股票的正态分布理论

股票的正态分布假定

正态分布假定的另一个推论是，小盘股容易震荡，而大盘股不容易震荡。价格的变化是买卖力量变化推动的结果，小盘股在高位定价，参与者分布稀疏，价格上下波动的阻力小，涨跌速度快；买卖力量的一点点变化在价格上都必须有较大的调整才能重新达到平衡，造成波动幅度大。总的说就是容易形成剧烈震荡。

盘子越小，上述现象越明显，如邮票盘子比股票小，所以涨跌更剧烈，价格脱离普通人心理定位更远。极端情况是艺术品拍卖市场，名家作品只有一件，无法复制，盘子小到了极限，价格决定于出价最高的一个愿意出多少钱，其价格自然也远远脱离一般人的心理定位，而且容易剧烈涨跌。

正态分布假定的又一个推论是，超级大盘股的定价会明显的偏低。这也是由于正态分布尖端人数较少所致。如果盘子大到供应量超过市场心理定价人数最多的峰位，则进一步增加需求量必须在价格上出让较大的空间，与小盘股的道理一样。不过，随着价格降低，会有大量原来对这只股不关心的人参与进来，使参与者的本底变大，所以定价偏离的情况不会象小盘股那么明显。

什么叫小盘股什么叫大盘股呢？可以这样估算。中国有2千万股民，近1千只股票，如果平均每人关心10只股票，那么，平均每只股票有20万人关心。统计学中，如果统计样本成正态分布，那么大约70%的样本处于分布峰值加减方差的区间内，高于方差的样本数量约16%，近似的可取15%。可以以此为界，股票少到只有顶端不到15%的人参与的为小盘股。则20万的15%为3万，以中国股市大多数股民一般平均每人每只股票持股不到1000股计算，为3千万股。所以，标准的中型盘子为3千万股左右，可以粗略的估计为2-5千万，2千万以下为小盘股，5千万以上为大盘股。类似的，超级大盘股的标准应为可以供应85%以上的人，20万的85%为17万，估算为1.7亿股，放宽一些为2亿股以上，即中国股市上2亿以上的盘子为超级大盘股，定价会明显偏低。当然，以后随着中国股市的发展，以上估算用到的参数会发生变化，小盘股大盘股和超级大盘股的概念也会发生变化。

同样业绩下，流通盘小限制了参与交易者的范围。对两只业绩相同的股票，大盘股定价低，使需求分布中心理定价偏低的人也能买到，小盘股定价高，只有愿意接受较高价位的人才能买到。这使得参与者的群体会略有不同，影响股票走势特性。

同样市值下，盘小价高的股票，参与者范围受限制。股市交易是以“手”为基本单位的，股价越高，每手的价钱也越贵，这会限制参与者的范围。极端情况，如美国股市上巴菲特控制的柏克夏公司，股价高到上万美圆，只有富人才买得起。中国股市上，也有很多散户不喜欢买20元以上较贵的股票，而喜欢10元以下的股票，因为资金少，买贵的股票买的太少。

盘子大小还影响股票的流动性，同样市值的股票，盘子大，“手”多，每单位的价钱低，相当于在流通时颗粒细，流动性就更好；单位价钱高而盘子小，则分成的颗粒大而少，流动性下降。一般而言，流动性大，参与者多，会增加坐庄

控盘的难度，减少走势中的人为痕迹，走势越自然越稳定；流动性小则人为影响大，越容易出现忽涨忽跌和跳跃性走势。所以，大盘股容易走成弧形反转，而小盘股容易走成V形反转；大盘股在分析其走势时应该多考虑群体心理动力学的影响，而小盘股应该多考虑人为因素的影响。

小盘股控盘容易，大盘股控盘难。所谓控盘是说庄家持有一笔资金以短炒的方式进进出出，其买卖保持平衡，只通过把握买卖节奏影响和控制股价。所以，控盘难度大小决定于留在外面的未锁定筹码的绝对规模，未锁定筹码多，则参与者人数多，人多则想法多，控盘困难，这和任何活动都是人越多越不好组织是一个道理。通过锁定筹码减少外面筹码的规模可以使盘子变得容易控制一些，但大盘股上即使这样做了之后留在外面的股票仍会很多，不好控制。比如，对一只1亿股的盘子，庄家已经锁定了70%的筹码，但外面仍有3千万股未锁定。另一只天生只有1千万的盘子，即使不锁定筹码，外面的筹码规模也比前者少，控盘难度比前者锁定70%后还低。如果这只股也锁定70%，则外面只剩下3百万股，如果按平均每个人10手计算，则只有3000人参与，如果每天有10%的人参与交易，则只有300人，相当好控制了。而前一只股票要达到同样的程度需要锁定97%的筹码，这显然是不可能的。

大盘股由于盘子不好控制，所以，只能炒；小盘股可以实现绝对控盘，适合做。炒就是短炒，不锁定太多筹码，也不炒到太高，随着人气，拉起来就放手，一波一波有节奏的炒，类似于垃圾股的炒法。做就是做价值发现，低位收集大量筹码锁定，实现绝对控盘，拉到较高位置出货。所以，小盘绩优股可以用通吃的手法炒做，而大盘绩优股，即使业绩再好，即使最终可以走成长期上升通道，也只能是一波一波炒上去的，分析其走势可以明显看出庄家进出的节奏，感觉到盘子震荡的力量，而不可能没有力度的往上飘。所以，盘小和绩优是连在一起的，在同样业绩的情况下，盘小的因素会使走势偏向于更典型的绩优股，而盘大因素会使走势偏向于垃圾股。

庄家锁定大量筹码，市场上流通筹码变少，中大盘股可以暂时变成小盘股。如果有一个资金较少的机构或资金较多的大户，这时可以短期的做一把庄。不过这种“小盘股”只是市场瞬间形成的，情况稍微一变就不成了。而且这种股背后如果有一个大庄家锁定了大量筹码，则好比“螳螂捕蝉黄雀在后”，大庄家随时可能出手管你。所以，只有在庄家无法出手的时候才能这样做，只有在超跌的时候才有这种机会。当超跌到CYS低于-20，即短线客已经亏损20%的时候，此时筹码都被锁定在上面，不怕庄家继续打压，他打压也不会有人跟着杀跌，他打出去的筹码反倒可能收不回来。此时，临时小庄突然出手帮他控盘，从他口里抢几只小虾，他也没有办法。

怎样分配坐庄资金

庄家的坐庄资金可以分为两部分，一块用来建仓，在底部打进货，拉高后出去，中间一段空间是其净获利，庄家赚钱主要靠这部分资金；另一块用来拉抬和应付各种突发性事件，可称做控盘资金。

