『壹』 非平稳时间序列可以预测股票走势吗
一般把非平稳时间序列转化为平稳时间序列的方法是取n阶差分法。
比如举个例子，假设xt本身是不平稳的时间序列，如果xt～I(1) ,也就是说x的1阶差分是平稳序列。
那么 xt的1阶差分dxt=x(t)-x(t-1) 就是平稳的序列 这时dt=x(t-1)
如果xt～I(2)，就是说xt的2阶差分是平稳序列的话
xt的1n阶差分dxt=x(t)-x(t-1) 这时xt的1阶差分依然不平稳，
那么 对xt的1阶差分再次差分后，
xt的2阶差分ddxt=dxt-dxt（t-1）便是平稳序列 这时dt=-x(t-1)-dxt（t-1）
n阶的话可以依次类推一下。
『贰』 有效市场认为股票价格是随机的，随机游走是一个非平稳的过程。做计量分析要求数据是平稳的，避免假回归。
随机游走一阶差分是平稳的
『叁』 股价是由什么决定的是所有人买卖的平均价么
不是所有人的平均价。下面具体介绍：
对于这个问题，很多人可能会从政策、资金、国际环境等等来找答案，这是不错的，尤其是政策因素的影响，永远是伴随着股市运行的；资金就更不用说了，有资金流入，股市当然上涨，流出即下跌了；国际环境——包括汇率、主要股票、期货市场价格变化、战争等等都会影响到国内股票市场。
但是，很多人都忽视了重要的一点：股票市场具有它自身的运行规律！股票的买和卖，其实就是买卖双方的心理博弈，成交价格是买卖双方的利益平衡点，所有的因素最终都通过买卖双方的心理反映到价格上来。所以，股票市场的运行是以市场信心为基础的。是市场心理的具体反映：低买高卖、快涨回调、急跌反抽，这都能解释为：市场上取得某种共识——平衡！虽然在股票市场中，不平衡是常态，但是偏离平衡太远了，它就要回归平衡，就象钟摆一样，这就是规律。
所有的因素都在这个基础上发挥作用，你可以打破趋势的进程，但不可以改变趋势。这就是规律的作用！例如：上升趋势中，1996.12底由于沪市上涨过猛，中央发了个文件，造成连续三天大跌，绝大部分股票三天内以跌停收盘，但是市场该涨的还是要涨，不会因为政策因素而转向，97年上半年一直继续在涨；同样，在2242点以后，下降趋势出现后，政府也多次出台了救市政策，但是均未奏效，原因就是市场还没有回归到位！简单而言，影响股票市场的因素既有基本面的因素，也有市场其本身的运行规律，有些时候基本面因素影响大一些，更多的时候规律所起的作用大一些。对于大盘而言，高位容易形成头部，低位容易产生底部。
应该说，市场的高与低是相对的，原来的高位随着时间的推移会变成低位，同样，原来的低位也可以变成高位，但是在一个时间序列（一波牛市行情）里，高的就是高的，低的就是低的。
『肆』 如何证明股票价格 平稳随机过程
日K线代表了股价的随机变量，由于每日的开盘价和收盘价的数值是不连续的，所以日K线所表示的股价是一个离散的随机变量。在T1到T2这段时间里产生的一族日K线离散随机变量和它们在股价—时间二维坐标上形成的走势或者轨迹，这就是离散随机变量的随机过程。yuuu1233
『伍』 如何用例子浅显地解释什么是统计套利
统计套利的浅显例子，原理其实就用下面这张图可以解释：
老头：走路是随机的（random walk）
小狗：走路也是随机的（random walk)
老头和小狗中间的距离（狗绳）：距离一定，具备稳定性
我们现在把这个场景应用到市场上，以股票为例
股票A: 价格Random Walk
股票B: 价格Random Walk
股票A和B的差价 （或者其他的linear combination的时间序列) : 具备稳定性
假设我们现在找到了这样一个股票A和B的序列，他们的差价，经过统计学的cointegration test证明具备稳定性（如adfuller test），我们计算出该时间序列的mean和std, 就可以设定一个稳定阀域，在偏离的时候买入／卖出，等到回归到稳定阀域再平仓。
举例，过去6个月内，A股票和B股票的价差序列为平稳序列，均值为10，标准差为2，我们设定阀域为1.5个标准差，那么平稳区间就是 7-13 当A-B > 13时，我们买入B, 卖出A, 当A-B<7的时候，我们买入A, 卖出B。等到回归到平稳区间平仓。
下面的回测是使用600815和601002做的一个配对交易的回测结果。可以看到虽然总收益不算很高，但是beta中性，最大回撤较小。
『陆』 股票价格涨跌机制是怎样的啊
目前中国沪深两地证券市场涨跌机制执行的是，新发行股份首日上市和经过停牌重组成功后公司股价首日交易这两种情况都没有涨跌幅限制。
普通AB股每日涨跌幅10%为限。
ST上市公司每日涨跌幅5%为限。
『柒』 股票价格起伏有规律吗
波浪理论
波浪理论的全称是艾略特波浪理论，是以美国人R.N.Elliott的名字命名的一种技术分析理论。波浪理论把股价的上下变动和不同时期的持续上涨、下跌看成是波浪的上下起伏。波浪的起伏遵循自然界的规律，股票的价格运动也就遵循波浪起伏的规律。简单地说，上市是5浪，下跌是3浪。根据数浪来判断股市行情。波浪理论考虑的因素主要是三个方面：第一，股价走势所形成的形态；第二，股价走势图中各个高点和低点所处的相对位置；第三，完成某个形态所经历的时间长短。
『捌』 如何深入理解时间序列分析中的平稳性
声明：本文中所有引用部分，如非特别说明，皆引自Time Series Analysis with Applications in R.
