① 股票价格的计算公式
股价是指股票的交易价格，是一个动态的数值，由市场买卖方成交决定，受供求关系的影响上下波动。
② 怎么做投资前景和风险评估 跪求各位高手指点！！！！！
市值=股价*股本 由于我国的上市公司的股份结构中分国有股、法人股、个人股等。目前个公众股可以上市流通交易。这部分流通的股份总数乘以股票市场价格，就是流通市值。市价总值即全部股份乘上市场价格。 例如．有一家公司共发行了1亿股股票，在年底时股价为每股30元，那么。该公司在年底时的市价总值就为30亿元。一般未说，公司规模越大，股票在市场上的价格越高，那么该公司的市值也越大·因此，公司的市价总值，可用来衡量一个公司的经营规模和发展状况。 流通市值和总市值比较的股票都会影响大盘指数，总市值大的权重就大。市值高是对公司的一种外在的肯定，但流通市值太大,在市场成交量低迷的时候就不容易涨，所以不要盲目的看重高市值的股票。 一家上市公司的风险评估不能单靠市值来判断，需要综合很多因素.......下面我推荐一种 “上市公司投资价值评价指标体系”，评估操作相对简单：根据公司价值的一般理论，公司价值主要由盈利报酬能力、资产管理能力、股东回报能力、偿付债务能力、成长能力等诸多因素决定，考虑到数据的可获得性和指标间的可比性，基于建立投资价值评价指标体系的原则，即定性指标与定量指标相结合、财务与非财务指标相结合原则，本文以上市公司的财务状况、经营管理水平、核心竞争优势、行业发展前景、高级管理人员能力、信息披露质量等6个一级指标以及19个二级指标所构成的三层次模型构架建立上市公司投资价值指标评价体系。对于这些指标，可以定性分为很好、较好、一般、差等4个计分标准，对于定量指标，参考行业标准值评价，没有行业标准值的，例如，市场占有率根据实际市场情况打分，市场占有率排名靠前的为优。[1]1 .财务状况指标。这一指标主要包括净资产收益率、资产负债率、每股现金流量、销售收入增长率四个子指标。财务状况指标是对公司以往经营情况的反映，能够在一定程度上预测公司未来的业绩，在投资价值分析中具有非常重要的作用。这一指标主要包括公司的盈利能力、成长能力、公司盈利的质量和投资的安全性，具体可以选择净资产收益率，资产负债率，每股现金流量，销售收入增长率四个二级指标。净资产收益率反映上市公司股东投资报酬的大小，净资产收益率越大，上市公司净资产的获利能力就越强。净资产收益率是税后利润除以净资产得到的百分比率，用以衡量公司的赢利能力指标。这一指标既与每股收益又与每股净资产有关，而这两个指标从不同角度反映了公司的投资价值，故这一指标综合地反映了公司投资价值。公司的总资产包括净资产和负债，将负债总额除以资产总额便得到资产负债率。资产负债率低，那股东权益比率就高，公司偿付全部债务的能力强，财务风险小，经营安全性高，公司的投资价值相应较大。每股经营活动现金流量，它是由经营活动现金流量除以总股本得到，上市公司必须披露每股经营活动现金流量，以防止上市公司通过大量关联交易，制造大量挂帐利润。主营业务收入增长率在上市公司成长评价中具有举足轻重的作用，表明公司重点发展方向的成长能力。这些指标都可以从公司年度财务报告中得到。2.公司经营管理水平。这一指标设置管理制度完善性、人力资源管理水平、产品市场占有率、顾客满意度四个子指标。公司经营管理水平直接决定了公司的盈利与成长能力。完善的管理制度，能够保证管理层权责划分明确，有效的控制经营风险，确保经营目标的实现。人力资源管理水平反映公司如何招聘人才以及在培训方面的投资，以及激励政策的制定与执行，这一指标可以通过公司职员的数量、年龄结构、知识结构和人员的流动性来衡量。产品市场占有率和顾客满意度高低体现了公司产品和服务的竞争优势，决定了公司在市场竞争中的地位和盈利水平。这些指标可以从公司招股说明书和年度财务报告中资料整理得到。3.核心竞争优势。这一指标包括公司核心技术数量及质量、品牌形象、研发能力、企业文化。核心技术是指公司拥有的专利和专有技术，这些技术会使公司比竞争对手获得超额利润。研发人员的技术水平和研发能力，会影响新产品的研发周期，以及新产品的研发质量，研发人才队伍的整体素质直接决定了公司的技术创新水平，而好的企业文化会激发职工创新的积极性，提高公司创新能力。公司品牌作为一项无形资产，也会提高公司的竞争优势。这些指标可以从公司招股说明书和年度财务报告中得到。4.行业发展前景。这一指标分为公司符合国家产业政策、周边经济环境、行业竞争状况三个子指标。实践证明，在不同时期，国家的产业政策调整会对公司的盈利与发展产生重大的影响。如果公司所处行业属于国家鼓励发展，则有可能获得各种扶持政策，诸如税收优惠等。周边经济环境对行业发展也有密切关系。行业竞争程度直接影响着行业的获利能力。影响行业竞争程度的因素主要有进入壁垒高低、买方和替代品等。这些指标可以从公司招股说明书和年度财务报告评价得到。5.高级管理人员能力。这一指标包括高管人员的素质与经历、领导决策力两个子指标。高级管理人员是指公司的副总以上级别及关键部门中层领导人员。这些人能够对公司的生产经营政策产生重大影响，因此其个人素质、经历也会影响公司的业绩发展，评价依据是高管人员的背景、资格、经验等。领导决策能力是制定经营战略的能力，主要依据企业重大经营政策的执行和实现情况进行定性评价。有关资料可以从公司年度财务报告中得到。6.信息披露质量。这一指标由信息披露及时性和准确性两个子指标组成。只有及时、真实的信息才具有参考价值。依据这些信息做出的分析才具有可信性。这些指标可以从公司股东大会公告以及交易所公告中得到。三、模糊综合评价1.