Ⅰ 请设计一个方案,根据股票市场的数据,以及投资经理的股票交易记录,对投资经理的真
你是想做股票分析软件还是什么呀？
比如，你想分析有5家以上华夏基金买入个股的走势？
还是想知道当季度，哪些个股的股东人数大幅下降？
更多股票技术，股票知识，王亚伟股票，访问王亚伟粉丝新浪博客
Ⅱ 请问有没有中国股票市场交易数据库(CSMAR)上证A股的所有年报，2007-2011年！多谢~
你要的东西太多了。我告诉你去哪里找，所有上市公司的都看得到呢。你登陆上交所、深交所的网站，在数据里面哪家公司的年报季报都看得了。
Ⅲ 如何建立一个股票量化交易模型并仿真
研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态，其最重要手段的概率取胜，最重要的技术是概率统计，最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时，也应该用我们的经验来确定是否把某技术参数放进去，因为一般来说定性投资比较好用的参数指标对量化投资同样适用。
量化投资区别于传统定性投资的主要特征在于模型。我打个比方，我们看病，中医与西医的诊疗方法是不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，主观定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。中医对医生的经验要求非常高，他们的主观判断往往决定了治疗效果，而西医则要从容得多，按事先规定好的程序走就行了。量化投资就是股票投资中的西医，它可以比较有效地矫正理智与情绪的不兼容现象。
量化投资的一般思路：选定某些技术指标（我们称之为参数，往往几个组成一组），并将每一个参数的数据范围进行分割，成几等份。然后，用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序，连接至大型数据库进行统计计算，自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用，因为这里涉及到一个概率陷阱的问题，比如说，有1到100这一百个数字放在那里，现在让你选择，请问你选到100的可能性是多大？是的，就是1/100，如果较幸运你选到了100并不能说明你比别人聪明，而是概率的必然。所以，在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证，只有验证合格后才能试用。
量化投资原始数据策略：我们选用96年后的市场数据，因为96年股市有过一次交易政策改革（你可以自己查询了解一下），为了不影响研究结果我们不采纳96年以前的数据进数据库。
量化投资研究的硬设备：高计算性能电脑，家用电脑也可以，不过运算时间会很长，我曾经用家用电脑计算了三个月时间才得到想要的数据。
统计方法：可以选用遗传算法，但我在这里陪大家做的是比较简单的模型，所以采用普通统计方法就可以了。
用于量化研究的软件：我采用的是免费的大型数据库MYSQL，ASP网络编程语言，以及可以设置成网络服务器的旗舰版WIN7操作系统。
Ⅳ 利用ACCESS模拟股票买入卖出软件的数据库如何设计
这个需要网页最好是用SQL，，ACCESS数据库不灵活。。。
Ⅳ 股票交易管理系统 数据库的
三个臭皮匠顶个诸葛亮。更何况你是一个人操作，而我们是一个集体来分析、操作，
各有各的分工。而你呢？盘中你有时间分析股票那么你有时间去盯盘吗？
你有时间盯盘，那么你有时间去找消息吗？你有时间找消息那么你有时间去研究公司、
行业、热点、资金、主力、市场、盘面、个股、等等……你要记住一心不能二用，
如果一心二用你认为你能做好吗？答案是否定的，不能。而我们有专业去分析消息、
搜索消息，以及专业研究热点、研究资金、研究市场，和专业去上市公司调研的老师。
你自己是肯定不能办到这些的。只有做到这些你才可以在股市里成为王者。但是，
