股票的正态分布理论

合集下载

正态分布的概念及应用

正态分布的概念及应用
正态分布的概念及应用
• 正态分布的简介 • 正态分布的性质 • 正态分布的应用场景 • 正态分布在数据分析中的应用 • 正态分布在机器学习中的应用 • 正态分布与其他统计分布的关系
01
正态分布的简介
正态分布的定义
01
正态分布是一种连续概率分布, 描述了许多自然现象的概率分布 形态,其概率密度函数呈钟形曲 线,且具有对称性。
贝叶斯推断
正态分布在贝叶斯推断中发挥了重要作用。通过贝叶斯定理,我们可以根据先 验知识和数据更新对未知参数的估计,而正态分布可以作为先验知识的分布形 式。
核方法和支持向量机
核方法
在支持向量机(SVM)等核方法中,正态分布作为核函数的一 种形式,用于将输入空间映射到高维特征空间,从而使得线性 不可分的数据变得线性可分。
在时间序列分析中,正态分布可用于描述时间序列数据的分布特征, 并建立预测模型。
05
正态分布在机器学习中的应用
概率模型和贝叶斯推断
概率模型
正态分布是一种常用的概率分布,在贝叶斯推断中,我们常常假设某些参数服 从正态分布,以便进行统计推断。例如,在朴素贝叶斯分类器中,特征的概率 分布被假设为正态分布。
考试成绩和测试评分
考试成绩和各种测试评分也经常呈现正态分布,因为大多数人的得分集中在平均分附近, 而高分和低分的人数较少。
气温、降雨量等气候数据
气温、降雨量等自然现象数据也可以用正态分布来描述,因为它们通常遵循类似的统计规 律。
科学研究和技术开发
01 02
实验结果和测量数据
在科学实验和测量中,很多数据呈现正态分布,如放射性衰变的半衰期、 化学反应速率等。这些数据反映了物质内部微观粒子的随机运动和相互 作用。
正态分布在统计学中的地位

正态分布及其应用

正态分布及其应用

Part
04
正态分布在金融领域的应用
资产收益率的正态分布假设
资产收益率的正态分布假设
在金融领域中,正态分布被广泛用于描述资产收益率的概率分布。这一假设基于大量历史 数据的统计分析,认为资产收益率的分布近似于正态分布。
中心极限定理
中心极限定理是正态分布假设的理论基础,它表明无论总体分布是什么,当样本量足够大 时,样本均值近似服从正态分布。
生物医学研究
在生物医学研究中,许多生理指 标和疾病发生概率的分布并不服 从正态分布,而是呈现出偏态分 布或泊松分布等其他类型。
正态分布在大数据时代的发展
01 02
机器学习算法的改进
随着机器学习算法的不断改进,正态分布在大数据时代的 应用场景将得到进一步拓展。例如,深度学习算法可以处 理大规模、高维度的数据集,并能够自动提取特征,从而 减少对正态分布假设的依赖。
参数估计
在正态分布假设下,可以使用历史数据估计资产的预期收益率和风险波动率等参数,为投 资决策提供依据。
VaR(风险价值)的计算
VaR(风险价值)定义
VaR是指在一定置信水平下,某 一金融资产或投资组合在未来特 定时间段内的最大可能损失。
VaR计算方法
基于正态分布假设,可以使用历 史模拟法、蒙特卡洛模拟法等计 算VaR。这些方法通过模拟资产 价格的随机变动,计算出在给定 置信水平下的潜在损失。
无法处理复杂数据
正态分布在处理具有复杂结构或非线性关系的数据时可能表现不佳, 无法准确描述数据的分布特性。
非正态分布的适用场景
金融领域
自然语言处理
在金融领域中,许多金融变量的 分布并不服从正态分布,而是呈 现出尖峰厚尾的特点。例如,股 票收益率、波动率等金融时间序 列数据的分布往往具有这些特征。

正态分布的理论原理及应用

正态分布的理论原理及应用

正态分布的理论原理及应用正态分布(Normal Distribution),又称高斯分布(Gaussian Distribution),是概率统计学中最重要的概率分布之一,也是最常见的连续概率分布之一、正态分布在理论研究和实际应用中都起到了重要的作用。

