如何根据一组数据，算出它的升、降趋势？我想用它量化股票涨跌趋势，直接看图太辛苦了

1. 如何根据一组数据，算出它的升、降趋势？我想用它量化股票涨跌趋势，直接看图太辛苦了

技术分析就在做这样的事情,建议你去把技术分析中常用的技术指标的计算公式看一遍,就能理解如何计算一组数据,并表达出它的升降趋势,例如在各种均线的计算方法,kdj,rsi,macd,cci,布林线,等等都是在通过计算已经发生的历史数据,并想表达出升降趋势.最后就可以把自己对行情的理解做成技术指标公式.

2. 基于微信大数据的股票预测研究

基于微信大数据的股票预测研究
大数据是近些年来的热门话题，无论国际上还是国内，影响很大。经济学、政治学、社会学和许多科学门类都会发生巨大甚至是本质上的变化和发展，进而影响人类的价值体系、知识体系和生活方式。而全球经济目前生成了史无前例的大量数据，如果把每天产生的大量数据比作神话时期的大洪水是完全正确的，这个数据洪流是我们前所未见的，他是全新的、强大的、当然，也是让人恐慌但又极端刺激的。
而我所分享的话题，正是在互联网环境下，如何利用大数据技术，进行股票预测的研究。–今天，我想分享我认为有意义的四点。
1.大数据下的商业预测
根据大数据，我们可以有效地进行故障、人流、流量、用电量、股票市场、疾病预防、交通、食物配送、产业供需等方面的预测。而本文我们所关心的内容是股票市场的预测。
大数据的核心是预测，预测依赖于对数据的分析。那么分析的方法是否是基于随机采样的结果而设计的，这样的分析方法是否会有误差？
从传统认识上，由于资源和科技的局限，如人和计算资源受限、从计算机处理能力来讲无法处理全部数据来获取人们所关注的结果。因此随机采样应运而生，通过所选取的个体来代表全体，如使用随机抽取的方式来使得推论结果更科学。但既然提到了大数据，它是资源发展到一定程度、以及技术发展到一定阶段产生的一个新的认识。如同电力的出现，使人类进入了一个快速发展阶段，大数据也一样，它的含义是全体样本，从整体样本来做推论。在本文大数据的含义是所有股票在整个社交网络上的流动信息，从数据源上讲，本文没有采用所有社交网络上的数据，只分析了微信这个最具代表性的社交媒体作为信息源。
互动数据能反映用户情绪，搜索数据能反映用户的关注点和意图，在股市预测时这两种数据哪种更具有参考价值？
我认为都有价值，互动数据反映了用户对某一特定股票的喜好和厌恶，可以简单描述为对该股票的操作是继续持有还是卖出；而搜索数据则代表用户在收集该股票信息的过程，它是关注度的概念，某只股票搜索度高则意味着消息的影响力大。互动代表着方向，搜索代表着振幅。
我们知道这两种数据得出的结论会有差异，您是如何平衡这两种数据反映的情况来进行预测的？
正如上一个问题里提到的，如果是股票推荐，买进卖出等原则问题，则应该考虑互动数据，但如果已经买到手了，搜索数据可以提供一个幅度的概念，类似债券评级A级、AA级、AAA级等，供投资者参考，因为不同投资者对风险的承受度是不同的。
将股票和市场的消息整理成140字的短消息发布，是否意味着主要发布渠道是微博？现在微信公众号很火，有没有考虑通过这个渠道也发布消息？
事实上，信息传播的方式很多，微信作为新媒体当然影响力不容小觑，但目前技术投入最小的还是邮件、短信等方式，未来会考虑使用公众号来推送股票和市场消息。
如果在未来通过微信公众号推送消息，那么推送的消息会不会作为数据来源被再次采集？这会有多大的影响？
会被采集，但互联网上的每日关于个股的信息数量会达到很大，该推送会增加推荐股票1点权重，每只股票的权重成百上千，因此影响极小。
数据来源是微信公众号，除了准确性的考虑之外，是否还考虑过这样收集数据会较少触犯个人隐私？
从法律角度来看，搜索微信或其他个人聊天记录，是侵犯个人隐私权的，因此如果腾讯开放了这样的接口，每个公民都可以对这样的行为进行投诉、抗议、甚至进行法律起诉直至其改正过错、赔偿损失的。
这样是否意味着即使存在违法的行为，其结果也是由腾讯来承担，而我们作为数据的使用方不需要承担任何法律责任？
在整个社会，我们作为系统技术提供方，应恪守大数据的伦理道德，遵守国家法律，如侵犯个人隐私，系统不会采集，谷歌有一句座右铭“谷歌不作恶”，本文提到的系统也一样。
2.基于大数据进行股票推荐实验
股票的及时度反应了微信文章所发布的时效性，及时度越高，数据价值就越大。
股票的热度反应了当前某只股票被关注的频度，关注频度越大，上涨的可能性越高。