确立评价集V。评价集是对分析对象做出的各种总的评价结果组成的集合，用V表示：V=(V1,V2,…Vj…Vn)，其中Vj表示第j个评价结果。我们对上市公司投资价值进行评价时,建立评价集V：V=(V1,V2,V3,V4)=(很好，较好，一般，差)。2.将所有指标按其属性分成6个子集，即（U1，U2，U3，U4，U5，U6），分别为U1=“财务状况”、U2=“公司经营管理水平”、U3=“核心竞争优势”、U4=“行业发展前景”、U5=“高级管理人员能力”、U6=“信息披露质量”。各个子集有若干个第三层指标组成。Ui=（Ui1，Ui2，…，Uin），i=1，2，3，4，5，6；n表示Ui所包含的第三层指标的数目。表1 模糊判断数据表一级指标 权重 二级指标 权重 评 定 级很好 好 一般 差财务状况 0.3 净资产收益率 0.3 0.2 0.6 0.2 0资产负债率 0.2 0.1 0.2 0.5 0.2每股现金流量 0.3 0 0.1 0.2 0.7销售收入增长率 0.2 0.3 0.6 0.1 0经营管理水平 0.2 管理制度完善 0.25 0.2 0.5 0.2 0.1人力资源管理 0.25 0.3 0.5 0.1 0.1产品市场占有率 0.25 0.5 0.5 0 0顾客满意度高低 0.25 0.3 0.4 0.2 0.1核心竞争优势 0.2 核心技术数量 0.3 0.5 0.5 0 0研发能力 0.2 0.2 0.5 0.2 0.1品牌形象 0.25 0.2 0.5 0.2 0.1企业文化 0.25 0.3 0.4 0.2 0.1行业发展前景 0.1 符合产业政策 0.4 0.5 0.5 0 0周边经济环境 0.3 0.3 0.4 0.2 0.1行业竞争状况 0.3 0.3 0.5 0.2 0高级管理人员能力 0.1 素质与经历 0.5 0.4 0.5 0.1 0领导决策力 0.5 0.1 0.2 0.4 0.3信息披露质量 0.1 及时性 0.5 0.2 0.5 0.2 0.1准确性 0.5 0.4 0.5 0.1 03.对构成每个第一层因素的第二层因素集进行模糊评价。根据Fuzzy的性质，得到对U1的判断向量 ；其中， 是由U1到批语集V的一个模糊影射；U1下各个第二层指标可通过德尔菲法获取，从而可以得到U1的模糊评价矩阵 = （相关数据见表1）。采用M（ ，＋）算子方式：bj= j=1，2，…,m,其中 。[3]求得对应每个指标模糊向量 =（b11b12b13b14），最后得到对第一层指标进行判断的模糊矩阵。因为此模型考虑了所有因素影响，能够保留全部有用信息，非常适合于上市公司投资价值分析。4.确定权重集。对一级评价指标层U=(U1,U2,…Ul)所对应的权重集为A=(a1,a2,…,al),其中ak(k=1,2,…,l)表示指标Uk在U中的权重；对二级评价指标层Uk=(Uk1,Uk2,…,Ukm)所对应的权重集为Ak=(ak1,ak2,…,akm)其中aki(i=1,2,…,m)表示指标Uki在Uk中的权重。为了使多个指标合成的综合评价结果能够准确反映被评价对象的真实情况，需对各指标赋予不同的权数。可以采用层次分析法（AHP）确定企业信用评价指标体系中各指标的权重。层次分析法是一种定性和定量相结合的、系统化、层次化的分析方法，通过对各指标的相对重要性的两两比较，给出模糊判断，建立成对比较矩阵，并根据Saaty标度将其量化，最终得出各类指标的权重。也可通过德尔菲法或专家小组法对定性指标进行评价得到各指标的权重。[4]5.确定评价公司投资价值的向量元素集。 ，其中， 为对应每个第一层指标的权重向量。本文以三一重工公司为例，建立模糊判断数据表，经计算可得该公司的投资价值评价值为 （0.263，0.433，0.177，0.127）。[5]6.确定评价结论。若对批语集作如下等级赋值：很高（95），高（80），一般（65），差（50）。对公司评价结果应用归一化公式： ，可得 80.28分。说明该公司具有高的投资价值。
③ 期货博弈大师怎么看
是空换，空开，多换，多开，双开，双平，多平，空平吧，期货交易的八种性质，举个例子吧，这个很难说明白，画图的话比较好说。
多换：就是在多方市场上，好比你买入一手开仓，同时有人卖出一手平仓，你们
两个成交的话，就叫多换，现手2，持仓+0
空换：在空方市场上你卖出一手开仓，同时有人买入一手平仓，你们成交的话就
叫空换，现手是2，持仓+0
多开:例有人买入两手开仓，同时有人卖出一手平仓，还有人人卖出一手开仓，
这三人成交，就是多开，现手是4，持仓+2
空开：例有人卖出两手开仓，同时有人买入一手平仓，还有人买入一手开仓，这
三人成交，即是空开，现手是4，持仓+2
多平：例有人卖出两手平仓，同时有人买入一手开仓，还有人买入一手平仓，这
几人成交，就叫多平，现手是4，持仓-2
空平：一样例有人买入两手平仓，同时有人卖出一手开仓，还有人卖出一手平
仓，三人成交就是空平，现手是4，持仓-2
双开：就是双方同时开仓，有人买入一手开仓，同时有人卖出一手开仓，成交就
是双开，现手2，持仓+2
双平：就是双方同时平仓，例有人买入一手平仓，同时有人卖出一手平仓，双方
成交，即是双平。现手2，持仓-2
只是举了一个简单的例子，在期货市场上，同一时间内有很多人交易的，也有很多手单子
④ 股票价格是如何定价的
拿肉(股票)来说吧,第一天,某市场(比喻股票交易市场)一斤肉10(股票价格)元一斤,我(比喻庄家)发话了:今天收购价格只要低于15块,都卖我,我全买了.市场上这批猪肉被我买的差不多了,收摊...
