1. 如何分析股票中的开盘价就是收盘价
这个不一定就是十字星的走势，有时候特殊一点会呈现一字线的。
这种走势一般要看视乎情况了，有时候是一种原来趋势的中继信号，有时候是一种反转信号，若是一字线一般是一字线涨停或一字线跌停，一般情况下出现这种情况都是比较特殊，都是在特定条件下才会出现，如这股票长期特牌，复牌时由于大盘上涨或下跌了不少，出现补跌或补涨现象，又或者是出了大利好或大利空也会出现这种情况。
2. 为什么假设股票价格服从正态分布是不现实的
股票价格多半不是自然形成，而是人为操纵的成份比较大，尤其受政策影响非常明显 。
3. 收盘价对于股票后期走势有哪些意义
你好，盘价是股票交易一天的最后价格定位,是多空双方经过一天的交战后最后的本质在于对第二天股价走势的指向，是收盘前半小时的交易行为，对作出“买入”还是“卖 出”决定，有着重要的提示作用。
一.收盘前半小时拉升
股价全天运行平稳,临近尾市时才开始拉升,股价以扫盘的方式向上攻击,短时间内呈现凌厉上攻态势盘口特征为：
1.股价一般没有回荡,呈现出一气呵成似的斜线上攻走势，这种扫盘表明主力是想做多的,明天这只股票必涨无疑。
2.连续的大单扫盘
二.收盘前半小时开始下跌
股价全天运行平稳,临近尾市时才开始下跌,股价以砸盘的方式向下回落,短时间内呈现下跌态势盘口特征是：
1.下跌角度一般呈45度角为多。
2.大单、小单一起对着接盘砸，当下方没有接盘可以停顿。
三.收盘前急拉
个别股票在收盘前的一瞬间出现突然大幅拉升的现象，拉升的特点是超大单成交,分时图出现出一条直线上冲走势,中间没有任何成交停顿现象。
四.收盘前急跌
个别股票在收盘前的瞬间会出现突然大幅下跌的现象，也是超大单成交。分时图出现出一条直线下冲走势，中间没有任何成交停顿现象。
风险揭示：本信息不构成任何投资建议，投资者不应以该等信息取代其独立判断或仅根据该等信息作出决策，不构成任何买卖操作，不保证任何收益。如自行操作，请注意仓位控制和风险控制。
4. 怎么看股票收盘价
你好，收盘价：沪市收盘价为当日该证券最后一笔交易前一分钟所有交易的成交量加权平均价（含最后一笔交易）。当日无成交的，以前收盘价为当日收盘价。深市的收盘价通过集合竞价的方式产生。收盘集合竞价不能产生收盘价的，以当日该证券最后一笔交易前一分钟所有交易的成交量加权平均价(含最后一笔交易)为收盘价。当日无成交的，以前收盘价为当日收盘价。
查看方法： 用看行情的软件，按方向键的前，就可以在屏幕左上看到所有以前的价。
风险揭示：本信息部分根据网络整理，不构成任何投资建议，投资者不应以该等信息取代其独立判断或仅根据该等信息作出决策，不构成任何买卖操作，不保证任何收益。如自行操作，请注意仓位控制和风险控制。
5. 为什么可以用收盘价预测股票整体的表现
一般来说尾盘是多空一日拼斗的总结，故收盘指数和收盘价历来为市场人士所重视。开盘是序幕，盘中是过程，收盘才是定论。尾盘的重要性，在于它是一种承前启后的特殊位置，即能回顾前市，又可预测后市。可见其在操作中的地位非常重要。
尾市收红，且出现长下影线，此为探底获支撑后的反弹，可考虑跟进，次日以高开居多。尾市收黑，出现长上影线，上档压力沉重，可适当减磅，次日低开低走概率较大。涨势中尾市放巨量，此时不宜介入，次日开盘可能会遇抛压，故不易涨。
跌势中尾市放巨量，乃恐慌性抛售所致，是大盘将跳空而下的讯号。跌势中尾盘有小幅拉长，涨势中尾盘有小幅回落，此为修正尾盘，并无任何实际意义。
多空双方都会对收盘股指、股价进行激烈的争夺，但需特别强调两点：
一、当心机构大户借技术指标骗线，临收盘故意拉高（打压）收盘股指、股价，次日跳空高开（低开），达到次日拉高出货（压价入货）的目的。识别方法，一看 有无大成交量配合，高收盘（低收盘），若成交量过小，多（空）方无力量，成交量过大，多（空）方出货（入货），均为陷阱。二看有无利多（利空）消息、传言 配合，要分析传言的真伪。结合大成交量、利多（空）消息，可初步确认为多头（空头）行情，可考虑买入（卖出）股票。但为防止上当，既不要满仓，也不要空仓。
二、星期一效应与星期五效应。星期一收盘股指、股价收阳线还是阴线，对全周交易影响较大，因为多（空）方首战告捷，往往乘胜追击，连接数根阳线（阴线），应予警惕。星期五收盘股指、股价也很重要，它不仅反映当日的多空胜负，也反映当周的多空胜负。
这些是需要有一定的经验才能作出准确的判断，新手在经验不足的情况下切勿盲目的去操作，不防跟我一样用个牛股宝去跟着牛人榜里的牛人炒股，相对来说要稳妥得多，希望可以帮助到您，祝投资愉快！
6. 如何看一只股票近几天的收盘价
查看方法： 用看行情的软件，按方向键的前，就可以在屏幕左上看到所有以前的价。
收盘价：沪市收盘价为当日该证券最后一笔交易前一分钟所有交易的成交量加权平均价（含最后一笔交易）。当日无成交的，以前收盘价为当日收盘价。深市的收盘价通过集合竞价的方式产生。收盘集合竞价不能产生收盘价的，以当日该证券最后一笔交易前一分钟所有交易的成交量加权平均价(含最后一笔交易)为收盘价。当日无成交的，以前收盘价为当日收盘价。
