㈠ 個股k線值怎樣計算聽過一個金融人士的理論:XX值取對數呈正態分布，這個XX指的什麼
這些理論也不一定準確
㈡ 為什麼說正態分布在經濟領域應用廣泛
正態分布在經濟領域的廣泛應用：
1．財務會計研究領域
隨著金融市場和現代企業制度的建立，財務會計向企業外部提供的財務信息倍受各利益關系人關注，而「財務會計信息有沒有用」這樣一個挑戰性的問題出現了。所以早期的實證會計研究主要是從有效市場假設（EMH）和資本資產定價模型（CAPM）出發，檢驗財務會計數據與其他經濟指標（特別是股價）的關系，如果財務會計指標（特別是會計收益指標）與股票價格相關，則說明會計信息的披露對證券市場的資源配置功能有效。後來這一結論被實證研究所證實，這有效地駁斥了「會計無用論」，從而奠定了實證會計研究的地位。近年來，會計政策選擇成為實證會計研究的重心，以解釋和預測企業「為什麼會選擇這種會計政策，而不採取那種會計政策」。例如：會計政策選擇與企業規模、地區分布、資本結構、分紅計劃。債務契約的關系；企業的外部利益關系人對會計信息反應的研究等，如果將上述問題給予抽象，它們都涉及「變數間的相互關系」這樣一個可以歸結為數學的問題。所以，針對上述問題，在研究隨時間變化、具有隨機性而又前後相互關聯的動態數據時，用到時間序列分析，它包括建立時間序列模型（ARIMA模型）、參數估計及譜估計等理論與方法。在討論多元變數之間是否存在線性相關時，運用多元線性回歸模型、典型相關分析和殘差檢驗。由於正態分布在會計數據中廣泛存在，例如，以任一會計科目作為總體，則不同時期該科目數額特別巨大和特別小（如為零）的比較少，則可以視之符合正態分布等，所以與正態分布相關的檢驗方法被大量使用：檢驗母體均值與原假設均值是否具有顯著差異的U一檢驗，檢驗兩個母體均值是否相等的T一檢驗，檢驗母體的方差與原假設方差是否具有顯著差異的X2一檢驗，檢驗兩個正態母體方差是否相等的F一檢驗。對不確定的母體分布採用非參數統計方法，如非參數檢驗。國外實證研究證實股票價格波動具有馬爾可夫性，即在有效的資本市場中現在的股票價格已反映了以往和現在的全部經濟信息，以前的股價行料對將來的股價波動不再具有信息價值，「將來」只與「現在」有關，而與「過去」無關。解決這方面問題的模型有：回歸一馬爾可夫模型、隨機游動模型。
2．理財、管理會計研究領域
現代理財論，總的說來是圍繞估價問題而展開的，這里所說的估價，既包括對個別「資本資產」的估價，也包括對企業總體價值的估價。如探討投資風險和投資報酬的投資組合理論（Portfolia Theory），後來該理論又發展為資本資產定價模型（CAPM），套利定價理論（Arbitrage Pricing Theroy）、探討資本結構與企業總價值關系的資本結構理論（Capital Structure Theory）、MM（Modigliani， Miller）理論、米勒模型（Miler Model）等。其中廣泛應用了微積分、線性代數及概率論與數理統計。針對創新金融工具的估價模式——期權定價模型則廣泛地應用了偏微分方程、隨機微分方程及倒向隨機微分方程等較為先進、復雜的數學理論與方法。
管理會計主要是利用信息來預測前景，參與決策。籌劃未來，控制和評價經濟活動等，保證以較少的勞動消耗和資金佔用，取得較好的經濟效益。管理會計應用的數學方法也相當廣泛，例如預測成本和銷售額時採用回歸分析，評價企業財務狀況、投資效益時採用層次分析法，預測經營狀況是採用具有吸收狀態（企業破產）的馬爾可夫鏈。另外還有「經濟定貨量」模型、「經濟生產量」模型、敏感分析、彈性分析等，則是應用微分學解決經濟問題的一些典範。管理會計中許多問題可以歸結為：數學分析中的極值問題；數學規劃中一定約束條件下的目標函數的最值問題；馬爾可夫相關理論問題；在約束條件和目標函數不能用線性方程或線性函數表示時的非線性規劃問題；在解決多階段決策問題時的動態規劃問題；解決如何經濟、合理地設置服務設施，從而以最低成本最大地滿足顧客需要問題時的排隊論問題，如人力資源選擇，機器設備選購等；導源於宏觀經濟管理並在微觀經濟管理中也有廣泛地應用的投入——產出分析問題，例如，用於多階段生產條件下生產與成本計劃的制定。
3．審計研究領域
