扬声器 | 成绩单 |
| 何志宏 | 嘿，不。来吧。 好的，大家好，我是Henry M Gunn High School 的Chi-hong Ho。 我的搭档是陈梅森；他是斯坦福在线高中的二年级学生。 我们的项目是在 COVID-19 爆发期间寻找股票投资的多元统计模型。 |
| 2月下旬，由于冠状病毒大流行在世界范围内蔓延，股市开始崩盘。 造成今年股市崩盘的因素有很多。 |
| 导致今年股市崩盘的因素有多种，例如 COVID-19 大流行。 |
| 欧佩克/俄罗斯/美国石油价格战。 还有来自美国政府的 2.2 万亿救助计划。 |
| 一些公司解雇了员工。 受疫情影响，失业率高达 30% 以上。 让我们与 1929 年大萧条时期的失业率进行比较。 |
| 当时大约是25%。 也是在11月，美国总统大选期间。 然后由于之前在中国蔓延的冠状病毒大流行，制造供应链关闭了。 |
| 是的，COVID-19 大流行影响了股市，因为过去的股市崩盘发生在 1929 年大萧条和 1987 年黑色星期一。 |
| 由于 COVID-19 大流行对世界产生了巨大影响，造成大量死亡，因此股市应该受到大流行的更大影响。 与美国历史相比，1929 年的大萧条 |
| 和 1987 年黑色星期一这两起事故都持续了很长时间。 COVID-19 不是。 今年以来，股市从 3 月到 4 月的高点下跌了 25%。 |
| 3 月之前，美国的 COVID-19 大流行并没有像其他国家那样迅速蔓延。 在 COVID 传播到全球之后，许多国家被封锁。 全国和全球范围内的封锁情况将影响股市。 |
| 查看左角的图表。 这就是韩国发生的情况。 亚洲国家在美国之前就感染了新冠病毒。 |
| 我们用亚洲国家的情况来预测美国会发生什么。根据这张图，颜色是 COVID-19 拐点是第二阶段的，它可能 |
| 对存量曲线的影响显着，因为在短期内，案件增长速度似乎会略有下降。 |
| 好的。 在图表的左侧，它是案例与日期的相关图。 这是它在美国的相关图。 |
| 这些病例是在 2 月初添加的，并且一直持续到 3 月下旬和 4 月初。 |
| 右图是截至日期的股市下跌，这意味着对地图的案例兴趣是相互关联的。 案情大增时，股市开始暴跌，最低点跌幅超过35%。 |
| 与中国、韩国和美国相比，我们知道亚洲国家比美国更早地感染了新冠病毒。 我们可以得出结论，未来几个月在美国会发生什么。 |
| 仅根据下面的具体表格和数据，我发现第三阶段的持续时间非常短。 现在对我们来说是安全的，我们可以回去工作了。 |
| 与四期的方向相比，三期的时间是三期的两倍，所以在这个时候，我们回去工作更安全。 |
| 在我们查看亚洲国家大流行阶段之后，我们可以预测美国的第三阶段和第四阶段持续时间。 我们估计美国第三阶段的结束应该是 |
| 最好的情况下，4 月 15 日和第四阶段应该是 5 月 25 日。 最坏的情况是第三阶段在 4 月 30 日左右结束，第四阶段在 6 月 10 日结束。 |
| 我们最近的项目定义股票投资策略，我们的目标是学习和体验股票投资，在股市中赚钱，并建立一个判断时代的模型 |
| 交易或交换股票。 首先，我们拥有8只在2008年和2009年买入的高科技股票，3月份平均涨幅在400%左右。 |
| 部分股票为标准普尔500强股票前20名，平均涨幅超过800%。 我们想找个时间卖掉这些股票并拿回钱。 |
| 由于 COVID-19 的情况和股市崩盘，股价没有 3 月份那么高。 所以我们想尽快卖掉。 |
| 在卖出高科技股票后，我们查看了 23 只 COVID 影响股票，这些股票因大流行而下跌。 |
| 我们希望在几个月后等待这些股票飙升。 |
| 我们选择的受 COVID 影响的股票的市值应至少为 30 亿。 当我们开始交易股票时，我们可以进行一些交易所。 我们应该...我们卖出一只暴跌的股票并买入一只上涨的股票以保持平衡。 我们需要确保我们的股票将在几个月内飙升。 |
| 我们将股票交易决策图分为三个层次。 第一层是决定 |
| 我们将购买什么，我们将出售什么以及交换什么。 在第二层，我们从卖出组、买入组和交易所对从两组中挑选股票。 第三层是我们将使用的工具。 我们可能会使用 Z 指数，我们将使用异常值检测工具。 |
| 标准化的功能是让我们了解从平均值到真实数据点的距离。 为什么我们需要使用它？ 因为我们需要将实际数据转换为更容易比较的索引。 还使用标准化来消除原始数据的偏差。 |
| 左边有蓝框、紫框和红框。 真实数据 |
| 在我们收集的输入中，在蓝色框中。 Z标准化后的新指标在红框中找到。 那是我们的输出。 |