数据的完整性：我们采用循环的方式对所有深沪两地发行约2236只股票（创业版除外）在微信搜索网站上的搜索结果进行保存。
数据的一致性：文件格式由负责保存数据文件的程序决定，单一的流程保障了文件的一致性。
数据的准确性：由于所分析的订阅号文章的是由微信公共平台的公众号所提供，在一定程度上杜绝了虚假消息对于预测系统的破坏。
数据的及时性：考虑到磁盘读写以及采集程序所处的网络带宽，以及搜索引擎对于采集程序的屏蔽，程序中采集两条信息之间间隔了5秒，因此理论上11180秒（3.1个小时）可收集完当日推荐所需要的数据。对于每个交易日，在9点-9点30分之间采集所有数据，需要7台以上的设备可达到最佳效果。本次试验受限于试验设备，在一台设备上，交易日每天早六时开始进行数据采集，也满足及时性要求。
数据分析：查看三个高优先级的股票，该股票当日的开盘价与收盘价，再与当日（2015-4-8）上证综指进行比较，可得在收益上该算法是优于上证综指为样本的整体股票的股价差收益的。
实验结论：按照上述方式，系统每天推荐出当日股票，在开盘时进行买进，在第二个交易日进行卖出。经过一个月21个交易日（2015-3-1至2015-3-31），系统的收益为20%/月。通过微信搜索公众号来预测市场走势和投资情绪呈现出正相关性，因此可以作为股票甄选的因子。
3.股票预测的大数据发展趋势
网络数据分成三种：
一是浏览数据，主要用于电商领域的消费者行为分析，浏览数据反映了用户每一步的访问脚步，进一步刻画出用户的访问路径，分析不同页面的跳转概率等。
二是搜索数据，主要指搜索引擎记录的关键词被搜索频次的时间序列数据，能反映数亿用户的兴趣、关注点、意图。
三是互动数据，主要是微博、微信、社交网站的数据，反映用户的倾向性和情绪因素。
2013年诺贝尔经济学奖得主罗伯特?席勒的观点被无数采访对象引述。席勒于上世纪80年代设计的投资模型至今仍被业内称道。在他的模型中，主要参考三个变量：投资项目计划的现金流、公司资本的估算成本、股票市场对投资的反应（市场情绪）。他认为，市场本身带有主观判断因素，投资者情绪会影响投资行为，而投资行为直接影响资产价格。
计算机通过分析新闻、研究报告、社交信息、搜索行为等，借助自然语言处理方法，提取有用的信息；而借助机器学习智能分析，过去量化投资只能覆盖几十个策略，大数据投资则可以覆盖成千上万个策略。
基于互联网搜索数据和社交行为的经济预测研究，已逐渐成为一个新的学术热点，并在经济、社会以及健康等领域的研究中取得了一定成果。在资本市场应用上，研究发现搜索数据可有效预测未来股市活跃度（以交易量指标衡量）及股价走势的变化。
对于搜索数据：互联网搜索行为与股票市场的关联机理。这个研究属于行为金融与互联网的交叉领域，其原理是：股票量价调整是投资者行为在股票市场上的反应；与此同时，投资者行为在互联网搜索市场也有相应地行为迹象，我们要做到是：找到互联网搜索市场中领先于股票交易的行为指标，综合众多投资者的先行搜索指标，对未来的股票交易做出预判。
如同天气预报那样，不断优化模型、灌入海量信息，然后给出结果。并且在处理的信息中，有80%是“非结构化”数据，例如政策文件、自然事件、地理环境、科技创新等，这类信息通常是电脑和模型难以消化的。采用了语义分析法，可以将互动数据里的金融对话量化为“-1（极度看空）”到“1（极度看多）”之间的投资建议，通过分析互动数据的数据文本，作为股市投资的信号。
4.正在发生的未来
大数据并不是一个充斥着算法和机器的冰冷世界，人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案，只是参考答案，帮助是暂时的，而更好的方法和答案还在不久的将来。
大数据在实用层面的影响很广泛，解决了大量的日常问题。大数据更是利害攸关的，它将重塑我们的生活、工作和思维方式。在某些方面，我们面临着一个僵局，比其他划时代创新引起的社会信息范围和规模急剧扩大所带来的影响更大。我们脚下的地面在移动。过去确定无疑的事情正在受到质疑。大数据需要人们重新讨论决策、命运和正义的性质。拥有知识曾意味着掌握过去，现在则意味着能够预测未来。
大数据并不是一个充斥着算法和机器的冰冷世界，其中仍需要人类扮演重要角色。人类独有的弱点、错觉、错误都是十分必要的，因为这些特性的另一头牵着的是人类的创造力、直觉和天赋。这提示我们应该乐于接受类似的不准确，因为不准确正是我们之所以为人的特征之一。就好像我们学习处理混乱数据一样，因为这些数据服务的是更加广大的目标。必将混乱构成了世界的本质，也构成了人脑的本职，而无论是世界的混乱还是人脑的混乱，学会接受和应用他们才能得益。
我相信，利用基础数据、搜索数据、互动数据再进行加权计算，可以对所有股票进行大数据遴选，从而给出投资建议。我认为，我们的肉身刚刚步入大数据时代，但我们的精神还滞留在小数据、采样思维之中，率先用理性击碎固有思维的人，也将率先获得大数据带来的益处。