第二天,肉商们提高价格(股票上涨),至少比昨天10块钱的价格高,因为昨天有人大量高价收购,某些喜欢传话的老太婆们(股票评价公司,或者股票推荐人等)四处传:看吧,我就说肉今天肯定涨价你们都不听,后悔了吧!再者市场上的肉的确因为我的收购而显得稀少,大家(散户)到肉肯定还要涨价,也都纷纷跟着买进,想高价时卖出个好价钱.此时肉的价格涨到20元一斤.我没有出手.
第三天,我将手中肉的10%投入市场卖,定价为25元,买不买随便.肉商们看到我这个大户都提高价格了,也会纷纷提高价格虽然不可能一下子涨5元,2元3元都有可能.大家看到肉的确涨价了买入的心情就更加强烈了,纷纷抢购.
第四天,肉因为我的囤积,老太太们的炒做,大家的追捧,价格一路直上,我将股票定到为30元即可出售,某时某分肉价为30元,抛...
第五天,肉价因为我的抛售,大家手中资金基本上前两天都花光了购买力下降,老太太们也哑巴了等各种不利因素下肉价向下小幅度动摇,为28元
第六天,因为肉价太高无人问津,市场上有大量的肉在销售,大家纷纷抛售,导致价格一路直下为20元,市场管理者(是谁都知道吧)说:为了稳定肉价不收你们摊位卫生费了(比如印花税).肉价上涨到21元.
第七天,肉价还是持续走低,大家忍不住了,纷纷抛售,此时购买的人四处讲价:谁便宜我买谁的.大家相互压价最后肉价又回归为10元左右.
基本上就是这个模式,象咱们小老百姓买股票都要跟庄跟的好就行,比如:庄家在30元卖出,此时我们并不能感觉到什么,但是第二天研究各种信息能发现庄家抛了,不要抱任何"贪"的心理抛出.大概就是"第二天"跟买,"第五天"跟卖.还有一点,不要相信那些多嘴的老太太们瞎叨叨,股票涨了跌了都会扯淡半天,马后炮而已.你要是问买哪个股票一定涨,他们就都哑巴了.
⑤ 正螺旋效应是怎么产生的
沪深A股市场价格混沌特性研究
Study on Chaos process of stock price in Shanghai and Shenzhen A shares Stock market
研究领域： 金融学
1、前言
现代金融经济学理论假定投资者是理性的，证券价格等于其内在“基本价值”，在这种理想的市场环境中，市场是有效率的。Fama(1970)提出有效市场假说（Efficient Market Hypothesis,EMH），认为在一个有效率的市场中，证券的价格充分反映了所有可获得的信息。为了检验市场是否有效，所采用的方法一般是通过检验证券价格收益率序列是否符合随机游走模型。关于市场效率的实证研究持续了近半个世纪，但结论仍然是存在极大争议的。
自然科学的研究成果表明，一个非线性正反馈系统的演化过程可能产生混沌（Chaos）。许多经济行为模式都是非线性的，例如，投资者对风险与收益的偏好、市场参与者之间的决策博弈、一些经济合同及金融工具的选择性条款等。行为金融学派认为，投资者并非完全理性的，而是存在“代表性直觉（Representativeness heuristic）”等认知偏差（Kahneman 与 Tversky，1979），在这些认知偏差影响下，由于羊群效应（Scharfstein 与 Stein，1990）、外推预期等因素，证券市场存在正反馈机制（De Long等，1990b）。因此，证券价格形成过程中，存在非线性正反馈机制， 在这种机制的驱动下，证券价格有可能出现混沌(Chaos)现象，使证券价格的演变表现出复杂性（Complexity）。
混沌概念是E．Lorenz（1963）最早在研究大气运动时提出的，它是指确定性系统的内在不规则的、永不重复的非周期性运动，这种系统存在内在非线性正反馈动力，其定常状态是一种性态复杂、紊乱但却使终有限的运动状态，且系统的运动路径受系统初始条件及参数影响很大。混沌表面上看起来像随机运动，它能通过所有传统的随机性检验，例如，在许多计算机系统中，类似于Logistic映射这样的混沌过程算法就被作为伪随机数发生器(Pseudo Random Number Generators)产生随机数序列。混沌貌似随机性（Randomness），但它不是随机性。随机性是随机过程，是噪声扰动引起的。而混沌则是由内在确定性的非线性正反馈引起的，因此也被称为确定性混沌(Deterministic Chaos)。
混沌的概念提出以后，对现代金融经济学中有效市场理论的冲击是巨大的。Fama(1970)通过检验证券价格收益率序列在统计上能通过随机行走模型检验，从而认为市场是有效的。但是，如果证券价格收益率序列存在确定性混沌过程，它在数学上也完全能够通过所有随机性检验，但它却不是随机运动，而是受内部确定性过程驱动，这样，传统金融经济学有效市场理论的基础将变得十分脆弱。
本文将简要回顾混沌理论的研究成果及其在金融市场研究中的应用，并对沪深A股市场价格的混沌特性进行实证研究。本文的研究表明，沪深A股市场存在低维确定性过程。
本文余下部分安排如下，第二部分是对混沌理论及相关研究成果进行简要回顾，第三部分对沪深A股市场股票价格混沌特性进行实证研究，第四部分是全文的总结。
2、混沌理论及证券价格的混沌特性
