股票投资分析的主要方法范文第1篇

摘要：

多元统计分析方法是研究股票价格的一般方法，本文利用统计分析方法考察并确定上市公司与股票价格相关的基本因素，利用聚类分析与因子分析两种分析方法来进行实例研究，并判断出各公司股票质量特征，为投资者的投资提供科学严谨的建议．

关键词：

聚类分析;因子分析;股票市场

股票市场是对已经发行的股票进行转让、买卖和流通的场所．股份公司通过对股票的全面发行，可以迅速集中大量资金，实现生产的规模经营;而社会上分散的资金盈余者本着“利益共享、风险共担”的原则投资股份公司，谋求财富的增值．当今中国股票市场发展迅速，越来越多的人关注着股票市场的行情，将自己的资产投入到股票行业中以期得到丰厚的回报，为了促进股票合理化，产生了对股票市场价格变动的分析和预测，对上市公司股票业绩进行综合评估是十分必要的．多元统计分析是研究股票价格的新型方法，我们利用统计分析方法，考察并且确定上市公司股票价格之间的基本关键因素，利用聚类分析与因子分析两种分析方法来进行实例研究，判断出股票价格的基本变动趋势，为股票投资者的投资提供科学的建议．国外学者Serpil［1］将主成分分析与判别分析相结合，对早期综合预警模型进行估计．AprilKerby和JamesLawrence［2］利用主成分分析与判别分析来作为选择质量好或不好股票的依据．NewtonDaCosta等人［3］提出了一种根据风险回报准则的基于聚类分析方法对现货市场中的股票分组的技术．Anderon［4］利用判别分析来对资本市场作进一步的研究．国内许多专家学者［5～10］根据证劵报告中的信息，选择每股收益、投资收益、净收益率等财务指标，对一些公司或企业的这些指标数据进行了多元统计分析，试图将这些公司和企业进行分类，为股票的选择和分析提供依据进行实例研究．本文应用聚类分析和因子分析方法对30家上市公司进行了实证研究，为投资者提供科学依据．

1股票市场数据的统计分析

1．1数据的选取

统计分析方法是处理数据、进行实证分析的有效方法，被广泛应用于各个领域［11～13］．为了研究多元统计分析方法在股票市场中的应用，需要进行实证分析．本文任意选取了巨潮资讯网2014年度报告数据中的30家上市公司的每股收益、总资产、净利润、净资产、每股净资产、净资产收益率、营业收入共7项财务指标数据进行实例研究．每股收益，通常被用来反映企业某一会计期间的经营成果，衡量普通股的获利水平以及投资风险，是投资者等其信息使用者据以评价企业盈利能力、预测企业成长潜力进而做出相关经济决策的重要财务指标之一．净利润为最终经营业绩，净利润越多，就代表企业的经营效益越好;净利润越少，则企业的经营效益就越差，它是企业经营效益的主要衡量指标．每股净资产是指股东权益与股本总额的比率．每股净资产越高，则股东拥有的资产现值就越多;每股净资产越少，则股东拥有的资产现值就越少．净资产收益率，是指净利润与平均股东权益的百分比，是公司税后利润除以净资产的百分比率．净资产收益率是衡量股东资金使用效率的重要财务指标．总资产指的是某一经济实体拥有或控制的、预期能够为自身带来经济利益的全部资产．净资产是属企业所有并且可以自由支配的资产，即所有者权益．企业的净资产，是指企业的资产总额减去负债以后的净额．营业收入指的是企业在日常活动中从事销售商品、提供劳务和让渡资产使用权等所形成的经济利益的总流入，分为主营业务收入和其它业务收入．由巨潮资讯网年度报告数据中选取30家上市公司的财务指标数据见表1(股票名称略去，以编号代替)．总资产、净资产以及营业收入都在一定程度上反映了上市公司的盈利情况，这3者是股票是否有购买价值的基础，只有基础越好，股票才越具有购买价值．所以这3者是人们在购买股票时需要长期关注的．

1．2聚类分析

图1是运用SPSS软件对30家上市公司的数据进行系统聚类分析后得到的树枝状联结图，选取的聚类指标是30家上市公司2014年度的财务数据，包括:上市公司的每股收益、总资产、净利润、净资产、每股净资产、净资产收益率、营业收入共7项财务指标．根据图1，可以依据股票的财务状况将这30支股票分为3组．第1组:25号股票;第2组:3号股票和4号股票;第3组:剩下的其它27支股票．从分组情况看，第1组股票归为第一类．这支股票总资产、净利润、净资产、营业收入的财务指标都很高，且每股收益、每股净资产、净资产收益率的财务指标也都不低，说明这支股票的获利能力高，并且股票的数量庞大，使总资产和营业收入等均很高．总体来说25号股票作为第一类股票有很大的投资价值，投资者可根据个人的投资理念和即时的市场条件等各方面因素对此类绩优企业进行投资．将第2组股票归为第二类．这两支股票的7项财务指标均很高，特别是每股收益是最高的，说明股票的质量很好，数量也够庞大．企业的发展速度与前景也都比较可观，投资者根据自身情况并结合其它情况以辅助自己做出投资的决策对第二类企业进行投资．剩下的27支股票归为第三类．这些股票的财务状况不如第一类和第二类好了，其中，有几支股票的每股收益甚至是负的，由此可见，这类企业显然是不适合投资者对它们进行投资的．当然在实际情况中，投资者可以结合企业的具体的其它财务指标对股票进行分析，辅助投资者进行投资决策．这样既实现了投资者的资本增值目的，又满足了整个社会的资源优化配置的要求．

1．3因子分析

因子分析的主要目的是数据降维，如果原始变量之间不存在相关性，那么因子分析的意义并不大．为了进行因子分析，首先判定各指标间的相关性．相关系数是研究变量之间线性相关程度的量．从相关系数结果表2来看，每股收益和净资产收益率的相关性最大，相关系数达到0．700，即每股收益越高，则净资产收益也就越高．总资产和净利润、净资产、营业收入的相关性都很大，相关系数均超过0．900．接下来，判断是否可以应用因子分析来进行数据降维，判断的方法为Bartlett球形检验和KMO方法．结果(表3)显示，KMO检验结果为0．706．球形度检验统计量为571．392，p值为0．000，检验结果是显著的，可以进行因子分析．下面计算各变量共同度，每个变量之间的共同度越高，就说明提取的公因子越能反映原来的7个指标的变化，结果如表4，所有变量的共同度全都超过了0．700，就说明了公因子能够很好地反映原来的7个指标的变化．应用SPSS软件的计算特征值以及方差贡献率得到表5数据，由表5可看出:只有前两个因子的特征值大于1，并且前两个因子的特征值之和占特征值总和的92．772%，也就是说只需要前两个因子就已经能够解释这7个财务指标信息的92．772%，所以本文仅采用前两个因子对股票进行综合评价．

