股災預測演算法

1. 什麼是波動率指數

原文鏈接：http://tecdat.cn/?p=19129

摘要

在學術界和金融界，分析高頻財務數據的經濟價值現在顯而易見。它是每日風險監控和預測的基礎，也是高頻交易的基礎。為了在財務決策中高效利用高頻數據，高頻時代採用了最先進的技術，用於清洗和匹配交易和報價，以及基於高收益的流動性的計算和預測。

高頻數據的處理

在本節中，我們討論高頻金融數據處理中兩個非常常見的步驟：（i）清理和（ii）數據聚合。

> dim(dataraw);[1] 48484 7> tdata$report;initial number no zero prices select exchange48484 48479 20795sales condition merge same timestamp20135 9105> dim(afterfirstclean)[1] 9105 7

高頻數據的匯總

通常不會在等間隔的時間點記錄價格，而許多實際波動率衡量方法都依賴等實際間隔的收益。有幾種方法可以將這些非同步和/或不規則記錄的序列同步為等距時間數據。
最受歡迎的方法是按照時間匯總，它通過獲取每個網格點之前的最後價格來將價格強制為等距網格。

> # 載入樣本價格數據> data("sample");> # 聚合到5分鍾的采樣頻率：> head(tsagg5min);PRICE2008-01-04 09:35:00 193.9202008-01-04 09:40:00 194.6302008-01-04 09:45:00 193.5202008-01-04 09:50:00 192.8502008-01-04 09:55:00 190.7952008-01-04 10:00:00 190.420> # 聚合到30秒的頻率：> tail(tsagg30sec);PRICE2008-01-04 15:57:30 191.7902008-01-04 15:58:00 191.7402008-01-04 15:58:30 191.7602008-01-04 15:59:00 191.4702008-01-04 15:59:30 191.8252008-01-04 16:00:00 191.670

在上面的示例中，價格被強制設置為5分鍾和30秒的等距時間網格。此外，aggregates函數內置於所有已實現的度量中，可以通過設置參數align.by和align.period來調用該函數。在這種情況下，首先將價格強制等間隔的常規時間網格，然後根據這些常規時間段內執行觀察值的收益率來計算實際度量。這樣做的優點是，用戶可以將原始價格序列輸入到實際度量中，而不必擔心價格序列的非同步性或不規則性。

帶有時間和波動率計算的價格示例：

> #我們假設stock1和stock2包含虛擬股票的價格數據：> #匯總到一分鍾：> Price_1min = cbind(aggregatePrice(stock1),aggregatePrice(stock2));> #刷新時間聚合：refreshTime(list(stock1,stock2));> #計算跳躍魯棒的波動性指標> #基於同步數據rBPCov(Price_1min,makeReturns=TRUE);> #計算跳躍和雜訊魯棒的波動性度量> #基於非同步數據：

實際波動性度量

高頻數據的可用性使研究人員能夠根據日內收益的平方來估計實際波動性（Andersen等，2003）。實際上，單變數波動率估計的主要挑戰是應對（i）價格的上漲和（ii）微觀結構雜訊。因此多變數波動率估計也引起了人們的注意。高頻軟體包實施了許多新近提出的實際波動率方法。

下面的示例代碼說明了日內周期的估計：

> #計算並繪制日內周期> head(out); returns vol dailyvol periodicvol2005-03-04 09:35:00 -0.0010966963 0.004081072 0.001896816 2.1515392005-03-04 09:40:00 -0.0005614217 0.003695715 0.001896816 1.9483792005-03-04 09:45:00 -0.0026443880 0.003417950 0.001896816 1.801941