1.中心极限定理:中心极限定理是正态分布理论的基础,它指出,独立同分布的随机变量的和的极限分布依近似于正态分布。

这意味着,对于大量独立随机变量的和,即使这些变量的分布不同,其总体分布也会接近于正态分布。

2.正态分布的概率密度函数:正态分布的概率密度函数由两个参数决定,即均值(μ)和标准差(σ)。

其概率密度函数可以表示为:f(x)=(1/(σ*√(2π)))*e^(-((x-μ)^2/(2σ^2)))3.正态分布的特性:-均值μ是分布的中心,标准差σ决定了分布的离散程度。

-68%的观测值在均值左右一个标准差范围内,95%的观测值在均值左右两个标准差范围内,99.7%的观测值在均值左右三个标准差范围内。

1.统计分析:正态分布广泛应用于统计分析中。

很多统计模型都需要基于正态分布的假设。

例如,参数估计、假设检验、方差分析等都需要基于正态分布进行推断。

2.质量控制:质量控制中常常使用正态分布。

通过收集样本数据,计算平均值和标准差,可以对产品的质量进行控制和评估。

例如,正态分布常用于确定产品的上下公差。

3.自然科学:正态分布在自然科学中也有应用。

例如,生物学中研究身高、体重等指标时可以使用正态分布。

物理学中粒子运动的速度和位置分布也可以近似为正态分布。

4.金融与经济学:金融市场和经济领域中,许多变量的分布近似为正态分布。

例如,股票收益率、利率、汇率等可以建模为正态分布。

这使得研究人员能够使用正态分布的属性来做出预测和决策。

5.归一化处理:正态分布是进行归一化处理的常用工具之一、通过将数据转化为标准正态分布,可以对不同数据进行比较和分析。

股票价格对数正态分布的实证研究

股票价格对数正态分布的实证研究

股票价格对数正态分布的实证研究近年来,股票价格的分布越来越受到重视。

由于其非常重要的实质性影响,我们必须深入探究它们的分布特征。

最近的研究发现,股票价格的分布常常服从对数正态分布(LN)。

在本文中,我们将对此进行实证研究,探讨股票价格是否遵循LN分布(也称为极大似然估计)以及其原因。

首先,我们需要对LN分布有一个简单的认识。

在数学上,LN分布是一个指数分布,其可以用来描述股票价格的分布特征。

换句话说,LN分布是指以指数方式增长的分布。

在研究中,LN分布的参数可以通过极大似然估计的方法确定。

接下来,我们将利用极大似然估计的方法,对市场上最常用的几种股票做实证研究,探讨它们的价格是否服从LN分布。

为此,我们首先从股市上收集几种不同类型的股票的价格信息,然后使用极大似然估计方法来估计它们的参数。

最后,使用定性和定量方法检验它们是否服从LN分布,从而得出结论。

具体来说,我们从沪深300指数、中证500指数以及深证100指数中抽取了部分股票的价格信息,选择了过去三年的每日收盘价,覆盖从2015年1月1日到2017年12月31日的价格记录,共计1095条记录。

接下来,我们计算了每个股票的收益率并得到收益率的序列,再根据收益率序列拟合出每只股票的LN分布曲线。

然后,为了检验拟合出的LN分布曲线是否能够描述股票价格的分布特征,我们进一步绘制了每只股票价格的理论累积分布图以及和实际累积分布图的对比图,其中拟合出的LN分布曲线与实际的股票价格的累积分布图基本吻合,可见此拟合的LN分布曲线能够较好地描述股票价格的分布特征。