3. 如何通过成交量来预测股票的涨跌?

　　通过成交量来预测股票涨跌经验：
　　1、成交量的变化关键在于趋势。趋势是金，所谓的“天量天价，地量地价”，只是相对 某一段时期而言的，具体的内容则需要看其当时的盘面状态、以及所处的位置，才能够真正确定未来可能的发展趋势。在股价走势中，量的变化有许多情况，最难判断的是一个界限，多少算放量，多少算缩量，实际上并没有一个可以遵循的规律，也没有“放之四海皆真理”的绝对数据。很多时候只是一个“势”，即放量的趋势和缩量的趋势，这种趋势的把握来自于对前期走势的整体判断以及当时的市场变化状态，还有很难说明白的市场心理变化。在用成交手数作为成交量研判的主要依据时，也可辅助使用成交金额与换手率进行研判，从而更好地把握量的“势”。这里重点谈谈温和放量与突放巨量的运用。
　　温和放量，指成交量在持续低迷之后，突然出现一个类似“山形”一样的连续温和放量形态，也称作“量堆”。个股出现底部的“量堆”现象，一般就可以证明有实力资金在介入，但这并不意味着投资者就可以马上介入，一般个股在底部出现温和放量之后，股价会随之上升，缩量时股价会适量调整。此类调整没有固定的时间模式，少则十几天多则几个月，所以此时投资者一定要分批逢低买入，并在买进的理由没有被证明是错误的时候，有足够的耐心用来等待。突放巨量，一般来说在上涨过程中突放巨量通常表明多方的力量使用殆尽，后市继续上涨将十分困难，即“先见天量，后见天价”；而下跌过程中的巨量一般多为空方力量的最后一次集中释放，股价继续深跌的可能性很小，短线反弹的可能就在眼前了，即“市场在恐惧中见底”。
　　2、上升途中缩量上攻天天涨，下跌途中缩量阴跌天天跌。
　　市场上有这样一种认识，认为股价的上涨必须要有量能的配合，如果是价涨量增，则表示上涨动能充足，预示股价将继续上涨；反之，如果缩量上涨，则视为无量空涨，量价配合不理想，预示股价不会有较大的上升空间或难以持续上行。实际情况其实不然，具体情况要具体分析，典型的现象是上涨初期需要价量配合，上涨一段后则不同了，主力控盘个股的股价往往越是上涨成交量反而萎缩了，直到再次放量上涨或高位放量滞胀时反而预示着要出货了。上涨过程不放量表明没有人卖股票，而盘面又能保持和谐的走势，说明持有者一致看好后市走势，股价的上涨根本没有抛盘，因为大部分筹码已被主力锁定了，在没有抛压的情况下，股价的上涨并不需要成交量的。股价在下跌过程中不放量是正常现象，一是没有接盘因此抛不出去，二是惜售情节较高没有人肯割肉。因此缩量下跌的股票，要看速率，快速缩量才好，否则可能会绵绵阴跌无止期。实战中往往出现无量阴跌天天跌的现象，只有在出现恐慌性抛盘之后，再次放量才会有所企稳。其实放量下跌说明抛盘大的同时接盘也大，反而是好事，尤其是在下跌的末期，显示出有人开始抢反弹。由于弱势反弹主要靠市场的惜售心理所支撑的，止跌反弹的初期往往会出现在恐惧中单针见底，因此需要放量，但之后的上攻反而会呈现缩量反弹天天涨的现象，这时不必理会某些市场人士喋喋不休的放量论调，因为弱势反弹中一旦再度放量，就说明筹码已松动了，预示着新一轮下跌的开始。