现在离这些还差多少？10%、30%、50%呢？应该还有很多吧。那你还有什么理由不加入我们呢，
肯能我们离这些还有一定的欠缺，但是我们分工明确，最起码比你赚的要多。
Ⅵ 如何把当天股票的每一只交易明细和几个必要的技术指标导入到数据库中
用免费的wdz程序吧，可直接将股票数据输出为sql文件（mysql、ms-sqlserver都支持），然后直接就导入到数据库中了。
Ⅶ 求:股票交易系统程序的数据库数据表结构
找交易所、证券业协会、大券商等处的信息技术部门要。
Ⅷ 股票交易所那种下单的数据结构怎么实现的
上海,深圳证券交易所
如果你是机构大客户
去现场做
速度最快
还有就是 证券公司营业部的 现场大客户
.那里的电脑直接连着 证券交易所
Ⅸ 中国股票市场交易数据库查询系统
是国泰安信息技术有限公司 开发的CSMAR 中国股票市场交易数据库
Ⅹ 请大伙给我解释一下数据库设计的基本原则！
数据库设计的三范式所谓范式，是关系型数据库关系模式规范化的标准，从规范化的宽松到严格，分别为不同的范式，通常使用的有第一范式、第二范式、第三范式及BC范式等。范式是建立在函数依赖基础上的。
函数依赖
定义：设有关系模式R(U)，X和Y是属性集U的子集，函数依赖是形为X→Y的一个命题，对任意R中两个元组t和s，都有t[X]=s[X]蕴涵t[Y]=s[Y]，那么FD X→Y在关系模式R(U)中成立。X→Y读作‘X函数决定Y’，或‘Y函数依赖于X’。通俗的讲，如果一个表中某一个字段Y的值是由另外一个字段或一组字段X的值来确定的，就称为Y函数依赖于X。函数依赖应该是通过理解数据项和企业的规则来决定的，根据表的内容得出的函数依赖可能是不正确的。
第一范式（1NF）
定义：如果关系模式R的每个关系r的属性都是不可分的数据项，那么就称R是第一范式的模式。
简单的说，每一个属性都是原子项，不可分割。1NF是关系模式应具备的最起码的条件，如果数据库设计不能满足第一范式，就不称为关系型数据库。关系数据库设计研究的关系规范化是在1NF之上进行的。
第二范式（2NF）
定义：如果关系模式R是1NF，且每个非主属性完全函数依赖于候选键，那么就称R是第二范式。
简单的说，第二范式要满足以下的条件：首先要满足第一范式，其次每个非主属性要完全函数依赖与候选键，或者是主键。也就是说，每个非主属性是由整个主键函数决定的，而不能由主键的一部分来决定。举个例子：
有股票日行情表的主键是股 票代码和交易日期组成。非主属性中有收盘价和成交量等，都是由主键，即股票代码和交易日期函数决定的，单独的股票代码或者交易日期都不能函数决定这些非主 属性。如果这个表中有非主属性股票简称，则股票简称是可以由股票代码来函数决定的，这样股票简称这个非主属性就不是完全函数依赖于候选键，这样的设计就不 满足第二范式。
第三范式（3NF）
定义：如果关系模式R是2NF，且关系模式R（U，F）中的所有非主属性对任何候选关键字都不存在传递依赖，则称关系R是属于第三范式。
简单的说，第三范式要满足以下的条件：首先要满足第二范式，其次非主属性之间不存在函数依赖。由于满足了第二范式，表示每个非主属性都函数依赖于主键。如果非主属性之间存在了函数依赖，就会存在传递依赖，这样就不满足第三范式。
举 个例子：在股票基本情况表中，主键是股票代码，有非主属性所属一级行业和所属二级行业。根据业务规则，所属二级行业能够函数决定所属一级行业，这就表示存 在这样一种关系：股票代码函数决定所属二级行业，所属二级行业函数决定所属一级行业，这就形成了传递依赖，这样的设计就不符合第三范式。不过在实际运用 中，为查询和使用的方便，有时也会违反第三范式。如上例，如果没有所属一级行业的属性，需要查询所属一级行业的相关股票，需要查询时使用函数来从二级行业 中函数生成所属一级行业，使用性能上会受影响。所以通常会加上所属一级行业的属性。
BC范式（BCNF）
BC范式是第三范式的增强版，不过也有人说是直接从1NF发展过来的，即每个属性，包括主属性或非主属性，都完全依赖于候选键，并且不存在传递依赖情况。