这两块资金的作用不同，使用方法也不同。建仓资金一般需要提前进，建仓后还要等待时机，由于从建仓到完成拉抬中间时间长短不确定，要看市场状况而

定，所以，这部分资金要以自有资金为主，建了仓不管捂多长时间都没关系。庄家拉抬要等到天时、地利、人和配合才行，要等待寻找时机，机会出现，果断动手。一旦启动，一般在十几天之内就可以完成拉抬，以后就开始出货了，一个月内拉抬资金就可以出来了。拉抬资金只是短期使用，可以在拉抬时临时借来，拉抬完成就可以还了。控盘资金的另一部分是用来应付突发性危机的，就象打仗要保留预备队一样，这笔钱平时是不能轻易动的，只有在出现危机时才能动用；庄家手里如果没有这笔资金就会很不安全，一旦出现意外无法应付，可能使整个炒做失败，带来重大损失，所以，这笔资金一定是庄家自有的，可称为预备资金。

拉抬资金和预备资金统称控盘资金，控盘资金以持币为主，建仓资金以持股为主；控盘资金以短线操作为主，建仓资金以中长线操作为主；控盘资金长空短多，建仓资金做长多。两笔资金如庄家的两个拳头，相互配合，有章法地打击市场大众。

庄家在坐庄时要根据情况决定如何分配这两笔资金。一般而言，越有长期投资价值的公司，庄家建仓越多，投资价值变小，庄家建仓也相应变小。庄家建仓多，锁定筹码多，外面流通筹码少，则盘子好控制，分配在控盘上的资金可以少一些；庄家建仓少则盘子不好控制，相应的控盘资金必须多一些。两个极端情况是绝对绩优股的通吃炒做和垃圾股不打底仓的快进快出。前者庄家把几乎全部资金都用来建仓，只留很少的资金控盘就够了，因为反正外面的筹码已经很少，已不需要控盘了；后者则几乎全部资金用做控盘，不打底仓，靠一拉一砸中间拼一个缝获利。

影响庄家资金分配的另一个因素是庄家的资金背景，庄家是否有方便的融资渠道做后盾。如果有条件融资，庄家就可以多一些拉抬资金，拉抬可以猛一些，但持续时间短；如果没有条件融资，则庄家只能靠自有资金炒做，庄家可能会多分一些资金用做建仓，而拉抬资金就会不宽裕。这种股上涨时显得力不从心，要使用技巧，借助大势，一点一点往上拉。但由于是自有资金，可以长期持续的拉抬，形成慢牛走势。

还有一类超级庄家，资金多到必须同时做几只股票，这时，他们可以“分散建仓，集中拉抬，轮番炒做”。先分别在几只股票上建好仓，然后以一笔拉抬资金，一个一个拉上去再撤出来，形成轮番炒做。这笔拉抬资金和总的建仓量比起来是比较少的，所以资金利用率比较高。如果是小庄留这么少比例的拉抬资金就会感觉力不从心，但对超级庄家来说，这笔资金的绝对值并不少，他可以集中使用，对其中任何一门股来说，拉抬资金都足够充裕，炒做起来如同大力士，身大力猛，三下五除二就把盘子拎到了高空，然后把拉抬资金一撤，换手又去炒别的了。拉抬资金撤出时难免会引起一些震荡，但庄家不在乎这一点空间损失，因为拉抬时已经打出富裕来了。拉抬资金撤出后建仓资金再慢慢出。这样在一轮行情中，一笔拉抬资金可以拉起几只股票。这种庄家做起来就颇有些组织战役的味道了，先做谁，后做谁，由谁来启动拉抬，由谁来跟进，由谁来掩护撤退等等。这种拉抬必然比较快，因为拉起来以后还要撤出来去拉下一只。跟上这种有实力的庄家是最好的。

庄家资金分配和股价走势有什么关系

庄家如何分配资金决定了股价的走势。筹码锁定多的股票，庄家不利用短期波动挣钱，所以没有短线的暴涨暴跌，盘面上没有力度的小阴小阳没有震荡的走，盘子显的发飘。庄家不打底仓的股票，由于把全部资金用做短线炒做，故拉抬资金充裕，涨得迅猛有声势；但“飘风不终朝，骤雨不终日”，来得快去的也快，经过一段长时间再看，则涨涨跌跌在原地没动。到是前一类短线涨跌并不迅猛的股票，一段时间下来，可以累积相当大的涨幅。

大部分股票处于中间。庄家的最终目的还是要把价格炒上去，但由于控盘能力受限，所以不能直接拉抬，而要采取一些技巧调动市场力量，借力使力，才能以少量的资金把盘子拉上去。所以有时盘面上会出现相当标准的技术形态，这是在号召大家跟着抬轿。

庄家建仓量不同也决定了股票最终的目标位，前面曾经讨论过，随着股价上涨，未锁定流通市值变大，控盘困难增大，限制了庄家炒做的最高目标位。如果锁定筹码多，庄家可以向上打开较大空间，目标位可以高一些；如果建仓少，则目标必须低一些。那种建仓较少目标位也较低的庄家，靠建仓仓位获利受限，而控盘上分配了大量资金不能白白操作不获利。这种股票就会成震荡向上的走势，庄家不仅要挣大钱还要利用每一次震荡挣钱。

总的看，庄家仓位情况和走势关系是这样的，庄家锁定的筹码多，则短线波动少，上涨平稳，以中长线趋势为主，上涨空间大；庄家建仓减少，则上涨过程中短线震荡成分增加，中长线上升趋势趋缓，边震荡边上升；庄家仓位更少，则以短线震荡为主，长期看来根本不上涨。对不同性质的庄家要采取不同的策略对付。

(完整版)股市趋势技术分析—图解(完成)