进行因子旋转，得到效果比较好的因子．表6中的系数为旋转后的因子负荷系数估计值．表6中的2，3列分别是两个特征值的特征向量．载荷程度越大说明该指标在因子中的影响程度就越大，越小则说明该指标在因子中的影响程度就越小．把7个指标归为总体财务状况因子和股票质量因子这两类主要因子:因子1在总资产、净利润、净资产、营业收入这4个指标上有较高的正载荷，可以将这4个指标定义为总体财务状况因子;因子2在每股收益、每股净资产、净资产收益率这3个指标上具有较高的正载荷，可以将这3个指标定义为股票质量因子．将成分矩阵表中所显示的数据代入因子得分模型，可得到旋转后的因子得分函数如下:Factor1=0．045Z每股收益+0．980总资产+0．998净利润+0．996净资产－0．037每股净资产－0．008净资产收益率+0．982营业收入;Factor2=0．876Z每股收益+0．077总资产+0．035净利润－0．035净资产+0．953每股净资产+0．942净资产收益率－0．073营业收入．

计算不同股票的两个因子得分，如表7所示．在因子1中总体财务状况因子的排名中包揽前3名的分别是25号、3号、4号股票，说明这3支股票的综合财务状况较高．因子2中排名较前的是18号、3号、15号股票，说明这3支股票的质量较好，每股获利较高．注意到18号股票的因子1排在最后而因子2排在第一，这是因为该公司的总资产额在30家公司中相对较少，营业收入也相对低，导致因子1排名在后面，但其每股收益达百分之四十多，与其它公司比遥遥领先，因而因子2排名领先．

综合聚类分析的树枝状联结图1所得出的结果，我们可以看出:第一类的股票可以被称为蓝筹股，这类股票发展前景好，公司的盈利能力也是十分可观的．这表明投资者可以根据公司的财务状况进行投资，投资于公司财务状况较好公司的股票可以获得更好的投资效果．第二类股票可以称为绩优股，这类股票不论是在综合财务状况方面还是在股票盈利方面的表现都可圈可点，人们购买这类股票时需考虑即时的市场情况，分析公司即时的财务状况．第三类股票可以称为劣质股，这类股票总体财务状况则表现较差，投资于财务状况较差的股票面临着更高的风险，却不能获得更高的期望收益率，人们在购买这类股票时则需要慎重考虑．

2结论

本文运用了描述统计和多元统计分析方法对随机选取的30家上市公司的财务状况进行了综合分析，把30家上市公司的股票分为3大类，体现了各上市公司的财务状况，结果与各上市公司的实际财务状况相符合．聚类分析综合了选取的7项财务指标反映各上市公司的盈利状况和发展水平．因子分析将文中所选取的上市公司的7项财务指标综合为总体财务状况因子和股票质量因子两个综合变量，为分类和评估上市公司的财务状况的优劣提供了有力的依据．除此之外，采用因子分析的方法建立的综合评价函数评价上市公司的业绩，避免单指标评价的片面性．也可通过各因子的得分，了解财务状况的具体发展情况和经营管理中的优势和劣势，从而使得对公司的经营业绩的评价更加全面客观．实例证明，本文所采用的统计分析方法为股民选择和分析股票提供了强有力的理论和实例支持．

参考文献：

［5］柯冰，钱省三．聚类分析和因子分析在股票研究中的应用［J］．上海理工大学学报，2002，24(4):371－374．

［6］李德荣，何莉敏，李玉．聚类分析和因子分析在股票投资中的应用［J］．内蒙古统计，2011(1):29－31．

［7］李庆东．聚类分析在股票分析中的应用［J］．辽宁石油化工大学学报，2005，25(3):94－96．

［8］李利梅，柳向东．股票市场的因子分析［J］．改革与战略，2003(8):52－56．

［9］郝瑞，张悦．基于因子分析和聚类分析的股票分析方法［J］．时代金融，2014，9:135－137，141．

［10］李庆东，李颖．证劵投资分析方法新探索———聚类分析方法运用［J］．现代情报，2005(11):50－53．

［11］李淑娟，赵立纯，黄玉洁．病虫灾成灾面积的ARMA模型的分析及应用［J］．鞍山师范学院学报，2014，16(6):1－5．

［12］黄玉洁．辽宁省农村居民消费结构的动态分析［J］．鞍山师范学院学报，2013，15(4):1－4．

股票投资分析的主要方法范文第2篇

关键词 模糊决策 运筹学 模糊集 股票投资价值

1 股票技术分析及预测方法

1.1 股票技术分析方法

进行股票的预测，最直接和基本的方法是股票的技术分析，它依据统计图表和股市的图形研判股市的未来动向，技术分析方法可以分为三种类型：判断股价趋势为主的趋势分析，如道琼斯理论、趋势线法、移动平均线等；形状分析，如k线系统、整理与反转形态、支撑与阻力以及箱性理论，波浪理论等；人气指标，如成交量图、obv指标等。虽然技术分析方法具有一定的准确性，但是由于技术指标分析方法众多，各种方法之间差别巨大，对于投资者来说学习不易，掌握更难，同时技术分析理论缺乏可靠的理论支持，分析结果仁者见仁、智者见智。虽然直到目前它仍然是大多数投资者在使用和依赖的分析预测方法，但是改进和发展它已经成为不可避免的事实。

1.2 基于统计学理论的预测方法

统计学理论的预测方法，主要是基于模型拟合和最小二乘原理建立各种回归、自回归、混合回归模型进行预测。此类方法，具有严格的数学基础，应用也最广泛，近年也有相当的发展。如nelder，ja和 wedderburn，r·w·m提出了广义线性模型，它放松了经典线性模型的假设，极大地丰富了回归分析的理论。aaron li和duanleo对假设进一步放松，提出了一般回归模型，该领域研究具有十分惊人的前景。在计量经济研究中，ichi二则提出了一类十分重要的模型——单指标模型。研究的重点在于使之更适合于实际社会经济系统建模。

1.3 基于人工智能技术的股票预测技术

由于计算机与人工智能技术的飞速发展，为股票市场建模与预测提供了众多的新技术、新方法，基于人工智能的股票预测技术进展迅速。基于神经网络的股票预测方法，主要使用神经网络进行股票价格数据的学习训练，然后使用训练模型进行股市预测。采用模糊模型技术进行预测，主要是依据专家经验或统计方法建立模糊模型进行预测；另外还可采用遗传算法进行神经网络的学习权值调节或模糊模型、模糊规则的调整，使神经网络模型或模糊模型更加逼近系统模型。

