A. 怎么预测股票涨跌
电动汽车板块~
万向钱潮
中国重汽
东风汽车
宇通客车
福田汽车
江淮汽车
长安汽车
上海汽车
万向钱潮主打汽车零部件~1999开始研发电动汽车~2009年成立李铁电池以及电动汽车系统的整合~只等国家的准生证~
其他品牌都已在上海汽车展上面秀出了自己的纯电动汽车.
投资价值——超长线持有~因为现在还不具备电动汽车普及的条件~
价值体现时间落后于电网改造的板块~
电网改造板块~
由于要发展纯电动汽车的产业和能够让纯电动汽车普及~和充电站建设,充电庄~建设离不开的就是电网的改造~
因为现在的城市电网不具备支持民用电动汽车的充电设施~那么政府会加大力度开始对电网进行改造~
因为日本政府已经开始以东京为核心建设1000个电动汽车充电站的计划~想必是中国政府也会效仿其脚步~
巴菲特入股的BYD汽车,位于深圳~而上市于深交所的电气公司深圳惠程发布08业绩报告中指出——公司受益于电网改造公司业绩同比增长+++具体多少忘记了~（在金融危机之下是很不容易的）
由此看出深圳市政府已经开始了新能源战略的布局~开始了积极配合新能源的周边基础设施的建设~
深圳惠程~
上海电气~
以及一些电气的公司~
价值体现时间~晚于有色金属板块~
有色金属板块~
因为电网的改造涉及到各种电气设备的零部件以及输电线的变压转换材料~各种有色金属包含其中~
具体就不举例了~
属于电网改造的上游产业链企业~毛利率高~
不可再生能源板块~
国际形势风起云涌~
从08年原油每桶147美元到现在的50美元左右~
在如今经济不好的情况下都维持50美国左右的水平,说明原油的价格影响因素已经由避险和投机保值变为了又供求关系直接作用~
可预见未来的能源价格会持续的上涨~因为需求是无限的~而供应是有限的~
以有限的供应来满足无限的需求,连小学生都知道最后的结果是什么？那就是供不应求~价格的上涨~
还有一个因素就是当前的金融危机下~各国政府大降利率~
降利率 = 印钞票~
如果将利率不印钞票,那么政府绝对吃亏~
当经济转好了以后,资金恢复了信心后就开始抄底保值~
到时候通货膨胀就会重新回来~
以前是07年美国一国印钞票都搞得全世界的金融市场鸡飞狗跳~
现在时全世界都在开动印钞机~你想想后果吧~
资本家一定会把流动性注入硬通货——类似黄金,矿产,石油,煤炭上面~因为只有那些才能够体现价值~
而钞票会像计算机中的01代码一样,一文不值（没有储存价值）~
要明白资本家和普通百姓的思维是不一样的~
深圳和北京年初的房价暴涨就是个好的见证~
希望我的分析对你为来的投资选择有帮助~
再补充一句~资源类股的价值体现是领先于所有的股票~
再次补充一下~
还有就是和国防工业有关的~
中国现在还不是军事强国~很多的军事技术和装备都不是自己的工业生产的~
举例~
空中加油机~
SU-27
SU-30
还有就是s-300防空导弹~（最近好像在和俄罗斯谈判准备买s-400）但是别人好像是不卖~
还有就是武装直升机~
还有就是重型直升机（这次汶川大地震大家也看到了吧~重型直升机还要借俄罗斯的~）
还有就是大型运输机~
所以和航空机电还有光电系统相关的公司都行~
本人关注中兵光电~
是个偶然的机会看到凤凰卫视的一个节目采访中兵光电的老总吧~说是以前企业怎么不行~现在经过改制~转成了做军工方面比较好的企业~
军工方面只了解这一家企业~
其他的信息通过各种渠道自己去收集哈~
希望我的回答对你有帮助~
B. 用matlab什么程序可以预测股价走势
这个可以用matlab的时间序列工具试一下，不过感觉没有spss的时间序列工具好用，因为很多人装matlab不装时间序列工具包的。
用spss更好，把数据粘贴进去，就点分析-时间序列-自动时间序列就行，很傻瓜的，等1min，会出来一个走势图（输出结果里下翻才找得到），说是AR多少模型的，后面会有一小段红线的，那个就是预测。
C. 股票分析过程 程序
1.优势分析：公司是做什么的？有品牌优势吗？有垄断优势吗？是指标股吗?
