股指期貨1904

㈠ 市場點評：指數再度下跌，等待企穩後逐步參與

重點推薦
銀保監會：支持部分省份因地制宜對轄內城商行聯合重組
國資委：搶抓5G、工業互聯網、數據中心等新基建投資機遇
 
市場點評
市場點評：指數再度下跌，等待企穩後逐步參與
環保工程行業：國家綠色發展基金成立，關注環保低估值龍頭
 
新股提示                        
無
期貨情報
金屬能源：黃金399.6,跌0.82%；銅51510,漲0.45%；螺紋鋼3706，跌0.35%；橡膠10635，漲0.38%；PVC指數6530，跌0.61%；鄭醇1812,跌1.41%；滬鋁14145,跌0.35%；滬鎳106920，跌0.32%；鐵礦820.5，跌1.08%；焦炭1904,漲0.52%；焦煤1203，漲0.29%；原油302.1，跌1.18%；
農產品：豆油5990,漲0.54%；玉米2154,跌0.05%；棕櫚油5336,漲0.53%；棉花12030,漲0.12%；鄭麥2516,漲0.16%；白糖5170,跌0.54%；蘋果7581，跌2.72%；
匯率：歐元/美元1.1383,跌0.25%；美元/人民幣6.9950，漲0.19%；美元/港元7.7531，漲0.01%。
 
(以上期貨數據來自上海期貨交易所、大連商品交易所、鄭州商品交易所)
 
重點推薦
1、銀保監會：支持部分省份因地制宜對轄內城商行聯合重組
銀保監會城市銀行部副主任劉榮7月16日在銀保監會線上通氣會上表示，城商行風險總體可控。銀保監會支持因地制宜、綜合施策，積極推動深化城商行改革和化解風險，支持部分省份因地制宜對轄內城商行採取聯合重組等方式，深化改革化解風險。目前，有的省份轄內的中小機構改革重組工作正在有序推進。
點評：支持部分省份因地制宜對轄內城商行採取聯合重組等方式，深化改革化解風險，銀監會這個表態，對城商行構成利好。A股市場上城商行類個股基本面普遍較好，預計短期將有活躍表現機會。
（投資顧問  蔡 勁  注冊投資顧問證書編號： S0260611090020）
2、國資委：搶抓5G、工業互聯網、數據中心等新基建投資機遇
國資委秘書長、新聞發言人彭華崗介紹，下半年要充分發揮中央企業穩投資的重要作用，穩妥有序落實好全年投資計劃安排。繼續引導支持企業重點圍繞提升產業基礎能力，突破產業鏈關鍵核心技術薄弱環節、維護產業鏈安全等領域加大投資力度，搶抓5G、工業互聯網、數據中心等新基建投資機遇，積極有序推進項目開工建設，做好高質量投資項目的儲備，積極吸納社會資本，拓寬融資渠道。
點評：搶抓5G、工業互聯網、數據中心等新基建投資機遇，積極有序推進項目開工建設，必然對相關行業上市公司構成利好，但之前此幾個板塊概念個股普遍經歷過幾輪炒作，預計5G、工業互聯網、數據中心等新基建板塊概念個股短期將有活躍機會，但反彈力度有限，不建議盲目追漲操作。
（投資顧問  蔡 勁  注冊投資顧問證書編號： S0260611090020）
 
市場點評
1、市場點評：指數再度下跌，等待企穩後逐步參與
周四兩市大盤指數震盪收跌，成交量比周三縮小，兩市合計成交15061億元。具體來看，滬指收盤下跌4.50%，收報3210.10點；深成指下跌5.37%，收報12996.3點；創業板指下跌5.93%，收報2646.26點。
盤面上看，個股普跌行情，僅環保概念股稍顯強勢。從走勢上看，3大指數均跌破10日線，短期預計在20日線附近獲得支撐，中期依舊向好。
操作上，市場恐慌情緒蔓延，建議等待指數企穩後再逐步參與。建議關注中報業績預期向好的個股以及食品飲料、消費電子和新能源產業鏈和晶元半導體板塊中優質品種的投資機會。
（投資顧問  楊冬  注冊投資顧問證書編號：S0260615080007）
2、環保工程行業：國家綠色發展基金成立，關注環保低估值龍頭
7 月 15 日，規模885億元的國家綠色發展基金（以下簡稱「綠色基金」）正式揭牌。綠色基金由財政部、生態環境部和上海市三方發起，財政部、國開行等金融機構、長江經濟帶沿線11省市財政廳等共同出資，其中財政部出資 100 億元。綠色基金採用公司制，由上海市牽頭負責。
點評:國家綠色發展基金的成立，將有效緩解環保行業資產負債率高、現金流差的困境，加快長江經濟帶沿線綠色發展項目建設。環保行業估值有望實現整體抬升，建議關注的低估值環保行業龍頭，包括固廢板塊、水務板塊、環境修復板塊、清潔能源板塊等。
（投資顧問楊冬  注冊投資顧問證書編號：S0260615080007）
 