1.4 股票的组合预测方法研究

决策者面临决择的预测方式可能不只一种，且各有千秋，都能从一定程度上提供不同的有用信息，如何综合利用这些信息，解决多模式预测方式问题，正是组合预测的研究内容。在1989年，international journal of forecasting和journal of forecasting分别出版了组合预测专集，granger和clemen分别给出了精辟的综述与详论，clemen从信息集合讨论了组合的实质，从而为进一步探讨获取最有用信息抛弃无用信息提供了指导。自bates和granger发表组合预测一文以来，组合预测有了很大的发展。组合的目的在于综合利用各种预测方法所提供的信息，尽可能地提高预测精度。从原理上说，组合预测结果是对各单个预测线性加权。组合预测研究主要是考虑组合机理、权值确定，主要从统计分析、贝叶斯分析和信息集合三个角度来考虑。

2 非模糊环境下投资组合分析

现在先介绍一下用传统的方法在非模糊环境下如何选择最优的投资组合。

设投资者将其资金投资于n项风险资产，xi为在风险资产i上的投资份额，ri为风险资产i的收益率，它是一个随机变量，ri=e（ri）是ri的期望值，σij=cov（ri，rj）是第i，j两项资产的协方差i，j=1，…，n。ki是每单位风险资产的变化所需的交易费用，ki≥0；ci是第i项风险资产的交易费用。

给定投资组合x0=（x01，x02，…，x0n）和一个新投资组合x=（x1，…，xn），第i项风险资产的交易费用可表示为ci=ki|xi-x0i|，i=1，…，n。

总交易费用为

■c■=■k■x■-x■■

总收益为

r（x）=e■rixi-■k■x■-x■■

=■rixi-■k■x■-x■■

总风险为

v（x）=■e（ri-e（ri）xi）

一般地，投资者希望收益最大且风险最小。数学上可以表示为以下双目标规划模型

maxr（x）=■rixi-■kix■-x■■

minv（x）=■e（ri-e（ri）xi）

st■xi=1

用线性加权法求解多目标规划问题， 可得如下参数规划问题

max（1-λ）■rixi-■kix■-x■■-λ

■e（ri-e（ri））xi

st■xi=1

xi≥0，i=1，…，n

其中，参数λ在[0，1]中取消，它被称为内险回避因子，λ取值越大，投次者风险加避意识越强。

3 利用模糊决策方法评价股票投资价值

3.1 概述

股票投资过程中的一个基本问题就是如何从一系列可用于投资的股票中选择一种或一组最优的股票，这是一个对不同股票的价值如何进行评估的问题。对股票价值的科学评估不但为股票投资者进行投资决策提供可靠的依据，也可以促使上市公司的规范化运行，从而有助于股票市场的良性发展和社会资源的合理分配。

要对股票价值进行评估，首先就要对与股票价值相关的诸因素进行综合的分析和研究。由于股票持有者是股票发行者的股东，他们投资的资金是无法向股票发行者直接收回的，他们投资的收益主体来源于发行者向股东分派的红利和股票价格上涨所带来的资本利得。所以股票价值的评估主要从影响股份公司派发股息或红利水平的公司属性和影响股票溢价收益的市场属性两方面来进行。股票的市场属性方面，用该股票在市场上的收益率、市盈率、流动性、波动性、有效性、透明性和系统风险等指标来反映股票的价值。具体来讲，在一定的考察期间内：收益率取经过除权除息调整的日平均百分比收益率，以反映股票市场上的资金溢价收益；市盈率反映股票投资的回收期，回收期越短则股票越具有投资价值；流动性用股票的换手率表示；波动性用股票百分比收益率的标准差表示；有效性用股票价格与其内在价值的平均吻合程度表示；透明性用该股票的交易信息和上市公司信息在市场上的透明程度表示；系统风险用β系数表示。以上指标除了有效性和透明性要聘请专家来评估外，其余均为定量指标。

股票的公司属性是影响股票价格变动的内在因素，它不仅决定着股利水平的大小，在一定程度上也会影响股票的市场属性。用盈利能力、偿债能力、发展能力、管理和决策能力以及股权结构合理性等指标来衡量股票的公司属性，其中盈利能力和偿债能力不能仅用几个财务指标的简单加权来衡量，还应结合上市公司所处的行业类型、公司在行业内的垄断性、公司的发展阶段、公司规模等影响公司业绩但又未反映在财务指标上的因素加以综合评估；发展能力则要从公司资金实力、技术创新能力、人力资源及市场前景等因素综合评估；管理和决策能力以及股权结构合理性是反映公司治理能力的指标，前者反映了公司治理水平，后者影响着公司治理模式，清晰合理的股权结构能为股票投资者带来合理的确定性收益预期。以上几个指标均应聘请专家来评估。

3.2 模糊多属性决策方法

给定一组方案a1，a2，…，am，伴随每个方案的属性记为c1，c2，…，cn各属性的重要程度用ω1，ω2，…，ωn表示，符合归一化条件ω1+ω2+…+ωn=1。决策的目的是要找出其中的最优方案，记为amax。

（1）引入三角模糊数，三角模糊数常用表达形式有两种，分别记为（l，m，γ）和(m，α，β)，两种表达形式可以相互转换，转换公式为α=m-l，β=γ-m。

（2）对模糊指标矩阵，f和模糊权重矢量，w进行归一化。收益类的归一化：xi是三角模糊数，记xi=（ai，bi，ci）。则归一化的模糊指标值ri可以写成■i=（■，■，■∧1）；i=1，2…成本类的归一化：xi是三角模糊数，记xi=（ai，bi，ci），则归一化的模糊指标值ri可以写成■i=（■，■，■∧1）；i=1，2…。

（3）建立模糊决策矩阵rij=wjxij。rij采用bonissone近似积公式进行计算，即ωj=（a；α，β)，xij=（c；δ，γ），则rij=（ac；aγ+cα-α·γ，aδ+cβ-β·δ）。

（4）求出模糊理想m+=(m1+，m2+…，mn+)，其中mi+=max{r1j，r2j，…，rmj}，j=1，…n，n是属性j的模糊加权指标值所对应的模糊极大集。m-=(m1-，m2-…，mn-)其中mi-=min{r1j，r2j，…，rmj}，j=1，…，n，n是属性j的模糊加权指标值所对应的模糊极小集。再确定方案ai与m+之间的差异di＋，方案ai与m－之间的差异di－，di=■，i=1，…，m按照di值从大到小的顺序排列方案的优劣次序。