Lorenz（1963）在研究气象预测时发现，大气运动这样的复杂系统存在混沌过程，在一定的条件下，系统运动的轨迹将是围绕两个不动点（即奇异吸引子，Strange Attractor）的发散的螺旋，并局限在一个有界的、体积为零的曲面上，进行不断无规则的振荡。这种不规则的来回振荡，好像飞蛾看到两个光源，飞向一个光源，当靠近时感到太热又飞向另一光源，如此不规则地来回飞腾，其飞行的轨迹永不重复。由于它的形状类似蝴蝶的双翼，所以也被称为Lorenz蝴蝶结，如图1所示。
图1 Lorenz 蝴蝶结
周期运动或周期性振荡是大量存在的，但上述Lorenz过程是非周期振荡，好像永不结束的过程，然而它既不发散也不消失，一直是不规则的振荡。这种振荡的轨迹在三维相空间上是螺旋线，非常密集的曲线在无穷多层平面上呈分形结构（Fractal Structure，参见Mandelbrot, 1985），无穷长，且对初始条件敏感，初始条件中无足轻重的误差能够被系统迅速放大，导致系统的演变路径大相径庭。正如Lorenz 所指出的那样：“巴西一只蝴蝶的扇动可以引发得克萨斯洲的飓风”，即所谓“蝴蝶效应（Butterfly Effect）”。
混沌是作为确定性过程与随机性过程的桥梁，确定性过程是完全可预测的，而随机性过程则是完全不可预测的，而混沌过程则是界于确定性过程与随机性过程之间。由于混沌过程对初始条件敏感，初始细微的误差可以成倍地放大，因此，对于长期来看，系统的演变是不可预测的。但是，如果初始条件保持稳定，运用混沌过程对系统的短期演化状态进行预测，得到的结果将比采用线性随机过程可能得到的预测结果精确得多，因此，混沌过程对经济分析与预测的意义是明显的。这可以解释为什么传统经典金融理论认为奉行图表分析的技术分析是无意义的，但在金融市场仍然存在为数众多的投资者采用技术图表分析，追随证券价格趋势（Murphy, 1986），而且这些交易者并不像传统理论所认为的那样，在与理性交易者长期博弈过程中，这些交易者将因遭受亏损而被赶出市场。
在行为金融学分析框架下，由于证券市场投资者并非完全是古典意义上的理性经济人，投资者存在认知偏差，对同一事件不同投资者具有不同的价值判断，从而表现出不同的决策行为。事实上，按照Kahneman 与 Tversky(1974,1979)提出的前景理论（Prospect Theory），各类投资者的风险偏好并不是固定不变的，存在风险偏好的反转。投资者的价值函数是根据参考点进行定义的，在赢利时是凹函数，在亏损时是凸函数，即在赢利时是风险厌恶型的，而在亏损时是风险追求型的，而且在亏损区间比在赢利区间更陡峭，人们对亏损比对赢利更加敏感。
此外，在前景理论中，投资者权重函数也是非线性的。在极端低概率及极端高概率处，权重函数都存在跳跃，某一事件如果其发生的概率极端地高，明显地接近于1，则决策者在编辑阶段将明确地将其视为确定性的事件，相反，如果某一事件发生的概率极端地小，接近于零，则决策者在编辑阶段可能就将其忽略。因此，人们倾向于对那些极端不可能的事件或者忽略或者高估，而对于一些极端高概率的事件则或者忽视或者夸大。
投资者在决策时存在保守主义(Edwards, W., 1968)，不会轻易对新收到的信息做出反应，除非人们确信得到足够的信息表明环境已经改变。而且投资者的行为模式一般是当环境的变化已经达到一定阀值以后，才一起对所有的信息集中做出反应。例如，对理性投资者来说，其对证券的需求并不完全与证券价格偏离基础价值的程度呈线性关系。在投资实务中，证券分析师与投资经理会经常设定一个他们认为安全的价格线, 价格在此安全价格线以上, 他将进一步等待, 而一旦价格低于这一预先判定的价格时, 他们将迅速大量买入。例如，价值投资理论的创立者本杰明•格拉厄姆（Benjamin Graham）特别强调投资的安全边际（Safety Margin），只有投资者的预期收益达到一定程度以上时，才会建议买入证券。
总之，在证券市场，由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为可能形成正反馈效应，这种正反馈机制会使证券价格的演变产生十分复杂的运动，在一定条件下产生混沌过程，导致证券价格收益率分布呈现分形等复杂结构，表现出高度的复杂性。例如，价格的突然大幅度波动则导致分布产生胖尾现象，而混沌及局部奇异吸引子的出现，导致证券价格胶着于一些价格附近，来回进行无规则的反复振荡，则使证券价格分布出现局部尖峰的特征。
现实市场中的非线性特性将进一步增加证券价格形成的复杂程度，使市场交易在本质上变成一种不同投资者之间的多轮博弈。由于证券价格的演变可能形成混沌过程，系统的初始状态对证券价格的演变路径影响很大，初始状态细微的差别将导致长期结果的巨大差别，即所谓“失之毫厘，谬以千里”的蝴蝶效应。因此，就长时间跨度来说，证券价格波动的方向及波动的幅度都是难于预测的。股票价格的波动形式既可以呈现出稳定的均衡（即通常所说的“盘整”），也可以是非周期性的振荡，还可以突然出现暴发性上涨（泡沫）或者大幅度下跌（泡沫破灭或者负泡沫）等剧烈波动，局部可能与整体相似，但永不重复且不可逆转，呈现分形等复杂且不规则的分形结构，表现出高度的复杂性。混沌过程所拥有的“蝴蝶效应”还可以解释一些偶然性局部事件所引发的全球性金融市场异常波动，例如，上世纪90年代初的“墨西哥金融危机”及90年代后期的东南亚金融危机等。如果证券价格存在混沌特性，则意味着证券价格变化在短期内存在一定的可预测性，而进行长期预测则是极为困难的，从投资策略角度看，这意味着基于证券价格短期变化的交易者可能存在生存的空间。