審計主要是通過對財務會計信息的鑒證，以增強信息使用者對財務會計信息信任程度。在審計中最常用的數學方法是抽樣技術。隨著統計科學和企業規模的不斷發展，許多會計公司將統計抽樣理論與審計相結合，設計出了審計抽樣技術。對受審單位的內部控制制度有效性進行符合性測試時，採用屬性抽樣，如連續性抽樣，發現抽樣。在實質性測試中採用變數抽樣，如分層隨機抽樣及累計概率比例抽樣法（PPS），這對於減少審計風險和成本，提高審計工作效率和效果意義重大，因為嚴格遵循隨機原則抽取樣本，根據總體容量、誤差率、精確度、可信水平等因素綜合分析得到樣本容量，其分布規律更加接近於審計總體的分布規律。另外，在預測突發事件或不確定性問題時，歷史數據或既定的模型並不能完全反映它們，在這種情況下還要結合專家的專業判斷、經驗進行預測，也就是說，這一步的後驗分布又是下一步先驗分布的基礎，不斷對模型進行修正使之「動態化」，以提高預測精度。近年來，判別分析模型和聚類分析模型在國外也開始引入審計研究領域。對於定性資料的統計分析方面，Logit模型和probit模型被廣泛應用，例如用於預測注冊會計師簽署審計意見類型等。
值得注意的是，當人們尋求用定量方法處理復雜經濟問題時，容易注重於數學模型的邏輯處理，而忽視數學模型微妙的經濟含義或解釋，實際上，這樣的數學模型看來理論性很強，其實不免牽強附會，從而脫離實際。與其如此，不如從建模型一開始就老實承認數學方法的不足，而求助於經驗判斷，將定性的方法與定量的方法相結合，最後定量。
㈢ 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
㈣ 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 。
㈤ 服從正態分布的條件
當現象受到許多相互獨立的隨機因素的影響，如果每個因素所產生的影響都很微小時，總的影響可以看作是服從正態分布的.但是最好有實驗數據，做正態性檢測，才能准確的判斷粗略判斷的話你說那三個都是（正常情況下，比如第一個球隊里不能都是超人，第二個那人不能是吸血鬼之類），因為這些事情的結果受到很多條件的限制，比如球隊那個會受到比方說天氣、球員發揮狀況、對手球隊的狀況、甚至這支球隊使用的球鞋的性能等等，可以列舉出大量的對結果有影響的微小因素，那麼整體就近似服從正態分布。你應該記得引入正態分布的實驗是一個個小球往下滾碰到釘子的，這個實驗之所以說是近似服從正態分布就是因為碰到每個釘子後的結果都可以看做微小分布，所以大量微小因素的影響形成累積，從而導致結果服從正態分布。當然，精確的判斷要藉助正態性檢驗，作出正態概率圖進行檢驗，這就要專業知識和軟體咯，如果你有興趣可以再去查查，統計學里的。
㈥ 股票收益率服從正態分布，這種假設合理嗎
其實也有點道理，里大盤越近，追蹤大盤越緊的收益率越高！希望能夠認可。
㈦ 既然收益率不滿足正態分布,為何我國股票市場還是有效的呢，就是為何還是達到了弱式有效呢
收益達不到了滿族正態分布的我們股市快要社長是不可能有戲
㈧ 正態分布論有什麼重要意義
正態分布最初由棣莫弗研究二項式時推導得出，後來高斯又從另一個方面導出了正態分布的表達式，研究了正態分布的一系列性質並將其應用於天文學研究，因此正態分布通常又被叫做高斯分布。10元幣值的德國馬克上印有高斯的頭像和正態分布曲線，高斯是舉世聞名的大數學家，其對數學的貢獻數不勝數，但德國人卻唯獨將正態分布挑出來印在馬克上，足以說明在德國人乃至整個西方數學界，高斯最大的貢獻不是別的，正是正態分布。正態分布英文名稱Normal Distribution，直譯意思是"一般分布"，表示這個分布具有一般性，這是因為不論是自然界還是人類社會，絕大多數隨機現象都服從正態分布，例如人的身高和體重分布、學生的成績分布、股票組合的收益率分布、隨機誤差的分布、產品質量分布等都服從正態分布，另一方面，概率論中的其他分布如Possion分布、t分布、F分布等多由正態分布推導而出，在一定的條件下，所有其他的分布都可用正態分布來近似，正態分布在概率論中具有無可置疑的基礎性地位。正態分布是自然科學與行為科學中的定量現象的一個方便模型。各種各樣的心理學測試分數和物理現象比如光子計數都被發現近似地服從正態分布。盡管這些現象的根本原因經常是未知的， 理論上可以證明如果把許多小作用加起來看做一個變數，那麼這個變數服從正態分布(在R.N.Bracewell的Fourier transform and its application中可以找到一種簡單的證明)。
㈨ 為什麼股票價格服從對數正態分布
我們可以假設連續復利,用lnS1-lnS0來近似股票的收益(S1-S0)/S0,而且根據集合布朗運動可知,此收益是服從正態分布的。