揚聲器 | 成績單 |
| 何志宏 | 嘿，不。來吧。 好的，大家好，我是Henry M Gunn High School 的Chi-hong Ho。 我的搭檔是陳梅森；他是斯坦福在線高中的二年級學生。 我們的項目是在 COVID-19 爆發期間尋找股票投資的多元統計模型。 |
| 2月下旬，由于冠狀病毒大流行在世界範圍內蔓延，股市開始崩盤。 造成今年股市崩盤的因素有很多。 |
| 導致今年股市崩盤的因素有多種，例如 COVID-19 大流行。 |
| 歐佩克/俄羅斯/美國石油價格戰。 還有來自美國政府的 2.2 萬億救助計劃。 |
| 一些公司解雇了員工。 受疫情影響，失業率高達 30% 以上。 讓我們與 1929 年大蕭條時期的失業率進行比較。 |
| 當時大約是25%。 也是在11月，美國總統大選期間。 然後由於之前在中國蔓延的冠狀病毒大流行，製造供應鏈關閉了。 |
| 是的，COVID-19 大流行影響了股市，因為過去的股市崩盤發生在 1929 年大蕭條和 1987 年黑色星期一。 |
| 由於 COVID-19 大流行對世界產生了巨大影響，造成大量死亡，因此股市應該受到大流行的更大影響。 與美國歷史相比，1929 年的大蕭條 |
| 和 1987 年黑色星期一這兩起事故都持續了很長時間。 COVID-19 不是。 今年以來，股市從 3 月到 4 月的高點下跌了 25%。 |
| 3 月之前，美國的 COVID-19 大流行並沒有像其他國家那樣迅速蔓延。 在 COVID 傳播到全球之後，許多國家被封鎖。 全國和全球範圍內的封鎖情況將影響股市。 |
| 查看左角的圖表。 這就是韓國發生的情況。 亞洲國家在美國之前就感染了新冠病毒。 |
| 我們用亞洲國家的情況來預測美國會發生什麼。根據這張圖，顏色是 COVID-19 拐點是第二階段的，它可能 |
| 對存量曲線的影響顯著，因為在短期內，案件增長速度似乎會略有下降。 |
| 好的。 在圖表的左側，它是案例與日期的相關圖。 這是它在美國的相關圖。 |
| 這些病例是在 2 月初添加的，並且一直持續到 3 月下旬和 4 月初。 |
| 右圖是截至日期的股市下跌，這意味著對地圖的案例興趣是相互關聯的。 案情大增時，股市開始暴跌，最低點跌幅超過35%。 |
| 與中國、韓國和美國相比，我們知道亞洲國家比美國更早地感染了新冠病毒。 我們可以得出結論，未來幾個月在美國會發生什麼。 |
| 僅根據下面的具體表格和數據，我發現第三階段的持續時間非常短。 現在對我們來說是安全的，我們可以回去工作了。 |
| 與四期的方向相比，三期的時間是三期的兩倍，所以在這個時候，我們回去工作更安全。 |
| 在我們查看亞洲國家大流行階段之後，我們可以預測美國的第三階段和第四階段持續時間。 我們估計美國第三階段的結束應該是 |
| 最好的情況是 4 月 15 日和第四階段應該在 5 月 25 日。 最壞的情況是第三階段在 4 月 30 日左右結束，第四階段在 6 月 10 日結束。 |
| 我們最近的項目定義股票投資策略，我們的目標是學習和體驗股票投資，在股市中賺錢，並建立一個判斷時代的模型 |
| 交易或交換股票。 首先，我們擁有8只在2008年和2009年買入的高科技股票，3月份平均漲幅在400%左右。 |
| 部分股票為標準普爾500強股票前20名，平均漲幅超過800%。 我們想找個時間賣掉這些股票並拿回錢。 |
| 由於 COVID-19 的情況和股市崩盤，股價沒有 3 月份那麼高。 所以我們想盡快賣掉。 |
| 在賣出高科技股票後，我們查看了 23 只 COVID 影響股票，這些股票因大流行而下跌。 |
| 我們希望在幾個月後等待這些股票飆升。 |
