股票价格的随机游走的含义

怎样理解股票价格遵循随机漫步或者下鞅~

随机漫步是一个缺陷很大的理论，不承认趋势是主要缺陷之一。
随机漫步理论总的观点
买方与卖方两样聪明机智，卖方也与买方同样聪明机智。他们都能够接触同样的情报，因此在买卖双方都认为价格公平合理时，交易才会完成；股价确切地反应股票实质。结果，股价无法在买卖双方能够猜测的单纯，有系统情况下变动。

　　股价变动基本上是有随机的说法的真正涵义是，没有什么单方能够战胜股市，股价早就反映一切了，而且股价不会有系统地变动。天真的选股方法，如对着报纸的股票版丢掷飞镖，也照样可以选出战胜市场的投资组合。

随机漫步理论(Random Walk Theory)认为，证券价格的波动是随机的，像一个在广场上行走的人一样，价格的下一步将走向哪里，是没有规律的。证券市场中，价格的走向受到多方面因素的影响。一件不起眼的小事也可能对市场产生巨大的影响。从长时间的价格走势图上也可以看出，价格的上下起伏的机会差不多是均等的。
　　随机漫步理论指出，股票市场内有成千上万的精明人士，每一个人都懂得分析，而且资料流入市场都是公开的，所有人都可以知道，并无什么秘密可言。因此，股票现在的价格就已经反映了供求关系，或者离本身价值不会太远。所谓内在价值的衡量方法就是看每股资产值、市盈率、派息率等基本因素来决定。这些因素亦非什么大秘密。现时股票的市价根本已经代表了千万精明人士的看法，构成了一个合理价位。市价会围绕着内在价值而上下波动。这些波动却是随意而没有任何轨迹可循。造成波动的原因是：
　　（1）新的经济、政治新闻消息是随意，并无固定地流入市场。
　　（2）这些消息使基本分析人士重新估计股票的价值，而作出买卖方针，致使股票发生新变化。
　　（3）因为这些消息无迹可寻，是突然而来，事前并无人能够预告估计，股票走势推测这回事并不可以成立。
　　（4）既然所有股价在市场上的价钱已经反映其基本价值。这个价值是公平的由买卖双方决定，这个价值就不会再出现变动，除非突发消息如战争、收购、合并、加息减息、石油战等利好或利空等消息出现才会再次波动。但下一次的消息是利好或利空大家都不知道，所以股票现时是没有记忆系统的。昨日升并不代表今日升。今日跌，明日可以升亦可以跌。每日与另一日之间的升跌并无相关。
　　（5）既然股价是没有记忆系统的，企图用股价波动找出一个原理去战胜市场，赢得大市，全部肯定失败。因为股票价格完全没有方向，随机漫步，乱升乱跌。我们无法预知股市去向，无人肯定一定是赢家，亦无人一定会输。
　　随机漫步理论对图表派无疑是一个正面大敌，如果随机漫步理论成立，所有股票专家都无立足之地。所以不少学者曾经进行研究，看这个理论的可信程度。

就是无法预测

“随机游走”（random walk）是指基于过去的表现，无法预测将来的发展步骤和方向。应用到股市上，则意味着股票价格的短期走势不可预知，意味着投资咨询服务、收益预测和复杂的图表模型全无用处。在华尔街上，“随机游走”这个名词是个讳语，是学术界杜撰的一个粗词，是对专业预言者的一种侮辱攻击。若将这一术语的逻辑内涵推向极致，便意味着一只戴上眼罩的猴子，随意向报纸的金融版面掷一些飞镖，选出的投资组合就可与投资专家精心挑选出的一样出色。

随机游走模型的提出是与证券价格的变动模式紧密联系在一起的。最早使用统计方法分析收益率的著作是在 1900年由路易·巴舍利耶（Louis Bachelier）发表的，他把用于分析赌博的方法用于股票、债券、期货和期权。在巴舍利耶的论文中，其具有开拓性的贡献就在于认识到随机游走过程是布 朗运动。1953年，英国统计学家肯德尔在应用时间序列分析研究股票价格波动并试图得出股票价格波动的模式时，得到了一个令人大感意外的结论：股票价格没 有任何规律可寻，它就象“一个醉汉走步一样，几乎宛若机会之魔每周仍出一个随机数字，把它加在目前的价格上，以此决定下一周的价格。”即股价遵循的是随机 游走规律。
这也跟市场有效原则有关
弱有效证券市场是指证券价格能够充分反映价格历史序列中包含的所有信息，如有关证券的价格、交易量等。如果这些历史信息对证券价格变动都不会产生任何影响，则意味着证券市场达到了弱有效。