2.行业分析：所处行业前景如何？在本行业中所处地位如何？
3.财务分析：盈利能力如何？增长势头如何？产品利润高吗？产品能换回真
金白银吗？担保比例高吗？大股东欠款多吗？
4.回报分析：公司给股东的回报高吗？圈钱多还是分红多？近期有好的分红
方案吗？
5.主力分析：机构在增仓还是减仓？筹码更集中还是更分散？涨跌异动情况
如何？有大宗交易吗？
6.估值分析：目前股价是被高估还是低估？
7.技术分析：股票近期表现如何？支撑位和阻力位在哪里？
8.分析汇总。
D. 如何用（易语言）编程，设计一个控制，别的软件的，程序。 主要是获取股票，价格变动。
先找一个实时更新股票的权威网站然后找到网站股票的列表之后获取该网页的源代码 在程序里分析.输出数据 具体的懒得写 只给出思路
E. 我想自己写个自用的股票看盘与分析的软件，如何能快速入门
接不到数据，写了也没用啊。我用过的比较牛的ninjatrader自定义功能是相当强大，但是没数据接入的话，白搭。而且需要接入数据的话，要去找数据提供商，需要很大一笔费用，非普通人能承担的。劝你放弃吧
F. 股票软件怎么开发股票软件开发需要注意哪些
股票软件开发开发过程包括以下五个阶段：
一、股票软件开发定制分析
然后把它用软件工程开发语言（形式功能规约，软件需求分析就是回答做什么的问题。一个对用户的需求进行去粗取精、去伪存真、正确理解。即需求规格说明书）表达进去的过程。本阶段的基本任务是和用户一起确定要解决的问题，建立软件的逻辑模型，编写需求规格说明书文档并最终得到用户的认可。需求分析的主要方法有结构化分析方法、数据流程图和数据字典等方法。本阶段的工作是根据需求说明书的要求，设计建立相应的软件系统的体系结构，并将整个系统分解成若干个子系统或模块，定义子系统或模块间的接口关系，对各子系统进行具体设计定义，编写软件概要设计和详细设计说明书，数据库或数据结构设计说明书，组装测试计划。
二、股票软件开发设计
也可以是可组合、可分解和可更换的功能单元。模块，股票软件设计可以分为概要设计和详细设计两个阶段。实际上软件设计的主要任务就是将软件分解成模块是指能实现某个功能的数据和程序说明、可执行程序的顺序单元。可以是一个函数、过程、子程序、一段带有顺序说明的独立的顺序和数据。然后进行模块设计。概要设计就是结构设计，其主要目标就是给出软件的模块结构，用软件结构图表示。详细设计的首要任务就是设计模块的顺序流程、算法和数据结构，主要任务就是设计数据库，常用方法还是结构化顺序设计方法。
三、股票软件开发定制编码
即写成以某一顺序设计语言表示的"源程序清单"充沛了解软件开发语言、工具的特性和编程风格，软件编码是指把软件设计转换成计算机可以接受的顺序。有助于开发工具的选择以及保证软件产品的开发质量。
四、股票软件开发测试
关键在于理解测试方法。不同的测试方法有不同的测试用例设计方法。两种常用的测试方法是白盒法测试对象是源程序，股票软件测试的目的以较小的代价发现尽可能多的错误。要实现这个目标的关键在于设计一套出色的测试用例（测试数据和预期的输出结果组成了测试用例）如何才干设计出一套出色的测试用例。依据的顺序内部的逻辑结构来发现软件的编程错误、结构错误和数据错误。结构错误包括逻辑、数据流、初始化等错误。用例设计的关键是以较少的用例覆盖尽可能多的内部顺序逻辑结果。白盒法和黑盒法依据的软件的功能或软件行为描述，发现软件的接口、功能和结构错误。其中接口错误包括内部/外部接口、资源管理、集成化以及系统错误。
五、股票软件开发与维护
对软件产品所进行的一些软件工程的活动。即根据软件运行的情况，维护是指在已完成对软件的研制（分析、设计、编码和测试）工作并交付使用以后。对软件进行适当修改，以适应新的要求，以及纠正运行中发现的错误。编写软件问题演讲、软件修改演讲。