| 我們選擇的受 COVID 影響的股票的市值應至少為 30 億。 當我們開始交易股票時，我們可以進行一些交易所。 我們應該...我們賣出一隻暴跌的股票並買入一隻上漲的股票以保持平衡。 我們需要確保我們的股票將在幾個月內飆升。 |
| 我們將股票交易決策圖分為三個層次。 第一層是決定 |
| 我們將購買什麼，我們將出售什麼以及交換什麼。 在第二層，我們從賣出組、買入組和交易所對從兩組中挑選股票。 第三層是我們將使用的工具。 我們可能會使用 Z 指數，我們將使用異常值檢測工具。 |
| 標準化的功能是讓我們了解從平均值到真實數據點的距離。 為什麼我們需要使用它？ 因為我們需要將實際數據轉換為更容易比較的索引。 還使用標準化來消除原始數據的偏差。 |
| 左側有藍框、紫框和紅框。 真實數據 |
| 在我們收集的輸入中，在藍色框中。 Z標準化後的新指標在紅框中找到。 那是我們的輸出。 |
| Z 標準化是我們使用的工具，在紫色框中。 在藍色框中，隔間代表納斯達克股票， |
| 這很受歡迎，很多人會投資。 五年來，高科技股票大幅增長。 |
| Z 標準化的範圍是從 -3 標準偏差到 +3 標準偏差。 |
| Z標準化後，我們可以得到Z內股票、Z納斯達克比率和Z集團納斯達克比率。 |
| 股票內的 Z 是將股票價格與過去五年的前股票價格進行比較。 Z納斯達克比率將股價與納斯達克股票價格進行比較，Z集團納斯達克比率將股票價格與納斯達克集團進行比較 |
| 意思是。我們使用 Z 標準化來幫助我們查找 ris。 最後，我們會將所有三個 Z 分數組合成一個新的股票指數。 股票指數可以幫助我們降低交易風險。 |
| 這是我們用原始數據標準化後的數據表。 我們可以使用股票...股票價格指數的變化。 |
| 美國股市自 2 月中旬左右見頂以來一直呈下降趨勢。 一些股票更強勁，某些股票受到 COVID-19 的影響。 |
| 我們於 3 月 7 日至 8 日建立此建模算法，並於 3 月 14 日至 15 日建立數據庫。 該圖揚聲器中顯示的那個索引中的紅色， |
| 那是好時機......現在是賣出這些股票的好時機，我們可以比其他非紅色指數賺更多的錢。 |
| 此外，還有一些以藍色標記的索引。 那是我們可以考慮購買受 COVID 影響的 23 隻股票的時候了，因為我們可以降低成本，並且將來可以獲得更多收益。 |
| 我們之所以使用異常值算法，是因為異常值正在幫助我們確定交易股票的時機。 |
| 確定異常值的最佳方法是使用分位數範圍異常值。 首先，我們曾經找到整個四分位數範圍，即第 3 季度減去第 1 季度。 |
| 該算法的異常值等於 Q1 減去或 Q3 加上 x IQR，x 等於 1.5 表示常規或 3 表示極端。 |
| 為什麼我們需要選擇極端異常值？ 因為常規異常值不能顯示我們想要的更長的時間。 |
| 使用整個四分位數範圍的乘數來找到極值，即兩個指定量之間的距離。 所以極端異常值可以有很長的時間 |
| 檢測我們可以在投資中使用的水平，這可以幫助我們降低風險。 但從技術上講，分位數範圍異常值算法用於正態分佈情況。 |
| 股票市場不像正態分佈那樣多，因此異常值會受到傾斜因素的影響。 |
| 因此，我們需要使用不受偏斜因素影響的更強大的工具。 |
| 由於股票表現，我們不會更關心尾部而不是分佈的中心。 |
| 我們使用的下一個工具是穩健擬合異常值。 我們使用穩健擬合異常值來忽略偏斜因素。 |
| 異常值和分佈偏度非常相關。 如果在一條分佈的尾部中有許多所謂的異常值，那麼尾部就會出現偏斜。 |
| 在分位數範圍異常值檢測中，假設是正態分佈。 因此，分佈中的偏度將在異常值檢測方法中引入不准確性。 如果分佈明顯偏斜，就像在股市數據中一樣， |
| 穩健擬合異常值是準確查找異常值的更好方法，因為它們往往會忽略偏斜因素。 穩健擬合異常值估計 |