综上所述,本文通过实证研究发现,市场上最常用的几种股票价格基本服从LN分布,且拟合出的LN分布曲线能够较好地反映股票价格的分布特征。

此外,本文也探讨了股票价格服从LN分布的原因。

根据市场有效性理论,股票价格能够反映市场上全部可用信息,并且受到投资者的行为影响。

投资者的行为通常具有多重的决定因素,从而使股票价格变化呈现出LN分布的特征。

正态分布在股票中的应用

正态分布在股票中的应用

正态分布在股票中的应用正态分布是一种统计学上非常重要的分布,也被称为高斯分布。

在股票市场中,正态分布被广泛应用于风险评估、价格预测和投资组合管理等方面。

首先,正态分布在股票市场中被用于风险评估。

在投资过程中,风险评估是至关重要的,投资者需要了解资产价格的波动性以及可能面临的风险。

正态分布可以帮助投资者理解资产价格的波动性,并且通过计算标准差来度量风险水平。

标准差是对价格波动性的一种度量,它能够让投资者了解到价格波动的正态分布情况,并为他们提供决策依据。

其次,正态分布在股票市场中被用于价格预测。

正态分布具有明确的均值和标准差,这使得投资者可以使用这一特性来对未来的价格走势做出预测。

投资者可以通过收集历史价格数据,计算出价格的均值和标准差,从而利用正态分布来进行未来价格的预测。

当然,由于市场的不确定性和波动性,这种预测方法并不能完全准确,但在一定程度上可以帮助投资者更好地规划投资策略。

另外,正态分布在投资组合管理中也发挥着重要作用。

投资组合管理是指根据投资者的风险偏好和投资目标,将不同的资产进行组合,以达到最优的风险收益平衡。

在进行投资组合管理时,正态分布被用来描述不同资产的收益分布,从而帮助投资者确定最佳的资产配置比例。

通过对每个资产的收益和风险进行分析,投资者可以利用正态分布来构建出具有良好风险收益特征的投资组合。

值得注意的是,正态分布在股票市场中的应用也面临一些批评和挑战。

由于股票市场的波动性并不总是服从正态分布,一些学者和投资者认为传统的正态分布模型并不适用于描述股票价格的波动特征。

实际上,股票价格的波动性通常表现出比正态分布更为厚尾的现象,即所谓的“fat tail”,因此在实际应用中需要慎重考虑这一点。

总的来说,正态分布在股票市场中仍然被广泛地应用于风险评估、价格预测和投资组合管理等方面。

投资者可以通过理解正态分布的特性,更好地评估风险、预测价格走势,并构建出具有良好风险收益特征的投资组合。

正态分布原则

正态分布原则

正态分布原则正态分布是统计学中的一个重要概念,也被称为高斯分布。

它在自然界中广泛存在,并且在各个领域的研究中扮演着重要角色。

正态分布有许多相关的原则和性质,下面将介绍几个常见的参考内容。

1. 中心极限定理中心极限定理是正态分布的一个重要原则。

该定理指出,对于一个随机变量序列,无论其原始分布如何,其样本量足够大时,该序列的均值将近似服从正态分布。

这一定理的应用非常广泛,可用于建立统计学方法和推断,解释观测数据的规律和模型等。

2. 标准正态分布标准正态分布是正态分布的一种特殊形式,均值为0,标准差为1。

标准正态分布常用于统计推断和假设检验中,通过将原始数据标准化为标准正态分布,可以对数据进行比较和分析。

标准正态分布在经济学、生物学、金融学等多个领域中都有广泛应用。

3. 正态曲线图和概率密度函数正态曲线是正态分布的图形表示,具有典型的钟形曲线,左右对称,峰值在均值处。

正态曲线图可以直观地展示数据集的分布情况。

正态分布的概率密度函数是描述正态分布的函数,它具有一定的数学形式,描述了各个取值点的概率密度。

通过概率密度函数,我们可以计算出数据在不同区间的概率。

4. 正态分布的性质和特点正态分布具有许多重要的性质和特点。

首先,正态分布的均值、中位数和众数是相等的,并且都位于曲线的中心。

其次,正态分布的方差决定了曲线的宽窄程度,方差越大,曲线越宽。

另外,正态分布的曲线是左右对称的,即左半部分与右半部分完全相同。

5. 应用范围与意义正态分布在许多领域中都有广泛的应用。

在自然科学中,正态分布常被用来描述物种分布、自然现象的测量误差等。

在社会科学中,正态分布可以用来描述人群身高、智力分数、心理测量结果等。