3.3 实例分析

取深圳股市其中3只股票作为例子，为了更加有代表性，取3只代表不同类型的股票。他们分别是000001的深发展、000933的g神火还有000805的st炎黄。如前面所述，作为评价一直股票都投资价值，可以考察很多方面，现在只考虑以下四个方面的主要因素：现在的股票的价格，股票的业绩，流通股本，行业的发展前景即长期投资价值。截至到2006年2月23日，三只股票的价格分别为7.01元，7.70元，2.42元。业绩以2005年中期业绩来算，分别为0.11元（一般），0.94元（很高），-0.08元（低）。流通股本分别为140 936（万股），23 660（万股），1 441（万股）。至于长期的投资价值主要看公司的行业背景，深发展是银行业的龙头代表，稳定发展，所以属于高；g神火是石油能源类的股票，最近该行业正处于强发展阶段，产品供不应求，而且该股票为g股，已经完成股改，所以投资潜力很高，st炎黄为st类亏损股票，而且是做软件外包装的行业，所以长期投资价值较低（见表1）。

先用三角模糊数表示决策矩阵中的定性指标：

d=

7.01 （0.6，0.8，0.8） 140 936 （0.6，0.5，0.6）

7.10 （0.8，0.9，1.0） 23 660 （0.8，0.9，1.0）

2.42 （0.2，0.3，0.4） 1 441 （0.2，0.3，0.4）

并且假定权重矢量为w=[（0.1，0.2， 0.3），（0.3，0.4，0.5），（0，0.1，0.2），（0.2，0.3， 0.4）]。

决策矩阵归一化后为

d=

（0.345，0.345，0.345）（0.600，0.889，1.000）（0.341，0.341，0.341）（0.800，1.000，1.000）（1.000，1.000，1.000）（0.250，0.333，0.500）

（0.010，0.010，0.010）（0.600，0.556，0.750）（0.061，0.061，0.061）（0.800，1.000，1.000）（1.000，1.000，1.000）（0.200，0.333，0.500）

模糊加权决策矩阵rij=wjxij

v=[rij]=

（0.0345，0.6900，0.1035）（0.2334，0.3556，0.5312）（0.0341，0.0682，0.1023）（0.3000，0.4000，0.5600）（0.1000，0.2000，0.3000）（0.0498，0.1332，0.1914）（0.000，0.0010，0.0020）（0.0724，0.1668，0.2136）（0.000，0.0061，0.0122）（0.2000，0.3000，0.4400）（0.000，0.1000，0.2000）（0.2000，0.3330，0.5000） 

模糊理想解m+=[（0.100，0.690，0.300），（0.300，0.400，0.560），（0.000，0.100，0.200）， （0.200，0.333，0.500）]

m-=[（0.0341，0.0682，0.1023），（0.0498， 0.1332，0.1914），（0.000，0.001，0.002），（0.0724， 0.1668，0.2136）]

最后由di=■，i=1，2，3解得

d1=0.5855，d2=0.3523，d3=0.2332；d1>d2>d3 

所以，投资价值深发展比g神火好，g神火比st炎黄好。

4 结语

模糊多准则决策在生产生活的很多方面都有很多的应用，本文用了一个判断选择股票的投资价值的模型来说明了一下其在经济领域的应用。但是本例子尚有不是非常完善的地方，例如本例只研究了股票的四个方面的因素，但是影响股票的价格走势的其他因素还有很多，例如政策面的影响，庄家的操盘手法等，这些都是很重要的因素，但是却是不能用任何数学工具研究预测的。

参考文献

1 李荣钧.模糊多准则决策理论与应用[m].北京：科学出版社，2002

股票投资分析的主要方法范文第3篇

【关键词】道氏理论；价值投资法；技术分析法；主要矛盾

价值投资法认为证券的价值由其未来现金流的贴现值决定，证券的价格总会向价值回归。技术分析法则认为交易群体的心理对价格具有决定性的影响。普遍的交易观点或者将技术分析法与价值投资法对立起来，两者水火不能相容，或者主张在具体的交易操作中将两者结合起来，但是在理念上依然认为这两种方法相互独立，互不相关。本文将从股票的二元属性切入，结合对道氏理论的深度解读，推论出以道氏理论为基石的技术分析法其实包含着价值投资法的理念，技术图形的长期趋势是反映基本面主要矛盾的。

一、股票的二元属性

股票是股东权利的代表，体现了股东对公司实体经济的所有权。公司实体经济的经营状态越好则股票所代表的价值也就越大，这也正是价值投资法的基本理念，实体经济的盈利能力决定了股票的价值区域。但是，当股票可以上市交易流通以后，实体经济将不再是影响股价的唯一因素，即使在短期内公司的基本面状况不变，交易群体的预期与情绪也会对短期股价产生重要影响。因此，我们认为股票既具有实体属性也具有虚拟属性。

二、股价驱动模型

价值投资者立足于股票的实体属性，认为企业的盈利能力决定股票的价值，技术分析人士则偏重于股票的虚拟属性，想方设法判断其他参与者对股价的看法。无论是价值投资者还是技术分析派，所有的股票投资者都是根据自己对基本信息的理解来做出决策的。交易者根据对基本面信息的理解形成预期，预期指导着交易者的行为，行为则指挥资金与股票的流动，资金与股票的博弈产生了股票价格。从而我们推理出股价驱动模型“基本面—群体预期—群体行为—股价”，基本面信息的变化将影响交易者的预期，交易者根据预期做出行为判断，从而对股价施加影响。无论价值投资者还是技术分析派都遵从着股价驱动模型做出判断，只是对信息的筛选、理解的理念不一样而已。

三、股价反映一切信息

一般的主流观点认为技术分析是没有意义的，个人以前也认为技术分析是以历史来推断未来，而股市随机漫步的特征决定了以历史图形推断未来走势是人类对于股市不确定性的自我安慰。但是在真正理解了股价驱动模型“基本面—群体预期—群体行为—股价”以后，对于技术分析方法有了全新的认识。

作为技术分析的基石，道氏理论将股价的波动分为主要趋势、次要趋势和短暂波动。这种分类方法貌似平淡无奇，实则寓意深远。股价的波动就是千千万万的投资者以其资金表达其对基本面信息的理解，这种信息的反映不是一步到位的，而是循序渐进的，在凌乱无序的博弈中股价吸收了各种各样真真假假大大小小的信息，这些信息在短暂波动和次级波动中被摒弃、被消化，从而形成了主要趋势。主要趋势充分反映了股市对于基本面信息的理解和预期，并从所有的信息中筛选和抽绎出最主要的信息，最能够决定股价走势的信息——主要矛盾。

短期股价是资金与股票博弈的结果，所以呈现出随机漫步的形态，当给予股市比较充分的时间来消化其吸收的信息，那么中长期的股价则呈现出一定的趋势，股价趋势的背后则是股市对主要矛盾的反映，也正是从这个意义上而言股市作为经济的晴雨表是当之无愧的。

四、趋势将延续下去

道氏理论的三大基本假设分别是：股价反映一切信息；趋势还将延续；历史会重演。我们已经解读了“股价反映一切信息”，并推论出股价在波动中筛选信息，从而反映主要矛盾，形成主要趋势。

