A. 股市中的勝率與賠率
勝率與賠率
一、收益期望值
在概率論和統計學中，期望值（Expected value，或均值，或預期之結果，亦簡稱期望）是指在一個離散型隨機變數試驗中，每次可能結果的概率乘以其結果的總和。
通俗地講，一件不確定的事件X，如果有確定的所有結果，
把第一種的結果值記為X1，它發生的概率記為P1，
第二種結果值記為X2，它發生的概率為P2，
...
第i種結果值記為Xi，它發生的概率記為Pi，則期望值為：
二、股市非隨機
投資過程中，許多投資者經常持有這樣一個觀點：認為同時追求高勝率、高賠率是不可能的，高勝率和高賠率是矛盾對立的。比如：彩票就是一個很好的例證。小獎的中獎概率往往設置得高一點（低賠率、高勝率），大獎的中獎概率往往設置得很低（高賠率、低勝率）。然後，投資者就慢慢形成了這樣一個認知：想獲得高收益，就得承擔高風險（高賠率、低勝率）。
這里其實存在不夠嚴密之處。要知道，無論是擲骰子、拋硬幣還是玩彩票，它們都一個共同點：事件是相互獨立的、隨機的。也就說一個事件的發生及其結果不會對另一個事件造成任何影響。例如，你第一次拋硬幣得到正面向上的概率並不會影響你第二次拋硬幣得到正面向上的概率，兩次都是50%的概率。相反，今天下雨的概率與昨天是否下雨並不是相互獨立的，因為下雨作為一種天氣現象具有連續性。
同樣的，股市今天的收盤價與昨天的收盤價也不是相互獨立的。以A股市場為例，今天的收盤價是建立在昨天收盤價的基礎上的，位於昨天收盤價的±10%范圍以內。既然不是相互獨立事件，那麼就不能以簡單的隨機現象來看待股票、期貨等市場的價格走勢。尤其市場中有大量的投資者參與，表現出巨大的群體慣性，具有顯著的規律性特徵。我們無法否認這樣的事實——市場中經常出現明顯的風險有限而獲利空間巨大的機會。
投資者進入市場需要學習的就是如何去捕捉這樣的機會，即低風險、高收益的機會，也就是高勝率、高賠率的機會。
本文歸超簡交易所有，轉載請註明出處~
B. 股票價格的變動的計算公式
股票市場價格的影響因素大致可分兩個方面：內在價值與外在供求關系。但不論從哪方面考慮，股票價格都不可能有準確的公式。
先說內在價值。許多教科書上，對股票的內在價值都有探討，也建立了一些公式，但這些公式都是根據一部分變數來計算的，如未來股利多少及其增長率等，這些變數本身就是預測來的，不可能有多高的准確性，用其計算出的價值就只能是個參考了。
再說外在供求關系。市場是復雜的、千變萬化的，信息不透明再加上人的預期不同與沖動，導致了股票價格時時波動。
除了停牌，股價在一段交易時間內不變的，就只有漲停和跌停了，其他絕大部分交易時間內，股票價格都處於波動中，我們只能根據市場總體態勢，結合某一股票基本面情況判斷，對該股票價格是否低估做出大致估計，從而決定買或賣。
現實經濟是極為復雜的，由一個公式計算出股票價格或經濟增長率、失業率等經濟指標，是不現實的。
C. 離散型變數可以求平均數嗎
無非是觀察值能否被目前已知的幾十種分布擬合，能的話就可以通過與正態分布互換的原理求得均數，不能的話也就失去了求均數的意義。擬合觀察值的方法就是與函數庫里的分布函數依次擬合，最後取擬合優度最好的那個，需要軟體支持，比如Palisade Decision Tools中的Best Fit，或者功能強大的MATLAB。
D. 連續型股票與離散型股票的定義
通過引入I-線性組合及其性質,得到了樣本協方差矩陣正定的充要條件(其隨機變數是離散型的或連續型的均可),並討論了多項分布的協方差陣及樣本協方差陣的正定情況。最後,分析了離散型與連續型樣本協方差陣正定性不同的原因。
E. 連續型變數和離散型變數統計圖表的區別
離散變數是指其數值只能用自然數或整數單位計算的則為離散變數.例如,企業個數,職工人數,設備台數等,只能按計量單位數計數,這種變數的數值一般用計數方法取得.