在金融学中,正态分布可以用来描述股票收益、汇率波动等变量。

正态分布的应用使得我们能够更好地理解和解释数据集的特征,从而推断和预测未来的结果。

以上是关于正态分布原则的一些相关参考内容,正态分布的理论和方法在统计学中具有重要的地位和应用价值。

正态分布和对数正态分布

正态分布和对数正态分布
峰度
对数正态分布的峰度为$frac{e^{2sigma^2}1+6sigma^2}{sigma^2}$。
描述性统计量
偏度和峰度用于描述数据的形状,偏度表示数据分布的不对称性, 峰度表示数据分布的尖锐程度。
06
对数正态分布在实践中的 应用
数据建模
自然现象
医学研究
对数正态分布常用于描述自然现象,如地震、 火山喷发、降雨量等,因为这些现象的强度 或频率往往呈现对数增长的特点。
正态分布的应用领域
自然现象
01
许多自然现象的随机变量服从正态分布,如人类的身高、智商、
考试分数等。
金融领域
02
金融市场中的许多随机变量,如股票收益率、汇率波动等,也
呈现出正态分布的特征。
统计学与数据分析
03
在统计学中,正态分布被广泛应用于样本数据的统计分析,如
参数估计和假设检验。
正态分布在统计学中的重要性
正态分布和对数正态 分布
目录
• 正态分布概述 • 正态分布的性质 • 正态分布在实践中的应用 • 对数正态分布概述 • 对数正态分布的性质 • 对数正态分布在实践中的应用
01
正态分布概述
定义与特性
定义
正态分布是一种连续概率分布, 其特征是数据呈现钟形曲线,且 曲线关于均值对称。
特性
正态分布具有集中性、对称性和均 匀分散性的特点,其中标准正态分 布的均值为0,标准差为1。
中心极限定理在金融、生物、医学、工程等多个领域都有广泛应用。例如,在金融领域,我们经常使用正态分布 来描述股票价格的波动;在生物和医学领域,我们使用正态分布来描述人类身高、血压等生理指标的分布。
参数估计
参数估计
参数估计是统计学中的一种重要方法,其目的是通过样本数据来估计总体参数 的值。在正态分布的背景下,我们通常使用样本均值和样本标准差来估计总体 均值和总体标准差。

正态分布定理

正态分布定理

正态分布定理正态分布(也被称为高斯分布或钟形曲线)是统计学中最重要的概率分布之一。

它在各个领域中都有广泛的应用,包括物理学、工程学、社会科学和自然科学等。

正态分布以其对大规模数据的适应性和复杂性而闻名,其基本形式由二项分布引导,并且由于中心极限定理的支持而得以证明。

正态分布定理最早是由17世纪的德国数学家和天文学家卡尔·费迪南德·高斯提出的。

他发现在统计一个连续性的数据集时,他们往往呈现出一个钟形曲线的模式,因此引入了为普遍法则的概念。

正态分布定理表明,当随机变量服从正态分布时,其概率密度函数(pdf)可以由以下公式表示:\[f(x)=\frac{1}{\sqrt{2\pi\sigma^{2}}}\exp\left(-\frac{(x-\mu)^{2}}{2\sigma^{2}}\right)\]其中,x是随机变量的值,μ是期望值(分布的中心点),σ是标准差(分布的扩展度)。

这个公式还有一个关键的特征,即求得的数据总和与正态分布的曲线下面积之和是1。

正态分布的重要性在于它可以用于描述和分析多种类型的现象。

根据中心极限定理,当许多独立的随机变量加在一起时,它们的总和将更接近于正态分布。

这使得正态分布成为了许多统计推断方法的基础,包括假设检验、置信区间估计和回归分析等。

正态分布的特点之一是它的均值和中位数是相等的,并且它的对称性使得较小和较大的值的频率较低,而均值周围的值的频率较高。

这导致正态分布具有一个尾巴,尾巴越长,数据集越分散,标准差越大。

相反,尾巴越短,数据集越集中,标准差越小。

正态分布在许多实际问题中都有实际应用。

例如,在财务领域中,它可以用来描述股票价格的变动,货币汇率的波动,以及基金收益的分布。

在医学和生物学中,正态分布可以帮助我们理解身高、体重和血压的分布。

此外,正态分布还可以用于制定政策和决策。

政府和企业经常使用正态分布来预测人口增长、投资回报率和销售额等。

正态分布的参数可以提供对未来潜在状态的预测,进而有助于制定合理的决策方案。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