㈡ 股市的周二效應是什麼意思

先說句體外的事情。今天散戶和游資再次站在了一起，游資開始反擊了， 今天漲停的個股在盤口上掛出了641 748 74 等等不滿，作為股民都知道，當今的股市掌門人江湖人稱641.
平心而論，我對劉主席的做飯感覺大局上是對的，方法上有待商榷。不應如此大規模、密集的出台監管政策，要考慮一下市場的承受力度。同時要在法律的框架下進行監管。現在階段，股市裡主要的矛盾是 監管趨嚴同法律體系建設嚴重滯後的矛盾；股民大面積虧損同監管層想要的環境之間的矛盾。
比較悲慘的：事到如今，指數在3100點之上，而在2600點抄底被套的個股截止上周五有891家，經過周一的繼續個股暴跌 我想應該接近1000家了，結構性矛盾愈發明顯。監管層需要的慢牛同股民心裡和顯示出現了巨大的反差。我想這樣慢牛不要也罷，漂亮50指數同悲慘3000指數如此差價巨大，全世界那個國家都沒有。
言歸正傳，當前股市到底到了什麼階段，會如何走，我想這點是大家急切需要關注的。
當前，上證指數已經失真了，我重點來說一下中小創指數。
可以明確的是，在中小板和創業板在年前就出現了周線級別的大底部左側。中小板6000點，創業板1800點附近就是左側了。對於結構而言，當前在構建的是第4次周線底背離， 而且這個趨勢愈發明顯。創業板率先達到 周線第4次底部標准，也就是最後一次的右側底部出現。如圖：
X
由於行情是周線級別的，因此折騰一下就是按照周計算，否則也不會出現中小創個股年後一連漲了12周。在此我要告訴大家要把眼觀放的長遠一些，因為目前是牛市的啟動階段，具體是中小創的牛市起步階段，比上證50要晚。歷年來牛市起步前夕總會有劇烈的折騰。而且兩條腿的後一條腿 總是十分的讓人煎熬。
現在的觀點是放眼長遠，大不了就等於3044點在重來一次，要抱有這種思想，要知道當年的公募一哥的持股周期平均在10個月以上。
周二要做的是：持股的裝死，有錢的買股！大資金融資。

㈢ 股指期貨的收益（或損失）是炒股票的幾倍

1、股指期貨的收益損失與股票不同。舉個例子我們買股票花1000元當價格下跌10%的時候，我們損失是10%也就是100元。而股指期貨由於有杠桿因素，截至目前國內的股指期貨杠桿比例大約為1：5.，舉個例子我們買股指花1000元，由於有杠桿的因素這個1000元被放大到5000元的價值來承受盈虧，當我們虧損10%的時候相當於5000元虧損10%也就是500元，而對於實際投入的1000元資金來說我們實際虧損了50%！
2、以2012年2月3日IF1202收盤2509點來算，股指保證金最高為18%，每點價值為300元，最低一手的保證金應為135486元。目前中金所規定股指自然人開戶最低為50萬元。開倉手數最低1手！
3、股指期貨按照合約進行交易，截止目前股指交易持倉最遲要在下一個月的第三個周五之前平倉。
4、想做股指期貨需要去期貨公司，或者有資質的證券公司去單獨開立股指期貨交易賬戶，目前炒股指需要以下條件：
第一，投資者開戶的資金門檻為50萬元。
第二，擬參與股指期貨交易的投資者需通過股指期貨知識測試。據了解，該測試將由中金所提供考題，期貨公司負責具體操作，合格分數線為80分。
第三，投資者必須具有累計10個交易日、20筆以上的股指期貨模擬交易成交記錄，或者最近三年內具有10筆以上的商品期貨交易成交記錄。
開戶到真正交易大約需要2到3天左右。
5、目前國內能做的股指期貨只有中金所的滬深300，如果是1700點的話，按照每點300元，保證金18%算，買入一手股指需要1700*300*18%=91800元。當價格每漲1點1手合約賺300元。91800/300=306點，即股指漲306點達到2006點的時候1手合約即可獲得100%的收益，10倍的話306*10=3060點，當價格達到4760時1手合約獲得10倍收益！

