l*i
3 楼
楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
的一些吧:
对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
出deterministic的部分。
2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
volatility。
但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
。并且这种依赖关系是非线性的。这样就要引出SPDE了。
3. 再高级点的,就是SPDE,根据各自的关系建立一个随机偏微分方程甚至方程组,
方程只是一个general模型,例如uup涨SPY跌,但具体关系系数系数是要通过现实里面
其他股票的价格反向求出的。例如option的implied volatility就是通过让option实际
价格等于black-scholes formula的理论价格,然后用牛顿迭代法解非线性方程而求出
的。
真实的弄系数是很复杂的,还有weight liquidity之类的。
最后系数出来了,具体方程样子就出来了。
把随机偏微分化成一般的偏微分,最后用numerical pde解法解方程。
不一定什么pde都可以顺利解的,有的numercial都无解。
这时还有一种方法,是改变概率(change of numeraire)
实在不行干脆就蒙特卡罗模拟, 直接模拟股票价格.
华尔街模型也不是固定的,比方说uup涨SPY跌只是最近成立,将来变了,整个模型都要
重新来。
这些都是我知道的基本的用数学预测,很多只是在特定市场有用。
更多数学phd很多是被MM拿来定价derivative,拿来delta hedge对冲风险的。
MM真正要赌主要靠消息,数学模型的解是拿来参考的,让analyst等用模型得出的结论
和新闻消息的基本面做大量对比再决定如何赌的。
没用纯粹依赖数学赌博的MM。
【在 f******d 的大作中提到】![](/moin_static193/solenoid/img/up.png)
: rt
的一些吧:
对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
出deterministic的部分。
2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
volatility。
但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
。并且这种依赖关系是非线性的。这样就要引出SPDE了。
3. 再高级点的,就是SPDE,根据各自的关系建立一个随机偏微分方程甚至方程组,
方程只是一个general模型,例如uup涨SPY跌,但具体关系系数系数是要通过现实里面
其他股票的价格反向求出的。例如option的implied volatility就是通过让option实际
价格等于black-scholes formula的理论价格,然后用牛顿迭代法解非线性方程而求出
的。
真实的弄系数是很复杂的,还有weight liquidity之类的。
最后系数出来了,具体方程样子就出来了。
把随机偏微分化成一般的偏微分,最后用numerical pde解法解方程。
不一定什么pde都可以顺利解的,有的numercial都无解。
这时还有一种方法,是改变概率(change of numeraire)
实在不行干脆就蒙特卡罗模拟, 直接模拟股票价格.
华尔街模型也不是固定的,比方说uup涨SPY跌只是最近成立,将来变了,整个模型都要
重新来。
这些都是我知道的基本的用数学预测,很多只是在特定市场有用。
更多数学phd很多是被MM拿来定价derivative,拿来delta hedge对冲风险的。
MM真正要赌主要靠消息,数学模型的解是拿来参考的,让analyst等用模型得出的结论
和新闻消息的基本面做大量对比再决定如何赌的。
没用纯粹依赖数学赌博的MM。
【在 f******d 的大作中提到】
![](/moin_static193/solenoid/img/up.png)
: rt
w*2
4 楼
deep
return
【在 l******i 的大作中提到】![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
return
【在 l******i 的大作中提到】
![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
l*m
5 楼
mark
return
【在 l******i 的大作中提到】![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
return
【在 l******i 的大作中提到】
![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
f*d
6 楼
马甲贤弟有投简历给复兴基金吗?
return
【在 l******i 的大作中提到】![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
return
【在 l******i 的大作中提到】
![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
b*x
11 楼
mark
n*2
14 楼
大马甲,在不考虑消息和基本面的影响下,市场参与者基于不同的心理驱使做出的买卖
行为所造成的价格跌升,能用数学公式表达不?
行为所造成的价格跌升,能用数学公式表达不?
j*g
15 楼
你不会真是数学系的PhD吧?
这些大部分应该属于金融工程吧,我上过几门FE的课,基本就是在讲用PDE定价的问题。
return
【在 l******i 的大作中提到】![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
这些大部分应该属于金融工程吧,我上过几门FE的课,基本就是在讲用PDE定价的问题。
return
【在 l******i 的大作中提到】
![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
l*i
16 楼
以前猜测心理部分一般认为是unpredictable noise,一般来说noise会被signal
dominate。
不过最近的市场,在机器人作用下,volatility越来越大,noise占主流了。
现在数学模型下,大家用最基本的时间序列就可以预测了。
看你假设:你假设今日涨幅预测只与最近几日涨幅和noise有关,就用arma model。
你假设今日涨幅预测不仅与最近几日涨幅和noise有关,还与最近几日的volatility有
关,就用garch model。
你要是觉得还有别的因素,就加在模型右边项里面。给个例子:
比方说在没有新闻消息情况下,spx碰到1130左右会启动触底反弹,
你觉得涨幅和spx靠近1130时是正相关的,
给定小邻域\eps,把 ((spx-1130)regress一下就得出相关系数了。
出时间序列外,当然还有很多复杂得多的手段可以弄得更精确。
【在 n******2 的大作中提到】![](/moin_static193/solenoid/img/up.png)
: 大马甲,在不考虑消息和基本面的影响下,市场参与者基于不同的心理驱使做出的买卖
: 行为所造成的价格跌升,能用数学公式表达不?