股票的正态分布假定正态分布假定的另一个推论是,小盘股容易震荡,而大盘股不容易震荡。

价格的变化是买卖力量变化推动的结果,小盘股在高位定价,参与者分布稀疏,价格上下波动的阻力小,涨跌速度快;买卖力量的一点点变化在价格上都必须有较大的调整才能重新达到平衡,造成波动幅度大。

总的说就是容易形成剧烈震荡。

盘子越小,上述现象越明显,如邮票盘子比股票小,所以涨跌更剧烈,价格脱离普通人心理定位更远。

极端情况是艺术品拍卖市场,名家作品只有一件,无法复制,盘子小到了极限,价格决定于出价最高的一个愿意出多少钱,其价格自然也远远脱离一般人的心理定位,而且容易剧烈涨跌。

正态分布假定的又一个推论是,超级大盘股的定价会明显的偏低。

这也是由于正态分布尖端人数较少所致。

如果盘子大到供应量超过市场心理定价人数最多的峰位,则进一步增加需求量必须在价格上出让较大的空间,与小盘股的道理一样。

不过,随着价格降低,会有大量原来对这只股不关心的人参与进来,使参与者的本底变大,所以定价偏离的情况不会象小盘股那么明显。

什么叫小盘股什么叫大盘股呢?可以这样估算。

中国有2千万股民,近1千只股票,如果平均每人关心10只股票,那么,平均每只股票有20万人关心。

统计学中,如果统计样本成正态分布,那么大约70%的样本处于分布峰值加减方差的区间内,高于方差的样本数量约16%,近似的可取15%。

可以以此为界,股票少到只有顶端不到15%的人参与的为小盘股。

则20万的15%为3万,以中国股市大多数股民一般平均每人每只股票持股不到1000股计算,为3千万股。

所以,标准的中型盘子为3千万股左右,可以粗略的估计为2-5千万,2千万以下为小盘股,5千万以上为大盘股。

类似的,超级大盘股的标准应为可以供应85%以上的人,20万的85%为17万,估算为1.7亿股,放宽一些为2亿股以上,即中国股市上2亿以上的盘子为超级大盘股,定价会明显偏低。

当然,以后随着中国股市的发展,以上估算用到的参数会发生变化,小盘股大盘股和超级大盘股的概念也会发生变化。

同样业绩下,流通盘小限制了参与交易者的范围。

对两只业绩相同的股票,大盘股定价低,使需求分布中心理定价偏低的人也能买到,小盘股定价高,只有愿意接受较高价位的人才能买到。

这使得参与者的群体会略有不同,影响股票走势特性。

同样市值下,盘小价高的股票,参与者范围受限制。

股市交易是以“手”为基本单位的,股价越高,每手的价钱也越贵,这会限制参与者的范围。

极端情况,如美国股市上巴菲特控制的柏克夏公司,股价高到上万美圆,只有富人才买得起。

中国股市上,也有很多散户不喜欢买20元以上较贵的股票,而喜欢10元以下的股票,因为资金少,买贵的股票买的太少。

盘子大小还影响股票的流动性,同样市值的股票,盘子大,“手”多,每单位的价钱低,相当于在流通时颗粒细,流动性就更好;单位价钱高而盘子小,则分成的颗粒大而少,流动性下降。

