什么是股价变动的加速性？当股价出现加速变动时应如何应对？

1. 什么是股价变动的加速性？当股价出现加速变动时应如何应对？

类似运动物体的加速度，简单实用的鉴定方式就是日均线的切线，观看切线斜率变化。如果做短线，需要关注股价的变动加速度，当切线变缓，说明继续持有，需要考虑。
每个统计的阶段都有一个股价的速度变动，当这个速度加速时，某阶段形成了股价变动的加速条件，这一性质叫股价变动的加速性。

扩展资料：
ROC是显示一定时间间隔的两头的股价的相对差价。ROC上升,则股价比数天前的股价有所上升。ROC走平，则当前股价涨幅仅仅同数天前一样。ROC向下，则股价已经比数天数的涨幅小了。ROC就是这样显示当前股价趋势的加速和减速状态的。
因为ROC的构造特点，ROC的变化总是领先于股价的变化，比价格提前几天上升或下降。股价还在上升时，ROC可能已走平，而股价走平时，ROC可能已经下降了。这一点也是背离思想的基本依据。
参考资料来源：百度百科-变动率

2. 金融数据的尖峰厚尾特征是什么意思？

金融数据的尖峰厚尾特征是相比较标准正态分布来说的，标准正态分布的偏度为0，峰度为3，通常做实证分析时，会假设金融数据为正态分布，这样方便建模分析。
但是实证表明，很多数据并不符合正态分布，而更像尖峰厚尾，就是峰度比3大，两边的尾巴比正态分布厚，没有下降得这么快。
厚尾分布主要是出现在金融数据中，例如证券的收益率。 从图形上说，较正态分布图的尾部要厚，峰处要尖。
直观些说，就是这些数据出现极端值的概率要比正态分布数据出现极端值的概率大。因此，不能简单的用正态分布去拟合这些数据的分布，从而做一些统计推断。一般来说，通过实证分析发现，自由度为5或6的t分布拟合的较好。

扩展资料：
基金收益率不服从正态分布，存在显著的尖峰厚尾特性，我国基金市场还不是有效市场。人民币汇率收益率波动有集群性效应，不符合正态分布，有尖峰厚尾的特点。结果表明稳定分布能更好的拟和中国股票收益率的实际分布，稳定分布较好的处理中国股票市场中的“尖峰尾”现象。
但很多资本市场上的现象无法用EMH解释，如证券收益的尖峰厚尾，证券市场的突然崩溃，股价序列的长期记忆性等。对期货价格数据进行统计分析，发现期货价格具有“尖峰厚尾”特性。实证结果表明：我国股价波动具有尖峰厚尾特征、异方差性特征和波动的持续性和非对称特征。
而股票市场的收益率从分布的角度看，并不服从标准的正态分布，而是呈现出一种“尖峰、厚尾”的特征。
参考资料：百度百科-厚尾
参考资料：百度百科-金融数据处理

3. 股票价格波动的特征--尖峰厚尾性，长期记忆性，集聚性，非对称性

　　阿弥陀佛！善哉！善哉？
　　抱歉！我在股市近十五年了，读过几十本股票著作，却从来没有听说过所谓股票价格波动的尖峰厚尾性，长期记忆性，集聚性，非对称性……。孤陋寡闻呀，实在汗颜。但是对于大学要求我们的学子研究这样莫名其妙的课题，我也只能嗤之以鼻！
　　答非所问，十分抱歉！

4. 什么是信用风险中的厚尾性?

上海股票市场股价报酬厚尾性(a=1.299344)大于深圳股票市场股价报酬的厚尾性(a=1.485768)。厚尾性越大说明状态持续性越强,在预测股价趋势时历史信息越重要。对投资者来说,能否以及如何从股票市场上获取最大收益,在一定程度上依赖于投资者对股票市场特性的深刻认识。如果我们接受收益服从稳态分布的假设,那么就意味着方差将不存在,从而基于方差一协方差的资产选择理论就必须加以修正,这样所要选择的分布就应允许分布具有狭峰特性。虽然许多分布能用于刻划狭峰、厚尾,但是稳态分布是最适合的,这是由于稳态分布本身所具有的特性所决定的:任何独立的稳态分布随机变量的线性组合本身也是一个服从稳态分布随机变量,一个联合稳态分布向量的任何分量的线性组合也是稳态的。 


你好好看看这篇文章就可以明白 

http://time.dufe.edu.cn/jjwencong/touzi139.htm

5. 股票 风险管理 厚尾性

这个是随机过程理论中的一个概念。
上大学的时候没好好学这门课，所以只能说个大概。

厚尾性是相对于正态分布而言的，如果一件事情导致的各种结果的概率是均匀分布的，我们就说这些概率是符合正态分布的，他的图形想一个以Y轴为中线左右对称向上突出的曲线，但如果产生各种结果的概率不是均匀分布，而是左右不对称，某些结果的可能性大，而某些为小，这种特性就是厚尾性。