在实证研究方面，Fama 1970年提出有效市场假说以后，关于资本市场效率的实证研究不胜枚举，大量经验研究表明，证券价格收益率分布不是高斯分布，具有尖峰与胖尾的特点，经常产生一些极端数值，而且，按不同的时间间隔建立收益率分布曲线，得到的都具有相似的尖峰与胖尾的特征，具有时间分形的特征。Mandelbrot(1972)提出重标极差分析法（Rescaled Range Analysis, R/S分析方法）以后，许多学者运用R/S方法研究了股票市场效率及检验股票市场价格是否存在记忆特性。这方面的文献包括：Peters（1989,1991,1996），Lo（1991）， Pandey，Kohers与Kohers（1998）等。这些经验研究结果显示，金融数据具有长期记忆的特征，即是说，股票当前价格运动受到以前的价格运动的影响。这意味着股票价格存在一定时间区间内的趋势持续效应，这也在一定程度上印证了股票价格形成过程中存在正反馈效应。
Lorenz(1963)提出混沌理论以后，Grassberger and Procaccia(1983a)提出了关联维数（Correlation Dimension）的分析方法，用以识别时间序列是否存在低维确定性过程。Scheinkman 与Lebaron（1989）根据美国证券价格研究中心（CRSP）提供的以市值为权重的美国股票收益率指数，对始于1960年代初期的共1226个周收益率数据考察了其关联维数（Correlation Dimension, CD）, 他们研究得到CD值为6，从而认为美国股票周收益率序列总体表现出了非线性关联，并认为这种非线性关联可以解释金融资产分布的尖峰、胖尾等特性。Brock与Back（1991）再度扩展了Scheinkman 与LeBaron的研究，得到的CD值在7-9之间，因此，也拒绝了股票价格收益率是独立同分布（Independent Identical Distribution，IID）的假设，倾向于支持股价收益率分布存在低维确定性过程的备择假设，但他们同时指出，并不能就此认为存在混沌过程。Urrutia等（2002）的研究则提出了针锋相对观点，他们研究了1984年至1998年期间美国保险公司股票收益率特性，研究表明保险公司股票收益率存在非线性特征，并且进一步验证导致这种非线性的原因就是低维混沌过程。总体而言，这些经验研究提供了实质性的证据表明，股票、汇率、商品期货等金融数据序列存在非线性结构，但就是否明确存在低维确定性混沌过程，则结论不完全一致，仍然存在争论。
对于中国大陆股票市场，戴国强等（1999）对上证综合指数及深证成份指数进行R/S分析，计算得到Hurst指数分别为0.661和0.643；史永东（2000）所作的R/S分析显示，上海证券交易所股票市场的Hurst指数为0.687，而深圳证券交易所股票市场的Hurst指数为0.667；曹宏铎等（2003）计算的深证证券交易所股票市场日收益率、周收益率、月收益率的Hurst指数分别为0.6507，0.7000，0.6906及0.7576。上述经验研究表明，上海及深圳股票市场并不呈随机行走的特征，而具有状态持续特征，同时也意味着中国股票市场不是弱式有效的。
事实上，关于中国股票市场是否弱式有效，一致存在极大争议。正如张亦春与周颖刚（2001）所意识到的那样，一方面，多数研究人士凭经验就感觉到中国股票市场投机性强，远未达到有效状态。例如，沪深A股市场近年来上市公司财务造假不断案发 ，庄家操作市场盛行 ，股价严重脱离内在价值，上海A股市场在2000年及2001年平均市盈率高达60多倍，被很多学者斥为“赌场”，宣称这样一个市场已达到弱式有效状态，确实让人们难以接受。另一方面，许多学者所作的实证研究却表明，证券价格收益率序列十分接近随机行走模型，因而无法有力地拒绝有效市场假设。经验感觉与理论研究结论大相径庭，这其中的原因究竟是什么？到底是现实错了？还是学术理论研究有问题？混沌的思想让我们豁然开朗！因为，如果证券价格存在混沌过程，或者是在混沌过程基础上迭加一个随机过程，那么，市场显然是无效的，但证券价格收益率序列同样能通过随机性检验。例如，假设证券价格波动序列是一个Logistic 映射过程，它显然是一个确定性的混沌过程，但是，这一过程在许多计算机系统是被当作伪随机数发生器，常规的检验方法根本无法识别确定性过程，而是将其视为随机序列！如果这样的话，所有通过考察证券价格是否能够通随机性检验的方法来考察资本市场有效性的研究，其理论基础及研究结论都将受到质疑。
3、沪深A股市场价格混沌特性实证研究