接触时间序列分析才半年，尽力回答。如果回答有误，欢迎指出。
对第一个问题，我们把它拆分成以下两个问题：
Why stationary?（为何要平稳？）
Why weak stationary?（为何弱平稳？）
Why stationary?（为何要平稳？）
每一个统计学问题，我们都需要对其先做一些基本假设。如在一元线性回归中（），我们要假设：①不相关且非随机（是固定值或当做已知）②独立同分布服从正态分布（均值为0，方差恒定）。
在时间序列分析中，我们考虑了很多合理且可以简化问题的假设。而其中最重要的假设就是平稳。
The basic idea of stationarity is that the probability laws that govern the behavior of the process do not change over time.
平稳的基本思想是：时间序列的行为并不随时间改变。
正因此，我们定义了两种平稳：
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.
强平稳过程：对于所有可能的n，所有可能的,, · · · , 和所有可能的k，当,, · · ·,的联合分布与,, · · · ,相同时，我们称其强平稳。
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.
弱平稳过程：当①均值函数是常数函数且②协方差函数仅与时间差相关，我们才称其为弱平稳。
此时我们转到第二个问题：Why weak stationary?（为何弱平稳？）
我们先来说说两种平稳的差别：
两种平稳过程并没有包含关系，即弱平稳不一定是强平稳，强平稳也不一定是弱平稳。
一方面，虽然看上去强平稳的要求好像比弱平稳强，但强平稳并不一定是弱平稳，因为其矩不一定存在。
例子：{}独立服从柯西分布。{}是强平稳，但由于柯西分布期望与方差不存在，所以不是弱平稳。（之所以不存在是因为其并非绝对可积。）
另一方面，弱平稳也不一定是强平稳，因为二阶矩性质并不能确定分布的性质。
例子：,,互相独立。这是弱平稳却不是强平稳。
知道了这些造成差别的根本原因后，我们也可以写出两者的一些联系：
一阶矩和二阶矩存在时，强平稳过程是弱平稳过程。（条件可简化为二阶矩存在，因为）
当联合分布服从多元正态分布时，两平稳过程等价。（多元正态分布的二阶矩可确定分布性质）
而为什么用弱平稳而非强平稳，主要原因是：强平稳条件太强，无论是从理论上还是实际上。
理论上，证明一个时间序列是强平稳的一般很难。正如定义所说，我们要比较，对于所有可能的n，所有可能的,, · · · , 和所有可能的k，当,, · · ·,的联合分布与,, · · · ,相同。当分布很复杂的时候，不仅很难比较所有可能性，也可能很难写出其联合分布函数。
实际上，对于数据，我们也只能估算出它们均值和二阶矩，我们没法知道它们的分布。所以我们在以后的模型构建和预测上都是在用ACF，这些性质都和弱项和性质有关。而且，教我时间序列教授说过："General linear process(weak stationarity, linearity, causality) covers about 10% of the real data." ，如果考虑的是强平稳，我觉得可能连5%都没有了。
对第二个问题：
教授有天在审本科毕业论文，看到一个写金融的，用平稳时间序列去估计股票走势（真不知这老兄怎么想的）。当时教授就说：“金融领域很多东西之所以难以估计，就是因为其经常突变，根本就不是平稳的。”
果不其然，论文最后实践阶段，对于股票选择的正确率在40%。连期望50%都不到（任意一点以后要么涨要么跌）。
暑假里自己用了一些时间序列的方法企图开发程序性交易程序。
刚开始收益率还好，越往后就越...后面直接亏损了...（软件是金字塔，第二列是利润率）
亏损的图当时没截，现在也没法补了，程序都删了。
所以应该和平稳没关系吧，毕竟我的做法也没假设是平稳的。如果平稳我就不会之后不盈利了。
（吐槽）自己果然不适合做股票、期货什么的...太高端理解不能...
以上