基本假设第二条是“趋势会延续下去”，个人给予的解读是只要主要矛盾（从基本面信息中抽绎出来的核心预期）不变，主要趋势就会延续下去。第二条基本假设不是孤立的，而是第一条基本假设的延伸，“趋势会延续下去”是因为主要矛盾的持续，是因为股市吸收了一切信息，并从一切信息中抽绎出了主要矛盾。主要矛盾是当前社会经济运行的客观反映，这种客观存在会被股市放大，因为股市是人的股市，群体的股市，群体的预期与情绪是影响股价的重要因素。根据索罗斯的“反身性理论”，当预期被股价实现后，现实会对群体预期推波助澜，此时虚拟经济的属性就会在群体情绪的推动下大放异彩。群体心理对趋势起到了强化作用。因此，“趋势将延续下去”的假设一方面是对主要矛盾延续的判断，另一方面则是对群体情绪强化的认知。

五、人性会重演

道氏理论的第三条假设是“历史会重演”，虽名曰假设，但是它是历史的提炼，是人性的高度概括。一般的技术分析人士将这一条假设理解为技术图形的历史位置对行情的发展具有参考作用，比如重要的压力位、支持位，个人认可这种理解，但是更进一步的正是因为群体情绪的强化与叠加才使得技术图形的历史位置具有了一定的指导意义。

历史会重演，重演的或许不是形态，不是压力位、支持位，重演的是群体的心理，是思维的逻辑。“历史会重演”应该是“以史为鉴”的道氏语言，重温成功投资的经典案例，投资操作的手法一再的翻版；回放股市历次的大起大落，群体的恐惧与贪婪反反复复；回望整个金融史，历次金融动荡的内含、本质不都是似曾相识吗？历史的重演即是人性的重演。

六、道氏理论中的价值理念

道氏理论以三大假设为理论基础，将基本面信息融合到技术图形中去，开辟了技术分析流派，从主要矛盾决定主要趋势的逻辑推理中，我们看到道氏理论并不排斥基本面分析方法，相反，道氏理论更尊重基本面分析，对基本面分析有着更深刻的理解。

价值投资法的核心是寻找价格偏低于价值的股票，但是价值并不是一成不变的，价值被界定为未来现金流的贴现值，那么价值将受到企业运营、产业趋势、宏观经济等多种因素的影响，而这些影响也正是技术分析法不能忽视的，也正是影响主要趋势的因素。况且，价值投资法重在企业估值，而企业盈利在很大程度上就是影响主要趋势的那个主要矛盾。技术分析法不但没有排斥价值理念，而且将群体预期对企业的影响（反身性）也纳入了思考范围，更符合现实股市的运作。

技术分析法以道氏理论为思想源泉，发展出了诸多技术工具，K线图形的背后是交易群体对基本面信息的反馈过程，均线、MACD等指标是对以其对主要趋势的描绘反映了主要矛盾，压力位、支持位则是交易群体心理纠结的体现，板块指数表达了对产业趋势的看法，综合指数则全面反映了经济结构、经济总量、股市制度等更多的信息。此时，技术分析法不是简单的教条，它是辩证的，灵动的，富有哲思的。

参考文献

股票投资分析的主要方法范文第4篇

关键词：基金重仓股；机构投资者；主成分分析；因子分析

中图分类号：F83　文献标识码：A　文章编号：1007－905X(2012)02－0061－05

一、引言

截止2011年3月底，我国已有基金管理公司62家，各种投资基金800多只，基金规模达27000余亿元，占沪深两市总市值的13％左右。毋庸置疑，证券投资基金已成为了A股市场上重要的投资机构，其投资行为和投资理念对我国证券市场的价格波动、对其他投资者的投资决策的影响力越来越明显。但是如何定位证券的价值、如何分析冗长的财务报表信息、如何把握分析的重点因素，作为一般的个人投资者，其信息分析能力和信息资源获得的及时、有效性远不如机构投资者；而且，目前沪、深两市的上市公司有2000多家，在这么庞大的上市公司中找到有投资价值的投资对象并迅速把握并不容易，其过程往往费时费力，而且缺乏客观性和可测性。本文从基金公司所持重仓股出发，分析基金公司的投资策略和思路，以期对个人投资者的投资选择具有参考价值。

二、文献回顾

随着基金规模的迅猛发展，其投资行为和策略日益受到各方的关注，国外学者在20世纪90年代就开始对基金的投资行为展开了研究。典型的如Elkinawy(2005)用面板模型分析了在亚洲金融危机发生时美国共同基金的选股策略，研究发现，共同基金更喜欢持有容易获得信息的指数成分股和管理灵活的小规模企业股、ADR(美国存托凭证)，以及与亚洲不存在贸易关系、财务流动性强和内部管理结构好的股票。

除了对机构投资者持股特征进行广泛研究外，国外学者还研究了机构投资者持股比例与公司的某些信息之间的关系。例如，对于基金的持股比例与股票波动率之间的关系研究。Zweig(1973)认为机构投资者是相对“聪明的货币投资者”，机构投资者通过抵消个人投资者的非理易，在一定程度上起到了稳定资产价值的作用；进而，机构投资者控制的股票由于较少的噪音交易以及机构投资者的理性投资行为呈现出较低的波动性。此外，一些机构投资者也可能会选择噪音交易。另外，诸多学者对机构投资者持股与公司绩效之间的相关性进行了研究。Chaganfi等(1995)用资产回报率来衡量公司绩效，结论是机构持股规模与公司的绩效存在明显的相关关系。机构投资者通过大量持股，逐渐开始参与公司治理和战略管理，并对绩效发生积极影响。Ryan(2002)研究了美国的机构投资者，发现机构投资者的干预和活动水平对公司的业绩有显著的影响。Tamn Khanna和Krishna Palepu(1999)通过对印度证券市场的统计分析发现，企业的经营绩效同外国机构投资者的持股比例呈显著的正相关关系。

我国的基金业是从20世纪90年代才真正起步的，近十年才迅猛发展起来，国内学者对基金的研究主要集中于基金的持股特征。

以汪光成(2001)对我国证券投资基金持股特征的实证研究为开端，国内学者先后就基金持股特性进行了相关研究。汪光成(2001)发现，基金持股多少与股票的每股收益、每股收益增长、每股净资产、流通股比例、净资产与股价比、规模、股价、股票年收益、股票的β值、股票的流动性呈现显著的相关性。杨德群等(2004)研究也得出了类似结论，基金的持股比重与股票的每股收益、标准差、股票价格、流通市值、换手率和上市年龄等特征变量具有显著的相关性，并进一步发现基金在市场低迷的时期十分注重上市公司的业绩、股票的波动性和流动性风险，并且实施价值型投资策略。符淼、蔡伟宏(2008)基于基金重仓股季度面板数据，采用时期似无关回归模型分析了28个指标对基金持股比例的影响，并利用基金重仓股的统计值特点发现基金筛选股票的标准。研究结果表明，基金确实在寻求价值型投资，扩大基金规模可减轻股市投机行为；基金在调研阶段和操盘阶段对风险有不同的偏好，调研阶段规避风险，操盘阶段偏好高风险高回报；基金偏爱长期流动性好的股票；开放式基金的选股要求高于封闭式基金，牛市时基金的选股要求高于熊市；基金偏爱关注率高、信息丰富的股票；基金对行业的偏好基于行业的业绩表现；基金重仓股持股比例基本上与指数有相似的变化趋势。