＜股市趋势技术分析＞读书笔记和理解 此书出版时间极早，但在今天还一直被奉为精典。 第一章交易及投资的技术分析方法 股票市场对正确理解的读者，其回报是巨大的；而对那些粗心的、麻痹的或者不幸的投资者，其惩罚也是灾难性。 技术分析是记录（通常用图形方式）某一股票或指数的实际交易过程，并从中推判出今后可能的发展趋势的科学。 价格以一定的趋势演进，而这一趋势将一直延续下去，直到发生新的事情从而改变了供求平衡，并且这一改变通常由市场行为本身体现出来。 第二章图表 图表是技术分析师的工作工具。图表可以是月图、周图、日图、小时图和即时交易图、点数图等。当然，在作者那个时代，图大多需要自己绘制，而现在，计算机可以帮我们轻松实现这些图表，只要需要。 关于比例类型。作者着重推荐了半对数坐标图。 对其效果在华尔街有句话，“图表并没有任何错－－－问题是图表分析者”。这从另一侧表明了事情的本质，重要的不是图表本身，而是对图表的领会。 第三章道氏理论 道氏理论被尊为技术研究的鼻祖。 基本要点： 1、平均指数包容消化一切，因为它反映了无数投资者的综合市场行为，包括那些有远见力的以及消息最灵通人士。 2、三种趋势－－“市场”一词意味着股票价格在总体上以趋势演进，而最重要的是主要趋势，即基本趋势。它们大规模的上下运动，通常持续一年或更多时间，并导致股价增会下 或贬值20%以上。基本趋势在其演进过程中穿插着与其方向相反的次等趋势－－当基本趋势暂时推进过头时所发生的回撤或调整（次等趋势与被间断的基本趋势一同被划为中等趋势－－这是在接下来的讨论中用到的一个很有用的术语）。最后，次等趋势由小趋势或者每日的波动组成，而这并不是十分重要的。 3、基本趋势。大规模的、总体上的上下运动，通常持续一年或可能数年之久。只要每一个后续价位弹升比前一个弹升达到更高的水平，而每一个次等回撤的低点均比上一个回撤 高，这一基本趋势就是上升趋势，称为牛市。相反，每一个中等下跌都将价格压到逐渐低的水平，这一基本趋势则是下降趋势，并可称之为熊市。 正常情况下，基本趋势是三种趋势中真正长线投资者所关注的唯一趋势。 4、次等趋势。这是价格在其沿着基本趋势方向演进中产生的重要回撤。它们可以是在一个牛市中发生的中等规模的下跌或回调，也可以是在一个熊市中发生的中等规模的上涨或反 弹。正常情况下，它们持续三周到数月不等，但很少再长。在一般情况下，价格回撤或反弹到基本趋势方向推进幅度的1/3到2/3。 从而，我们有两个标准用以识别次等趋势。任何与基本趋势方向相反、持续至少三个星期并且回撤上一个沿基本趋势方向上价格推进净距离（从上一个次等趋势的末端到本次开始，略去小幅波动部分）至少1/3幅度的价格运动，即可认为是中等规模的次等趋势。尽管这样，次等趋势经常令人捉摸不透。 5、小趋势。它们非常简短，很少持续三周，一般小于6天。从道氏理论的角度看，它们本身并无多大意义，但它们合起来构成中等趋势。 我们用大海的运动与股市的运动进行对比。主要趋势就像浪潮。我们可以把牛市比喻为一个涌来的浪潮，它将水面一步步在向海岸推动，直到最后达到一个水位高点并开始反转。接下来的则是落潮或退潮，可以比作熊市。但是，无论是涨潮还是退潮的时候，波浪都一直在涌动，不断冲击海岸并撤退。在涨潮过程中，每个连续的波浪都较其前浪达到更高的水平，而其回撤时，都不比其前次回撤低。在落潮过程中，每一个连续的波浪上涨时均比其前浪达到的水位低一点，而在其回撤时均比其前浪离开海岸更远一点。这些波浪就是中等趋势－

通达信软件筹码分布小技巧

通达信软件筹码分布小技巧 在这里我教大家一个简单易学的小技巧，不需要会看K线，也不需要会看什么MACD、KDJ、RSI，你只需要看完这篇文章，我相信你就能具备研判一只股票未来趋势的基本能力。 利用“获利比例”指标研判个股走势 （由于我一直是使用通达信看股软件，这里就只讲通达信的版本。）市面上有很多收费软件，里面有很多公式指标，有的是挺好用。但是在免费的通达信软件里就已经有一个很实用的研判个股走势的指标了，那就是显示筹码分布的获利比例指标。 获利比例指标显示的是一只股票在所在价位的获利情况，由于它不受未来参数的影响，所以用它来研判个股未来的趋势的可信度十分的高。 那么具体怎么用呢？ 大家具体要记住以下的几个阶段 【1】 获利比例在0%——6% 【2】 获利比例在6%——20% 【3】 获利比例在20%——50% 【4】 获利比例在50%——80%

【5】 获利比例在80%——100% 【1】 当一只股票当天的收盘股价的获利比例在0%——6%时，那么就是一个股票的超跌区。一只股票的获利比例在6%以下的时候，那么就是一个买入点。只要你在这个时候买入，就可以安心持股了。就算它第二天继续下跌，获利比例从5%变成4%也不用怕，因为它已经是超跌了，你现在要做的只是持股等待反弹。当然了，假如你买到一只股票的获利比例是接近0%时，那就几乎是完美了。那么反弹到什么时候可以出货呢？别急，我们继续讲下去。 【2】 当一只股票当天的收盘股价的获利比例在6%——20%时，那么就是一只股票的反弹区。一只股票当下跌到一定程度，获利比例在20%之下时，那么这只股票就会有反弹的动能。这个时候，我们可以做出两种选择：1、少量筹码试盘。轻仓介入，假如这只股票在接下来的一个交易日获利比例上升，那么十有八九这只股票就会向上反弹，尤其是一些备受市场推崇的的题材股票，这个时候我们再正式进攻不迟。2、继续观望。因为在反弹区间下方还有一个超跌区，一些积弱已久的股票，尤其是大盘股，就算到了反弹区也不会反弹继续下移到超跌区，就算有反弹也不牢靠，往往是一天行情。 【3】

正态分布的性质及实际应用举例

华北水利水电学院 正态分布的性质及实际应用举例 课程名称：概率论与数理统计 专业班级：电气工程及其自动化091班 成员组成：姓名：邓旗学号： 2 姓名：王宇翔学号：1 姓名：陈涵学号：2 联系方式： 2012年5月24日

1 引言：正态分布（normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在 统计学的许多方面有着重大的影响力。本文就从正态分布的实际性质应用举例等各个方面进行简单阐述并进行探讨，使同学们能够对所掌握的知识有更清楚地认识。 2 研究问题及成果： 正态分布性质； 3原则及标准正态分布； 实际应用举例说明 摘要：正态分布是最重要的一种概率分布。正态分布概念是由德国数学家与天文学家Moivre于1733年首次提出的，但由于德国数学家Gauss率先将其应用于天文学研究，故此正态分布又称高斯分布。在许多实际问题中遇到的随机变量都服从或近似服从正态分布：在生产中，产品的质量指标，如电子管的使用寿命，电容器的电容量，零件的尺寸。铁水含磷量，纺织品的纤度和强度等一般都服从正态分布。在测量中，如大地测量，天平称量物体，化学分析某物之中某元素的含量等，测量结果一般服从正态分布。在生物学中，同一群体的某种特性指标，如某地同龄儿童的身高，体重，肺活量，在一定条件下生长的农作物的产量等一般服从正态分布。在气象学中，某地每年7月份的平均气温，平均温度以及降水量等一般也服从正态分布。总之。正态分布广泛存在于自然现象，社会现象以及生产，科学技术的各个领域中。本文就从正态分布的实际性质应用举例等各个方面进行简单阐述并进行探讨，使同学们能够对所掌握的知识有更清楚地认识。 关键词：正态分布 The nature of the normal distribution and the example of practical application

对数正态分布教程文件

在概率论与统计学中，对数正态分布是对数为正态分布的任意随机变量的概率分布。如果X是正态分布的随机变量，则exp(X) 为对数分布；同样，如果Y是对数正态分布，则 ln(Y) 为正态分布。如果一个变量可以看作是许多很小独立因子的乘积，则这个变量可以看作是对数正态分布。一个典型的例子是股票投资的长期收益率，它可以看作是每天收益率的乘积。对于，对数正态分布的概率分布函数为 其中与分别是变量对数的平均值与標準差。它的期望值是 给定期望值与标准差，也可以用这个关系求与 与几何平均值和几何标准差的关系 对数正态分布、几何平均数与几何标准差是相互关联的。在这种情况下，几何平均值等于，几何平均差等于。 如果采样数据来自于对数正态分布，则几何平均值与几何标准差可以用于估计置信区间，就像用算术平均数与标准差估计正态分布的置信区间一样。