反之,在一定區間內可以任意取值的變數叫連續變數,其數值是連續不斷的,相鄰兩個數值可作無限分割,即可取無限個數值.例如,生產零件的規格尺寸,人體測量的身高,體重,胸圍等為連續變數,其數值只能用測量或計量的方法取得.
如果變數可以在某個區間內取任一實數，即變數的取值可以是連續的，這隨機變數就稱為連續型隨機變數，
比如，公共汽車每15分鍾一班，某人在站台等車時間x是個隨機變數，
x的取值范圍是[0,15)，它是一個區間，從理論上說在這個區間內可取任一實數3.5、√20等，因而稱這隨機變數是連續型隨機變數。
F. 統計學離散型變數和連續型變數有什麼區別
一、獲取方式不同
離散型變數：離散型變數則是通過計數方式取得的，即是對所要統計的對象進行計數，增長量非固定的。
連續型變數：連續型變數是一直疊加上去的，增長量可以劃分為固定的單位。
二、域不同
離散型變數：離散型變數的域(即對象的集合S)是離散的。
連續型變數：連續型變數的域(即對象的集合S)是連續的。
二、分組方式不同
離散型變數：如果變數值的變動幅度小，就可以一個變數值對應一組，稱單項式分組。如果變數值的變動幅度很大，變數值的個數很多，則把整個變數值依次劃分為幾個區間，各個變數值則按其大小確定所歸並的區間，區間的距離稱為組距，這樣的分組稱為組距式分組。
連續型變數：連續型變數由於不能一一列舉其變數值，只能採用組距式的分組方式，且相鄰的組限必須重疊。
(6)股票價格離散型變數擴展閱讀
離散變數的概率分布
1、二項分布
2、泊松分布
3、二點分布
3、幾何分布
4、超幾何分布
G. 離散型隨機變數是什麼意思
有些隨機變數,它全部可能取到的不相同的值是有限個或可列為有限個,這種隨機變數稱為"離散型隨機變數". 離散型隨機變數在某一范圍內的取值的概率等於它取這個范圍內各個值的概率。 定義2.1：如果隨機變數X只可能取有限個或至多可列個值，則稱X為離散型隨機變數。 定義2.2：設X為離散型隨機變數，它的一切可能取值為X1，X2，……，Xn，……，記 P=P｛X=xn｝,n=1,2……(2.1) 稱(2.1)式為X的概率函數，又稱為X的概率分布，簡稱分布。 離散型隨機變數的概率分布有兩條基本性質： (1)Pn≥0 n=1,2,… (2)∑pn=1 對於集合｛xn,n=1,2,……｝中的任何一個子集A,事件「X在A中取值」即「X∈A」的概率為 P｛X∈A｝=∑Pn 特別的，如果一個試驗所包含的事件只有兩個，其概率分布為 P｛X=x1｝=p(0<p<1) P｛X=x2｝=1-p=q 這種分布稱為兩點分布。 如果x1=1,x2=0,有 P｛X=1｝=p P｛X=0｝=q 這時稱X服從參數為p的0-1分布，它是離散型隨機變數分布中最簡單的一種。由於是數學家伯努利最先研究發現的，為了紀念他，我們也把服從這種分布的試驗叫伯努利試驗。習慣上，把伯努利的一種結果稱為「成功」，另一種稱為「失敗」。 說明:1.隨機變數ξ或η的特點：(1)可以用數表示；(2)試驗之前可以判斷其可能出現的所有值;(3)在試驗之前不可能確定取何值。
H. 統計學離散型變數和連續型變數有什麼區別
離散型隨機變數是特殊的隨機變數，只能取分立的值。
I. 如何證明股票價格 平穩隨機過程
日K線代表了股價的隨機變數，由於每日的開盤價和收盤價的數值是不連續的，所以日K線所表示的股價是一個離散的隨機變數。在T1到T2這段時間里產生的一族日K線離散隨機變數和它們在股價—時間二維坐標上形成的走勢或者軌跡，這就是離散隨機變數的隨機過程。yuuu1233