此外，国内学者对基金持股比例与公司某些特定因素之间的相关性也进行了大量研究。如杨德群等(2004)分别对基金在各个半年度或季度的持股变化以及基金在每半年末或季末的持股比重与当期或后期股价收益率进行了回归分析…。经研究发现，基金增持或减持股票对当期股价产生显著的影响，对增持股票的价格产生向上的拉力，对减持股票的价格产生向下的压力；此外，基金每半年末的持股比重与后期股价收益率有显著性的关系，并且基金持股比重较高的股票在市场处于高位并反复波动或下跌时期，后期股价表现较差，而在股市处于由低谷开始的上升时期，后期股价表现较好。其分析结果还表明，基金前期的持股变化与后期的股价收益率没有显著的关系。杨永健(2006)通过研究基金持股比例与个股每股收益之间的相关性，认为基金重仓持股的股票的每股收益并没有随着持股比例的变化而相应的变化。龙淼、曾德明(2006)利用混合面板数据的固定效应模型分析了基金重仓持股对公司绩效的影响，研究发现在样本观察期内，基金重仓持股比例与净资产收益率、主营业务利润率、每股收益呈显著正相关关系，基金重仓持股在一定程度上能够影响公司的治理水平，进而影响公司绩效。胡大春、金赛男(2007)基于1999年到2004年间中国A股市场动态面板数据，对基金的股票持股比例与股票收益波动率之间的关系进行了分析，经研究发现一方面基金偏好收益波动大的股票，而另一方面随着基金提高其持股比例，其对应的股票收益的波动率减小，从而起到了一定的稳定股市的作用。杜文意(2010)从2005年至2008年间的开放式基金重仓股季度数据出发，实证分析了个股每股收益与基金持股比例的相关性，分析探讨认为，基金对个股持仓量的变动受到长期与短期因素的共同影响。从长期因素来看，基金对股票的持仓量主要受基金持股偏好的影响。作为理性的专业投资机构，基金首先会关注上市公司的基本层面，偏好于选取每股收益较高的优质股票。但是从短期获利的目的出发，基金也会青睐于个别股价波动大、股票价格收益率较高的公司，在短时间内进行股票买卖交易并实现资金利得，达到获利的目的。

从现有的基金持股研究来看，学者在选取财务指标时，随意性太大，没有一定的指标选择标准，所选用的财务指标重叠程度太高；在分析方法上，多直接采用多元线性回归分

析，忽略了变量量纲的不同，这在某种程度上扭曲了分析结果。本文正是基于以上两点，引用沃尔评分中的指标体系，利用多元统计中的主成分分析及因子分析方法对基金重仓股进行了相关研究。

三、实证研究

(一)数据来源与分析方法

1　数据来源

(1)基金公司重仓股

基金重仓股是指一种股票被多家基金公司重仓持有并占其流通市值的20％以上，也就是说这种股票有20％以上被基金持有。在本文中，参考此标准，分析了2010年3月31日基金公司持仓情况，共确定沪深两市的18只股票为基金重仓股。

(2)上市公司财务指标

研究分析的目的是为了量化反映各个基金公司在择股时所考虑的综合因素，主要是企业的特有因素。能够反映量化的指标非常广泛，本文在选取指标时充分考虑到数据的代表性、可获得性、可比性，力图多角度地衡量不同上市公司的特质因素，同时避免数据的重复性。企业特质因素除了一些可以量化的指标之外，还包括一些诸如管理层、领导班子基本素质、服务满意度、基础管理比较水平、在岗员工素质状况等软指标。但是这些软指标缺乏统一标准，而且数据难以获得，故在这里并没有列入这里的指标评价体系。

本文所使用的有关上市公司财务报表数据来自上海证券交易所网站及深圳证券交易所网站所刊登的上市公司的年度报告，比率数据以2008年度和2009年度财务报告所列项目经整理、计算获得。

为了较全面和有重点地对上市公司进行评价，文中选用的财务指标参照沃尔评分法的指标体系，并考虑到上市公司财务报表项目的可比性特点，部分报表项目的不一致性，选取了10个财务指标，其中，7个基本指标，3个修正指标。具体财务指标选用情况见表1。

其中：

净资产收益率=净利润／平均净资产×100％

总资产报酬率=净利润／[(期初资产总额+期末资产总额)／2]×100％

销售利润率=销售利润额／销售收入净额×100％

总资产周转率=营业收入净额／平均资产总额

存货周转率=销售成本／平均存货

资产负债率=负债总额／资产总额×100％

流动比率=流动资产／流动负债

销售(营业)增长率=本期销售收入增长额／上期销售收入总额×100％

资本积累率：本年所有者权益增长额／年初所有者权益总额×100％

总资产增长率=总资产增长额／年初总资产×100％

2　分析方法

运用多元统计分析方法中的主成分分析及因子分析法，其中因子分析法中主因子的个数选取参照主成分分析结果确定，采用MatlabV6.5软件、Spss软件和EXCEL2007软件进行数据处理。

(二)实证分析

1　主成分分析

主成分分析，又称主分量分析，首先是由K.皮尔森对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量，信息的大小通常用离差平方和或方差来衡量。主成分分析是对于原先提出的所有变量，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量尽可能保持原有的信息。

首先，考虑到财务指标的度量方法存在差异，并且不同指标之间差别较大，先对各个指标进行标准化处理，消除指标量纲的差异，以便使计算结果有合理解释。

其次，运用Matlab软件对标准化处理过的样本数据进行处理，得出其相关系数矩阵。从所得到的相关系数矩阵可以看出，这10个指标之间存在较强的相关性，说明这10项指标反映的经济信息有很大的重叠，相对来说，利用主成分分析比较合适。

