随机漫步理论(Random Walk Theory)——反技术图表派的基础

[编辑]

随机漫步理论简介

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。

一切图表分析派却认为:所有投资都会受到经济、政治、社会因素影响,而这些因素会像历史一样不断重演。例如,当经济从熊市中复苏过来,楼市、股市、黄金等都会一路上涨。尽管短期可能下挫,但一定会攀升到更高位置。只要投资人士能够预测那些因素支配着价格, 他们就能预知未来走势。这与随机漫步理论的意见截然相反。

[编辑]

随机漫步理论的提出

1900年,法国数学家路易斯.巴舍利耶(Louis Bachelier)首次提出了金融资产价格服从对数正态分布的假设,并假设股票价格服从布朗运动(物理学中分子微粒所做的一种无休止的无序运动),这成为随机漫步理论和有效市场假说(Efficient Markets Hypothesis)共同的源头。

1965年,芝加哥大学经济学教授尤金.法玛(Eugene Fama)正式提出有效市场假说:“假说的前提是股票价格总是正确的,因此,市场走势是随机的,没有人能预测市场未来的方向。价格正确的前提是,制定价格的人,一定是理性的,并且掌握充分的信息。”

[编辑]

随机漫步理论相关解释

股价是围绕市价上下波动的,那么随机的走势为什么会产生股价波动,理论中提出这些造成波动的原因:

(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。在无数研究之中,有三个研究,特别支持随机漫步的论调:

(1)曾经有一个研究,用美国标准普尔指数(Standard&Poor)的股票作长期研究,发觉股票狂升或者暴跌,狂升四五倍,或是跌99%的,比例只是很少数,大部分的股票都是升跌10%至30%不等。在统计学上有常态分配的现象。即升跌幅越大的占比例越少。所以股价并无单一趋势。买股票要看你是否幸运,买中升的股票还是下跌的股票机会均等。

(2)另外一次试验,有一个美国参议员用飞镖去掷一份财经报纸,拣出20只股票作为投资组合,结果这个乱来的投资组合竟然和股市整体表现相若,更不逊色于专家们建议的投资组合,甚至比某些专家的建议更表现出色。

(3)亦有人研究过单位基金的成绩,发觉今年成绩好的,明年可能表现得最差,一些往年令人失望的基金,今年却可能脱颖而出,成为升幅榜首。所以无迹可寻,买基金也要看你的运气,投资技巧并不实际,因为股市并无记忆,大家都只是瞎估估。

[编辑]

随机漫步理论的应用实例

1)美国的标准普尔指数。他对股票做了长期的研究得出股票的狂升和暴跌现象有时候会出现,但是比例很小,一般股票的上涨与下跌趋势都是在百分之十和百分之三十左右。据统计,升降幅度越大的股票在市场之上的比例就越小,而且股票没有明确的单边趋势,买股票有的时候看的不是技术含量,也会有一点点的幸运因素在里面。比如,近几十年来,三分之二以上的专业证券经理业绩不如无人管理的标准普尔500指数。

2)飞镖试验。一个美国参议员用飞镖去插一份关于财经金融的报纸,结果他利用这种胡乱掷标的方式得出的投资组合竟然和大盘相若,一点也不逊色于一些资深专家的投资组合,令人感觉甚是奇异。另外,《福布斯》杂志的编辑用向《纽约时报》股票市场专栏投镖的方法选出一组普通股股票,共28种。对这个模拟组合中的股票每种投资1000美元,共计2.8万美元,17年后的1984年夏季,该组合的价值约为1317万美元,累计370%以上的总收益,换算成年复利收益率高达9.5%,大大优于主要股票市场指数,更优于绝大多数专业基金经理。

3)研究单位基金的成绩。有人发现一些今年表现好的基金,在第二年很可能表现的极差,一些去年表现的极差的基金在今年却有一个好的成绩。所以说基金的选择无迹可寻,看好的是运气,投资技巧没有绝对的表现出来,股市也没有记忆力,他认为那些技术指标对基金的预测都是乱估算。比如,梅茨基金在1968年名列第一,到了1974年底,基金单位售价仅为1968年价格的1/15,梅茨也被迫退出投资界。

4)掷钱币比赛。规则是取得正面的人称为胜者,比赛开始,1000个参赛者掷钱币,正如随机法则所能预期的,其中500人掷得正面。这些胜者被允许进行第二轮比赛,再掷钱币,正如可预期的那样,250人得正面。第三轮有125名胜者,第四轮63人,第五轮31人,第六轮16人,第七轮8人。于是,众人惊叹这些掷币专家的惊人才能,殊不知仅是由于随机漫步理论在起作用而已。

[编辑]

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。

[编辑]

有效市场假说和随机漫步理论

是t 时刻i 股票价格的自然对数

α 是常数

iid:独立同分布

εt 是误差项

[编辑]

参考文献

本条目对我有帮助243

MBA智库APP

扫一扫,下载MBA智库APP

分享到:

c语言 随机漫步,随机漫步理论相关推荐

  1. 自回避随机行走问题 c语言,醉汉随机行走/随机漫步问题(Random Walk Randomized Algorithm Python)...