就是没有主力在了，全是一盘散沙

随机游走（random walk）也称随机漫步，随机行走等是指基于过去的表现，无法预测将来的发展步骤和方向。核心概念是指任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律，接近于布朗运动，是布朗运动理想的数学状态，现阶段主要应用于互联网链接分析及金融股票市场中。

原文链接：http://tecdat.cn/?p=19688 

 

在引入copula时，大家普遍认为copula很有趣，因为它们允许分别对边缘分布和相依结构进行建模。

copula建模边缘和相依关系

给定一些边缘分布函数和一个copula，那么我们可以生成一个多元分布函数，其中的边缘是前面指定的。

考虑一个二元对数正态分布

> library(mnormt)> set.seed(1)> Z=exp(rmnorm(25,MU,SIGMA))

我们可以从边缘分布开始。

meanlog      sdlog  1.168          0.930 (0.186 )       (0.131 )meanlog      sdlog  2.218        1.168 (0.233 )     (0.165 )

基于这些边缘分布，并考虑从该伪随机样本获得的copula参数的最大似然估计值，从数值上讲，我们得到

> library(copula)> Copula() estimation based on 'maximum likelihood'and a sample of size 25.Estimate Std. Error z value Pr(>|z|)    rho.1  0.86530    0.03799   22.77

但是，由于相依关系是边缘分布的函数，因此我们没有对相依关系进行单独处理。如果考虑全局优化问题，则结果会有所不同。可以得出密度

> optim(par=c(0,0,1,1,0),fn=LogLik)$par[1] 1.165  2.215 0.923  1.161  0.864

差别不大，但估计量并不相同。从统计的角度来看，我们几乎无法分别处理边缘和相依结构。我们应该记住的另一点是，边际分布可能会错误指定。例如，如果我们假设指数分布，

fitdistr(Z[,1],"exponential")rate0.222 (0.044 )fitdistr(Z[,2],"exponential" rate0.065  (0.013 )

高斯copula的参数估计

Copula() estimation based on 'maximum likelihood'and a sample of size 25.Estimate Std. Error z value Pr(>|z|)    rho.1  0.87421    0.03617   24.17   <2e-16 ***---Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1The maximized loglikelihood is  15.4 Optimization converged

由于我们错误地指定了边缘分布，因此我们无法获得统一的边缘。如果我们使用上述代码生成大小为500的样本，

barplot(counts, axes=FALSE,col="light blue"

 

如果边缘分布被很好地设定时，我们可以清楚地看到相依结构依赖于边缘分布，

 

copula模拟股市中相关随机游走

接下来我们用copula函数模拟股市中的相关随机游走

 

#***************************************************************** # 载入历史数据 #****************************************************************** load.packages('quantmod') data$YHOO = getSymbol.intraday.google('YHOO', 'NASDAQ', 60, '15d') data$FB = getSymbol.intraday.google('FB', 'NASDAQ', 60, '15d') bt.prep(data, align='remove.na') #***************************************************************** # 生成模拟 #****************************************************************** rets = diff(log(prices))# 绘制价格matplot(exp(apply(rets,2,cumsum)), type='l')

 

# 可视化分布的辅助函数# 检查Copula拟合的Helper函数 # 模拟图与实际图 plot(rets[,1], rets[,2], xlab=labs[1], ylab=labs[2], col='blue', las=1) points(fit.sim[,1], fit.sim[,2], col='red') # 比较模拟和实际的统计数据 temp = matrix(0,nr=5,nc=2)print(round(100*temp,2))# 检查收益率是否来自相同的分布 for (i in 1:2) { print(labs[i]) print(ks.test(rets[,i], fit.sim[i]))# 绘制模拟价格路径matplot(exp(apply(fit.sim,2,cumsum)), type='l', main='Simulated Price path')# 拟合Copulaload.packages('copula')

 

# 通过组合拟合边缘和拟合copula创建自定义分布margins=c("norm","norm")apply(rets,2,function(x) list(mean=mean(x), sd=sd(x)))# 从拟合分布模拟rMvdc(4800, fit)

Actual SimulatedCorrelation 57.13 57.38Mean FB -0.31 -0.47Mean YHOO -0.40 -0.17StDev FB 1.24 1.25StDev YHOO 1.23 1.23

FB

Two-sample Kolmogorov-Smirnov testdata:  rets[, i] and fit.sim[i]D = 0.9404, p-value = 0.3395alternative hypothesis: two-sided

HO

Two-sample Kolmogorov-Smirnov testdata:  rets[, i] and fit.sim[i]D = 0.8792, p-value = 0.4222alternative hypothesis: two-sided