7. 如何用GARCH(1,1)求股票的具体波动率数据
以哈飞股份(600038)为例，运用GARCH（1,1）模型计算股票市场价值的波动率。
GARCH（1,1）模型为：
(1)
(2)
其中， 为回报系数， 为滞后系数， 和 均大于或等于0。
（1）式给出的均值方程是一个带有误差项的外生变量的函数。由于是以前面信息为基础的一期向前预测方差，所以称为条件均值方程。
（2）式给出的方程中： 为常数项， （ARCH项）为用均值方程的残差平方的滞后项， （GARCH项）为上一期的预测方差。此方程又称条件方差方程，说明时间序列条件方差的变化特征。
通过以下六步进行求解：
本文选取哈飞股份2009年全年的股票日收盘价，采用Eviews 6.0的GARCH工具预测股票收益率波动率。具体计算过程如下：
第一步：计算日对数收益率并对样本的日收益率进行基本统计分析，结果如图1和图2。
日收益率采用JP摩根集团的对数收益率概念，计算如下：
其中Si，Si-1分别为第i日和第i-1日股票收盘价。
图1 日收益率的JB统计图
对图1日收益率的JB统计图进行分析可知：
（1）标准正态分布的K值为3，而该股票的收益率曲线表现出微量峰度（Kurtosis=3.748926>3），分布的凸起程度大于正态分布，说明存在着较为明显的“尖峰厚尾”形态；
（2）偏度值与0有一定的差别，序列分布有长的左拖尾，拒绝均值为零的原假设，不属于正态分布的特征；
（3）该股票的收益率的JB统计量大于5%的显著性水平上的临界值5.99，所以可以拒绝其收益分布正态的假设，并初步认定其收益分布呈现“厚尾”特征。
以上分析证明，该股票收益率呈现出非正态的“尖峰厚尾”分布特征，因此利用GARCH模型来对波动率进行拟合具有合理性。
第二步：检验收益序列平稳性
在进行时间序列分析之前，必须先确定其平稳性。从图2日收益序列的路径图来看，有比较明显的大的波动，可以大致判断该序列是一个非平稳时间序列。这还需要严格的统计检验方法来验证，目前流行也是最为普遍应用的检验方法是单位根检验，鉴于ADF有更好的性能，故本文采用ADF方法检验序列的平稳性。
从表1可以看出，检验t统计量的绝对值均大于1%、5％和10%标准下的临界值的绝对值，因此，序列在1%的显著水平下拒绝原假设，不存在单位根，是平稳序列，所以利用GARCH（1,1）模型进行检验是有效的。
图2 日收益序列图
表1ADF单位根检验结果
第三步：检验收益序列相关性
收益序列的自相关函数ACF和偏自相关函数PACF以及Ljung-Box-Pierce Q检验的结果如表3（滞后阶数 =15）。从表4.3可以看出，在大部分时滞上，日收益率序列的自相关函数和偏自相关函数值都很小，均小于0.1，表明收益率序列并不具有自相关性，因此，不需要引入自相关性的描述部分。Ljung-Box-Pierce Q检验的结果也说明日收益率序列不存在明显的序列相关性。
表2自相关检验结果
第四步：建立波动性模型
由于哈飞股份收益率序列为平稳序列，且不存在自相关，根据以上结论，建立如下日收益率方程：
(3)
(4)
第五步：对收益率残差进行ARCH检验
平稳序列的条件方差可能是常数值，此时就不必建立GARCH模型。故在建模前应对收益率的残差序列εt进行ARCH检验，考察其是否存在条件异方差，收益序列残差ARCH检验结果如表3。可以发现，在滞后10阶时，ARCH检验的伴随概率小于显著性水平0.05，拒绝原假设，残差序列存在条件异方差。在条件异方差的理论中，滞后项太多的情况下，适宜采用GARCH（1,1）模型替代ARCH模型，这也说明了使用GARCH（1,1）模型的合理性。
表3日收益率残差ARCH检验结果
第六步：估计GARCH模型参数，并检验
建立GARCH（1,1）模型，并得到参数估计和检验结果如表4。其中，RESID(-1)^2表示GARCH模型中的参数α，GARCH（-1）表示GARCH模型中的参数β，根据约束条件α+β<1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，满足约束条件。同时模型中的AIC和SC值比较小，可以认为该模型较好地拟合了数据。
表4日收益率波动率的GARCH（1,1）模型的参数估计
8. 如果用matlab验证股票的收盘价符合对数正态分布
先导入数据，然后取收盘价的对数值即y＝ln（y）
clc;clear
y=ln(y)
Std=std(y) %标准差
[F,XI]=ksdensity(y)
figure(1)
plot(XI,F,'o-')
x =randn(300000,1);
figure(2)
[f,xi] = ksdensity(x);
plot(xi,f);
画出概率分布图
ksdensity -------------------- Kernel smoothing density estimation.
表示核平滑密度估计