| Z 标准化是我们使用的工具，在紫色框中。 在蓝色框中，隔间代表纳斯达克股票， |
| 这很受欢迎，很多人会投资。 五年来，高科技股票大幅增长。 |
| Z 标准化的范围是从 -3 标准偏差到 +3 标准偏差。 |
| Z标准化后，我们可以得到Z内股票、Z纳斯达克比率和Z集团纳斯达克比率。 |
| 股票内的 Z 是将股票价格与过去五年的前股票价格进行比较。 Z纳斯达克比率将股价与纳斯达克股票价格进行比较，Z集团纳斯达克比率将股票价格与纳斯达克集团进行比较 |
| 意思是。我们使用 Z 标准化来帮助我们查找 ris。 最后，我们会将所有三个 Z 分数组合成一个新的股票指数。 股票指数可以帮助我们降低交易风险。 |
| 这是我们用原始数据标准化后的数据表。 我们可以使用股票...股票价格指数的变化。 |
| 美国股市自 2 月中旬左右见顶以来一直呈下降趋势。 一些股票更强劲，某些股票受到 COVID-19 的影响。 |
| 我们于 3 月 7 日至 8 日建立此建模算法，并于 3 月 14 日至 15 日建立数据库。 该图扬声器中显示的那个索引中的红色， |
| 那是好时机......现在是卖出这些股票的好时机，我们可以比其他非红色指数赚更多的钱。 |
| 此外，还有一些以蓝色标记的索引。 那是我们可以考虑购买受 COVID 影响的 23 只股票的时候了，因为我们可以降低成本，并且在未来可以获得更多收益。 |
| 我们之所以使用异常值算法，是因为异常值正在帮助我们确定交易股票的时机。 |
| 确定异常值的最佳方法是使用分位数范围异常值。 首先，我们曾经找到整个四分位数范围，即第 3 季度减去第 1 季度。 |
| 该算法的异常值等于 Q1 减去或 Q3 加上 x IQR，x 等于 1.5 表示常规或 3 表示极端。 |
| 为什么我们需要选择极端异常值？ 因为常规异常值不能显示我们想要的更长的时间。 |
| 使用整个四分位数范围的乘数来找到极值，即两个指定量之间的距离。 所以极端异常值可以有很长的时间 |
| 检测我们可以在投资中使用的水平，这可以帮助我们降低风险。 但从技术上讲，分位数范围异常值算法用于正态分布情况。 |
| 股票市场不像正态分布那样多，因此异常值会受到倾斜因素的影响。 |
| 因此，我们需要使用不受偏斜因素影响的更强大的工具。 |
| 由于股票表现，我们不会更关心尾部而不是分布的中心。 |
| 我们使用的下一个工具是稳健拟合异常值。 我们使用稳健拟合异常值来忽略偏斜因素。 |
| 异常值和分布偏度非常相关。 如果在一条分布的尾部中有许多所谓的异常值，那么尾部就会出现偏斜。 |
| 在分位数范围异常值检测中，假设是正态分布。 因此，分布中的偏度将在异常值检测方法中引入不准确性。 如果分布明显偏斜，就像在股市数据中一样， |
| 稳健拟合异常值是准确查找异常值的更好方法，因为它们往往会忽略偏斜因素。 稳健拟合异常值估计 |
| 一个中心和传播。 异常值被定义为从稳健中心扩散 K 倍稳健的值。 |
| 稳健拟合异常值提供了几种耦合稳健估计和乘以 K 的选项，并提供了管理发现的异常值的工具。 我们对常规值使用 K=2.7，对极端异常值使用 4.7。 |
| 在我们使用常规稳健拟合异常值后，我们可以在销售指数数据中找出异常值。 看右图。 |
| F5 和 F8 列中有很多带阴影的红色单元格，表明我们可以考虑出售这些股票以最大化我们的利润，因为股票价格高于平均水平。 每一列都显示了一些股票指数每天的变化。 |
| 我们使用极端异常值作为购买指数的原因是购买指数正在下降。 这意味着很难检测到买入指数的异常值。 不像卖的。 |
| 卖盘指数在上升，这对我们来说更容易判断异常值。 |
| 在这个页面，数据表中有一些色块，比如B6、B13、B15和B19，表示我们可以考虑买入股票。 |
| 很多人通过投资股票赚钱，大多数人可能会选择合适的股票进行投资以获得合理的投资回报率。 |
| 但投资者很难找到合适的投资金额。 其他人的心理因素也会有利于我们的某些投资。 |
| 我们可以根据这个模型确定我们购买、出售或交换的股票数量，这可以最大限度地减少个人投资偏差并降低整体财务风险。 |
| 该模型提供了两种判断投资金额的方法。 第一个是色块分析。 现在在那个分析中， |
| 深绿色的块好卖，橙色或红色的块好买或交换。 |
| 然后在底部，有我们定义的事务级别。 L10是最小的投资额，L1是最大的投资额。 |
| 如果我们要卖出股票，我们不会卖得太高，是在 L5 的量。 而做交换，我们也选择L5机型。 如果我们做购买，我们可以考虑购买更多，所以我们只购买 L2 数量。 |