再次，利用统计软件计算相关系数矩阵的特征值及相应的标准特征向量。

在确定主成分变量个数时，同时考虑变量相关系数矩阵的特征值大小和累积方差贡献率来进行选择。从表2来看，其前4个初始特征值大于1，但考虑到第5个主成分的贡献率为6.98％，在投资决策中也具有重要作用，故本文确定5个主成分，其对应的累积贡献率达到92.45％；这也说明确定5个主成分已经能够较好地解释基金的投资行为。此外，从特征值的崖底碎石图(图1)来看，后面的5个特征值相对较小且趋势比较平缓，意义不大，所以确定5个主成分基本包含了原有的指标信息。

在确定了主成分个数之后，对标准化后的数据进行主成分分析，分析结果如表3所示。分析初始因子载荷矩阵，从中可以看出，有的财务指标在多个主成分中具有较大载荷，如净资产收益率、总资产周转率、资产负债率等，为了使各个主成分具有明显的经济意义，运用方差极大旋转进行因子分析。

2　因子分析

在多元统计分析中，因子分析可在许多变量中找出隐藏的具有代表性的因子，将相同本质的变量归人一个因子，可减少变量的数目，还可检验变量间关系的假设。基于主成分分析结果，本文选择5个主因子，进行方差极大因子旋转分析，分析结果如表4所示。

从表4中可以看出，旋转后的因子载荷矩阵系数在0和1之间出现两极分化，各个主因子之间是在理论上是互不相关的，结合旋转后的因子载荷矩阵分析各个主因子，具体分析如下：

在第一主因子中，总资产报酬率、资产负债率和总资产增长率具有较大载荷，这三个指标分别反映的是公司的财务效益、偿债能力和发展能力状况指标，是一个公司的财务指标的综合衡量，因此第一主因子可称为公司综合素质主因子，其方差贡献率为28.41％。

在第二主因子中，销售营业利润率、总资产周转率和流动资产周转率具有较大载荷，这些指标分别反映的是公司的资产运营状况和财务效益状况。其中，财务效益状况是修正指标，该主因子更侧重于公司的资产运营状况分析，可称为公司资产运营主因子，其方差贡献率为26.10％。

在第三主因子中，销售营业增长率和资本积累率具有较大的载荷，这两个指标是评价发展能力的基本指标和修正指标，总体来说，是衡量公司发展能力状况，可称为公司发展能力主因子，其方差贡献率为15.10％。

在第四主因子中，流动比率具有较大的载荷，这个指标是评价偿债能力的指标，总体来说，是衡量公司发展能力状况，可称为偿债能力主成分，其方差贡献率为11.57％。

在第五主因子中，净资产收益率具有较大的正的系数，这个指标是评价公司财务效益的指标，是衡量公司财务效益状况，可称为公司财务效益主因子，其方差贡献率为11.26％。

3　综合因子得分评价

在因子模型建立之后，利用该模型对基金重仓股进行综合评价。首先，利用多元线性回归估计出各个因子得分，然后以各因子的方差贡献率为权，由各因子的线性组合得到综合评价指标函数。结合本文确立的因子模型的相关分析结果，18只基金重仓股的综合得分函数可以具体表示为

F=(28.41％F1+26.10％F2+15.10％F3+11.57％F4+11.26％F5)／92.45％

其中，F1，F2，…，F5为回归法估计出的主因子得分。

根据上面的分析，把各个主因子得分值代入综合得分函数即可以计算出每只重仓股的综合得分。

股票的综合得分大于零，说明该只股票在考察的基金重仓股中超越了整体的平均水平，反之，则劣于平均水平。从表5可以看出，综合得分排在第一位的股票的运营能力因子得分远远高于其他股票，除此之外，财务效益因子得分也是比较靠前的，而且，该只股票也是基金持仓最多的，高达39.68％；综合得分位于第二位的股票则综合素质因子和偿债能力因子得分是最高的，作为基金重仓股20％的持仓起点，22.1％的持股比例不算高，这可以从资产运营能力较差来解释，在本例中，该只股票的资产营运能力因子得分是最低的；综合得分排在第三位的股票则具有最高的发展能力因子得分。综合得分最低的三只股票都具有较低的综合素质因子得分，在这里，综合素质考察了上市公司的财务效益、偿债能力和发展能力三个方面，这在某种程度上也说明了上市公司整体业绩在基金投资时的重要作用。

4　结论

各个主因子反映了基金的投资行为，通过上述对基金重仓股的实证研究，可以对基金的投资行为作出如下推断：

(1)基金在投资时，侧重于上市公司的整体评价、资产运营状况、发展能力状况、偿债能力状况和财务效益状况的分析。这些都是对股票进行价值分析时的衡量因素，表明基金投资时重视股票的价值型，进而反映了基金的价值型投资理念。

(2)基金在投资时，资产运营、发展能力、偿债能力和财务效益状况一方面或多方面的突出的上市公司都可能被基金所挖掘，成为其持有对象，反映了基金的择股能力。

(3)基金持股可以用各因子得分和因子综合得分得到解释，说明使用主成分和因子分析考察基金重仓股方法是可行的，结果是可信的。

四、结束语

随着基金在我国证券市场的规模越来越大，一般的个人投资者与基金的资金规模、资源优势是不可比拟的，因此可以认为，研究基金重仓股对个人投资者极具参考价值，尤其是在现在股市低迷不振且近期内走势不明的局面下，避免个人投资者在择股时的盲目与冲动、简化个人投资者的投资分析具有重要意义。但是，本文的研究还存在一些不足之处，比如，本文未对我国基金进行细分，在财务指标选取上，沃尔评分体系中修正指标选取过少等，这有待后期的进一步研究。

参考文献：

[1]Elkinawy,S.Mutual Fund Preferences for Latin American Equities Surrounding Financial Crises[J]，Emerging Markets Review,2005，(6)：211-237

[2]汪光成，基金的市场时机把握能力研究[J]经济研究，2002，(1)：48-55

[3]扬德群，蔡明超，施东晖-我国证券投资基金持股特征的实证研究[J]中南财经政法大学学报，2004，(2)：67-74

[4]符淼，蔡伟宏，我国基金重仓股选股偏好的时期似无关回归分析[J]，海南金融，2008，(7)：28-33

[5]杨德群，等，基金持股与股价收益率关系的实证研究[J]，经济体制改革，2004，(3)：69-72

[6]杨永健，基金持仓比例与每股收益相关性研究[J]，金融经济，2006，(22)：75-76

[7]龙淼，曾德明，证券投资基金重仓持股对上市公司绩效的影响研究[J]，事业财会，2006，(4)：12-15

股票投资分析的主要方法范文第5篇

[关键词]波浪理论；行为金融；有效市场假说

[DOI]10.13939/ki.zgsc.2017.06.030

行为金融理论认为，金融市场是由人组成的金融市场，不得不承认，人也会犯错，尽管有效市场假说看起来很完善，而且也确实解释了市场中大多数价格的波动。然而大量的金融异象挑战了有效市场的权威。其后行为金融理论蓬勃兴起，以投资者心理行为为分析对象，引入心理学等学科理论进行投资者心理进行研究，股票中的技术分析方法也重新得到重视，波浪理论是股票技术分析派中最为神奇的一种技术分析方法，从1929年艾略特发现股票市场似乎遵循一种规律，从而希望找出一种共性的规律来，其后艾略特的追随者不断补充完善波浪理论，并将波浪理论应用于股票市场的分析中取得了令人惊讶的成绩。