其中几何平均数，几何标准差 或者更为一般的矩 [编辑]局部期望 随机变量在阈值上的局部期望定义为

其中是概率密度。对于对数正态概率密度，这个定义可以表示为 其中是标准正态部分的累积分布函数。对数正态分布的局部期望在保险业及经济领域都有应用。 其中用表示对数正态分布的概率密度函数，用—表示正态分布。 因此，用与正态分布同样的指数，我们可以得到对数最大似然函数： 由于第一项相对于μ与σ来说是常数，两个对数最大似然函数与在 同样的μ与σ处有最大值。因此，根据正态分布最大似然参数估计器的公式以及上面的方程，我们可以推导出对数正态分布参数的最大似然估计 ?如果与，则是正态分布。

?如果是有同样μ参数、而σ可能不同的统计独立对数正态分布变量，并且，则Y也是对数正态分布变量：。 μ=0

正态分布的概念

1. 正态分布的概念 随机变量X 的概率密度2()2(),()x f x x μσ--=-∞<<+∞， 称X 服从正态分布， 记作),(~2σμN X 。 标准正态分布(0,1)N ，其概率密度22 (),()x x x ?- =-∞<<+∞，分布函数 为 2 2 ()t x x e dt φ- -∞ = 。 2. 设 ) ,(~2σμN X ， 则 {}x P X x μφσ-?? ≤= ? ?? ， {}b a P a X b μμφφσσ--???? <≤=- ? ????? ，()x φ的数值有表可查，特别有 (0)0.5,()1,()1()x x φφφφ=+∞=-=-。 3. 设),(~2σμN X ，则2(),()E X D X μσ==。 4. 设),(~2σμN X ，则),(~22σμb b a N bX a Y ++=)0(≠b 。 若),(~211σμN X ，),(~2 22σμN Y ，X 与Y 相互独立，则 ),(~2 22121σσμμ+++N Y X 。 若12,,,n X X X 相互独立，),,2,1)(,(~2n i N X i i i =σμ，则 ∑∑∑===n i n i n i i i i n i i i c c c c c N X c 1 1 21221 )(,(~为常数） ，，， σμ 5. 二维随机变量(,)X Y 服从二维正态分布，记作 ），，，，（），（γσσμμ222121~N Y X ，其中12(),() E X E Y μμ==， 2212(),()D X D Y σσ==，(,)r R X Y =。 设(,)X Y 服从二维正态分布，则X 与Y 相互独立的充分必要条件是0r =。 6. 当n 充分大时，独立同分布的随机变量12,,,n X X X 的和1n i i X =∑近似服从正态 分布2(,)N n n μσ。 特别是当n 充分大时，若相互独立的随机变量12,,,n X X X 都服从“0-1”分

通达信筹码分布小技巧

通达信筹码分布小技巧 通达信筹码分布小技巧 在这里我教大家一个简单易学的小技巧，不需要会看K线，也不需要会看什么MACD、KDJ、RSI，你只需要看完这篇文章，我相信你就能具备研判一只股票未来趋势的基本能力。 利用“获利比例”指标研判个股走势 （由于我一直是使用通达信看股软件，这里就只讲通达信的版本。） 市面上有很多收费软件，里面有很多公式指标，有的是挺好用。但是在免费的通达信软件里就已经有一个很实用的研判个股走势的指标了，那就是显示筹码分布的获利比例指标。获利比例指标显示的是一只股票在所在价位的获利情况，由于它不受未来参数的影响，所以用它来研判个股未来的趋势的可信度十分的高。 那么具体怎么用呢？ 大家具体要记住以下的几个阶段 【1】 获利比例在0%——6% 【2】 获利比例在6%——20%

【3】 获利比例在20%——50% 【4】 获利比例在50%——80% 【5】 获利比例在80%——100%【1】 当一只股票当天的收盘股价的获利比例在0%——6%时，那么就是一个股票的超跌区。一只股票的获利比例在6%以下的时候，那么就是一个买入点。只要你在这个时候买入，就可以安心持股了。就算它第二天继续下跌，获利比例从5%变成4%也不用怕，因为它已经是超跌了，你现在要做的只是持股等待反弹。当然了，假如你买到一只股票的获利比例是接近0%时，那就几乎是完美了。那么反弹到什么时候可以出货呢？别急，我们继续讲下去。 【2】 当一只股票当天的收盘股价的获利比例在6%——20%时，那么就是一只股票的反弹区。一只股票当下跌到一定程度，获利比例在20%之下时，那么这只股票就会有反弹的动能。这个时候，我们可以做出两种选择：1、少量筹码试盘。轻仓介入，假如这只股票在接下来的一个交易日获利比例上升，那么十有八九这只股票就会向上反弹，尤其是一些备受市场推崇的的题材股票，这个时候我们再正式进攻不迟。2、继

(完整版)陈浩先生筹码分布讲义

一章筹码分布的基础知识 “筹码分布”的准确的学术名称应该叫“流通股票持仓成本分布”，在指南针证券分析软件中，它的英文名字叫“CYQ”。 其实，“筹码分布”是一个很中国化的名字，因为在世界范围内，可能只有中国人管股票叫筹码，或许也只有中国人把投资股票叫“炒股”。而股票一加上“炒”字，就有了更多的人为操作的味道有了更多的博弈的味道。而如果把股票的仓位叫做“筹码”，那就无异于把股市当成了赌场。这多多少少是对股市的不尊敬，但我们的股市有着浓厚的博弈色彩却是事实。在股市的这场博弈中，人们要做的是用自己的资金换取别人的筹码，再用自己的筹码换取别人的资金，于是乎就赚了别人的钱。所以对任何一个炒股的人，理解和运用筹码及筹码分布是极其重要的。 或许“筹码分布”和“CYQ”的称谓，应该有一个更贴切的名字，但这个说法大家已经用了几年，成了一种习惯，想改也比较麻烦，所以就约定俗成，暂且如此称谓吧。 “筹码分布”的市场含义可以这样理解：它反映的是在不同价位上投资者的持仓数量。如果光凭文字来叙述“筹码分布”可能要颇费周章，为方便起见，我们建立并分析了一个微型的筹码分布模型，使读者更准确地理解它的含义。 1.筹码分布及计算原理 我们先做这样一个假设： 某公司有16股股票，这16股被3个不同的投资者持有。股东A曾在10元价位上买过3股，而后又在11元价位上买了6股；而股东B则在12元的持仓成本上买进了4股；股东C，在13元上买了1股，在14元上持有2股。把这3位股民的股票加起来，正好是16股。 我们来做一张图。 在这张图上，我们就把股票换成像麻将牌一样的筹码，在图的右边，我们先把价位标清楚，从10元一直标到14元，共5个价位，然后我们把这些筹码按照当时股东们买它的成本堆放到它相应的价位上，于是就形成了图1—1的样子： 图1-1：一个简单的筹码分布模型 从这张图上我们可以清楚的看到：这只股票在11元价位上，投资者的筹码比较重一些，12元至10元次之，13元以上筹码量就不多了。此外，除了上面所说的股东A、B、C以外，曾经还有一位投资者D，在9元左右买过这只股票，后来又以11元转卖给了股东A，于是D先生提出了一个问题，“我9元钱的历史交易怎么没有在这张筹码分布图上得到反映？”其