dominate。
不过最近的市场,在机器人作用下,volatility越来越大,noise占主流了。
现在数学模型下,大家用最基本的时间序列就可以预测了。
看你假设:你假设今日涨幅预测只与最近几日涨幅和noise有关,就用arma model。
你假设今日涨幅预测不仅与最近几日涨幅和noise有关,还与最近几日的volatility有
关,就用garch model。
你要是觉得还有别的因素,就加在模型右边项里面。给个例子:
比方说在没有新闻消息情况下,spx碰到1130左右会启动触底反弹,
你觉得涨幅和spx靠近1130时是正相关的,
给定小邻域\eps,把 ((spx-1130)regress一下就得出相关系数了。
出时间序列外,当然还有很多复杂得多的手段可以弄得更精确。
【在 n******2 的大作中提到】
![](/moin_static193/solenoid/img/up.png)
: 大马甲,在不考虑消息和基本面的影响下,市场参与者基于不同的心理驱使做出的买卖
: 行为所造成的价格跌升,能用数学公式表达不?
w*o
18 楼
如果模型是建立在市场是Random walk的基础上的,
出发点就错了,市场绝对不是random walk的
【在 l******i 的大作中提到】![](/moin_static193/solenoid/img/up.png)
: 以前猜测心理部分一般认为是unpredictable noise,一般来说noise会被signal
: dominate。
: 不过最近的市场,在机器人作用下,volatility越来越大,noise占主流了。
: 现在数学模型下,大家用最基本的时间序列就可以预测了。
: 看你假设:你假设今日涨幅预测只与最近几日涨幅和noise有关,就用arma model。
: 你假设今日涨幅预测不仅与最近几日涨幅和noise有关,还与最近几日的volatility有
: 关,就用garch model。
: 你要是觉得还有别的因素,就加在模型右边项里面。给个例子:
: 比方说在没有新闻消息情况下,spx碰到1130左右会启动触底反弹,
: 你觉得涨幅和spx靠近1130时是正相关的,
出发点就错了,市场绝对不是random walk的
【在 l******i 的大作中提到】
![](/moin_static193/solenoid/img/up.png)
: 以前猜测心理部分一般认为是unpredictable noise,一般来说noise会被signal
: dominate。
: 不过最近的市场,在机器人作用下,volatility越来越大,noise占主流了。
: 现在数学模型下,大家用最基本的时间序列就可以预测了。
: 看你假设:你假设今日涨幅预测只与最近几日涨幅和noise有关,就用arma model。
: 你假设今日涨幅预测不仅与最近几日涨幅和noise有关,还与最近几日的volatility有
: 关,就用garch model。
: 你要是觉得还有别的因素,就加在模型右边项里面。给个例子:
: 比方说在没有新闻消息情况下,spx碰到1130左右会启动触底反弹,
: 你觉得涨幅和spx靠近1130时是正相关的,
l*i
20 楼
未眠大牛,
首先我回答的是剥离了新闻消息之类的对市场影响的主导部分,
剩下部分实在没有任何information情况下的市场走向,
完全由散户心理因素决定的,
我也没说是random walk啊,我给的例子就是让把不random的项加在右边啊。
"你要是觉得还有别的因素,就加在模型右边项里面。给个例子:
比方说在没有新闻消息情况下,spx碰到1130左右会启动触底反弹,
你觉得涨幅和spx靠近1130时是正相关的,
给定小邻域\eps,把 ((spx-1130)regress一下就得出相关系数了。"
什么你都不加就只剩white noise项自然没有预测的可能了。
【在 w*******o 的大作中提到】![](/moin_static193/solenoid/img/up.png)
: 如果模型是建立在市场是Random walk的基础上的,
: 出发点就错了,市场绝对不是random walk的
首先我回答的是剥离了新闻消息之类的对市场影响的主导部分,
剩下部分实在没有任何information情况下的市场走向,
完全由散户心理因素决定的,
我也没说是random walk啊,我给的例子就是让把不random的项加在右边啊。
"你要是觉得还有别的因素,就加在模型右边项里面。给个例子:
比方说在没有新闻消息情况下,spx碰到1130左右会启动触底反弹,
你觉得涨幅和spx靠近1130时是正相关的,
给定小邻域\eps,把 ((spx-1130)regress一下就得出相关系数了。"
什么你都不加就只剩white noise项自然没有预测的可能了。
【在 w*******o 的大作中提到】
![](/moin_static193/solenoid/img/up.png)
: 如果模型是建立在市场是Random walk的基础上的,
: 出发点就错了,市场绝对不是random walk的
G*o
21 楼
受教了~~
l*g
22 楼
俺是门外汉,但感觉更重要的是信息,而不是精确的模型。
我就想知道每天股市的交易量,已经炒家手里可以动用的资金,别的很次要。不知道这
些是不是商业机密,反正我看不到。
我就想知道每天股市的交易量,已经炒家手里可以动用的资金,别的很次要。不知道这
些是不是商业机密,反正我看不到。
t*s
24 楼
太复杂了,俺的shit桶就是大金蛙。
return
【在 l******i 的大作中提到】![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
return
【在 l******i 的大作中提到】
![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
f*y
25 楼
挺有趣的!
但是我还是认为数学在金融里面只能用于分析,而不能用于预测。而在股票市场上,更
多的人关心的是预测,而不是对过去的分析。
return
【在 l******i 的大作中提到】![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
但是我还是认为数学在金融里面只能用于分析,而不能用于预测。而在股票市场上,更
多的人关心的是预测,而不是对过去的分析。
return
【在 l******i 的大作中提到】
![](/moin_static193/solenoid/img/up.png)
: 楼主你一直很好奇,数学能不能预测,怎么预测。今天有点时间,我就随便说说我知道
: 的一些吧:
: 对于某一只股票或者大盘的研究,目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA,其实就是不停地手工描点划线,试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测,。于是上时间序列,建立对应的time series模型
: 例如ARIMA或者GARCH,其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关,局限性比较大。假设:如果股票A的
: daily return不仅依赖于时间,还依赖于股票B的daily return和黄金的daily return
相关阅读