本文同时采用R/S分析方法及关联维数（Correlation Dimension,CD）分析方法考察沪深A股市场的非线性特征。通过R/S分析方法能够识别出证券价格序列是否存在持续效应，这在某种程度上可以验证股票市场是否存在正反馈交易机制，正反馈过程是产生混沌的前提。采用关联维数分析，可以识别股价序列是否存在混沌特征。我们的数据来源于乾隆公司的钱龙资讯系统。
3．1 R/S分析
Hurst（1951），Mandelbrot(1972)及Lo（1991）等所发展并完善了赫斯特指数(Hurst Index)的分析方法，即重标定域（Re-scaled range，R/S）分析方法。
赫斯特指数(H)可以用来识别时间序列的非随机性, 还可以识别序列的非周期性循环，因而可以用于识别时间序列的非线性特征。如果序列的赫斯特指数不等于0.50，则观测就不是独立的，每一个观测值都带着在它之前发生的所有事件的“记忆”，这种记忆不是短期的，它是长期的，理论上讲，它是永远延续的。虽然远期事件的影响不如近期事件的影响大，但残留影响总是存在的。在更宽泛的尺度上，一个表现出赫斯特统计特性的系统是一长串相互联系的事件的结果。今天发生的事情影响未来，今天我们所处的地位是过去我们所曾处的地位的一个结果。
关于Hurst赫斯特指数的详细计算参见文献Mandelbrot(1972)及Lo（1991）等，其计算过程如下：
1．对一个时间序列 ，考察长度为n的时间窗口内的子序列， ，n=1,2,3,……K，计算序列的平均值为：
………………………………（1）
2．计算子序列偏离均值的差值
………………………………（2）
显然， 的均值为零，这是重标定或归一化（标准化）。
3．计算偏离均值的累加值
……………………………（3）
4．计算时子序列的域
………………………………（4）
5．计算采样子序列的标准差
………………………………（5）
6．计算子序列重标定域
……………………………（6）
7．求解全序列 的均值
………………………………（7）
8．求解赫斯特指数
与 有幂关系，即：
……………………………（8）
……………………………（9）
在对数坐标上，设水平轴n，纵轴为 ，对 与 进行回归, 则线性回归的斜率为赫斯特指数。
我们选取上海证券交易所A股综合指数从1990年12月19日至2003年12月23日，以及深圳证券交易所A股综合指数从1992年10月4日至2003年12月23日期间的交易数据，分别计算其日收益率及周收益率序列的赫斯特指数，从而考察沪深A股市场的证券价格是否存在非线性特征。
采用上述方法,计算得到沪深A股综合指数的赫斯特指数,如表1所示，在图2—图5中，还详细地列出了R/S分析图。
表1 沪深A股综合指数Hurst 指数
上海A股指数 深圳A股指数
日收益率序列H值 0.66(t=336) 0.63(t=306)
周收益率序列H值 0.69(t=84 ) 0.69(t=97 )
图2 上证A股指数日收益率序列 图3 上证A股指数周收益率序列
图4 深圳A股指数日收益率序列 图5 深圳A股指数周收益率序列
从表中数据我们可以看到，沪深A股市场的赫斯特指数无论以周数据统计还是以日数据统计，结果基本一致，均在0.60以上。H值大于0.50，意味着今天的事件确实影响明天，即是说，今天收到的信息在其被接收到之后继续被市场计算进去， 这从另一侧面印证沪深A股市场价格并不呈随机行走状态，收益序列之间存在一定的关联性，这是一种持续效应（Persistence effect）。如果股价序列在前一个期间是向上运动的，则它在下一个期间将更可能继续向上运动的趋势，反之，在前一个期间是向下运动的，则它在下一个期间更可能持续向下运动的趋势。股价序列的这一特性与经验感觉是一致的，无论是国内股票市场还是全球其它地区的股票市场，典型的牛市或者熊市，并非短暂的数日或者数月，往往持续数年。而股票市场极其异常的波动，例如，美国股市1929年股灾、1987年的暴跌等，均使投资者对市场的信心受到严重打击，市场在其后很长一段时间深受其影响。股价的持续效应在某种程度上印证了股票市场存在的正反馈效应机制。
3．2 关联维数分析
Grassberger 与Procaccia(1983a,1983b)提出了关联维数（Correlation Dimension，CD）方法，用以考察时间序列的非线性特性。其基本思想是：如果一个混沌过程是n维确定性过程，则该过程将充满n维空间，但如将其置于更高维的空间里，该过程将留下许多“洞眼”。一般地，关联维数度量的是相空间被一组时间序列“填充”的程度，关联维数越大，填充程度越高，表示时间序列内部结构越复杂，它类似随机过程时间序列的程度越强。需要指出的是，我们仅对低维混沌过程感兴趣。 如果股票价格真的是高复杂性的混沌过程，我们采用有限的样本数据是永远也无法识别出其复杂的结构的。此时，它可能与一个良好的“伪随机数发生器”产生的数据相近，高维混沌过程与随机过程将没有实际意义的区别。
设时间序列 由具有 个自由度的非线性动态系统产生，可以构造 维相空间失量：
………………（10）