正态分布的概念和特征

第一节正态分布的概念和特征 一、正态分布的概念 由表1.1的频数表资料所绘制的直方图，图3.1（1）可以看出，高峰位于中部，左右两侧大致对称。我们设想，如果观察例数逐渐增多，组段不断分细，直方图顶端的连线就会逐渐形成一条高峰位于中央（均数所在处），两侧逐渐降低且左右对称，不与横轴相交的光滑曲线图3.1（3）。这条曲线称为频数曲线或频率曲线，近似于数学上的正态分布（normal distribution）。由于频率的总和为100%或1，故该曲线下横轴上的面积为100%或1。 图3.1频数分布逐渐接近正态分布示意图 为了应用方便，常对正态分布变量X作变量变换。 （3.1） 该变换使原来的正态分布转化为标准正态分布 (standard normal distribution)，亦称u分布。u被称为标准正态变量或标准正态离差（standard normal deviate）。 二、正态分布的特征： 1．正态曲线（normal curve）在横轴上方均数处最高。

2．正态分布以均数为中心，左右对称。 3．正态分布有两个参数，即均数和标准差。是位置参数，当固定不变时，越大，曲线沿横轴越向右移动；反之，越小，则曲线沿横轴越向左移动。 是形状参数，当固定不变时，越大，曲线越平阔；越小，曲线越尖峭。 通常用表示均数为，方差为的正态分布。用N（0，1）表示标准正态分布。 4．正态曲线下面积的分布有一定规律。 实际工作中，常需要了解正态曲线下横轴上某一区间的面积占总面积的百分数，以便估计该区间的例数占总例数的百分数（频数分布）或观察值落在该区间的概率。正态曲线下一定区间的面积可以通过附表1求得。对于正态或近似正态分布的资料，已知均数和标准差，就可对其频数分布作出概约估计。 查附表1应注意：①表中曲线下面积为-∞到u的左侧累计面积；②当已知μ、σ和X时先按式（3.1）求得u值，再查表，当μ、σ未知且样本含量n足够大时，可用样本均数和标准差S分别代替μ和σ，按式求得u 值，再查表；③曲线下对称于0的区间面积相等，如区间（-∞，-1.96）与区间（1.96，∞）的面积相等，④曲线下横轴上的总面积为100%或1。 正态分布曲线下有三个区间的面积应用较多，应熟记：①标准正态分布时区间（-1,1）或正态分布时区间（μ-1σ,μ+1σ）的面积占总面积的68.27%；②标准正态分布时区间（-1.96,1.96）或正态分布时区间（μ-1.96σ,μ+1.96σ）的面积占总面积的95%；③标准正态分布时区间（-2.58,2.58）或正态分布时区间（μ-2.58σ,μ+2.58σ）的面积占总面积的99%。如图3.2所示。 图3.2 正态曲线与标准正态曲线的面积分布

正态分布、指数分布、对数正态分布和威布尔分布函数及其在工程分析中的应用.

正态分布、指数分布、对数正态分布和威布尔分布函数及其在工程分析中的应用 071330225 张洋洋

目录 正态分布函数 (3) 正态分布应用领域 (4) 正态分布案例分析 (5) 指数分布函数 (5) 指数分布的应用领域 (6) 指数分布案例分析 (7) 对数正态分布函数 (7) 对数正态分布的应用领域 (9) 对数正态分布案例分析 (9) 威布尔分布函数 (10) 威布尔分布的应用领域 (16) 威布尔分布案例分析 (16) 附录 (18) 参考文献 (21)

正态分布函数【1】 0.20 0.15 0.10 0.05 105510 正态分布概率密度函数f（t） 蓝线：μ=-1 σ=2 红线：μ=1 σ=2 棕线：μ=-1 σ=3 绿线：μ=1 σ=3 均数μ决定正态曲线的中心位置；标准差σ决定正态曲线的陡峭或扁平程度。σ越小，曲线越陡峭；σ越大，曲线越扁平。 1.0 0.8 0.6 0.4 0.2 105510 正态分布函数F（t） 蓝线：μ=-1 σ=2 红线：μ=1 σ=2 棕线：μ=-1 σ=3 均数μ改变，图像会进行平移，标准差σ改变，图形陡峭度发生变化。σ越小，图像越陡。

1.0 0.8 0.6 0.4 0.2 105510 正态分布可靠度函数R（t） 蓝线：μ=-1 σ=2 红线：μ=1 σ=2 棕线：μ=-1 σ=3 均数μ改变，图像会进行平移，标准差σ改变，图形陡峭度发生变化。σ越小，图像越陡。 2.5 2.0 1.5 1.0 0.5 105510 正态分布失效率函数λ（t） 蓝线：μ=-1 σ=2 红线：μ=1 σ=2 棕线：μ=-1 σ=3 均数μ改变，图像会进行平移，标准差σ改变，图形陡峭度发生变化。σ越小，图像越陡。正态分布应用领域【1】 正态分布是一种最常见的连续型随机变量的分布,它在概率论和数理统计中无论在理论研究还是实际应用上都占有头等重要的地位,这是因为它在误差理论、无线电噪声理论、自动控制、产品检验、质量控制、质量管理等领域都有广泛应用.数理统计中许多重要问题的解决都是以正态分布为基础的.某些医学现象，如同质群体的身高、红细胞数、血红蛋白量、胆固醇等，以及实验中的随机误差，呈现为正态或近似正态分布；有些资料虽为偏态分布，但经数据变换后可成为正态或近似正态分布，故可按正态分布规律处理。

揭开股票软件筹码分布的骗局

揭开股票软件筹码分布的 骗局 Last updated at 10:00 am on 25th December 2020

揭开股票软件筹码分布的骗局筹码分布这个指标最开始是指南针软件陈浩推广的，后来几乎所有软件都开始使用了这个指标，现在是广大股民很熟悉的一个指标了，但是一个指标被大多数人熟知以后主力庄家也找到了对付这个指标的方法。 下面以通达信软件为例来说明这个问题。 通达信软件的筹码分布指标的成本分布设置里有一个历史换手衰减系数设置，一般情况下默认为1，即表示如果今天的换手率是10%，那么今天就有10%的筹码换手了，这天以前的筹码所占份额即是90%。 但是如果是主力庄家高度控盘的股票，主力就可以通过大量对倒来做高换手率，而实际的换手率可能并不高，这样在历史换手衰减系数设置为1的情况下筹码分布就被主力庄家人为的扭曲了，股民会看到筹码迅速地从低位转移到相对高位，从而错误地认为主力庄家已经出货了。 因为主力庄家每天对倒的量都是不固定的，有时候对倒占成交量的很大部分，有时候庄家又放弃对倒，当日成交量几乎就是真实的换手，那么怎么分辨庄家是出货还是对倒洗盘呢