㈣ 量化投資—策略與技術的作品目錄

《量化投資—策略與技術》
策略篇
第 1章 量化投資概念
1.1 什麼是量化投資 2
1.1.1 量化投資定義 2
1.1.2 量化投資理解誤區 3
1.2 量化投資與傳統投資比較 6
1.2.1 傳統投資策略的缺點 6
1.2.2 量化投資策略的優勢 7
1.2.3 量化投資與傳統投資策略的比較 8
1.3 量化投資歷史 10
1.3.1 量化投資理論發展 10
1.3.2 海外量化基金的發展 12
1.3.3 量化投資在中國 15
1.4 量化投資主要內容 16
1.5 量化投資主要方法 21
.第 2章 量化選股 25
2.1 多因子 26
2.1.1 基本概念 27
2.1.2 策略模型 27
2.1.3 實證案例：多因子選股模型 30
2.2 風格輪動 35
2.2.1 基本概念 35
2.2.2 盈利預期生命周期模型 38
2.2.3 策略模型 40
2.2.4 實證案例：中信標普風格 41
2.2.5 實證案例：大小盤風格 44
2.3 行業輪動 47
2.3.1 基本概念 47
2.3.2 m2行業輪動策略 50
2.3.3 市場情緒輪動策略 52
2.4 資金流 56
2.4.1 基本概念 56
2.4.2 策略模型 59
2.4.3 實證案例：資金流選股策略 60
2.5 動量反轉 63
2.5.1 基本概念 63
2.5.2 策略模型 67
2.5.3 實證案例：動量選股策略和反轉選股策略 70
2.6 一致預期 73
2.6.1 基本概念 74
2.6.2 策略模型 76
2.6.3 實證案例：一致預期模型案例 78
2.7 趨勢追蹤 84
2.7.1 基本概念 84
2.7.2 策略模型 86
2.7.3 實證案例：趨勢追蹤選股模型 92
2.8 籌碼選股 94
2.8.1 基本概念 95
2.8.2 策略模型 97
2.8.3 實證案例：籌碼選股模型 99
2.9 業績評價 104
2.9.1 收益率指標 104
2.9.2 風險度指標 105
第 3章 量化擇時 111
3.1 趨勢追蹤 112
3.1.1 基本概念 112
3.1.2 傳統趨勢指標 113
3.1.3 自適應均線 121
3.2 市場情緒 125
3.2.1 基本概念 126
3.2.2 情緒指數 128
3.2.3 實證案例：情緒指標擇時策略 129
3.3 有效資金 133
3.3.1 基本概念 133
3.3.2 策略模型 134
3.3.3 實證案例：有效資金擇時模型 137
3.4 牛熊線 141
3.4.1 基本概念 141
3.4.2 策略模型 143
3.4.3 實證案例：牛熊線擇時模型 144
3.5 husrt指數 146
3.5.1 基本概念 146
3.5.2 策略模型 148
3.5.3 實證案例 149
3.6 支持向量機 152
3.6.1 基本概念 152
3.6.2 策略模型 153
3.6.3 實證案例：svm擇時模型 155
3.7 swarch模型 160
3.7.1 基本概念 160
3.7.2 策略模型 161
3.7.3 實證案例：swarch模型 164
3.8 異常指標 168
3.8.1 市場雜訊 168
3.8.2 行業集中度 170
3.8.3 興登堡凶兆 172
第 4章 股指期貨套利 180
4.1 基本概念 181
4.1.1 套利介紹 181
4.1.2 套利策略 183
4.2 期現套利 185
4.2.1 定價模型 185
4.2.2 現貨指數復制 186
4.2.3 正向套利案例 190
4.2.4 結算日套利 192
4.3 跨期套利 195
4.3.1 跨期套利原理 195
4.3.2 無套利區間 196
4.3.3 跨期套利觸發和終止 197
4.3.4 實證案例：跨期套利策略 199
4.3.5 主要套利機會 200
4.4 沖擊成本 203
4.4.1 主要指標 204
4.4.2 實證案例：沖擊成本 205
4.5 保證金管理 208
4.5.1 var方法 208
4.5.2 var計算方法 209
4.5.3 實證案例 211
第 5章 商品期貨套利 214
5.1 基本概念 215
5.1.1 套利的條件 216
5.1.2 套利基本模式 217
5.1.3 套利准備工作 219
