要漲，不會因為政策因素而轉向，97年上半年一直繼續在漲；同樣，在2242點以後，下降趨勢出現後，政府也多次出台了救市政策，但是均未奏效，原因就是市場還沒有回歸到位！簡單而言，影響股票市場的因素既有基本面的因素，也有市場其本身的運行規律，有些時候基本面因素影響大一些，更多的時候規律所起的作用大一些。對於大盤而言，高位容易形成頭部，低位容易產生底部。
應該說，市場的高與低是相對的，原來的高位隨著時間的推移會變成低位，同樣，原來的低位也可以變成高位，但是在一個時間序列（一波牛市行情）里，高的就是高的，低的就是低的。
『肆』 如何證明股票價格 平穩隨機過程
日K線代表了股價的隨機變數，由於每日的開盤價和收盤價的數值是不連續的，所以日K線所表示的股價是一個離散的隨機變數。在T1到T2這段時間里產生的一族日K線離散隨機變數和它們在股價—時間二維坐標上形成的走勢或者軌跡，這就是離散隨機變數的隨機過程。yuuu1233
『伍』 如何用例子淺顯地解釋什麼是統計套利
統計套利的淺顯例子，原理其實就用下面這張圖可以解釋：
老頭：走路是隨機的（random walk）
小狗：走路也是隨機的（random walk)
老頭和小狗中間的距離（狗繩）：距離一定，具備穩定性
我們現在把這個場景應用到市場上，以股票為例
股票A: 價格Random Walk
股票B: 價格Random Walk
股票A和B的差價 （或者其他的linear combination的時間序列) : 具備穩定性
假設我們現在找到了這樣一個股票A和B的序列，他們的差價，經過統計學的cointegration test證明具備穩定性（如adfuller test），我們計算出該時間序列的mean和std, 就可以設定一個穩定閥域，在偏離的時候買入／賣出，等到回歸到穩定閥域再平倉。
舉例，過去6個月內，A股票和B股票的價差序列為平穩序列，均值為10，標准差為2，我們設定閥域為1.5個標准差，那麼平穩區間就是 7-13 當A-B > 13時，我們買入B, 賣出A, 當A-B<7的時候，我們買入A, 賣出B。等到回歸到平穩區間平倉。
下面的回測是使用600815和601002做的一個配對交易的回測結果。可以看到雖然總收益不算很高，但是beta中性，最大回撤較小。
『陸』 股票價格漲跌機制是怎樣的啊
目前中國滬深兩地證券市場漲跌機制執行的是，新發行股份首日上市和經過停牌重組成功後公司股價首日交易這兩種情況都沒有漲跌幅限制。
普通AB股每日漲跌幅10%為限。
ST上市公司每日漲跌幅5%為限。
『柒』 股票價格起伏有規律嗎
波浪理論
波浪理論的全稱是艾略特波浪理論，是以美國人R.N.Elliott的名字命名的一種技術分析理論。波浪理論把股價的上下變動和不同時期的持續上漲、下跌看成是波浪的上下起伏。波浪的起伏遵循自然界的規律，股票的價格運動也就遵循波浪起伏的規律。簡單地說，上市是5浪，下跌是3浪。根據數浪來判斷股市行情。波浪理論考慮的因素主要是三個方面：第一，股價走勢所形成的形態；第二，股價走勢圖中各個高點和低點所處的相對位置；第三，完成某個形態所經歷的時間長短。
『捌』 如何深入理解時間序列分析中的平穩性
聲明：本文中所有引用部分，如非特別說明，皆引自Time Series Analysis with Applications in R.
接觸時間序列分析才半年，盡力回答。如果回答有誤，歡迎指出。
對第一個問題，我們把它拆分成以下兩個問題：
Why stationary?（為何要平穩？）
Why weak stationary?（為何弱平穩？）
Why stationary?（為何要平穩？）
每一個統計學問題，我們都需要對其先做一些基本假設。如在一元線性回歸中（），我們要假設：①不相關且非隨機（是固定值或當做已知）②獨立同分布服從正態分布（均值為0，方差恆定）。
在時間序列分析中，我們考慮了很多合理且可以簡化問題的假設。而其中最重要的假設就是平穩。
The basic idea of stationarity is that the probability laws that govern the behavior of the process do not change over time.
