股票数据分析方法

　　众所周知，一些股票分析砖家，做股票投资分析主要用：基本分析、技术分析、演化分析，下面就让学习啦小编为你们介绍一下股票数据分析方法吧。

　　股票数据分析方法一

　　作为提高股票分析数据时效性和真实性的重要方法，技术分析和演化分析主用于具体投资操作和波段判断上，基本分析则是用于对股票常规数据分析进行的前期准备。

　　每个想自己做股票投资或者是想让操盘手和机构代为投资的，都需要学习一些基础的股票分析方法，因为我们知道不看路的人，迟早会掉进没井盖的下水沟里。

　　一、基本分析：以传统经济学为理论基础，将企业的经营状况和经营战略，行业发展前景，企业综合实力等诸多因素作为研究对象。以分析其公司上市后的投资价值和边际效率，以形成有效投资建议。但也因为分析一些不可预防的股价波动，所以做短期不如做长期持有，来的安全。

　　二、技术分析：以传统证券学为理论基础，研究股票价格波动的各种因素和可能性，也就是砖家们在电视上经常鼓吹的依据。这部分的分析数据量很大，要看很多股价变化的历史数据和对波动规律进行统计。这方面的知识，建议简单看看就好，毕竟我们不是很专业，买股也是看热点和政策支持等因素。

　　三、演化分析：以烟花证券学为理论基础。和技术分析相似，都是需要庞大的数据支持，进行推演，预测股价的波动和走势。但它属于假想范围，是一种模糊的预测。

　　通过股票的数据分析，可以更好的判断股票所代表公司的经营状况和发展方向，看看是否达到建仓买进的要求的程度。并基本分析得到的数据里判断它的发展空间和上涨力度，以及它的现行股价是否合理。技术分析则是让我们掌握好购买的价位和时机。

　　其中基本分析法适合用于长期持有股票的分析，而技术分析经常应用于短期持有股。无论哪一种方法，都需要有肯打持久战的准备和沉着冷静的强心脏。

　　以上个人观点，仅供参考。希望股友们有所斩获，

　　股票数据分析方法二

　　记得上大学的时候，老师在第一堂课里对我们说：“经济学是一门奇怪的学科，它所使用的数据如此之多，但却得不到什么确定的结论。”多年以后，笔者发现，投资这门学科也如出一辙。

　　数字不能推导出未来，这其中有很多的原因，有些是我们不可控制的，这无可厚非，毕竟谁也没有水晶石。不过其中有些偏差，是由于我们没有仔细分析数据造成的。这其中的一类偏差，就是由我们没有能够进行正确的数据比较造成的。举个简单的例子，就好比有人发现美国的牛奶、汽车比中国的便宜，就攻击中国的物价体系，却忘记比较两者的白菜价格、保姆薪酬一样。在这里，笔者就想指出几个在投资中经常碰到、或者曾经碰到的、极易被忽视的数据比较误区。

　　一般来说，主要的股票指数均不包含派息，这包括了标普500指数、沪深300指数等。在美国，按照证券交易委员会的规定，共同基金在将他们的业绩和某种指数的回报率进行比较时，必须将指数的派息收益包含在内。而在A股，目前尚没有这一硬性要求。那么，包含和不包含股息收益，到底会对业绩的比较产生多大影响呢?

　　举例来说，沪深300指数过去5年的平均股息率大约在1.23%左右，上证50、标普500、日经225、富时100指数则分别在1.44%、1.61%、2.21%、3.81%左右。假设一个股票指数在5年的时间里平均股息率为2%，每年净资产增长10%，同时估值不改变，那么考虑和不考虑股息率的回报率将分别为76.2%和61.1%，相差15.2%。如果把以上的股息率取值1.5%，则相差为11.3%。实际上，在2006年4月至今的5.2年里，沪深300指数增长了68%，沪深300全收益指数则增长了85.3%，相差达到17.3%。和什么指数比?这是个问题。

　　在过去两年的小盘股行情中，我们看到许多分析认为，小公司未来有更好的增长，所以从动态PE来看，小股票并不贵。那么到底小股票贵不贵呢?我们在2010年进行了一系列比对，主要是对比了A股和海外大约15个发达、发展中市场的估值结构，结果发现从PB来看，A股的小股票估值达到蓝筹股的2倍以上，而海外市场无一高于蓝筹股。类似的，在创业板刚推出的时候，市盈率高达50余倍，当时有分析认为，韩国KOSDAQ的PE也有40多倍，所以创业板不贵。但是如果看看PB就会发现，韩国KOSDAQ的PB只有1倍左右，其PE高主要是因为没有盈利。和什么估值体系比?这也是个问题。

　　曾经有个朋友推荐一只股票，说是一家高成长公司，过去4年净利润增长了250%，CAGR达到37%，远远高于行业平均水平，现在PE只有40倍，可以看好。我说光凭这个原因，我不会看好这家公司。她问为什么?我说你看看工行同期的净利润CAGR是多少?一查，是35.6%。那么工行只有不到10倍的PE，因而仅凭增速就去看好一家增速一样、估值却要贵4倍的公司，似乎也不可取。和什么股票比?这还是个问题。

　　另外，在看主动投资分析的时候，会发现大部分作者喜欢先说一段国外的情况(通常是美国)，然后再说国内的。有意思的是，如果看一下金融工程、量化投资的分析，则会发现极少有人借用国外的数据进行比较。为什么呢?笔者的工作正好跨主动策略投资和量化投资两个领域，因此对此提出一个简单的猜想：是不是因为金工、量化想要在成熟市场找到一种足够有效、能够经得住跨市场、跨周期回测的算法，实在是比较困难?而对主动投资来说，成熟市场历史悠久、数据丰富，几乎可以找到任何情况下股市的表现，因此在调素材的时候多用一些，也就顺理成章了?你看，比还是不比?这更是个问题。

　　有了数据还不行，数据怎么分析、和什么对比，是更大的问题，值得更细致地研究。而有些时候，我们甚至连数据收集都难以保证精确，那么又怎么保证我们的研究质量呢?如果数据和结果之间有这么多的误差，我们又应该对我们得到的结论保留多少坚持呢?举个小反例，在以上股息率的分析中，笔者采用的是Bloomberg的平均值数据，而这个数据和Wind、Datastream的数据都有出入。你看，这还不光是和谁比、怎么比的问题呢。