5.1.4 常見套利組合 221
5.2 期現套利 225
5.2.1 基本原理 225
5.2.2 操作流程 226
5.2.3 增值稅風險 230
5.3 跨期套利 231
5.3.1 套利策略 231
5.3.2 實證案例：pvc跨期套利策略 233
5.4 跨市場套利 234
5.4.1 套利策略 234
5.4.2 實證案例：倫銅—滬銅跨市場套利 235
5.5 跨品種套利 236
5.5.1 套利策略 237
5.5.2 實證案例 238
5.6 非常狀態處理 240
第 6章 統計套利 242
6.1 基本概念 243
6.1.1 統計套利定義 243
6.1.2 配對交易 244
6.2 配對交易 247
6.2.1 協整策略 247
6.2.2 主成分策略 254
6.2.3 績效評估 256
6.2.4 實證案例：配對交易 258
6.3 股指套利 261
6.3.1 行業指數套利 261
6.3.2 國家指數套利 263
6.3.3 洲域指數套利 264
6.3.4 全球指數套利 266
6.4 融券套利 267
6.4.1 股票—融券套利 267
6.4.2 可轉債—融券套利 268
6.4.3 股指期貨—融券套利 269
6.4.4 封閉式基金—融券套利 271
6.5 外匯套利 272
6.5.1 利差套利 273
6.5.2 貨幣對套利 275
第 7章 期權套利 277
7.1 基本概念 278
7.1.1 期權介紹 278
7.1.2 期權交易 279
7.1.3 牛熊證 280
7.2 股票/期權套利 283
7.2.1 股票—股票期權套利 283
7.2.2 股票—指數期權套利 284
7.3 轉換套利 285
7.3.1 轉換套利 285
7.3.2 反向轉換套利 287
7.4 跨式套利 288
7.4.1 買入跨式套利 289
7.4.2 賣出跨式套利 291
7.5 寬跨式套利 293
7.5.1 買入寬跨式套利 293
7.5.2 賣出寬跨式套利 294
7.6 蝶式套利 296
7.6.1 買入蝶式套利 296
7.6.2 賣出蝶式套利 298
7.7 飛鷹式套利 299
7.7.1 買入飛鷹式套利 300
7.7.2 賣出飛鷹式套利 301
第 8章 演算法交易 304
8.1 基本概念 305
8.1.1 演算法交易定義 305
8.1.2 演算法交易分類 306
8.1.3 演算法交易設計 308
8.2 被動交易演算法 309
8.2.1 沖擊成本 310
8.2.2 等待風險 312
8.2.3 常用被動型交易策略 314
8.3 vwap演算法 316
8.3.1 標准vwap演算法 316
8.3.2 改進型vwap演算法 319
第 9章 其他策略 323
9.1 事件套利 324
9.1.1 並購套利策略 324
9.1.2 定向增發套利 325
9.1.3 套利重倉停牌股票的投資組合 326
9.1.4 封閉式投資組合套利 327
9.2 etf套利 328
9.2.1 基本概念 328
9.2.2 無風險套利 330
9.2.3 其他套利 334
9.3 lof套利 335
9.3.1 基本概念 335
9.3.2 模型策略 336
9.3.3 實證案例：lof 套利 337
9.4 高頻交易 341
9.4.1 流動性回扣交易 341
9.4.2 獵物演算法交易 342
9.4.3 自動做市商策略 343
9.4.4 程序化交易 343
理論篇
第 10章 人工智慧 346
10.1 主要內容 347
10.1.1 機器學習 347
10.1.2 自動推理 350
10.1.3 專家系統 353
10.1.4 模式識別 356
10.1.5 人工神經網路 358
10.1.6 遺傳演算法 362
10.2 人工智慧在量化投資中的應用 366
10.2.1 模式識別短線擇時 366
10.2.2 rbf神經網路股價預測 370
10.2.3 基於遺傳演算法的新股預測 375
第 11章 數據挖掘 381
11.1 基本概念 382
11.1.1 主要模型 382
11.1.2 典型方法 384
11.2 主要內容 385
11.2.1 分類與預測 385
11.2.2 關聯規則 391
11.2.3 聚類分析 397
11.3 數據挖掘在量化投資中的應用 400