最受歡迎的見解

1.HAR-RV-J與遞歸神經網路（RNN）混合模型預測和交易大型股票指數的高頻波動率

2.WinBUGS對多元隨機波動率模型：貝葉斯估計與模型比較

3.波動率的實現：ARCH模型與HAR-RV模型

4.R語言ARMA-EGARCH模型、集成預測演算法對SPX實際波動率進行預測

5.使用R語言隨機波動模型SV處理時間序列中的隨機波動率

6.R語言多元COPULA GARCH 模型時間序列預測

7.R語言基於ARMA-GARCH過程的VAR擬合和預測

8.R語言隨機搜索變數選擇SSVS估計貝葉斯向量自回歸（BVAR）模型

9.R語言對S＆P500股票指數進行ARIMA + GARCH交易策略

2. 史上首次演算法股災大爆發怎麼回事 演算法股災是什麼

演算法股災是計算機量化交易。
按照演算法編程序，利用計算機自動買入、賣出。
一旦觸發賣出條件，形成大規模賣出洪流。

3. 股災來了怎麼辦

股災，顧名思義其本身就是一個災難，是災難就會有受害者。而受害者通常就是我們普通投資者，因為普通投資者相對於機構來說，不具備抗風險的能力，更不具備預測風險的能力。股災來了怎麼辦？上面已經有人回答的很好，要不割肉止損，要不捂個十年八年。這里我再重申下，要割肉止損，就要干凈利落，不要絲毫猶豫，因為你一猶豫可能你就連割肉的機會都沒有了，你可能就一下子死掉了。即使你死不掉，你也只能選擇無奈的第二條路了，捂他個十年八年。
在這里，我想告訴你，股災來了，大多數人都必然要一定程度的受災。不管他是巴非特，還是一個普通股民。因為這個世界沒有人能夠百分之百准確的預測到股災。現如今股市再次逼近4000點，如果我告訴你4000點是個災難的信號，你會相信嗎？肯定是將信將疑，包括我自己。我個人以為它也有可能乘你不留神，升到5000點。
每個人都報有僥幸心理，每個人都以為股災來時候會全身而退，但事實上自以為是和自作聰明常常導致了我們的毀滅。
下面我還要說一點廢話，盡管我說的東西連我自己可能都做不到。但是我覺得這些言論還是有他的一些道理的。
股災來了怎麼辦？為什麼我們不能在股災來臨之前退出這個游戲呢？當我們看到日益膨脹的泡沫，當我們日益感到忐忑不安，為什麼我們乾脆退出，做一個旁觀者呢？
上人是貪婪的，股市就如同一個賭場，大多數賭徒不會因為贏了錢而退出的，因為他們贏了一個電腦，還想贏個轎車，贏了轎車，還惦記著房子。所有的賭徒都有一種僥幸心理，我這么聰明，我在最後肯定能全身而退？事實上股災來了，賭徒們輸了個精光。
我們無法准確預測到股災，但是很多時候我們能夠預感到苗頭不對，或者心裡不安。而最後，往往是我們盲目的自信和貪婪卻造成了我們無法逃脫股災。
股市是一個戰場，你最大的敵人就是你自己。

4. 對股市的預測的人是怎麼做到的

股市預測的方法很多，都有一定的局限性。通常分為兩個大的方面，一是根據基本在進行分析預測，二是根據技術面進行分析預測。

絕大部分人都是以技術分析為主，基本分析為輔。因為技術分析預測入門相對簡單，實用性看起來要順手些。而基本分析牽涉的內容很廣，深度很深，絕大部分人難以掌握。但股市總體用市盈率尤其是市凈率來估算，還是靠譜的。

例如前些年上證綜指市凈率為1.37，距離歷史最小值1.26大概還有8%的下跌空間。粗略計算，跌到2027點，市凈率就成1了，那就是遍地黃金了。因此，那些說要跌破2000甚至到1500的人，有點失據了。

相關信息：

股票市場是已經發行的股票轉讓、買賣和流通的場所，包括交易所市場和場外交易市場兩大類別。由於它是建立在發行市場基礎上的，因此又稱作二級市場。股票市場的結構和交易活動比發行市場（一級市場）更為復雜，其作用和影響力也更大。

股票市場的前身起源於1602年荷蘭人在阿姆斯特河大橋上進行荷屬東印度公司股票的買賣，而正規的股票市場最早出現在美國。股票市場是投機者和投資者雙雙活躍的地方，是一個國家或地區經濟和金融活動的寒暑表，股票市場的不良現象例如無貨沽空等等，可以導致股災等各種危害的產生。

股票市場唯一不變的就是：時時刻刻都是變化的。中國大陸有上交所和深交所、北交所三個交易市場。

5. 最近股災說是市盈率太高！這個請問是怎麼計算出來的，軟體上能看的到嗎

這個是可以計算的，大部分炒股軟體上或者財經網站上都可以看到。

具體的演算法是用股價除以每股收益（這個每股收益是一年的收益，有時候後邊的財報沒出來，就估算了。）

更多股票投資知識，歡迎關注我個人公眾號jingji-xinli。

6. 什麼是股災怎麼形成的

股災是股市災害或股市災難的簡稱。它是指股市內在矛盾積累到一定程度時，由於受某個偶然因素影響，突然爆發的股價暴跌，從而引起社會經濟巨大動盪，並造成巨大損失的異常經濟現象。股災不同於一般的股市波動，也有別於一般的股市風險。一般來說，股災具有以下特點：①突發性。每次股災，幾乎都有一個突發性暴跌階段。②破壞性。股災毀滅的不是一個百萬富翁、一家證券公司和一家銀行，而是影響一個國家乃至世界的經濟，使股市喪失所有的功能。一次股災給人類造成的經濟損失，遠超過火災、洪災或強烈地震的經濟損失，甚至不亞於一次世界大戰的經濟損失。③聯動性。一是經濟鏈條上的聯動性，股災會加劇金融、經濟危機。二是區域上的聯動性，一些主要股市發性股災，將會導致區域性或世界性股市暴跌。④不確定性。股災表現為股票市值劇減，使注入股市的很大一部分資金化為烏有；股災會加重經濟衰退，工商企業倒閉破產，也間接波及銀行，使銀行不良資產增加；在股市國際化的國家和地區，股災導致股市投資機會減少，會促使資金外流，引發貨幣貶值，也沖擊著金融市場。總之，股災會從多個方面導致金融市場動盪，引發或加劇金融危機。例如，1929年美國股災，首先受沖擊的就是金融市場。美國倒閉破產的銀行，從1929年的659家增至1931年的2294家，從而使得整個金融市場陷入極度混亂狀態。

7. 怎樣依據牛市、熊市形態做精準預測

本人預測方法是MACD縮小後達60度角，2007年2008年進行對比預測。從4600點的時候，便知道這是熊市。

怎麼預測？預測方式：

（粗略預測）2007年2008年，MACD下跌角度與今年2015年的對比

（精準預測）開戶人數是否減少（開戶人數很重要，開戶人數減少的時候，很大程度上說明開始走熊，這個很精準）

因為在5000點看出日均線相互下穿，而且前一天看到60分鍾一陰穿4線，要大跌。所以逃過了5000點到現在3600點下來的好幾次股災。

圖片是進行牛市、熊市形成的粗略預測。最精準的預測：開戶人數大幅減少。

8. 誰預測了股災啊

Bingolaga可是被稱為2015逃頂能手啊，可以很准確的預測股災，我當時就是聽了他的話才成功的躲避了股災