1. 如何分析股票中的開盤價就是收盤價
這個不一定就是十字星的走勢，有時候特殊一點會呈現一字線的。
這種走勢一般要看視乎情況了，有時候是一種原來趨勢的中繼信號，有時候是一種反轉信號，若是一字線一般是一字線漲停或一字線跌停，一般情況下出現這種情況都是比較特殊，都是在特定條件下才會出現，如這股票長期特牌，復牌時由於大盤上漲或下跌了不少，出現補跌或補漲現象，又或者是出了大利好或大利空也會出現這種情況。
2. 為什麼假設股票價格服從正態分布是不現實的
股票價格多半不是自然形成，而是人為操縱的成份比較大，尤其受政策影響非常明顯 。
3. 收盤價對於股票後期走勢有哪些意義
你好，盤價是股票交易一天的最後價格定位,是多空雙方經過一天的交戰後最後的本質在於對第二天股價走勢的指向，是收盤前半小時的交易行為，對作出「買入」還是「賣 出」決定，有著重要的提示作用。
一.收盤前半小時拉升
股價全天運行平穩,臨近尾市時才開始拉升,股價以掃盤的方式向上攻擊,短時間內呈現凌厲上攻態勢盤口特徵為：
1.股價一般沒有回盪,呈現出一氣呵成似的斜線上攻走勢，這種掃盤表明主力是想做多的,明天這只股票必漲無疑。
2.連續的大單掃盤
二.收盤前半小時開始下跌
股價全天運行平穩,臨近尾市時才開始下跌,股價以砸盤的方式向下回落,短時間內呈現下跌態勢盤口特徵是：
1.下跌角度一般呈45度角為多。
2.大單、小單一起對著接盤砸，當下方沒有接盤可以停頓。
三.收盤前急拉
個別股票在收盤前的一瞬間出現突然大幅拉升的現象，拉升的特點是超大單成交,分時圖出現出一條直線上沖走勢,中間沒有任何成交停頓現象。
四.收盤前急跌
個別股票在收盤前的瞬間會出現突然大幅下跌的現象，也是超大單成交。分時圖出現出一條直線下沖走勢，中間沒有任何成交停頓現象。
風險揭示：本信息不構成任何投資建議，投資者不應以該等信息取代其獨立判斷或僅根據該等信息作出決策，不構成任何買賣操作，不保證任何收益。如自行操作，請注意倉位控制和風險控制。
4. 怎麼看股票收盤價
你好，收盤價：滬市收盤價為當日該證券最後一筆交易前一分鍾所有交易的成交量加權平均價（含最後一筆交易）。當日無成交的，以前收盤價為當日收盤價。深市的收盤價通過集合競價的方式產生。收盤集合競價不能產生收盤價的，以當日該證券最後一筆交易前一分鍾所有交易的成交量加權平均價(含最後一筆交易)為收盤價。當日無成交的，以前收盤價為當日收盤價。
查看方法： 用看行情的軟體，按方向鍵的前，就可以在屏幕左上看到所有以前的價。
風險揭示：本信息部分根據網路整理，不構成任何投資建議，投資者不應以該等信息取代其獨立判斷或僅根據該等信息作出決策，不構成任何買賣操作，不保證任何收益。如自行操作，請注意倉位控制和風險控制。
5. 為什麼可以用收盤價預測股票整體的表現
一般來說尾盤是多空一日拚鬥的總結，故收盤指數和收盤價歷來為市場人士所重視。開盤是序幕，盤中是過程，收盤才是定論。尾盤的重要性，在於它是一種承前啟後的特殊位置，即能回顧前市，又可預測後市。可見其在操作中的地位非常重要。
尾市收紅，且出現長下影線，此為探底獲支撐後的反彈，可考慮跟進，次日以高開居多。尾市收黑，出現長上影線，上檔壓力沉重，可適當減磅，次日低開低走概率較大。漲勢中尾市放巨量，此時不宜介入，次日開盤可能會遇拋壓，故不易漲。
跌勢中尾市放巨量，乃恐慌性拋售所致，是大盤將跳空而下的訊號。跌勢中尾盤有小幅拉長，漲勢中尾盤有小幅回落，此為修正尾盤，並無任何實際意義。
多空雙方都會對收盤股指、股價進行激烈的爭奪，但需特別強調兩點：
一、當心機構大戶借技術指標騙線，臨收盤故意拉高（打壓）收盤股指、股價，次日跳空高開（低開），達到次日拉高出貨（壓價入貨）的目的。識別方法，一看 有無大成交量配合，高收盤（低收盤），若成交量過小，多（空）方無力量，成交量過大，多（空）方出貨（入貨），均為陷阱。二看有無利多（利空）消息、傳言 配合，要分析傳言的真偽。結合大成交量、利多（空）消息，可初步確認為多頭（空頭）行情，可考慮買入（賣出）股票。但為防止上當，既不要滿倉，也不要空倉。
二、星期一效應與星期五效應。星期一收盤股指、股價收陽線還是陰線，對全周交易影響較大，因為多（空）方首戰告捷，往往乘勝追擊，連接數根陽線（陰線），應予警惕。星期五收盤股指、股價也很重要，它不僅反映當日的多空勝負，也反映當周的多空勝負。
這些是需要有一定的經驗才能作出准確的判斷，新手在經驗不足的情況下切勿盲目的去操作，不防跟我一樣用個牛股寶去跟著牛人榜里的牛人炒股，相對來說要穩妥得多，希望可以幫助到您，祝投資愉快！
6. 如何看一隻股票近幾天的收盤價
查看方法： 用看行情的軟體，按方向鍵的前，就可以在屏幕左上看到所有以前的價。
收盤價：滬市收盤價為當日該證券最後一筆交易前一分鍾所有交易的成交量加權平均價（含最後一筆交易）。當日無成交的，以前收盤價為當日收盤價。深市的收盤價通過集合競價的方式產生。收盤集合競價不能產生收盤價的，以當日該證券最後一筆交易前一分鍾所有交易的成交量加權平均價(含最後一筆交易)為收盤價。當日無成交的，以前收盤價為當日收盤價。