 

visualize.rets(fit.sim)

 

# qnorm(runif(10^8)) 和 rnorm(10^8) 是等价的 uniform.sim = rCopula(4800, gumbelCopula(gumbel@estimate, dim=n))

Actual SimulatedCorrelation 57.13 57.14Mean FB -0.31 -0.22Mean YHOO -0.40 -0.56StDev FB 1.24 1.24StDev YHOO 1.23 1.21

FB

Two-sample Kolmogorov-Smirnov testdata:  rets[, i] and fit.sim[i]D = 0.7791, p-value = 0.5787alternative hypothesis: two-sided

HO

Two-sample Kolmogorov-Smirnov testdata:  rets[, i] and fit.sim[i]D = 0.795, p-value = 0.5525alternative hypothesis: two-sided

 

 

vis(rets)

 

标准偏差相对于均值而言非常大，接近于零；因此，在某些情况下，我们很有可能获得不稳定的结果。

 

最受欢迎的见解

1.R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究

2.r语言实现copula算法建模依赖性案例

3.R语言COPULAS和金融时间序列数据VaR分析

4.R语言多元COPULA GARCH 模型时间序列预测

5.GARCH（1,1），MA以及历史模拟法的VaR比较

6.matlab使用Copula仿真优化市场风险数据分析

7.R语言实现向量自动回归VAR模型

8.R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型

9.R语言VAR模型的不同类型的脉冲响应分析

---

庄河市13077042686： 股票价格的随机游走的含义 - ？
啜闻赖脯： “随机游走”(random walk)是指基于过去的表现,无法预测将来的发展步骤和方向.应用到股市上,则意味着股票价格的短期走势不可预知,意味着投资咨询服务、收益预测和复杂的图表模型全无用处.在华尔街上,“随机游走”这个名词是个讳语,是学术界杜撰的一个粗词,是对专业预言者的一种侮辱攻击.若将这一术语的逻辑内涵推向极致,便意味着一只戴上眼罩的猴子,随意向报纸的金融版面掷一些飞镖,选出的投资组合就可与投资专家精心挑选出的一样出色.

庄河市13077042686： 股市中随机漫步理论的含义是什么? ？
啜闻赖脯： 随机漫步理论(Random Walk)也称随机游走,是指股票价格的变动是随机且不可预测的.随机漫步理论认为,证券价格的波动是随机的,像一个在广场上行走的人一样,...

庄河市13077042686： 为什么股票市场是随机游走的 - ？
啜闻赖脯： 股票市场是随着供需变化而变化的.也就是说资金与股票数量的供需关系决定了股票市场的走向.资金的出入是有迹可寻的,所是股票市场也是可以预期的.

庄河市13077042686： 随机游走的随机游走模型 - ？
啜闻赖脯： 随机游走本来是“物理上布朗运动”相关的分子,还是微观粒子的运动形成的一个模型. 现在过多的谈到随机游走假说是数理金融中最重要的假设,它把有效市场的思想与物理学中的布朗运动联系起来,由此而来的一整套的随机数学方法成为构...

庄河市13077042686： 有偏随机游走和随机游走的区别 - ？
啜闻赖脯： 随机游走模型有两种,其数学表达式为 : Y t =Y t-1 +e t ① Y t =α+Y t-1 +e t ②式中: Y t 是时间序列(用股票价格或股票价格的自然对数表示);e t 是随机项,E(e t )=0;Var(e t )=σ 2 ; α是常数项. 模型①称为“零漂移的随机游走模型”...

庄河市13077042686： 股票价格是否遵循随机游走 - ？
啜闻赖脯： 无庄的票可能是 随机走

庄河市13077042686： 为什么市场充分有效时,股价会呈现随机游走的变动情况? - ？
啜闻赖脯： 您好,这取决于你在怎样的时间粒度去看待有效市场理论.假设市场完全有效,价格也不是凭空从一个价格跳转到另一个价格,尽管在一个粗时间粒度上看起来是这样.当你把时间粒度逐渐缩小,就可以价格是如何形成和变化的,这就是微观市场理论的研究领域,也是一些投资机构设计高频交易策略的基础.请采纳.

庄河市13077042686： 股票市场价格随机游走这个论文讲的什么?尤金发玛写的这篇,关于有效 ？
啜闻赖脯： 没有看过啊,不过从你的字面上,可以解析,作者认为股票市场的价格是随机的,不会按照一定的规律运行,作者不认同市场是有效的,股票价格并不能有效的真实的反映其内在的价值,如果,论文真是这个观点的话,我是认同的.