6. 如何用eviews进行GARCH模型测股票波动性，要具体步骤

　　Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。另外Eviews也是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。
　　GARCH模型是一个专门针对金融数据所量体订做的回归模型，除去和普通回归模型相同的之处，GARCH对误差的方差进行了进一步的建模。特别适用于波动性的分析和预测，这样的分析对投资者的决策能起到非常重要的指导性作用，其意义很多时候超过了对数值本身的分析和预测。
　　一般的GARCH模型可以表示为：
　　Y（t）=h（t）^1/2*a（t） ⑴
　　h（t）=h（t-1）+a（t-1）^2 ⑵
　　其中ht为条件方差，at为独立同分布的随机变量，ht与at互相独立，at为标准正态分布。⑴式称为条件均值方程；⑵式称为条件方差方程，说明时间序列条件方差的变化特征。为了适应收益率序列经验分布的尖峰厚尾特征，也可假设 服从其他分布，如Bollerslev （1987）假设收益率服从广义t-分布，Nelson（1991）提出的EGARCH模型采用了GED分布等。另外，许多实证研究表明收益率分布不但存在尖峰厚尾特性，而且收益率残差对收益率的影响还存在非对称性。当市场受到负冲击时，股价下跌，收益率的条件方差扩大，导致股价和收益率的波动性更大；反之，股价上升时，波动性减小。股价下跌导致公司的股票价值下降，如果假设公司债务不变，则公司的财务杠杆上升，持有股票的风险提高。因此负冲击对条件方差的这种影响又被称作杠杆效应。由于GARCH模型中，正的和负的冲击对条件方差的影响是对称的，因此GARCH模型不能刻画收益率条件方差波动的非对称性。

7. garch模型运行报错求帮助

一般的GARCH模型可以表示为：其中ht为条件方差，ut为独立同分布的随机变量，ht与ut互相独立，ut为标准正态分布。（1）式称为条件均值方程；（3）式称为条件方差方程，说明时间序列条件方差的变化特征。为了适应收益率序列经验分布的尖峰厚尾特征，也可假设 服从其他分布，如Bollerslev (1987)假设收益率服从广义t-分布，Nelson(1991)提出的EGARCH模型采用了GED分布等。另外，许多实证研究表明收益率分布不但存在尖峰厚尾特性，而且收益率残差对收益率的影响还存在非对称性。当市场受到负冲击时，股价下跌，收益率的条件方差扩大，导致股价和收益率的波动性更大；反之，股价上升时，波动性减小。股价下跌导致公司的股票价值下降，如果假设公司债务不变，则公司的财务杠杆上升，持有股票的风险提高。因此负冲击对条件方差的这种影响又被称作杠杆效应。由于GARCH模型中，正的和负的冲击对条件方差的影响是对称的，因此GARCH模型不能刻画收益率条件方差波动的非对称性。

8. 股票收益率和上证综合指数收益率

股票收益率　　股票收益率指投资于股票所获得的收益总额与原始投资额的比率。股票得到投资者的青睐，是因为购买股票所带来的收益。股票的绝对收益率就是股息，相对收益就是股票收益率。
　　股票收益率＝收益额／原始投资额
　　其中：收益额＝收回投资额+全部股利-(原始投资额+全部佣金+税款)
　　当股票未出卖时，收益额即为股利。 
　　衡量股票投资收益水平的指标主要有股利收益率、持有期收益率和拆股后持有期收益率等。
　　1．股利收益率
　　股利收益率，又称获利率，是指股份公司以现金形式派发的股息或红利与股票市场价格的比率其计算公式为：
　　该收益率可用于计算已得的股利收益率，也可用于预测未来可能的股利收益率。
　　2．持有期收益率
　　持有期收益率指投资者持有股票期间的股息收入与买卖差价之和与股票买入价的比率。其计算公式为：
　　股票没有到期日，投资者持有股票的时间短则几天，长则数年，持有期收益率就是反映投资者在一定的持有期内的全部股利收入和资本利得占投资本金的比重。持有期收益率是投资者最关心的指标，但如果要将它与债券收益率、银行利率等其他金融资产的收益率作比较，须注意时间的可比性，即要将持有期收益率转化为年率。
　　3．持有期回收率
　　持有期回收率是指投资者持有股票期间的现金股利收入与股票卖出价之和与股票买入价的比率。该指标主要反映投资回收情况，如果投资者买入股票后股价下跌或是操作不当，均有可能出现股票卖出价低于买入价，甚至出现持有期收益率为负值的情况，此时，持有期回收率可作为持有期收益率的补充指标，计算投资本金的回收比率。其计算公式为：
　　4．拆股后的持有期收益率
　　投资者在买入股票后，在该股份公司发放股票股利或进行股票分割（即拆股）的情况下，股票的市场的市场价格和投资者持股数量都会发生变化。因此，有必要在拆股后对股票价格和股票数量作相应调整，以计算拆股后的持有期收益率。其计算公式为：
             上证综合指数收益率分布具有尖峰和厚尾的特性，实际中指数收益率服从正态分布的假设是不合理的。用能反映尖峰厚尾特征的t分布进行拟合。得出上证综合指数收益率符合t3分布.比较复杂