A. 股市中的胜率与赔率
胜率与赔率
一、收益期望值
在概率论和统计学中，期望值（Expected value，或均值，或预期之结果，亦简称期望）是指在一个离散型随机变量试验中，每次可能结果的概率乘以其结果的总和。
通俗地讲，一件不确定的事件X，如果有确定的所有结果，
把第一种的结果值记为X1，它发生的概率记为P1，
第二种结果值记为X2，它发生的概率为P2，
...
第i种结果值记为Xi，它发生的概率记为Pi，则期望值为：
二、股市非随机
投资过程中，许多投资者经常持有这样一个观点：认为同时追求高胜率、高赔率是不可能的，高胜率和高赔率是矛盾对立的。比如：彩票就是一个很好的例证。小奖的中奖概率往往设置得高一点（低赔率、高胜率），大奖的中奖概率往往设置得很低（高赔率、低胜率）。然后，投资者就慢慢形成了这样一个认知：想获得高收益，就得承担高风险（高赔率、低胜率）。
这里其实存在不够严密之处。要知道，无论是掷骰子、抛硬币还是玩彩票，它们都一个共同点：事件是相互独立的、随机的。也就说一个事件的发生及其结果不会对另一个事件造成任何影响。例如，你第一次抛硬币得到正面向上的概率并不会影响你第二次抛硬币得到正面向上的概率，两次都是50%的概率。相反，今天下雨的概率与昨天是否下雨并不是相互独立的，因为下雨作为一种天气现象具有连续性。
同样的，股市今天的收盘价与昨天的收盘价也不是相互独立的。以A股市场为例，今天的收盘价是建立在昨天收盘价的基础上的，位于昨天收盘价的±10%范围以内。既然不是相互独立事件，那么就不能以简单的随机现象来看待股票、期货等市场的价格走势。尤其市场中有大量的投资者参与，表现出巨大的群体惯性，具有显著的规律性特征。我们无法否认这样的事实——市场中经常出现明显的风险有限而获利空间巨大的机会。
投资者进入市场需要学习的就是如何去捕捉这样的机会，即低风险、高收益的机会，也就是高胜率、高赔率的机会。
本文归超简交易所有，转载请注明出处~
B. 股票价格的变动的计算公式
股票市场价格的影响因素大致可分两个方面：内在价值与外在供求关系。但不论从哪方面考虑，股票价格都不可能有准确的公式。
先说内在价值。许多教科书上，对股票的内在价值都有探讨，也建立了一些公式，但这些公式都是根据一部分变量来计算的，如未来股利多少及其增长率等，这些变量本身就是预测来的，不可能有多高的准确性，用其计算出的价值就只能是个参考了。
再说外在供求关系。市场是复杂的、千变万化的，信息不透明再加上人的预期不同与冲动，导致了股票价格时时波动。
除了停牌，股价在一段交易时间内不变的，就只有涨停和跌停了，其他绝大部分交易时间内，股票价格都处于波动中，我们只能根据市场总体态势，结合某一股票基本面情况判断，对该股票价格是否低估做出大致估计，从而决定买或卖。
现实经济是极为复杂的，由一个公式计算出股票价格或经济增长率、失业率等经济指标，是不现实的。
C. 离散型变量可以求平均数吗
无非是观察值能否被目前已知的几十种分布拟合，能的话就可以通过与正态分布互换的原理求得均数，不能的话也就失去了求均数的意义。拟合观察值的方法就是与函数库里的分布函数依次拟合，最后取拟合优度最好的那个，需要软件支持，比如Palisade Decision Tools中的Best Fit，或者功能强大的MATLAB。
D. 连续型股票与离散型股票的定义
通过引入I-线性组合及其性质,得到了样本协方差矩阵正定的充要条件(其随机变量是离散型的或连续型的均可),并讨论了多项分布的协方差阵及样本协方差阵的正定情况。最后,分析了离散型与连续型样本协方差阵正定性不同的原因。
E. 连续型变量和离散型变量统计图表的区别
离散变量是指其数值只能用自然数或整数单位计算的则为离散变量.例如,企业个数,职工人数,设备台数等,只能按计量单位数计数,这种变量的数值一般用计数方法取得.