其中， 被称为镶嵌维(Embedding dimension)， 为适当的时滞单位。时间序列过程在相空间的运行轨道是由一系列 维失量构成。如果该系统最终收敛为一组确定性过程，则该系统的运行轨道将收敛于相空间中维数低于 的相空间子集，即吸引子（Attractor），在这些吸引子周围的运动是混沌过程，具有非周期性且长期运动状态无法预测。
考虑吸引子附近的失量集合 ，关联积分（Correlation Integral） 定义为对于任意给定的 ，那些彼此之间的距离小于 的点数对（Pairs of Points） 的数量占所有可能的点数对的比例，即：
……………………（11）
其中， ……………（12）
当 时，对任意小 ，可以预期C遵循指数幂变化规律，即：
，从而关联幂（Correlation Exponent）可以通过对 与 对回归计算得到：
……………………………（13）
如果系统存在确定性混沌过程，随着镶嵌维数的增加，关联幂D值达到饱和值以后，将大约保持不变，这一关联幂指数的饱和值就是吸引子的关联维数。如果系统是随机过程，则随着镶嵌维数的增加，D值亦将成比例地增加，趋向无穷大 。
图6 上证A股指数在不同镶嵌维空间中的关联积分
图7 上证A股指数关联维
我们考察上海证券交易所A股综合指数从1990年12月19日至2003年12月31日期间日收益率时间序列的关联维。图6为上证A股综合指数在1-8维相空间中关联积分 随 值的变化情况。从图中我们可以看到，在 值处于0.0003-0.005区间时, 与 的变化呈现出指数幂关系。图7是关联幂D随镶嵌维数m的变化情况，我们可以看到，随着镶嵌维数m超过2以后，关联幂D值不再增加，而是稳定于大约 区间, 即上证A股综合指数的关联维数大约为1.4, 因此, 我们可以推测, 上证A股综合指数存在关联维数大约为 的低维确定性混沌过程。
相对于Scheinkman 与Lebaron（1989）及Brock与Back（1991）等计算得到的成熟资本市场关联维数，我们计算得到的上海A股市场的关联维数明显更低。如果时间序列是一个低维确定性过程，则意味着时间序列在短期是具有一定的可预测性的。从这个意义上看，我们认为，相对成熟资本市场，上海A股市场指数的随机性程度更低，而短期可预测性更强，这在某程度上也说明市场效率程度相对更低。另外，由于混沌特性，证券价格在短期具有一定的预测性，但进行长期预测则是极为困难的，从投资策略角度看，意味着基于证券价格短期变化的交易者可能存在获取利润的空间。
4、结论
在一个存在非线性正反馈机制的系统中，系统的演化理论上可能出现混沌过程。 证券市场由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为，形成正反馈效应，从而可能导致证券价格的演变呈现出混沌过程，表现出复杂性。
本论文所做的实证研究表明，沪深A股市场指数的赫斯特指数大于0.5，这意味着沪深A股市场价格并不呈随机行走状态，收益序列之间存在趋势持续的特性，这也在一定程度上说明了股价形成过程中存在正反馈效应。对上海A股市场指数的考察进一步表明，上海A股市场指数收益率序列存在低维确定性混沌过程，其关联维数大约为1.4。 这一数值远低于成熟资本市场的指标，这表明上海股票市场指数收益率序列随机性低于成熟资本市场, 市场在短期的可预测性更强一些, 这在某种程度上表明市场的效率程度更低一些。市场存在确定性混沌过程，市场显然是无效的，但是，由于混沌过程同样能够通过随机行走模型检验, 我们认为, 这也许是为什么关于资本市场效率的传统实证检验结果仍然存在极大争议的原因。因为常规检验方法无法区分混沌过程与随机过程，因此，本论文认为，所有采用常规方法，通过考察证券价格是否符合随机游走模型，从而推断资本市场有效性的研究，其理论基础及研究结论均存在严重缺陷。由于证券价格运动的混沌特性，这意味着证券价格在短期具有一定的可预测性，但进行长期预测则是极为困难的。证券价格的这种混沌特性，从投资策略角度看，意味着基于证券价格短期变化的交易者可能存在生存的空间。
内 容 提 要
行为金融理论认为，投资者不是完全理性的，而是存在各种认知偏差。由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为，证券市场存在正反馈效应。而且，投资者行为模式都是非线性的，在一个存在非线性正反馈机制的系统中，证券价格的演化可能出现混沌过程。
本论文所做的实证研究表明，沪深A股市场价格并不呈随机行走状态，而是存在非线性结构；上海A股市场指数收益率序列存在低维确定性混沌过程，其维数大约为1.4, 这一数值远低于成熟资本市场的指标，这表明上海股票市场指数收益率序列随机性低于成熟资本市场。由于市场存在确定性混沌过程，市场虽然是无效的，但同样能够通过随机行走模型检验，这也从某一角度说明了，为什么关于资本市场效率的传统实证检验结果仍然存在极大争议。由于混沌的存在，证券价格变化在短期具有一定的可预测性，但进行长期预测则是十分困难的。
⑥ 上证指数如何归一化处理
拜托，nannan5568，不知道别瞎说，你从那听来的上证指数是挑选出来的业绩好流通市值大的样板股构成的?