资金量很大的大户可以购买专业的软件来监控主力每天的对倒行为，看到接近于真实的换手率，而资金量较小的散户可以在盘后登陆一些股票软件的网站，有的股票软件网站会免费提供一些数据，比如实际换手率等，但是一般免费的信息更新不是很及时，有时候更新较慢，但是可以作为参考，因为主力庄家运作一只股票是不可能在几天之内完成出货的。 还有就是要看股价与市场平均成本的差距，一般主力庄家运作一只股票不可能只拉升百分之二三十就出货的，如果是在距离市场平均成本百分之二三十的位置连续出现大量成交一般来说洗盘的可能较大。 另外通达信和大智慧等股票软件的流通盘数据也是有错误的，比如力合股份的流通盘数据亿股就是错误的，因为其第一大股东珠海水务和第二大股东力合创投的持股是基本不动的，所以力合股份实际流通盘为万股，股票软件按照流通盘亿股来计算筹码分布，筹码分布的数据根本就是不准确的，股民根据这个完全不准的指标来判断股票必然被主力庄家误导。 怎样才能看到完全真实的筹码分布呢 这个目前基本无法办到，只能大致估算一下。以通达信为例，如果你认为庄家的对倒盘占当日成交量的60%，实际换手只占到当日成交量的40%，那么历史换手衰减系数就可以设置为，以此类推。当然因为庄家对倒的量不固定，这个数值也不是固定的，只可以改一下历史换手衰减系数再来看筹码分布以作为参考。

筹码分布的基础知识介绍

◆一、筹码分布的基础知识 “筹码分布”的准确的学术名称应该叫“流通股票持仓成本分布”，在指南针证券分析软件中，它的英文名字叫“CYQ”。 其实，“筹码分布”是一个很中国化的名字，因为在世界范围内，可能只有中国人管股票叫筹码，或许也只有中国人把投资股票叫“炒股”。而股票一加上“炒”字，就有了更多的人为操作的味道有了更多的博弈的味道。而如果把股票的仓位叫做“筹码”，那就无异于把股市当成了赌场。这多多少少是对股市的不尊敬，但我们的股市有着浓厚的博弈色彩却是事实。在股市的这场博弈中，人们要做的是用自己的资金换取别人的筹码，再用自己的筹码换取别人的资金，于是乎就赚了别人的钱。所以对任何一个炒股的人，理解和运用筹码及筹码分布是极其重要的。 或许“筹码分布”和“CYQ”的称谓，应该有一个更贴切的名字，但这个说法大家已经用了几年，成了一种习惯，想改也比较麻烦，所以就约定俗成，暂且如此称谓吧。 “筹码分布”的市场含义可以这样理解：它反映的是在不同价位上投资者的持仓数量。 ◆二、筹码的转换过程研究与分析

股票价格的涨跌变化从表面上看仿佛只是股价的变化，但是其内在的本质却是市场中持股者手中筹码的转换变化。一轮行情的上涨与下跌均是由于市场中个股筹码在不同价位进行不断转换造成的。要对市场中个股涨跌变化的本质进入深入了解就必须要对筹码转换的过程进行综合分析。 所谓“筹码的转换过程”指的就是市场中持仓筹码由一个价位向另一个价位转换搬运的过程，筹码转换不仅仅描述的是筹码在价格上的变化过程而且筹码数量的转换。 在市场中能够造成个股筹码不断转换主要的力量是来自市场中个股背后主家的行为。市场主力的行为将直接影响到股票筹码在不同的价格区域内的转换过程。如果将筹码转换的过程简单的比喻为“筹码搬家”，那么市场主力就是“搬运工”，它们最本质的目的就是在筹码由低到高的搬运过程中显现利润。 主力完成一轮行情的炒作由以下四个阶段构成：吸筹阶段、洗盘阶段、拉升阶段、派发阶段。 吸筹阶段：此时股票筹码的价格处于相对低位，主力的主要任务是在该区间进行大量的收集廉价筹码。市场主力在该区域所

正态分布定义 (2)

正态分布 科技名词定义 中文名称：正态分布 英文名称：normal distribution 定义1：概率论中最重要的一种分布，也是自然界最常见的一种分布。该分布由两个参数——平均值和方差决定。概率密度函数曲线以均值为对称中线,方差越小，分布越集中在均值附近。 所属学科：生态学（一级学科）；数学生态学（二级学科） 定义2：一种最常见的连续性随机变量的概率分布。 所属学科：遗传学（一级学科）；群体、数量遗传学（二级学科） 本内容由全国科学技术名词审定委员会审定公布 百科名片

编辑本段 正态分布的由来 normal distribution 正态分布 一种概率分布。正态分布是具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。服从正态分布的随机变量的概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低，图像是一条位于x轴上方的钟形曲线。当μ＝0，σ2 ＝1时，称为标准正态分布，记为N（0，1）。μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。 正态分布最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。 生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，产品的强力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量，等等。一般来说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量具有正态分布（见中

筹码炒股轻松把握主力动向

筹码炒股轻松把握主力动向 筹码分布的一个重要作用是用来侦察和判断主力的行为。可以说，从诞生之日起，筹码分布的各种技术指标就是为了捉庄而设计的，这使得它们非常切近现实。 在我们的股市中，庄家和散户是不平等的。庄家拥有资金优势、信息优势以及人才优势，庄家看散户的牌非常容易，而散户想知道庄家有多少筹码却极其困难。公众投资者获知主力行为的方法，历来是打探消息。殊不知股市上绝大多数的消息都是庄家炮制的，具有极大的虚假成分。事实上，中国股市呈现出的是个很不公平很不合理的格局：庄家炒股的目的是从散户身上挣钱，而散户却不断的从庄家手中获取信息和操作建议，这可以用得到一个成语——与虎谋皮。 这真是个恐怖的格局。 或许这就是我们研究筹码分布，并最终使它产生的内在动力和原因，因为筹码分布的出现彻底改变了这一状况。 筹码分布的研究思路遵循这样的逻辑：庄家无论多么强大，他终归属于投资者的范畴，既然是投资，就需要买和卖，而只要是发生过的买和卖的行为，就会在筹码分布的技术分析图表上留下痕迹，聪明的散户可以通过分析主力进出的迹象，从而获知主力的真实意图。这样一来，散户和主力就可以互为对手了，虽然主力有各种各样的优势，但是尺有所短，寸有所长。散户们的小资金，固然不可能主动引发行情，但小有小的优点，就是完全有可能跟庄进出。在这样的前提下，

散户的利润来源成了庄家的操盘成本，这世界就公平了。 但是筹码分布反映的只是市场事实，并不能区分主力的筹码和散户的筹码，因而我们需要研究出一套在筹码分布中识别主力仓位的方法，这就是本章所要讨论的主题。 客观的说，目前此项研究尚处在比较初级的阶段。毕竟通过技术来分析庄家的行为是一个世界级的难题，目前所取得的成果虽然令人兴奋，但研究还远没有结束。 即使将来市场规范了，市场可能不再存在恶意操纵股市的庄家，但市场不可能不存在主力，投资机构的观点永远是我们必须关注的。因为这些投资机构，具有强大的调研能力及专业的分析能力，而且他们还可以通过控股来干预上市公司的运营，提升上市公司的业绩。无中生有的拉抬股价，可以被判为坐庄并遭到谴责，但是价值发现以及改变和提升上市公司的品质，却恰恰是各类大型投资机构应尽的职责。 所以，研究主力的动向和行为是技术分析永恒的目的和任务，并且也是中小投资者获取投资回报的捷径。 4．主力的吸筹 吸筹是主力介入一支股票的第一个实质性动作。当然在吸筹之前，主力需要做非常细致的调研和其他各类准备工作。这些工作一般是在极秘密的状态下进行的，否则一旦消息泄露，散户们会立刻与主力争夺低位筹码，这是主力最不愿意看到的情况。但是，只要是大规模的