反之,在一定区间内可以任意取值的变量叫连续变量,其数值是连续不断的,相邻两个数值可作无限分割,即可取无限个数值.例如,生产零件的规格尺寸,人体测量的身高,体重,胸围等为连续变量,其数值只能用测量或计量的方法取得.
如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量，
比如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量，
x的取值范围是[0,15)，它是一个区间，从理论上说在这个区间内可取任一实数3.5、√20等，因而称这随机变量是连续型随机变量。
F. 统计学离散型变量和连续型变量有什么区别
一、获取方式不同
离散型变量：离散型变量则是通过计数方式取得的，即是对所要统计的对象进行计数，增长量非固定的。
连续型变量：连续型变量是一直叠加上去的，增长量可以划分为固定的单位。
二、域不同
离散型变量：离散型变量的域(即对象的集合S)是离散的。
连续型变量：连续型变量的域(即对象的集合S)是连续的。
二、分组方式不同
离散型变量：如果变量值的变动幅度小，就可以一个变量值对应一组，称单项式分组。如果变量值的变动幅度很大，变量值的个数很多，则把整个变量值依次划分为几个区间，各个变量值则按其大小确定所归并的区间，区间的距离称为组距，这样的分组称为组距式分组。
连续型变量：连续型变量由于不能一一列举其变量值，只能采用组距式的分组方式，且相邻的组限必须重叠。
(6)股票价格离散型变量扩展阅读
离散变量的概率分布
1、二项分布
2、泊松分布
3、二点分布
3、几何分布
4、超几何分布
G. 离散型随机变量是什么意思
有些随机变量,它全部可能取到的不相同的值是有限个或可列为有限个,这种随机变量称为"离散型随机变量". 离散型随机变量在某一范围内的取值的概率等于它取这个范围内各个值的概率。 定义2.1：如果随机变量X只可能取有限个或至多可列个值，则称X为离散型随机变量。 定义2.2：设X为离散型随机变量，它的一切可能取值为X1，X2，……，Xn，……，记 P=P｛X=xn｝,n=1,2……(2.1) 称(2.1)式为X的概率函数，又称为X的概率分布，简称分布。 离散型随机变量的概率分布有两条基本性质： (1)Pn≥0 n=1,2,… (2)∑pn=1 对于集合｛xn,n=1,2,……｝中的任何一个子集A,事件“X在A中取值”即“X∈A”的概率为 P｛X∈A｝=∑Pn 特别的，如果一个试验所包含的事件只有两个，其概率分布为 P｛X=x1｝=p(0<p<1) P｛X=x2｝=1-p=q 这种分布称为两点分布。 如果x1=1,x2=0,有 P｛X=1｝=p P｛X=0｝=q 这时称X服从参数为p的0-1分布，它是离散型随机变量分布中最简单的一种。由于是数学家伯努利最先研究发现的，为了纪念他，我们也把服从这种分布的试验叫伯努利试验。习惯上，把伯努利的一种结果称为“成功”，另一种称为“失败”。 说明:1.随机变量ξ或η的特点：(1)可以用数表示；(2)试验之前可以判断其可能出现的所有值;(3)在试验之前不可能确定取何值。
H. 统计学离散型变量和连续型变量有什么区别
离散型随机变量是特殊的随机变量，只能取分立的值。
I. 如何证明股票价格 平稳随机过程
日K线代表了股价的随机变量，由于每日的开盘价和收盘价的数值是不连续的，所以日K线所表示的股价是一个离散的随机变量。在T1到T2这段时间里产生的一族日K线离散随机变量和它们在股价—时间二维坐标上形成的走势或者轨迹，这就是离散随机变量的随机过程。yuuu1233