G. 基于微信大数据的股票预测研究
基于微信大数据的股票预测研究
大数据是近些年来的热门话题，无论国际上还是国内，影响很大。经济学、政治学、社会学和许多科学门类都会发生巨大甚至是本质上的变化和发展，进而影响人类的价值体系、知识体系和生活方式。而全球经济目前生成了史无前例的大量数据，如果把每天产生的大量数据比作神话时期的大洪水是完全正确的，这个数据洪流是我们前所未见的，他是全新的、强大的、当然，也是让人恐慌但又极端刺激的。
而我所分享的话题，正是在互联网环境下，如何利用大数据技术，进行股票预测的研究。–今天，我想分享我认为有意义的四点。
1.大数据下的商业预测
根据大数据，我们可以有效地进行故障、人流、流量、用电量、股票市场、疾病预防、交通、食物配送、产业供需等方面的预测。而本文我们所关心的内容是股票市场的预测。
大数据的核心是预测，预测依赖于对数据的分析。那么分析的方法是否是基于随机采样的结果而设计的，这样的分析方法是否会有误差？
从传统认识上，由于资源和科技的局限，如人和计算资源受限、从计算机处理能力来讲无法处理全部数据来获取人们所关注的结果。因此随机采样应运而生，通过所选取的个体来代表全体，如使用随机抽取的方式来使得推论结果更科学。但既然提到了大数据，它是资源发展到一定程度、以及技术发展到一定阶段产生的一个新的认识。如同电力的出现，使人类进入了一个快速发展阶段，大数据也一样，它的含义是全体样本，从整体样本来做推论。在本文大数据的含义是所有股票在整个社交网络上的流动信息，从数据源上讲，本文没有采用所有社交网络上的数据，只分析了微信这个最具代表性的社交媒体作为信息源。
互动数据能反映用户情绪，搜索数据能反映用户的关注点和意图，在股市预测时这两种数据哪种更具有参考价值？
我认为都有价值，互动数据反映了用户对某一特定股票的喜好和厌恶，可以简单描述为对该股票的操作是继续持有还是卖出；而搜索数据则代表用户在收集该股票信息的过程，它是关注度的概念，某只股票搜索度高则意味着消息的影响力大。互动代表着方向，搜索代表着振幅。
我们知道这两种数据得出的结论会有差异，您是如何平衡这两种数据反映的情况来进行预测的？
正如上一个问题里提到的，如果是股票推荐，买进卖出等原则问题，则应该考虑互动数据，但如果已经买到手了，搜索数据可以提供一个幅度的概念，类似债券评级A级、AA级、AAA级等，供投资者参考，因为不同投资者对风险的承受度是不同的。
将股票和市场的消息整理成140字的短消息发布，是否意味着主要发布渠道是微博？现在微信公众号很火，有没有考虑通过这个渠道也发布消息？
事实上，信息传播的方式很多，微信作为新媒体当然影响力不容小觑，但目前技术投入最小的还是邮件、短信等方式，未来会考虑使用公众号来推送股票和市场消息。
如果在未来通过微信公众号推送消息，那么推送的消息会不会作为数据来源被再次采集？这会有多大的影响？
会被采集，但互联网上的每日关于个股的信息数量会达到很大，该推送会增加推荐股票1点权重，每只股票的权重成百上千，因此影响极小。
数据来源是微信公众号，除了准确性的考虑之外，是否还考虑过这样收集数据会较少触犯个人隐私？
从法律角度来看，搜索微信或其他个人聊天记录，是侵犯个人隐私权的，因此如果腾讯开放了这样的接口，每个公民都可以对这样的行为进行投诉、抗议、甚至进行法律起诉直至其改正过错、赔偿损失的。
这样是否意味着即使存在违法的行为，其结果也是由腾讯来承担，而我们作为数据的使用方不需要承担任何法律责任？
