人工股票市場

⑴ 九十年代股票市場是人工操作的嗎

只能說那時候的下單和入單是人工操作，不過結算那些是電腦操作的啦

⑵ 中國股市

因1999年前的股市規模太小，故省略。
1999年2月的1047點到2001年6月2245點為牛市回。
2001年6月的2245點到答2005年6月998點為熊市。
2005年6月的998點到2007年10月的6124點為牛市。
2007年10月的6124點到2008年10月1664點為熊市。
2008年10月的1664點到2009年7月的3478點為牛市。.
2009年7月3478點到今為止仍為熊市。

⑶ 股票市場那麼多股票如何選股

全高效選股法

前往陌生城市和景區，我們會不自覺地看看地圖查查路線，也會網上搜攻略，怎麼去最方便，當地又有什麼好玩景點。

90年代自駕，需要翻閱省級、縣市級紙質交通地圖進行路線規劃，向有經驗的前輩咨詢最優路線，時間久了也慢慢形成個人最優路線。領隊者，必要時還要提前現場勘察、規劃線路。

現在，我們只需要一個手機，輸入目的地就能獲得多種不同的路線方案，根據個人條件選擇合適方案即可。雖然不一定是最快的，對於首次前往，卻是最優解。

每次自駕遠行，我都要開啟某度地圖，一開始都是老老實實走軟體提示的路線，後面路線熟悉之後，中間會走幾條未提供的小近道。

投資交易，也是如此，有路徑可尋！

我們都知道：
交易，離不開運氣、技術、時間，三者共同作用，缺一不可。

我一直認為：
基金最簡單，期貨最純粹，股票最復雜。

股票靠運氣，技術為輔，耐力為佐，時間為使。

期貨靠技術，耐力為輔，運氣為佐，時間為使。

基金靠耐力，運氣為輔，技術為佐，時間為使。

期貨和基金，標的選擇相對簡單。

期貨：

只要選擇交易活躍品種的主力合約即可，未來主力合約也行。

基金：

選擇AB股總市值靠前的歷史波動較大的ETF標的即可，如滬深300、中證500、上證50、創業板、醫葯、消費…

股票：

那就難了，市場標的多、地雷多、黑天鵝多，同時受政策和消息面影響較大，交易基本靠蒙、靠猜、靠運氣，如若運氣不佳買進之時就是山頂站崗之時，甚至面臨退市，看看樂視網ST之流。

馬化騰也並不能賣在階段最高點，反而後面繼續大漲，連他都無法預估本公司股價走勢，更何況我們這些普通投資者呢？基本上不可能有條件和能力，對一個公司進行全面了解，更不用說市場上千千萬萬投資標的了。

我們如何選股，才能保證交易中盡可能少踩雷、少入坑、不遇黑天鵝呢？哪怕因負面消息影響，也能盡早解脫，以此保證賬戶長期存活，靜等運氣加持，風口到來。

出行看地圖，交易靠軟體。

專業的事讓專業的人去做，我們只要在後面享受成果就行了。

交易軟體已經為普通投資者，提供了基本投資路徑，一條相對安全高效選股捷徑。

我們都知道交易軟體風格板塊里，有社保重倉、券商重倉、保險重倉、QFII重倉、信託重倉、北上重倉、養老金、滬港通、深港通、MSCI等機構板塊。機構之所以敢重倉，會新進，有減倉，必定是將標的公司上上下下，里里外外摸得透透的。