11.3.1 基於som 網路的股票聚類分析方法 400
11.3.2 基於關聯規則的板塊輪動 403
第 12章 小波分析 407
12.1 基本概念 408
12.2 小波變換主要內容 409
12.2.1 連續小波變換 409
12.2.2 連續小波變換的離散化 410
12.2.3 多分辨分析與mallat演算法 411
12.3小波分析在量化投資中的應用 414
12.3.1 k線小波去噪 414
12.3.2 金融時序數據預測 420
第 13章 支持向量機 429
13.1 基本概念 430
13.1.1 線性svm 430
13.1.2 非線性svm 433
13.1.3 svm分類器參數選擇 435
13.1.4 svm分類器從二類到多類的推廣 436
13.2 模糊支持向量機 437
13.2.1 增加模糊後處理的svm 437
13.2.2 引入模糊因子的svm訓練演算法 439
13.3 svm在量化投資中的應用 440
13.3.1 復雜金融時序數據預測 440
13.3.2 趨勢拐點預測 445
第 14章 分形理論 452
14.1 基本概念 453
14.1.1 分形定義 453
14.1.2 幾種典型的分形 454
14.1.3 分形理論的應用 456
14.2 主要內容 457
14.2.1 分形維數 457
14.2.2 l系統 458
14.2.3 ifs系統 460
14.3 分形理論在量化投資中的應用 461
14.3.1 大趨勢預測 461
14.3.2 匯率預測 466
第 15章 隨機過程 473
15.1 基本概念 473
15.2 主要內容 476
15.2.1 隨機過程的分布函數 476
15.2.2 隨機過程的數字特徵 476
15.2.3 幾種常見的隨機過程 477
15.2.4 平穩隨機過程 479
15.3 灰色馬爾可夫鏈股市預測 480
第 16章 it技術 486
16.1 數據倉庫技術 486
16.1.1 從資料庫到數據倉庫 487
16.1.2 數據倉庫中的數據組織 489
16.1.3 數據倉庫的關鍵技術 491
16.2 編程語言 493
16.2.1 GPU演算法交易 493
16.2.2 MATLAB 語言 497
16.2.3 c#語言 504
第 17章 主要數據與工具 509
17.1 名策多因子分析系統 509
17.2 MultiCharts：程序化交易平台 511
17.3 交易開拓者：期貨自動交易平台 514
17.4 大連交易所套利指令 518
17.5 mt5：外匯自動交易平台 522
第 18章 量化對沖交易系統：D-alpha 528
18.1 系統構架 528
18.2 策略分析流程 530
18.3 核心演算法 532
18.4 驗證結果 534
表目錄
表1 1 不同投資策略對比 7
表2 1 多因子選股模型候選因子 30
表2 2 多因子模型候選因子初步檢驗 31
表2 3 多因子模型中通過檢驗的有效因子 32
表2 4 多因子模型中剔除冗餘後的因子 33
表2 5 多因子模型組合分段收益率 33
表2 6 晨星市場風格判別法 36
表2 7 夏普收益率基礎投資風格鑒別 37
表2 8 中信標普風格指數 41
表2 9 風格動量策略組合月均收益率 43
表2 10 大小盤風格輪動策略月收益率均值 46
表2 11 中國貨幣周期分段（2000—2009年） 49
表2 12 滬深300行業指數統計 50
表2 13 不同貨幣階段不同行業的收益率 51
表2 14 招商資金流模型（cmsmf）計算方法 58
表2 15 招商資金流模型（cmsmf）選股指標定義 59
表2 16 資金流模型策略——滬深300 61
表2 17 資金流模型策略——全市場 62
表2 18 動量組合相對基準的平均年化超額收益（部分） 68
表2 19 反轉組合相對基準的平均年化超額收益(部分) 69
表2 20 動量策略風險收益分析 71
表2 21 反轉策略風險收益分析 73
表2 22 趨勢追蹤技術收益率 93
表2 23 籌碼選股模型中單個指標的收益率情況對比 99
表3 1 ma指標擇時測試最好的20 組參數及其表現 117
表3 2 4個趨勢型指標最優參數下的獨立擇時交易表現比較 120