在整个社会，我们作为系统技术提供方，应恪守大数据的伦理道德，遵守国家法律，如侵犯个人隐私，系统不会采集，谷歌有一句座右铭“谷歌不作恶”，本文提到的系统也一样。
2.基于大数据进行股票推荐实验
股票的及时度反应了微信文章所发布的时效性，及时度越高，数据价值就越大。
股票的热度反应了当前某只股票被关注的频度，关注频度越大，上涨的可能性越高。
数据的完整性：我们采用循环的方式对所有深沪两地发行约2236只股票（创业版除外）在微信搜索网站上的搜索结果进行保存。
数据的一致性：文件格式由负责保存数据文件的程序决定，单一的流程保障了文件的一致性。
数据的准确性：由于所分析的订阅号文章的是由微信公共平台的公众号所提供，在一定程度上杜绝了虚假消息对于预测系统的破坏。
数据的及时性：考虑到磁盘读写以及采集程序所处的网络带宽，以及搜索引擎对于采集程序的屏蔽，程序中采集两条信息之间间隔了5秒，因此理论上11180秒（3.1个小时）可收集完当日推荐所需要的数据。对于每个交易日，在9点-9点30分之间采集所有数据，需要7台以上的设备可达到最佳效果。本次试验受限于试验设备，在一台设备上，交易日每天早六时开始进行数据采集，也满足及时性要求。
数据分析：查看三个高优先级的股票，该股票当日的开盘价与收盘价，再与当日（2015-4-8）上证综指进行比较，可得在收益上该算法是优于上证综指为样本的整体股票的股价差收益的。
实验结论：按照上述方式，系统每天推荐出当日股票，在开盘时进行买进，在第二个交易日进行卖出。经过一个月21个交易日（2015-3-1至2015-3-31），系统的收益为20%/月。通过微信搜索公众号来预测市场走势和投资情绪呈现出正相关性，因此可以作为股票甄选的因子。
3.股票预测的大数据发展趋势
网络数据分成三种：
一是浏览数据，主要用于电商领域的消费者行为分析，浏览数据反映了用户每一步的访问脚步，进一步刻画出用户的访问路径，分析不同页面的跳转概率等。
二是搜索数据，主要指搜索引擎记录的关键词被搜索频次的时间序列数据，能反映数亿用户的兴趣、关注点、意图。
三是互动数据，主要是微博、微信、社交网站的数据，反映用户的倾向性和情绪因素。
2013年诺贝尔经济学奖得主罗伯特?席勒的观点被无数采访对象引述。席勒于上世纪80年代设计的投资模型至今仍被业内称道。在他的模型中，主要参考三个变量：投资项目计划的现金流、公司资本的估算成本、股票市场对投资的反应（市场情绪）。他认为，市场本身带有主观判断因素，投资者情绪会影响投资行为，而投资行为直接影响资产价格。
计算机通过分析新闻、研究报告、社交信息、搜索行为等，借助自然语言处理方法，提取有用的信息；而借助机器学习智能分析，过去量化投资只能覆盖几十个策略，大数据投资则可以覆盖成千上万个策略。
基于互联网搜索数据和社交行为的经济预测研究，已逐渐成为一个新的学术热点，并在经济、社会以及健康等领域的研究中取得了一定成果。在资本市场应用上，研究发现搜索数据可有效预测未来股市活跃度（以交易量指标衡量）及股价走势的变化。
对于搜索数据：互联网搜索行为与股票市场的关联机理。这个研究属于行为金融与互联网的交叉领域，其原理是：股票量价调整是投资者行为在股票市场上的反应；与此同时，投资者行为在互联网搜索市场也有相应地行为迹象，我们要做到是：找到互联网搜索市场中领先于股票交易的行为指标，综合众多投资者的先行搜索指标，对未来的股票交易做出预判。
如同天气预报那样，不断优化模型、灌入海量信息，然后给出结果。并且在处理的信息中，有80%是“非结构化”数据，例如政策文件、自然事件、地理环境、科技创新等，这类信息通常是电脑和模型难以消化的。采用了语义分析法，可以将互动数据里的金融对话量化为“-1（极度看空）”到“1（极度看多）”之间的投资建议，通过分析互动数据的数据文本，作为股市投资的信号。