一般而言,流动性大,参与者多,会增加坐庄控盘的难度,减少走势中的人为痕迹,走势越自然越稳定;流动性小则人为影响大,越容易出现忽涨忽跌和跳跃性走势。

所以,大盘股容易走成弧形反转,而小盘股容易走成V形反转;大盘股在分析其走势时应该多考虑群体心理动力学的影响,而小盘股应该多考虑人为因素的影响。

小盘股控盘容易,大盘股控盘难。

所谓控盘是说庄家持有一笔资金以短炒的方式进进出出,其买卖保持平衡,只通过把握买卖节奏影响和控制股价。

所以,控盘难度大小决定于留在外面的未锁定筹码的绝对规模,未锁定筹码多,则参与者人数多,人多则想法多,控盘困难,这和任何活动都是人越多越不好组织是一个道理。

通过锁定筹码减少外面筹码的规模可以使盘子变得容易控制一些,但大盘股上即使这样做了之后留在外面的股票仍会很多,不好控制。

比如,对一只1亿股的盘子,庄家已经锁定了70%的筹码,但外面仍有3千万股未锁定。

另一只天生只有1千万的盘子,即使不锁定筹码,外面的筹码规模也比前者少,控盘难度比前者锁定70%后还低。

如果这只股也锁定70%,则外面只剩下3百万股,如果按平均每个人10手计算,则只有3000人参与,如果每天有10%的人参与交易,则只有300人,相当好控制了。

而前一只股票要达到同样的程度需要锁定97%的筹码,这显然是不可能的。

大盘股由于盘子不好控制,所以,只能炒;小盘股可以实现绝对控盘,适合做。

炒就是短炒,不锁定太多筹码,也不炒到太高,随着人气,拉起来就放手,一波一波有节奏的炒,类似于垃圾股的炒法。

做就是做价值发现,低位收集大量筹码锁定,实现绝对控盘,拉到较高位置出货。

所以,小盘绩优股可以用通吃的手法炒做,而大盘绩优股,即使业绩再好,即使最终可以走成长期上升通道,也只能是一波一波炒上去的,分析其走势可以明显看出庄家进出的节奏,感觉到盘子震荡的力量,而不可能没有力度的往上飘。

所以,盘小和绩优是连在一起的,在同样业绩的情况下,盘小的因素会使走势偏向于更典型的绩优股,而盘大因素会使走势偏向于垃圾股。

庄家锁定大量筹码,市场上流通筹码变少,中大盘股可以暂时变成小盘股。

如果有一个资金较少的机构或资金较多的大户,这时可以短期的做一把庄。

不过这种“小盘股”只是市场瞬间形成的,情况稍微一变就不成了。

而且这种股背后如果有一个大庄家锁定了大量筹码,则好比“螳螂捕蝉黄雀在后”,大庄家随时可能出手管你。

所以,只有在庄家无法出手的时候才能这样做,只有在超跌的时候才有这种机会。

当超跌到CYS低于-20,即短线客已经亏损20%的时候,此时筹码都被锁定在上面,不怕庄家继续打压,他打压也不会有人跟着杀跌,他打出去的筹码反倒可能收不回来。

此时,临时小庄突然出手帮他控盘,从他口里抢几只小虾,他也没有办法。

怎样分配坐庄资金庄家的坐庄资金可以分为两部分,一块用来建仓,在底部打进货,拉高后出去,中间一段空间是其净获利,庄家赚钱主要靠这部分资金;另一块用来拉抬和应付各种突发性事件,可称做控盘资金。

这两块资金的作用不同,使用方法也不同。

建仓资金一般需要提前进,建仓后还要等待时机,由于从建仓到完成拉抬中间时间长短不确定,要看市场状况而定,所以,这部分资金要以自有资金为主,建了仓不管捂多长时间都没关系。

庄家拉抬要等到天时、地利、人和配合才行,要等待寻找时机,机会出现,果断动手。

一旦启动,一般在十几天之内就可以完成拉抬,以后就开始出货了,一个月内拉抬资金就可以出来了。

拉抬资金只是短期使用,可以在拉抬时临时借来,拉抬完成就可以还了。

控盘资金的另一部分是用来应付突发性危机的,就象打仗要保留预备队一样,这笔钱平时是不能轻易动的,只有在出现危机时才能动用;庄家手里如果没有这笔资金就会很不安全,一旦出现意外无法应付,可能使整个炒做失败,带来重大损失,所以,这笔资金一定是庄家自有的,可称为预备资金。

拉抬资金和预备资金统称控盘资金,控盘资金以持币为主,建仓资金以持股为主;控盘资金以短线操作为主,建仓资金以中长线操作为主;控盘资金长空短多,建仓资金做长多。

两笔资金如庄家的两个拳头,相互配合,有章法地打击市场大众。

庄家在坐庄时要根据情况决定如何分配这两笔资金。

一般而言,越有长期投资价值的公司,庄家建仓越多,投资价值变小,庄家建仓也相应变小。

庄家建仓多,锁定筹码多,外面流通筹码少,则盘子好控制,分配在控盘上的资金可以少一些;庄家建仓少则盘子不好控制,相应的控盘资金必须多一些。

两个极端情况是绝对绩优股的通吃炒做和垃圾股不打底仓的快进快出。

前者庄家把几乎全部资金都用来建仓,只留很少的资金控盘就够了,因为反正外面的筹码已经很少,已不需要控盘了;后者则几乎全部资金用做控盘,不打底仓,靠一拉一砸中间拼一个缝获利。