平穩的基本思想是：時間序列的行為並不隨時間改變。
正因此，我們定義了兩種平穩：
Strict stationarity: A time series {} is said to be strictly stationary if the joint distribution of ,, · · ·, is the same as that of,, · · · ,for all choices of natural number n, all choices of time points ,, · · · , and all choices of time lag k.
強平穩過程：對於所有可能的n，所有可能的,, · · · , 和所有可能的k，當,, · · ·,的聯合分布與,, · · · ,相同時，我們稱其強平穩。
Weak stationarity: A time series {} is said to be weakly (second-order, or co-variance) stationary if:
① the mean function is constant over time, and
② γ(t, t − k) = γ(0, k) for all times t and lags k.
弱平穩過程：當①均值函數是常數函數且②協方差函數僅與時間差相關，我們才稱其為弱平穩。
此時我們轉到第二個問題：Why weak stationary?（為何弱平穩？）
我們先來說說兩種平穩的差別：
兩種平穩過程並沒有包含關系，即弱平穩不一定是強平穩，強平穩也不一定是弱平穩。
一方面，雖然看上去強平穩的要求好像比弱平穩強，但強平穩並不一定是弱平穩，因為其矩不一定存在。
例子：{}獨立服從柯西分布。{}是強平穩，但由於柯西分布期望與方差不存在，所以不是弱平穩。（之所以不存在是因為其並非絕對可積。）
另一方面，弱平穩也不一定是強平穩，因為二階矩性質並不能確定分布的性質。
例子：,,互相獨立。這是弱平穩卻不是強平穩。
知道了這些造成差別的根本原因後，我們也可以寫出兩者的一些聯系：
一階矩和二階矩存在時，強平穩過程是弱平穩過程。（條件可簡化為二階矩存在，因為）
當聯合分布服從多元正態分布時，兩平穩過程等價。（多元正態分布的二階矩可確定分布性質）
而為什麼用弱平穩而非強平穩，主要原因是：強平穩條件太強，無論是從理論上還是實際上。
理論上，證明一個時間序列是強平穩的一般很難。正如定義所說，我們要比較，對於所有可能的n，所有可能的,, · · · , 和所有可能的k，當,, · · ·,的聯合分布與,, · · · ,相同。當分布很復雜的時候，不僅很難比較所有可能性，也可能很難寫出其聯合分布函數。
實際上，對於數據，我們也只能估算出它們均值和二階矩，我們沒法知道它們的分布。所以我們在以後的模型構建和預測上都是在用ACF，這些性質都和弱項和性質有關。而且，教我時間序列教授說過："General linear process(weak stationarity, linearity, causality) covers about 10% of the real data." ，如果考慮的是強平穩，我覺得可能連5%都沒有了。
對第二個問題：
教授有天在審本科畢業論文，看到一個寫金融的，用平穩時間序列去估計股票走勢（真不知這老兄怎麼想的）。當時教授就說：「金融領域很多東西之所以難以估計，就是因為其經常突變，根本就不是平穩的。」
果不其然，論文最後實踐階段，對於股票選擇的正確率在40%。連期望50%都不到（任意一點以後要麼漲要麼跌）。
暑假裡自己用了一些時間序列的方法企圖開發程序性交易程序。
剛開始收益率還好，越往後就越...後面直接虧損了...（軟體是金字塔，第二列是利潤率）
虧損的圖當時沒截，現在也沒法補了，程序都刪了。
所以應該和平穩沒關系吧，畢竟我的做法也沒假設是平穩的。如果平穩我就不會之後不盈利了。
（吐槽）自己果然不適合做股票、期貨什麼的...太高端理解不能...
以上