7. 如何用GARCH(1,1)求股票的具體波動率數據
以哈飛股份(600038)為例，運用GARCH（1,1）模型計算股票市場價值的波動率。
GARCH（1,1）模型為：
(1)
(2)
其中， 為回報系數， 為滯後系數， 和 均大於或等於0。
（1）式給出的均值方程是一個帶有誤差項的外生變數的函數。由於是以前面信息為基礎的一期向前預測方差，所以稱為條件均值方程。
（2）式給出的方程中： 為常數項， （ARCH項）為用均值方程的殘差平方的滯後項， （GARCH項）為上一期的預測方差。此方程又稱條件方差方程，說明時間序列條件方差的變化特徵。
通過以下六步進行求解：
本文選取哈飛股份2009年全年的股票日收盤價，採用Eviews 6.0的GARCH工具預測股票收益率波動率。具體計算過程如下：
第一步：計算日對數收益率並對樣本的日收益率進行基本統計分析，結果如圖1和圖2。
日收益率採用JP摩根集團的對數收益率概念，計算如下：
其中Si，Si-1分別為第i日和第i-1日股票收盤價。
圖1 日收益率的JB統計圖
對圖1日收益率的JB統計圖進行分析可知：
（1）標准正態分布的K值為3，而該股票的收益率曲線表現出微量峰度（Kurtosis=3.748926>3），分布的凸起程度大於正態分布，說明存在著較為明顯的「尖峰厚尾」形態；
（2）偏度值與0有一定的差別，序列分布有長的左拖尾，拒絕均值為零的原假設，不屬於正態分布的特徵；
（3）該股票的收益率的JB統計量大於5%的顯著性水平上的臨界值5.99，所以可以拒絕其收益分布正態的假設，並初步認定其收益分布呈現「厚尾」特徵。
以上分析證明，該股票收益率呈現出非正態的「尖峰厚尾」分布特徵，因此利用GARCH模型來對波動率進行擬合具有合理性。
第二步：檢驗收益序列平穩性
在進行時間序列分析之前，必須先確定其平穩性。從圖2日收益序列的路徑圖來看，有比較明顯的大的波動，可以大致判斷該序列是一個非平穩時間序列。這還需要嚴格的統計檢驗方法來驗證，目前流行也是最為普遍應用的檢驗方法是單位根檢驗，鑒於ADF有更好的性能，故本文採用ADF方法檢驗序列的平穩性。
從表1可以看出，檢驗t統計量的絕對值均大於1%、5％和10%標准下的臨界值的絕對值，因此，序列在1%的顯著水平下拒絕原假設，不存在單位根，是平穩序列，所以利用GARCH（1,1）模型進行檢驗是有效的。
圖2 日收益序列圖
表1ADF單位根檢驗結果
第三步：檢驗收益序列相關性
收益序列的自相關函數ACF和偏自相關函數PACF以及Ljung-Box-Pierce Q檢驗的結果如表3（滯後階數 =15）。從表4.3可以看出，在大部分時滯上，日收益率序列的自相關函數和偏自相關函數值都很小，均小於0.1，表明收益率序列並不具有自相關性，因此，不需要引入自相關性的描述部分。Ljung-Box-Pierce Q檢驗的結果也說明日收益率序列不存在明顯的序列相關性。
表2自相關檢驗結果
第四步：建立波動性模型
由於哈飛股份收益率序列為平穩序列，且不存在自相關，根據以上結論，建立如下日收益率方程：
(3)
(4)
第五步：對收益率殘差進行ARCH檢驗
平穩序列的條件方差可能是常數值，此時就不必建立GARCH模型。故在建模前應對收益率的殘差序列εt進行ARCH檢驗，考察其是否存在條件異方差，收益序列殘差ARCH檢驗結果如表3。可以發現，在滯後10階時，ARCH檢驗的伴隨概率小於顯著性水平0.05，拒絕原假設，殘差序列存在條件異方差。在條件異方差的理論中，滯後項太多的情況下，適宜採用GARCH（1,1）模型替代ARCH模型，這也說明了使用GARCH（1,1）模型的合理性。
表3日收益率殘差ARCH檢驗結果
第六步：估計GARCH模型參數，並檢驗
建立GARCH（1,1）模型，並得到參數估計和檢驗結果如表4。其中，RESID(-1)^2表示GARCH模型中的參數α，GARCH（-1）表示GARCH模型中的參數β，根據約束條件α+β<1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，滿足約束條件。同時模型中的AIC和SC值比較小，可以認為該模型較好地擬合了數據。
表4日收益率波動率的GARCH（1,1）模型的參數估計
8. 如果用matlab驗證股票的收盤價符合對數正態分布
先導入數據，然後取收盤價的對數值即y＝ln（y）
clc;clear
y=ln(y)
Std=std(y) %標准差
[F,XI]=ksdensity(y)
figure(1)
plot(XI,F,'o-')
x =randn(300000,1);
figure(2)
[f,xi] = ksdensity(x);
plot(xi,f);
畫出概率分布圖
ksdensity -------------------- Kernel smoothing density estimation.
表示核平滑密度估計