影响庄家资金分配的另一个因素是庄家的资金背景,庄家是否有方便的融资渠道做后盾。

如果有条件融资,庄家就可以多一些拉抬资金,拉抬可以猛一些,但持续时间短;如果没有条件融资,则庄家只能靠自有资金炒做,庄家可能会多分一些资金用做建仓,而拉抬资金就会不宽裕。

这种股上涨时显得力不从心,要使用技巧,借助大势,一点一点往上拉。

但由于是自有资金,可以长期持续的拉抬,形成慢牛走势。

还有一类超级庄家,资金多到必须同时做几只股票,这时,他们可以“分散建仓,集中拉抬,轮番炒做”。

先分别在几只股票上建好仓,然后以一笔拉抬资金,一个一个拉上去再撤出来,形成轮番炒做。

这笔拉抬资金和总的建仓量比起来是比较少的,所以资金利用率比较高。

如果是小庄留这么少比例的拉抬资金就会感觉力不从心,但对超级庄家来说,这笔资金的绝对值并不少,他可以集中使用,对其中任何一门股来说,拉抬资金都足够充裕,炒做起来如同大力士,身大力猛,三下五除二就把盘子拎到了高空,然后把拉抬资金一撤,换手又去炒别的了。

拉抬资金撤出时难免会引起一些震荡,但庄家不在乎这一点空间损失,因为拉抬时已经打出富裕来了。

拉抬资金撤出后建仓资金再慢慢出。

这样在一轮行情中,一笔拉抬资金可以拉起几只股票。

这种庄家做起来就颇有些组织战役的味道了,先做谁,后做谁,由谁来启动拉抬,由谁来跟进,由谁来掩护撤退等等。

这种拉抬必然比较快,因为拉起来以后还要撤出来去拉下一只。

跟上这种有实力的庄家是最好的。

庄家资金分配和股价走势有什么关系庄家如何分配资金决定了股价的走势。

筹码锁定多的股票,庄家不利用短期波动挣钱,所以没有短线的暴涨暴跌,盘面上没有力度的小阴小阳没有震荡的走,盘子显的发飘。

庄家不打底仓的股票,由于把全部资金用做短线炒做,故拉抬资金充裕,涨得迅猛有声势;但“飘风不终朝,骤雨不终日”,来得快去的也快,经过一段长时间再看,则涨涨跌跌在原地没动。

到是前一类短线涨跌并不迅猛的股票,一段时间下来,可以累积相当大的涨幅。

大部分股票处于中间。

庄家的最终目的还是要把价格炒上去,但由于控盘能力受限,所以不能直接拉抬,而要采取一些技巧调动市场力量,借力使力,才能以少量的资金把盘子拉上去。

所以有时盘面上会出现相当标准的技术形态,这是在号召大家跟着抬轿。

庄家建仓量不同也决定了股票最终的目标位,前面曾经讨论过,随着股价上涨,未锁定流通市值变大,控盘困难增大,限制了庄家炒做的最高目标位。

如果锁定筹码多,庄家可以向上打开较大空间,目标位可以高一些;如果建仓少,则目标必须低一些。

那种建仓较少目标位也较低的庄家,靠建仓仓位获利受限,而控盘上分配了大量资金不能白白操作不获利。

这种股票就会成震荡向上的走势,庄家不仅要挣大钱还要利用每一次震荡挣钱。

总的看,庄家仓位情况和走势关系是这样的,庄家锁定的筹码多,则短线波动少,上涨平稳,以中长线趋势为主,上涨空间大;庄家建仓减少,则上涨过程中短线震荡成分增加,中长线上升趋势趋缓,边震荡边上升;庄家仓位更少,则以短线震荡为主,长期看来根本不上涨。

对不同性质的庄家要采取不同的策略对付。

相关文档
最新文档