表3 3 有交易成本情況下不同信號個數下的綜合擇時策略 120
表3 4 自適應均線擇時策略收益率分析 124
表3 5 市場情緒類別 126
表3 6 滬深300指數在不同情緒區域的當月收益率比較 128
表3 7 滬深300指數在不同情緒變化區域的當月收益率比較 129
表3 8 滬深300指數在不同情緒區域的次月收益率比較 130
表3 9 滬深300指數在不同情緒變化區域的次月收益率比較 130
表3 10 情緒指數擇時收益率統計 132
表3 11 svm擇時模型的指標 156
表3 12 svm對滬深300指數預測結果指標匯總 156
表3 13 svm擇時模型在整體市場的表現 156
表3 14 svm擇時模型在單邊上漲市的表現 157
表3 15 svm擇時模型在單邊下跌市的表現 158
表3 16 svm擇時模型在震盪市的表現 159
表3 17 雜訊交易在熊市擇時的收益率 170
表4 1 各種方法在不同股票數量下的跟蹤誤差（年化） 190
表4-2 股指期貨多頭跨期套利過程分析 199
表4 3 不同開倉比例下的不同保證金水平能夠覆蓋的市場波動及其概率 211
表4 4 不同倉單持有期下的保證金覆蓋比例 212
表6 1 融券標的股票中在樣本期內最相關的50 對組合（部分） 248
表6 2 殘差的平穩性、自相關等檢驗 249
表6 3 在不同的閾值下建倉、平倉所能獲得的平均收益 251
表6 4 採用不同的模型在樣本內獲取的收益率及最優閾值 252
表6 5 採用不同的模型、不同的外推方法在樣本外獲取的收益率（%） 253
表6 6 主成分配對交易在樣本內取得的收益率及最優閾值 255
表6 7 主成分配對交易在樣本外的效果 255
表6-8 各種模型下統計套利的結果 256
表6 9 延後開倉+提前平倉策略實證結果 260
表6 10 各行業的配對交易結果 261
表7 1 多頭股票-期權套利綜合分析表 283
表7 2 多頭股票—股票期權套利案例損益分析表 284
表7 3 多頭股票-指數期權套利案例損益分析表 285
表7 4 轉換套利分析過程 286
表7 5 買入跨式套利綜合分析表 289
表7 6 買入跨式套利交易細節 289
表7 7 賣出跨式套利綜合分析表 291
表7 8 賣出跨式套利交易細節 292
表7 9 買入寬跨式套利綜合分析表 293
表7 10 賣出寬跨式套利綜合分析表 294
表7 11 買入蝶式套利綜合分析表 296
表7 12 賣出蝶式套利綜合分析表 298
表7 13 買入飛鷹套利分析表 300
表7 14 賣出飛鷹式套利綜合分析表 301
表9 1 主要並購方式 324
表9 2 並購套利流程 325
表9 3 鵬華300 lof兩次正向套利的情況 339
表9 4 鵬華300 lof兩次反向套利的情況 340
表10 1 自動推理中連詞系統 352
表10 2 模式識別短線擇時樣本數據分類 369
表10 3 rbf神經網路股價預測結果 375
表10 4 遺傳演算法新股預測參數設置 379
表10 5 遺傳演算法新股預測結果 380
表11 1 決策樹數據表 389
表11 2 關聯規則案例數據表 392
表11 3 som股票聚類分析結果 403
表11 4 21種股票板塊指數布爾關系表數據片斷 404
表12 1 深發展a日收盤價小波分析方法預測值與實際值比較 427
表12 2 不同分解層數的誤差均方根值 428
表13 1 svm滬深300指數預測誤差情況 445
表13 2 svm指數預測和神經網路預測的比較 445
表13 3 技術反轉點定義與圖型 448
表13 4 svm趨勢拐點預測結果 450
表14 1 持續大漲前後分形各主要參數值 463
表14 2 持續大跌前後分形個主要參數值 465
表14 3 外匯r/ s 分析的各項指標 469
表14 4 v(r/s)曲線回歸檢驗 470
表15 1 灰色馬爾可夫鏈預測深證成指樣本內（2005/1—2006/8） 484
表15 2 灰色馬爾可夫鏈預測深證成指樣本外（2006/9—2006/12） 484
表16-1 vba的12種數據類型 499
表18-1 d-alpha系統在全球市場收益率分析 534

㈤ 滬深1904和1905是什麼意思

股指期貨合約代碼，今年4月份和5月份到期的合約。