4. 如何编制股票板块涨跌幅排名走势图？

不需要自己制作，只要在键盘输“31”，敲回车键就能够看见当天涨幅前面的版块排名，按下确认键，即可得到该板块的K线模式。很多人不明白为什么股票会有涨跌，今天就来说说其原因。说股票是一种“商品”也不为过，它的价格多少取决于它的内在价值（标的公司价值）是多少，并且在内在价值（标的公司价值）上下浮动。股票属于商品范围内，其价格波动就像普通商品，会受到供求关系的影响。就像猪肉，市场上需要很多猪肉的时候，供给过少，需求过多，价格就会上升；当猪肉产量不断增加，猪肉供给过剩，那价格就会下跌。股票的价格波动表现为：10元/股的价格，50个人卖出，但市场上有100个买，那另外50个买不到的人就会以11元的价格买入，股价就因此上涨，相反就会导致下跌（由于篇幅问题，这里将交易进行简化了）。通常来说，会有多方面因素造成买卖双方的情绪波动，进而供求关系会发生变化，其中影响因素中的决定因素有3个，接下来我将给大家进行详细说明。在这之前，先给大家送波福利，免费领取各行业的龙头股详细信息，涵盖医疗、军工、新能源能热门产业，随时可能被删：【绝密】机构推荐的牛股名单泄露，限时速领！！一、能够影响股票涨跌的因素有什么？1、政策产业和行业受国家政策的影响，比如说新能源，我国很重视新能源开发，有关企业、产业都得到了政府扶持，比如补贴、减税等。这就会吸引市场资金流入，挖掘相关行业板块或者上市公司，最后引起股票的涨跌。2、基本面长时期看来，市场的走势和基本面相同，基本面向好，市场整体就向好，比如说疫情期间我国的经济状况先转好，企业盈利也有所改善，股市也会出现回弹的情况。3、行业景气度这个作用很大，我们一般都认为股票的变化与行业走势息息相关，这类公司的股票价格普遍上涨的原因是行业景气度好，比如上面说到的新能源。为了让大家及时了解到最新资讯，我特地掏出了压箱底的宝贝--股市播报，能及时掌握企业信息、趋势拐点等，点击链接就能免费获取：【股市晴雨表】金融市场一手资讯播报二、股票涨了就一定要买吗？大部分的新手刚了解股票，一看某支股票涨势大好，马上往里投了几万块，入手之后一直跌，被死死地套住了。其实股票的涨跌在短期内是可以人为控制的，只要有人持有足够多的筹码，一般来说占据市场流通盘的40%，就可以完全控制股价。学姐觉得如果你还处于小白阶段，把长久持有龙头股进行价值投资放在第一位，防止在短线投资中出现严重亏损。吐血整理！各大行业龙头股票一览表，建议收藏！应答时间：2021-09-23，最新业务变化以文中链接内展示的数据为准，请点击查看