4.正在发生的未来
大数据并不是一个充斥着算法和机器的冰冷世界，人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案，只是参考答案，帮助是暂时的，而更好的方法和答案还在不久的将来。
大数据在实用层面的影响很广泛，解决了大量的日常问题。大数据更是利害攸关的，它将重塑我们的生活、工作和思维方式。在某些方面，我们面临着一个僵局，比其他划时代创新引起的社会信息范围和规模急剧扩大所带来的影响更大。我们脚下的地面在移动。过去确定无疑的事情正在受到质疑。大数据需要人们重新讨论决策、命运和正义的性质。拥有知识曾意味着掌握过去，现在则意味着能够预测未来。
大数据并不是一个充斥着算法和机器的冰冷世界，其中仍需要人类扮演重要角色。人类独有的弱点、错觉、错误都是十分必要的，因为这些特性的另一头牵着的是人类的创造力、直觉和天赋。这提示我们应该乐于接受类似的不准确，因为不准确正是我们之所以为人的特征之一。就好像我们学习处理混乱数据一样，因为这些数据服务的是更加广大的目标。必将混乱构成了世界的本质，也构成了人脑的本职，而无论是世界的混乱还是人脑的混乱，学会接受和应用他们才能得益。
我相信，利用基础数据、搜索数据、互动数据再进行加权计算，可以对所有股票进行大数据遴选，从而给出投资建议。我认为，我们的肉身刚刚步入大数据时代，但我们的精神还滞留在小数据、采样思维之中，率先用理性击碎固有思维的人，也将率先获得大数据带来的益处。
H. K线分析的准确率
就程序化交易来说，K线分析的种类有多种，比如均线法、布林线，等等，都是基于K线分析的，就准确性来说，这是个很困惑人的问题，因为你可以通过历史回溯的办法，找到一个最佳的数字得到最高的准确性，比如均线法，你可能得到一个最佳的匹配值，在过去某段时间内有相当高的准确性，比如90%以上，但是这样的准确性是没法实战的，因为它是根据历史数据来的。就好比，你知道昨天下午下雨了，所以你得出，我昨天上午带伞就不会被淋雨了。这样你的准确性是100%。但是现在问你：你预测一下，明天下午会下雨吗？
所以你的问题实际是很多初学者碰到并被引到迷途的一个问题。
当然建议你学，这是程序化交易的基础。但是提醒你：明天永远无法预测。---这也是我做程序化交易系统设计的座右铭。
I. 预测股票的方法有几种
1、股票价格的预测要综合考虑多种因素，比如公司的基本面、日K线、周K线、月K线、成交量、各种技术指标等等。股票买了就涨是许多人梦寐以求的事情，其实，盘中判断股价会不会拉升并不是“可‘想’不可求”的事情，是通过长期看盘、操盘实践可以达到或者部分达到的境界。其中一个重要方法是“结合技术形态研判量能变化”，尤其是研判有无增量资金。
2、股票预测公式和方法是：
如果当天量能盘中预测结果明显大于上一天的量能，增量达到一倍以上，出现增量资金的可能性较大。股票预测首先要预测全天可能出现的成交量。公式是(240分钟÷前市9：30分到看盘时为止的分钟数)×已有成交量(成交股数)。使用这个公式时要注意：
（1）往往时间越是靠前，离开9：30分越近，越是偏大于当天的实际成交量。
（2）一般采用前15分钟、30分钟、45分钟等三个时段的成交量来预测全天的成交量。过早则失真，因为开盘不久成交偏大偏密集;过晚则失去了预测的意义。
J. 基于java的股票走势预测系统的设计与实现 谁会做啊
如果是要做一个这样的系统的话
可以用其他网站的代码实现这个功能
cctvfinance.com 这个网站的代码可以剽窃
我的网站就是通过剽窃那个网站的代码实现了我的网站上的功能
我的网站叫做股歌股票论坛 你可以去看看