    世界上有些问题看似是随机的(stochastic),没有规律可循,但很可能是人类还未发现和掌握这类事件的规律,所以说它们是随机发生的. 随机漫步(Random  Walk)是一种解决随机问题的方法,它 ...

  2. UA MATH565C 随机微分方程V 算子半群理论简介

    UA MATH565C 随机微分方程V 算子半群理论简介 Banach空间中的算子半群 Hille-Yosida定理 Shift Operator 上一讲提到Homogeneous Markov Fa ...

  3. c语言作业小学生测试题,C语言实现小学生随机出题测试计分

    C语言实现小学生随机出题测试计分 发布时间:2020-10-12 02:13:39 来源:脚本之家 阅读:103 作者:iCodeBugs 本文实例为大家分享了C语言实现随机出题测试计分的具体代码,供 ...

  4. 论文浅尝 | 利用多语言 wordnet 上随机游走实现双语 embeddings

    论文笔记整理:谭亦鸣,东南大学博士生,研究方向为知识图谱问答. 来源:Knowledge Based System 链接:https://www.sciencedirect.com/science/a ...

  5. C语言文件的随机读写

    C语言文件的随机读写 文件顺序读写,即读写文件只能从头开始,依次读写各个数据.但在实际开发中经常需要读写文件的中间部分,要解决这个问题,就得先移动文件内部的位置指针,再进行读写.这种读写方式称为随机读 ...

  6. 随机森林回归预测r语言_使用随机森林(R语言)做回归

    引言 随机森林( random forest) 是一种基于分类树( classification tree) 的算法,它可以用于分类和回归,本文在这里以广西地区1990-2014共25年的GDP数据作 ...

  7. C语言的文件随机访问fseek()和ftell()函数

    C语言的文件随机访问fseek()和ftell()函数 我们要讨论3个问题:fseek()和ftell()函数的工作原理.如何使用二进制流.如何让程序可移植. fseek()与ftell()的工作原理 ...

  8. 随机森林随机回归预测_使用随机森林预测幸福

    随机森林随机回归预测 Why do we try to predict happiness? Being able to predict happiness means that we are abl ...

  9. 如何理解“伪随机”以及“随机种子”

    "真随机"与"伪随机" 真随机:就是我们传统意义上理解的"随机",随机事件如今天是否下雨,抛硬币的正反面,家门口的十字路口今天发生车祸等等. ...

  10. 大白话5分钟带你走进人工智能-第二十九节集成学习之随机森林随机方式 ,out of bag data及代码(2)

              大白话5分钟带你走进人工智能-第二十九节集成学习之随机森林随机方式 ,out  of  bag  data及代码(2) 上一节中我们讲解了随机森林的基本概念,本节的话我们讲解随机森 ...

最新文章

  1. 【slowfast 减少ava数据集】将ava数据集缩小到2个,对数据集做训练,然后进行检测,为训练自己的数据集做准备
  2. 如何看oracle 删除完全,如何完全删除Oracle数据库
  3. 2017.4.16 麦森数 思考记录
  4. gensim流式训练word2vec模型,不需要一次性加载完整数据集
  5. php fping,【Linux 命令】fping ping 包间隔时间详解
  6. hdoj--5620--KK's Steel(斐波那契数)
  7. 各个音阶的频率_有谁知道音谱中的1234567各代表的频率是多少?
  8. python下载网站视频_【python爬虫实战】批量下载网站视频
  9. 解锁iPhone/iPad密码锁
  10. GmSSL快速上手指南
  11. Cross-species regulatory sequence activity prediction
  12. Linux系统用户详细介绍
  13. “成本刺客”防不胜防,如何应用亚马逊云科技驾驭云成本
  14. C++ iterator(迭代器)用法
  15. 我的沪漂第一天,值得纪念的一天!
  16. delphi cef写入html,Delphi XE 10.2.3使用CEF4Delphi取网页元素时碰到nbsp;变问号?的处理...
  17. Unity游戏开发官方入门教程:飞机大战(六)——创建子弹
  18. 乌班图(Ubuntu)单系统或者乌班图+Win双系统安装教程
  19. 超详细git clone一个项目的方法
  20. 复试中老师提问频率极高的问题,23考研er可以参考借鉴!

热门文章

  1. java线程冲突问题——不安全的线程例子
  2. Java语言基础--枚举
  3. CSblog的学习记录
  4. CentOS - thin web server for Ruby(centos下安装thin,运行rails)
  5. 图说单播,组播,广播,选播和地域播
  6. POJ读书笔记2.1 —— 鸡兔笼带
  7. 扩展方法/对象与集合初始化器
  8. python初体验(2)——面向对象篇
  9. keras 的层,中文
  10. 【收藏】机器学习与深度学习核心知识点总结