我們以這些板塊股票為基礎，依據基本面、技術面、概念、地區、行業等個人偏好，形成基本股票池，不僅省心省力，還盡可能保證交易中少踩雷、少入坑、少遇黑天鵝。

我喜歡把風格板塊中的高質押股、虧損股、預計轉虧等股票剔除，再把概念板塊中的ST板塊股票剔除。

機構板塊個股定期有增減，雖然各個板塊集合在一起，加加減減，也不是難事，但總歸花費不少時間。

能用機器，絕不用人工。我們學會了軟體選股，編輯一個指標公式就OK了。

⑷ 人工智慧的出現對如今的股票市場來說具有怎樣的意義

股市是一個心理的市場，人工智慧也是無法掌握整個市場的變化。而且在散戶佔大多數的情況下，人工智慧的影響，是微乎其微的。

⑸ 華爾街人工智慧炒股用了多少台電腦

用的是超級計算機，如果是是普通的台式機我只能說你太了

Shaunak Khire 的團隊開發了一套機器智能系統 Emma AI，正在募資成立一支基金，計劃三個月內用 Emma AI 開始交易投資。現在資金籌措工作接近完成。
根據 Emma AI 官網的信息，這套系統是一個機器增強神經搜索界面，被設計用來做金融分析、調研、預測等工作，如預測美國收十年期國債收益率。
作為 Emma AI 的項目負責人，Shaunak Khire 是投資公司 Magha 控股的合夥人，這家公司編制金融指數並據此交易。

�0�2此外，他還在 2010 年成為柯林頓全球倡議（Clinton Global Initiative）科技委員會成員，當年海地地震發生後，為柯林頓-布希基金進行簡訊捐款方案的嘗試。
今後 Emma AI 的交易會從醫葯巨頭葛蘭素史克（GSK）、特斯拉以及美國國債等品種開始。�0�2

Shaunak Khire 認為 Emma AI 可以代替金融分析師，並表示 Emma AI 跟傳統程序化交易不一樣，Emma AI 的神經網路系統會考慮更復雜的影響個股走勢因素，如一個國家貨幣政策的改變。
而近三十年越來越廣泛使用的程序化交易是一種交易策略，利用計算機根據現有數據模型進行高頻交易，模型本身不會因為所在市場基本面的變化而改變。
依靠電腦和特定的數學模型做交易，這在華爾街已經很常見了。
根據市場分析機構 Preqin 的調查，美國現在大約有 1360 只對沖基金的交易主要是依靠程序化交易來實現，大概佔到整個對沖基金市場的 9%，管理的資金規模大約是 1970 億美元。

在 Preqin 的調查中，程序化交易的對沖基金跟傳統對沖基金相比，收益率盡管不是一直領先，但最終五年收益率要好不少。

相比之下，人工智慧技術在金融領域的應用雖然不多見，但也有一些知名的對沖基金參與在內。
Two Sigma 是一隻管理資金規模超過 350 億美元的知名對沖基金，他們利用自然語言處理技術，分析美國聯邦公開市場會議委員會（FOMC）的發言。
這套技術會分析「證券」、「利率」、「抵押」等詞彙的出現次數，從而得出譬如「2008 年，FOMC 有關金融市場的發言占 37%」，或者 「2007-2009 年，FOMC 有關通脹的討論占 20%」等結論，幫助交易員設計交易模型時，有更多數據支持。
Two Sigma 利用自然語言處理技術的得出 FOMC 議題佔比
Renaissance Technologies�0�2是全球最大對沖基金公司之一，公司特點是主要使用計算機進行高頻程序化交易，基金規模超過 650 億美元。今年四月，他們領投了一家使用人工智慧技術的對沖基金——Numerai，後者總計募集資金 150 萬美元。Numerai 在獲得大量數據和金融分析報告後， 通過機器學習技術預測股票市場走勢。
雖然有這些實驗性的工作在進行，但暫時沒有知名的對沖基金公司明確已經使用人工智慧進行交易投資。

I.B.M. Watson 項目首席研究員 David Ferrucci 在 2013 年離開 I.B.M. 後，加入世界最大對沖基金公司 Bridgewater 。對此，華爾街曾以為 Bridgewater 將開發人工智慧交易程序，Bridgewater 後來否認短期內會有這方面打算。
Bridgewater 在聲明中補充道，關於科技對交易的幫助，他們更看重人工智慧技術提供的邏輯計算幫助，而非數據挖掘。
當金融市場劇烈下跌時，程序化高頻交易會根據策略模型嚴格執行止損，整個市場都這么做的話，就容易加速下跌。2010 年，這樣一起事故讓道瓊斯工業指數在 36 分鍾里暴跌 9%，被稱為萬億美元的股市下跌。

⑹ 為什麼國外的股票市場還採用人工競價而國內的還採用電腦競價

在電腦商用化之前交易所就是那樣運作的，那是一種交易文化，不會輕易改變的