一般说的上证指数都是说上证综合指数，就是把所有上海市场的股票进行加权平均后与历史的比值。(好像是还乘以100，因为第一次定义指数的时候就是100点，可能是，记的不清楚了。)
因为上证综合指数是所有股票的集合，所以从理论上说，应该是越多的股票涨，上涨指数就涨，所以上证指数一般表示了股票的涨跌。但因为其权重不同(关于权重你可以就理解成发行股票的多少)，所以一些小盘股就被边缘化，可能上证指数涨，但小盘股跌，也可能相反。
所以现在又有了上证50指数，上证180指数，中小盘指数等作为参考。
⑦ RSI选股策略详解
（1）RSI金叉：股票的多头力量开始强于空头力量，股价将大幅扬升，这是RSI指标指示的中线买入信号。（2）突破均线，放量：当股票同时带量向上突破中长期均线时出现的买入信号比较准确，投资者可逢低买入。
⑧ 股票是干什么用的
股票是股份有限公司在筹集资本时向出资人发行的股份凭证。股票代表着其持有者（即股东）对股份公司的所有权。这种所有权是一种综合权利，如参加股东大会、投票表决、参与公司的重大决策。收取股息或分享红利等。同一类别的每一份股票所代表的公司所有权是相等的。每个股东所拥有的公司所有权份额的大小，取决于其持有的股票数量占公司总股本的比重。股票一般可以通过买卖方式有偿转让，股东能通过股票转让收回其投资，但不能要求公司返还其出资。股东与公司之间的关系不是债权债务关系。股东是公司的所有者，以其出资额为限对公司负有限只任，承担风险，分享收益。
股票是社会化大生产的产物，已有近400年的历史。作为人类文明的成果，股份制和股票也适用于我国社会主义市场经济。企业可以通过向社会公开发行股票筹集资金用于生产经营。国家可通过控制多数股权的方式，用同样的资金控制更多的资源。目前在上海。深圳证券交易所上市的公司，绝大部分是国家控股公司。
股票具有以下基本特征：
（l）不可偿还性。股票是一种无偿还期限的有价证券，投资者认购了股票后，就不能再要求退股，只能到二级市场卖给第三者。股票的转让只意味着公司股东的改变，并不减少公司资本。从期限上看，只要公司存在，它所发行的股票就存在，股票的期限等于公司存续的期限。
（2）参与性。股东有权出席股东大会，选举公司董事会，参与公司重大决策。股票持有者的投资意志和享有的经济利益，通常是通过行使股东参与权来实现的。
股东参与公司决策的权利大小，取决于其所持有的股份的多少.从实践中看，只要股东持有的股票数量达到左右决策结果所需的实际多数时，就能掌握公司的决策控制权。
（3）收益性。股东凭其持有的股票，有权从公司领取股息或红利，获取投资的收益。股息或红利的大小，主要取决于公司的盈利水平和公司的盈利分配政策。
股票的收益性，还表现在股票投资者可以获得价差收人或实现资产保值增值。通过低价买人和高价卖出股票，投资者可以赚取价差利润。以美国可口可乐公司股票为例。如果在1983年底投资1000美元买人该公司股票，到 1994年7月便能以 11 554美元的市场价格卖出，赚取10倍多的利润。在通货膨胀时，股票价格会随着公司原有资产重置价格上升而上涨，从而避免了资产贬值。股票通常被视为在高通货膨胀期间可优先选择的投资对象。
（4）流通性。股票的流通性是指股票在不同投资者之间的可交易性。流通性通常以可流通的股票数量、股票成交量以及股价对交易量的敏感程度来衡量。可流通股数越多，成交量越大，价格对成交量越不敏感（价格不会随着成交量一同变化），股票的流通性就越好，反之就越差。股票的流通，使投资者可以在市场上卖出所持有的股票，取得现金。通过股票的流通和股价的变动，可以看出人们对于相关行业和上市公司的发展前景和盈利潜力的判断。
那些在流通市场上吸引大量投资者、股价不断上涨的行业和公司，可以通过增发股票，不断吸收大量资本进人生产经营活动，收到了优化资源配置的效果。
（5）价格波动性和风险性。股票在交易市场上作为交易对象，同商品一样，有自己的市场行情和市场价格。由于股票价格要受到诸如公司经营状况、供求关系、银行利率、大众心理等多种因素的影响，其波动有很大的不确定性。正是这种不确定性，有可能使股票投资者遭受损失。价格波动的不确定性越大，投资风险也越大。因此，股票是一种高风险的金融产品。例如，称雄于世界计算机产业的国际商用机器公司（IBM），当其业绩不凡时，每股价格曾高达170美元，但在其地位遭到挑战，出现经营失策而招致亏损时，股价又下跌到40美元。如果不合时机地在高价位买进该股，就会导致严重损失
这个我就不知道了，应该没有，你问问别人吧，不好意思
⑨ 股票价格计算公式详细计算方式!
股票价格=预期股息/存款利率，
这个公式可运用等效银行存款解释，例如现行一年期存款利率是3.50%，某只股票每年固定的股息为每股0.35元，那么10元的银行存款和1股10元的股票在收益上是等效的，因此1股的价格应该理论价值为10元（=0.35÷3.5%）。
股价20元，对应3%的银行利率，预期股息提高25％至3.75%（0.75元），0.75/3.25%=23.08元。
⑩ 股票价格计算公式
股票的真正价格连2元都很难找到。现在你看到的股票价格是交易价，都是很虚的。这个交易价不遵循供求关系，单靠人为炒作形成的。买的人多了价格就上去了，不买的人多了，价格就下来了。至于股票交易K线，只是反映这支股票的交易价格和交易量与时间的关系图，没有像媒体、分析师所说的什么业绩、白马、黑马、绩优、潜力等实际效果。股市就是经过国家承认的赌场，炒股的人要有赌徒心理。什么投资回报、投资分红等等冠冕堂皇的说法，都是用华丽的语言来掩盖真正的黑暗圈钱、交易。一句“股市有风险，投资需谨慎”就逃脱所有问责。真正看穿了的人就不会买股票了（我原来也在股市，后来发现这里水太深，幸亏明白过来了，没有什么损失）。