笔者在应用波浪理论对个股和股指作研判时，发现一般情况下发达国家如美国的三大股指大都能令人满意地划分为5浪上涨2浪下跌模式，奇怪的是对个股研判，无论长期或短期，却不太容易使用波浪理论来划分，甚至根本无法划分清晰的浪型，后续在研究中才发现波浪理论是对股票市场一个自然规律的总结，股票指数一般不太容易控，一般都能符合股权广泛分散这个运行技术分析方法的必要条件，而个股由于流通市值的关系，大部分流通股都被机构或者庄家持有，而且有些时候还会私下达成协议，形成暗箱操作的一致行动人，个股自然无法反映众多投资者的真实意愿，例如比较典型的万科A到2016年11月22日为止，万科A总股本的80%已经落入机构手中，万科A董事长王石直言公司目前已经是“庄股”。该股票价格的变化完全取决于少数机构投资者，众多的小散户已经不能再决定改股票的走势，此时是无法运用波浪理论进行分析的，因为波浪理论分析的是自然规律而不是人为的规律。

事实上，只要股权广泛分散，不被少数机构操作，证券市场上价格的波动并非简单地呈随机游走，在很大程度上，而是呈现出艾略特波浪形态的走势，即5浪上涨，3浪下跌。如果把5浪上涨2浪下跌在股市的月线图上看。就是我们行为金融理论的研究结果：股市实际上是呈现出牛熊分明，换句话说股市在牛市的时候尽管有小的回头但总是大幅上涨的，在熊市的时候尽管有少部分时间上涨但是却主要是下跌的且跌幅巨大。这也证明了洛・麦金利，法马、弗伦奇等人所作的研究，短期内股价回报是正相关的，而长期则呈现明显的负相关。

我们如果对波浪理论各划分方式做个详细研究，就会发现波浪理论实质上反映了众多投资者的心态，而投资者的心态不是一个人的而是众多投资者的心态形成一种合力，这种合力在图表上形成了一种有韵律的自然规律。且证券股票的市场化程度越高，股权越分散，人为干预的因素越少，波动的轨迹就会越清晰，而在一定程度上也为投资者提供了预测的可能性。因为自然规律总是循环反复的，人性总是不变的，贪婪和恐惧总是交替着。因而历史总是在重演。

在了解了股票市场中存在的这种有韵律的形态后，我们将对投资者投资决策的行为作进一步讨论。波浪理论其实是将现实中投资者个人交易行为形成的合力形成的图形总结为一套波浪模型，并对市场中各个交易主体如何相互进行博弈进行了描述以及这种图形的出现又如何影响了投资者的心态，其实这也是财务管理理论中的信号传递原则和引导原则在股票市场中的运用。

第1浪上涨浪对投资者心态的描述的：当股市长期下跌后开始卖盘减少到极低，但是买盘也很少，投资者心理恐惧并没有降低，大部分投资者都是极度谨慎小心，这时候整个市场趋势依旧是下跌途中，股市中有句谚语：地量之后有地价，这时候有部分投资者试图买进少部分股票，开始在一些被低估的股票中缓慢建仓，此时股价开始上扬，此时大多数投资者的心理仍是熊市中的反弹，仅会有少部分跟随者买入股票，这常常显示出在成交量和广泛性上轻度增加。

第2浪回调浪：由于此时大多数投资者的心理仍是熊市中的反弹，只要有一点风吹草动立刻抛售股票，但是此时主力会在地位接盘，股价会可能会大幅回撤，但是不会再创新低，也就是不会跌破第一浪最低点，此时表现出成交量极低，但是由于股价没有创新低，投资者心理恐慌有所缓解。

第3浪主升浪：当主力吸筹完毕后，由于要吸引后来的投资者，往往会大资金强力拉升股票，这时候会看到很多股票出现连续涨停板，由于主力资金要垫高后来者成本，激发投资者参与热情，所以往往第3浪中拉升速度较快，爆发力度很强。此时，部分跟随者会积极介入，前期介入的投资者获利丰厚会卖出股票而市场情绪高涨，前期踏空的投资者会积极接盘，反映在成交量中就是股票量价配合良好，后浪超过前浪，由于股价连续上涨，信心恢复，购买者逐渐增多，股票有时候供不应求，跳空高开现象频繁出现，股票涨幅巨大。

第4浪回调浪对：当股价上涨到一定程度，涨幅巨大后，u出方逐渐增多，买方力量也增加但是增加幅度不如卖出方，主力开始集中抛售筹码，由于仍在牛市气氛中，股价回调幅度不大。

第5浪末端上涨：此时上涨空间已经不大，但是牛市思维未改变，少量的买盘也可以使股价再度上涨，此时已经出现量价顶背离，预示着“最后的晚餐”。

A浪大幅下跌：股价开始出现下跌，但是部分投资者认为是极好的买进机会，此时股价尽管跌幅巨大，但投资者仍旧相信它是一次上升行情中的回调，众人蜂拥买入。

B浪反弹：B浪是赝品，小幅度反弹会吸引部分投资者买进，但由于缺乏市场主力的积极参与，买进的成交量很小，相反部分主力剩余的货还未完全出完时，也会趁此抓紧时间逃命。

C浪暴跌：大C浪下跌使大多数投资者忽然发现，牛市已经确定结束，赚钱机会突然消失，相反大幅度亏损成为C浪的典型，投资者为避免损失，纷纷抛出手中股票，而期货投机者趁机做空股市，甚至为了获得做空期货的收益反而故意买进股票再亏损卖出造成市场极度恐慌。

以上就是一个以艾略特波浪为基础建立的反映大众心理运动的模型。

要说明的是：由于资金的驱利性，市场主力都必须为各自的利益作打算，各基金、大户之间行动并不总是互相一致的；实际上由于各人的能力差别，预期判断也不一致，主力之间也是在互相博弈的，其博弈的结果就形成合力，尤其在参与者众多，各主力之间资金越均等，没有一个市场主力的资金会完全远远超越其他市场主力，其形成的合力就越不可控。

参考文献：

[1]小罗伯特・鲁格劳特，普莱切特，阿尔弗雷德・约翰・弗罗斯特.艾略特波浪理论[M].北京：机械工业出版社，2010.

[2]（美国）R.N.艾略特（R.N.Elliott）.自然法则[M].北京：地震出版社，2014.