5. 股票如何做资金流模型

在市场中，经常存在交易性机会，这是指股价在短期内可能受到某些消息的影响，或者某些市场内在因素的改变从而产生剧烈波动带来的价差投资机会。其中，一个典型的交易性策略就是资金流模型，该模型使用资金流流向来判断股票在未来一段时间的涨跌情况，如果是资金流入的股票，则股价在未来一段时间将可能会上涨；如果是资金流出的股票，则股价在未来一段时间可能会下跌，那么，根据资金流向就可以构建相应的投资策略。
基本概念　　资金流是一种反映股票供求关系的指标。传统的量价无法区分市场微观结构中的流动性和私有信息对股价的影响，而根据委托测算的资金流，能够有效地观察微观市场交易者的真实意图及对股价造成的影响。　　资金流定义如下：证券价格在约定的时间段中处于上升状态时产生的成交额是推动指数上涨的力量，这部分成交额被定义为资金流入；证券价格在约定的时间段中下跌时的成交额是推动指数下跌的力量，这部分成交额被定义为资金流出；若证券价格在约定的时间段前后没有发生变化，则这段时间中的成交额不计入资金流量。　　策略模型　　1．逆向选择理论　　在非强势有效的A股市场，普遍存在信息不对称的问题。机构投资者与散户投资者在对同一信息的评估能力上存在差异。在大部分情况下，散户投资者缺乏专业的投资能力和精力，那么根据“搭便车”理论，希望借助机构投资者对股价的判断进行投资。一旦机构投资者率先对潜在市场信息做出反应，羊群效应的散户投资者则追涨杀跌，往往导致在很多情况下市场对潜在信息反应过度。这样根据逆向选择理论，能够准确评估信息价值的投资者便会对反应过度的股价做出交易，买入低估的、卖出高估的股票，从而纠正这种信息反应过度行为。　　根据市场对潜在信息反应过度的结论及市场投资者的行为特征，可以采取逆向选择模型理论来构建选股模型，即卖出前期资金流入、价格上涨的股票，买入前期资金流出、价格下跌的股票。按照这个思路，对一些指标参数进行回测分析，可以得到稳定的选股模型。　　2．策略模型　　根据资金流各种指标的特点，在选股模型中采用比较简单的方法，即以指标排序打分的方式来筛选股票。首先通过对各个资金流指标进行排序打分，然后将股票对各个指标的得分进行求和，最后以总得分值大小来筛选股票，具体步骤如下：　　（1）确定待选股票池。在选择组合构建时，剔除上市不满一个月的股票，剔除调仓期涨跌停及停牌的股票，防止因涨/跌停无法交易。剔除信息含量小于10%的股票，因为这部分股票信号不明显，无法取得有效信息。　　（2）构建股票组合。　　①指标打分：首先将待选股票池中的股票按照资金流指标进行排序，然后采用百分制整数打分法进行指标打分，即以股票在各个指标中所处位置的百分数作为股票对于该指标的得分，前1%得分为1，依次递减，最后1%得分为100。　　②求和排序：将股票相对于各个指标的得分进行求和，将和值从小到大排序，进行分组比较；另外，选择排名靠前的N只股票构建组合。　　③股票权重：采用等量权重。　　（3）组合定期调整，调整时间从1到3个月不等。持有到期后，利用更新后的指标数据重新确定待选股票池，重复步骤（2）打分求和过程，并将股票按照指标得分从小到大排序，将原来分组中跌出组合的股票剔除，调进新的股票，同时将新组合内样本股的权重调整到相等。　　（4）统计检验。分别计算各组合的收益率情况，考察组合的效果。　　