股票成本(筹码)分析技法

知已知彼百战百胜 股票交易都是通过买卖双方在某个价位进行买卖成交而实现的。随着股票的上涨或下跌，在不同的价格区域产生着不同的成交量；这些成交量在不同价位的分布量，形成了股票不同价位的持仓成本。对持仓成本分布的分析和研究，是成本分析的首要任务。 股票的流通盘是固定的，100万的流通盘就有100万的流通筹码；无论流通筹码在股票中怎样分布，其累计量必然等于流通盘。股票的持仓成本就是流通盘在不同的价位有多少股票数量。对股票进行持仓成本分析具有极其重要的实战意义。 能有效地判断股票的行情性质和行情趋势； 能有效地判断成交密集区的筹码分布和变化； 能有效地识别庄家建仓和派发的全过程； 能有效地判断行情发展中重要的支撑位和阻力位。 总之，成本分析作为一种崭新的技术分析方法，在股市实战中将发挥重要作用。 第一节成本理论 成本转换原理 一轮行情发展都是由成本转换开始的，又因成本转换而结束。什么是成本转换呢？形象地说，成本转换就是筹码搬家，是指持仓筹码由一个价位向另一个价位搬运的过程；它不仅仅是股价的转换，更重要的是持仓筹码数量的转换。 股票的走势在表象上体现了股价的变化，而其内在的本质却体现了持仓成本的转换。要理解这一点，就必须对一轮行情进行过程分析。 可以说，一轮行情的跌宕起伏是与庄家的行为密不可分的。庄家行为最本质的体现是对做庄股票持仓成本的控制。如同商品交易，从低价位买进，在高价位卖出，才会产生利润。庄家的行为与商品交易有相同之处，但决不是简单的类似；它比商品交易的低买高卖有着更加丰富的内涵，它是庄家行为和市场行为的高度体现。 一轮行情主要由三个阶段构成：吸筹阶段、拉升阶段和派发阶段。 吸筹阶段的主要任务是在低位大量买进股票。吸筹是否充分，庄家持仓量的多少对其做盘有着极为重要的意义：其一、持仓量决定了其利润量；筹码越多，利润实现量越大；其二、持仓量决定了其控盘程度；吸筹筹码越多，市场筹码越少，庄家对股票的控制能力越强。同时，在吸筹阶段也常伴随着洗盘过程，迫使上一轮行情高位套牢者不断地割肉出局，庄家才能在低位吸筹承接。

正态分布的概念及表和查表方法

正态分布概念及图表 正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），最早由A·棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P·S·拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。 正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。 若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ= 0,σ= 1时的正态分布是标准正态分布。 目录 1历史发展 2定理 3定义 ?一维正态分布 ?标准正态分布 4性质 5分布曲线 ?图形特征 ?参数含义 6研究过程 7曲线应用 ?综述 ?频数分布 ?综合素质研究 ?医学参考值

历史发展 正态分布概念是由德国的数学家和天文学家Moivre于1733年首次提出的，但由于德国数学家Gauss率先将其应用于天文学家研究，故正态分布又叫高斯分布，高斯这项工作对后世的影响极大，他使正态分布同时有了“高斯分布”的名称，后世之所以多将最小二乘法的发明权归之于他，也是出于这一工作。但现今德国10马克的印有高斯头像的钞票，其上还印有正态分布的密度曲线。这传达了一种想法：在高斯的一切科学贡献中，其对人类文明影响最大者，就是这一项。在高斯刚作出这个发现之初，也许人们还只能从其理论的简化上来评价其优越性，其全部影响还不能充分看出来。这要到20世纪正态小样本理论充分发展起来以后。拉普拉斯很快得知高斯的工作，并马上将其与他发现的中心极限定理联系起来，为此，他在即将发表的一篇文章（发表于1810年）上加上了一点补充，指出如若误差可看成许多量的叠加，根据他的中心极限定理，误差理应有高斯分布。这是历史上第一次提到所谓“元误差学说”——误差是由大量的、由种种原因产生的元误差叠加而成。后来到1837年，海根（G.Hagen）在一篇论文中正式提出了这个学说。 其实，他提出的形式有相当大的局限性：海根把误差设想成个数很多的、独立同分布的“元误差”之和，每只取两值，其概率都是1/2，由此出发，按狄莫佛的中心极限定理，立即就得出误差（近似地）服从正态分布。拉普拉斯所指出的这一点有重大的意义，在于他给误差的正态理论一个更自然合理、更令人信服的解释。因为，高斯的说法有一点循环论证的气味：由于算术平均是优良的，推出误差必须服从正态分布；反过来，由后一结论又推出算术平均及最小二乘估计的优良性，故必须认定这二者之一（算术平均的优良性，误差的正态性）为出发点。但算术平均到底并没有自行成立的理由，以它作为理论中一个预设的出发点，终觉有其不足之处。拉普拉斯的理论把这断裂的一环连接起来，使之成为一个和谐的整体，实有着极重大的意义。 定理 由于一般的正态总体其图像不一定关于y轴对称，对于任一正态总体，其取值小于x 的概率。只要会用它求正态总体在某个特定区间的概率即可。 为了便于描述和应用，常将正态变量作数据转换。将一般正态分布转化成标准正态分布。 若 服从标准正态分布，通过查标准正态分布表就可以直接计算出原正态分布的概率值。故该变换被称为标准化变换（标准正态分布表：标准正态分布表中列出了标准正态曲线下从-∞到X（当前值）范围内的面积比例）。

对数正态分布(log-normal distribution)

对数正态分布 对数正态分布 机率密度函数 μ=0 累积分布函数 μ=0 参数 值域 概率密度函数

累积分布函数 期望值 中位数eμ 众数 方差 偏态 峰态 熵值 动差生成函数(参见原始动差文本) 特征函数is asymptotically divergent but sufficient for numerical purposes 在概率论与统计学中，对数正态分布是对数为正态分布的任意随机变量的概率分布。如果X 是正态分布的随机变量，则exp(X) 为对数分布；同样，如果Y是对数正态分布，则 ln(Y) 为正态分布。如果一个变量可以看作是许多很小独立因子的乘积，则这个变量可以看作是对数正态分布。一个典型的例子是股票投资的长期收益率，它可以看作是每天收益率的乘积。对于x > 0，对数正态分布的概率分布函数为 其中μ与σ分别是变量对数的平均值与标准差。它的期望值是 方差为 给定期望值与标准差，也可以用这个关系求μ与σ