| 所以基于这个模型，我们可以 |
| 管理我们的 |
| ...基于此模型，您将在投资中降低财务风险。 |
| 然后功能......好吧......这是......在第三阶段是在交换部分。 此外，我们正在使用 Z 标准化来将数据点转换为该索引，但这是交换索引。 |
| 我们设置的交换门槛 Z 交换指数应该大于 15。 这是我们计算的一个平均指数，可以告诉投资者时间。 |
| 左侧是折线图，显示了每个交易所对的变化。 基于此折线图，我们可以看到 S5-B1 的趋势约为 15.8，而 S5-B14 的趋势约为 15.16。 |
| 这意味着我们可以考虑在 S5-B1 或 S5-B14 之间进行这种交换。 |
| Z标准化后，我们可以得到股票...卖出股票指数和交易所指数。 |
| 卖出指数 |
| 就是将股价与过去五年的股价进行比较。 这 |
| Z 纳斯达克比率与股票指数与平均股价进行比较。 因此，将交易所指数与股票卖出指数进行比较，即股票买入指数。 |
| 我们使用 Z 标准化来帮助我们应对风险。 我们考虑了大约 184 种选择，我们需要确保我们的投资时机正确，并选择正确的货币对进行交换。 |
| 我们也在使用 |
| 分位数范围异常值算法来帮助我们确定时间。 |
| Q 的小值提供了比大值更激进的异常值集。 |
| 看右边的桌子。 我们使用分位数范围异常值方法，得到一个交换指数值大于 19 的 top thee 异常值。 |
| 这是我们第二次考虑交易所指数。 我们发现有顶部指数，这是信号和帮助......这是我们进行交换的最佳时机。 |
| 像 19.27 的 S5-B14 对； S5-B13 对在 |
| 19.12； S5-B12 在 19.07。 在左侧，我们有时序预测模型。 该模型以颜色代码，彩盒样式呈现。 |
| 深绿色的块对我们来说很好卖，深橙色或红色的块适合购买或交换。 最佳时间将以粗体显示并显示在图表中。 4 月 6 日，这是最好的交换日期，因为我们从 2015 年 2 月开始交换数据。 |
| 我们两次考虑交易所对，这可以加倍保证我们可以在股票市场上赚更多的钱，并大大降低了投资风险。 |
| 4月7日，交易所指数与4月6日相比变化不大。 那天，S5-B1 对有 19.18 |
| 交换指数。 在右图中， |
| 那是交易所的股票信息。 4 月 8 日，我们以 154.32 美元的价格出售了 KLAC 股票。 市场股价为 148.85 美元，因此我们节省了约 3.5% 的销售成本 |
| 同样在同一天，我们以 22.42 美元的价格买入了 Delta 股票。 |
| 股票市场价格是 22.92 美元，所以我们上涨了大约 2.2%，所以它在销售中发生了变化。 所以卖出相同数量的股票并购买相同数量的股票以保持平衡。 |
| 买卖股票的模型等于 65 个数量。 一天后，这对交易所帮助我们获得了 5.7% 的收益。 |
| 哦，是的，所有股票购买者都会关注他们的股票趋势。 我和我的合伙人梅森监测 2020 年 2 月下旬至 2020 年 3 月中旬的纳斯达克股票每日范围异常值。 |
| 我们将每日交易窗口分成特定的时间段，每个时间段为 30 分钟，我们希望找到最佳交易时间。 |
| 我们检测到 24 个峰谷点，上限阈值为 2.7%。 在右上角的图中，我们可以看到开盘价、收盘价、最高价、最低价的股票价格，并且我们将计算平均值……我们在进行股票价格峰值和谷值检测时计算价格范围和排名。 |
| ？？？考虑样本大小的离散数量。 在我们检测到的 24 个峰谷点中，数据显示 24 个点中有 17 个点大约有 70%-71% 发生在 |
| 第一个或最后一个小时。 我们设置了一个比例检验，我们做出的零假设是我们早起并有一个股票午餐时段来进行交易。 |
| 零假设假设均匀分布概率。 查看左角表，我们可以看到空比例值为 0.34，大于 0.05 所以 |
| 我们不能拒绝原假设。 所以 |
| 在 13 个可用槽中是 4 个，所以我们不能拒绝原假设。 请看右上角的表格或图表，显示高峰时间和低谷时间的分布水平。 |
| 在我们的研究中，我们提供了一个新模型来选择正确的股票和???买卖量，也是交易指数。 |
| 时间是投资中一个非常重要的因素。 这种股票投资模型在 COVID-19 大流行期间的大部分时间都是准确的。 |
| 我们的研究小组投资股票市场，在我们完成项目后获得了 2.5% 的收益。 如果大流行没有结束，我们可以用它来预测未来。 根据我们的研究，早起的鸟儿或最后一分钟有利于股票交易，可以赚更多的钱。 |
| 谢谢你。 |