6. 如何进行大数据分析及处理？

1.可视化分析大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。2. 数据挖掘算法大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计 学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。3. 预测性分析大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。4. 语义引擎非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统的去分析，提炼数据。语义引擎需要设计到有足够的人工智能以足以从数据中主动地提取信息。5.数据质量和数据管理。 大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。

7. 可不可以基于海量数据预测股票？

在各种金融投资市场中，量化是非常重要的。比如我们经常看到某些人说的涨停战法、上涨战法等各种盈利战法时，我们首先就应该用以往的大量数据对这类战法做个量化，看成功率多高，自己量化后再使用才会心里有谱。任何脱离了量化的战法都是伪命题。
在很多正规的投资公司，会有专门的量化研究团队和研究员，也开发的有量化软件用于市场的各类量化，普通投资者也可以多做一些量化，对战法的量化、对技术指标的量化、对自已操作的量化等。


在师姐看来，股市是不可预测的，只能跟随。跟随当前市场情绪、顺应目前市场主流。当市场情绪好时，就操作主流板块及个股。当市场环境不好时，就放弃操作个股。站在市场情绪的角度来感受市场，远比你研究各种方法去判断是涨是跌要有效的多。


另外，市场是动态的，有时再多的海量数据也不能用来预测后期的市场，就比如2017年下半年，以往被证明操作成功率很高的三板股战法和打板战法等纷纷失效，就是因为上面维稳的介入。我们只能跟随市场的变化，及时转变自己的认知。
以上内容为股帮师姐原创，如转载请注明出处，如有不同意见，欢迎交流。
最后分享一下微信公众号：股帮师姐，获取更多股市知识。

8. 可以利用大数据炒股吗？

大数据可以用于股票交易，所谓大数据，就是一个新的分析概念，利用新的系统、新的工具、新的模型来挖掘大量动态的、可持续的数据，从而获得具有洞察力和新价值的东西。大数据已经在一些金融工具中有所体现，大数据会将股票之前的数据全都发布出来，股民可以根据这只股票之前的数据来进行对比。

现在越来越多的人使用大数据来进行炒股，大数据可以说是零基础的小白都会使用的一个数据系统，对于很多不了解股票，但是想要炒股的人来说提供了很多便利，合理利用大数据对股票交易有一定的指导作用。可以利用大数据研究分析某些产品的线上销售情况，采纳分析师的意见等，这对于不太了解股票的股民也是有帮助的，大数据可以完全的将这只股票的数据呈现出来。

大数据就真的那么好吗？如果大数据样本足够大，并且应用了良好的算法和合理的策略，确实能够在股票交易中占据一定的信息优势，胜率应该略高于市场平均水平。可以很好的采用大数据所提供的依据，通过对各个指标的评估计算，筛选出比较适合自己的股票。同时也可以利用大数据进行股票的风险评估等，这样也能够将风险降到最低。
很多人都开始依赖大数据，盲目跟风，大数据只是一个参考而已，并不能代表什么，如果想要选择一只好的股票，还需要多方面了解这只股票的行情，上市公司的内部情况，这些都是很重要的。

其实大数据只能说是个趋势，我们可以通过打数据让投资者能够有一个参考性，但不能够过度依赖大数据，毕竟着只是数据，这些数据是死的，而股市却是千变万化的，我们不能过度的依赖大数据得出的分析与结论，大数据也只是作为一个参考数据。世事无绝对，更何况是股票，可能上一秒还是盈利的状态，但是下一秒就已经处于亏损了，不少人也因为炒股倾家荡产，所以这边还是要提醒大家一下，谨慎行事，不要盲目跟风。