目录 [隐藏] ? 1 与几何平均值和几何标准差的关系 ? 2 矩 ? 3 局部期望 ? 4 参数的最大似然估计 ? 5 相关分布 ? 6 进一步的阅读资料 ?7 参考文献 ?8 参见 [编辑]与几何平均值和几何标准差的关系 对数正态分布、几何平均数与几何标准差是相互关联的。在这种情况下，几何平均值等于exp(μ)，几何平均差等于 exp(σ)。 如果采样数据来自于对数正态分布，则几何平均值与几何标准差可以用于估计置信区间，就像用算术平均数与标准差估计正态分布的置信区间一样。 其中几何平均数μgeo = exp(μ)，几何标准差σgeo = exp(σ) [编辑]矩 原始矩为：

股票趋势技术分析

股票趋势技术分析 第四章道氏理论的实际运用 在这一点上，读者如果事先对股票市场没有任何认识，可 能就难以在实际中消化这些内容。道氏理论内容极多，在 前一章中我们事先对道氏原则作了解释以易于读者进一步 理解。实际上，我们所列举的十二个要点并不是同等重要，基本规则包括在，，，，，和中。当然，第1581110234 条是基本的假设，是这些原则的理论上的判断，其它几点，，和则属于背景素材，是作为新闻记者常使用12)9(67的。但道氏理论毕竟是用于分析市场。你也许能一字

不差地记住道氏原则，然而一旦你试图将其运用到实际市场操作中时就会不知所措。只有真正具有几年的市场经验而且弄清楚道氏理论家眼中的市场行为是什么，我们才有可能将这一理论融会贯通。出于这一目的，我们以年1941后半年到年前期这一时段为例，来做一说明。这一时1947期包括了一轮熊市的收尾，一轮完整的长期牛市以及另一轮熊市的一部分，囊括道氏理论所涉及的市场现象中绝大多典型范例。 道氏理论对市场年历史的解释5 示图是一简图，表明了两个道·琼斯指数从年月12 1941 日至年月日的变化情况，在这一图表上，只31121946 1．

标明了所有认同的中等涨跌基本的和次等的趋势而忽略了)( 绝大多数小趋势的发展。我们将使用完整的每日图表来详 细分析这一过程的某些部分。 年以一个小反弹开始。一轮基本熊市在年春季19401941 价格暴跌时就已表现出来，这一轮熊市现在仍作用于市场。 月恐慌之后，一个次等回弹出现，持续了五个多月，指数5 回升超过了前期跌落幅度的一半还多，工业指数收市价从 月日的回升至月日的，铁路指数138.1210111.8496 11 也由月日收市价回升至月日的在30.29(1422.14115 21 这样一个长期熊市的次级阶段，偶尔交易量也会在反弹中

操盘绝密-利用筹码分布和换手率分析主力行为.

" 筹码分布 " 即 CYQ 的准确的学术名称应该叫 " 流通股票持仓成本分布 " , " 筹码分布 " 的市场含义可以这样理解:它反映的是在不同价位上投资者的持仓数量。筹码分布的一个重要作用是用来侦察和判断主力的行为。可以说,从诞生之日起 , 筹码分布的各种技术指标就是为了捉庄而设计的, 这使得它们非常切近现实。 在我们的股市中,庄家和散户是不平等的。庄家拥有资金优势、信息优势以及人才优势 , 庄家看散户的牌非常容易, 而散户想知道庄家有多少筹码却极其困难。公众投资者获知主力行为的方法,历来是打探消息。殊不知股市上绝大多数的消息都是庄家炮制的,具有极大的虚假成分。事实上,中国股市呈现出的是个很不公平很不合理的格局 :庄家炒股的目的是从散户身上挣钱, 而散户却不断的从庄家手中获取信息和操作建议,这可以用得到一个成语 --与虎谋皮。这真是个恐怖的格局。 或许这就是我们研究筹码分布,并最终使它产生的内在动力和原因,因为筹码分布的出现彻底改变了这一状况。 那么 , 如何利用筹码分布分析主力行为? 筹码分布的研究思路遵循这样的逻辑 :庄家无论多么强大,他终归属于投资者的范畴,既然是投资,就需要买和 卖 , 而只要是发生过的买和卖的行为, 就会在筹码分布的技术分析图表上留下痕迹,聪明的散户可以通过分析主力进出的迹象,从而获知主力的真实意图。这样一来,散户和主力就可以互为对手了,虽然主力有各种各样的优势,但是尺有所短,寸有所长。散户们的小资金,固然不可能主动引发行情,但小有小的优点, 就是完全有可能跟庄进出。在这样的前提下, 散户的利润来源成了庄家的操盘成本,这世界就公平了。但是筹码分布反映的只是市场事实,并不能区分主力的筹码和散户的筹码 , 因而我们需要研究出一套在筹码分布中识别主力仓位的方法, 这就所要讨论的主题。 客观的说,目前此项研究尚处在比较初级的阶段。毕竟通过技术来分析庄家的行为是一个世界级的难题 , 目前所取得的成果虽然令人兴奋, 但研究还远没有结束。即使将来市场规范了,市场可能不再存在恶意操纵股市的庄家,但市场不可能不存在主力,投资机构的观点永远是我们必须关注的。因为这些投资机构 , 具有强大的调研能力及专业的分析能力, 而且他们还可以通过控股来干预上市公司的运营,提

论正态分布的重要地位和应用2要点

学部：工学部 学生姓名：王梅影 学号：2011070102021 年级：2011级 专业班级：信息与计算科学 指导教师：赵姣珍职称：讲师完成时间：2015/5/15 中国·贵州·贵阳

成果声明 本人的毕业论文是在贵州民族大学人文科技学院赵姣珍老师的指导下独立撰写并完成的。毕业论文没有剽窃、抄袭、造假等违反学术道德、学术规范和侵权行为，除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。 论文作者签名： 日期年月日

目录 摘要 (1) Abstract (2) 1绪论 (3) 1.1研究背景 (3) 1.2研究目的 (3) 1.3研究现状 (4) 1.4研究意义 (4) 2 正态分布相关知识介绍 (5) 2.1正态分布的概念 (5) 2.2正态分布曲线特性 (5) 2.3 标准正态分布 (8) 3 正态分布的应用 (9) 3.1 正态分布应用实例 (9) 3.1.1 正态分布在生产中的应用 (9) 3.1.2正态分布在日常生活中的应用 (10) 3.1.3正态分布在销售分类中的应用 (11) 3.1.4正态分布在工作学习中的应用 (12) 3.1.5 正态分布在仪器测量中的应用 (12) 3.2 正态分布的应用价值 (14) 总结 (15) 参考文献 (16) 致谢 (17)

摘要：正态分布是一种最常见的连续型随机变量的分布,是概率论中最重要的一中分布.在理论上和实际生活中正态分布具有重要地位，数理统计中的正态分布是很多重要问题的解决的基础，在理论研究中占有举足轻重的地位.本文首先针对正态分布这一理论研究与实际应用都占有重要地位的概率分布展开分析研究，从其基本概念出发，然后分析其特性以及各种应用价值，最后通过一系列研究给出正态分布具有重大作用的理论依据. 关键词：正态分布标准正态分布方差标准差