| 一個中心和傳播。 異常值被定義為從穩健中心擴散 K 倍穩健的值。 |
| 穩健擬合異常值提供了幾種耦合穩健估計和乘以 K 的選項，並提供了管理髮現的異常值的工具。 我們對常規值使用 K=2.7，對極端異常值使用 4.7。 |
| 在我們使用常規穩健擬合異常值後，我們可以在銷售指數數據中找出異常值。 看右圖。 |
| F5 和 F8 列中有很多帶陰影的紅色單元格，表明我們可以考慮出售這些股票以最大化我們的利潤，因為股票價格高於平均水平。 每一列都顯示了一些股票指數每天的變化。 |
| 我們使用極端異常值作為購買指數的原因是購買指數正在下降。 這意味著很難檢測到買入指數的異常值。 不像賣的。 |
| 賣盤指數在上升，這對我們來說更容易判斷異常值。 |
| 在這個頁面，數據表中有一些色塊，比如B6、B13、B15和B19，表示我們可以考慮買入股票。 |
| 很多人通過投資股票賺錢，大多數人可能會選擇合適的股票進行投資以獲得合理的投資回報率。 |
| 但投資者很難找到合適的投資金額。 其他人的心理因素也會有利於我們的某些投資。 |
| 我們可以根據這個模型確定我們購買、出售或交換的股票數量，這可以最大限度地減少個人投資偏差並降低整體財務風險。 |
| 該模型提供了兩種判斷投資金額的方法。 第一個是色塊分析。 現在在那個分析中， |
| 深綠色的塊好賣，橙色或紅色的塊好買或交換。 |
| 然後在底部，有我們定義的事務級別。 L10是最小的投資額，L1是最大的投資額。 |
| 如果我們要賣出股票，我們不會賣得太高，是在 L5 的量。 而做交換，我們也選擇L5機型。 如果我們做購買，我們可以考慮購買更多，所以我們只購買 L2 數量。 |
| 所以基於這個模型，我們可以 |
| 管理我們的 |
| ...基於此模型，您將在投資中降低財務風險。 |
| 然後功能......好吧......這是......在第三階段是在交換部分。 此外，我們正在使用 Z 標準化來將數據點轉換為該索引，但這是交換索引。 |
| 我們設置的交換門檻 Z 交換指數應該大於 15。 這是我們計算的一個平均指數，可以告訴投資者時間。 |
| 左側是折線圖，顯示了每個交易所對的變化。 基於此折線圖，我們可以看到 S5-B1 的趨勢約為 15.8，而 S5-B14 的趨勢約為 15.16。 |
| 這意味著我們可以考慮在 S5-B1 或 S5-B14 之間進行這種交換。 |
| Z標準化後，我們可以得到股票...賣出股票指數和交易所指數。 |
| 賣出指數 |
| 就是將股價與過去五年的股價進行比較。 這 |
| Z 納斯達克比率與股票指數與平均股價進行比較。 因此，將交易所指數與股票賣出指數進行比較，即股票買入指數。 |
| 我們使用 Z 標準化來幫助我們應對風險。 我們考慮了大約 184 種選擇，我們需要確保我們的投資時機正確，並選擇正確的貨幣對進行交換。 |
| 我們也在使用 |
| 分位數範圍異常值算法來幫助我們確定時間。 |
| Q 的小值提供了比大值更激進的異常值集。 |
| 看右邊的桌子。 我們使用分位數範圍異常值方法，得到一個交換指數值大於 19 的 top thee 異常值。 |
| 這是我們第二次考慮交易所指數。 我們發現有頂部指數，這是信號和幫助......這是我們進行交換的最佳時機。 |
| 像 19.27 的 S5-B14 對； S5-B13 對在 |
| 19.12； S5-B12 在 19.07。 在左側，我們有時序預測模型。 該模型以顏色代碼，彩盒樣式呈現。 |
| 深綠色的塊對我們來說很好賣，深橙色或紅色的塊適合購買或交換。 最佳時間將以粗體顯示並顯示在圖表中。 4 月 6 日，這是最好的交換日期，因為我們從 2015 年 2 月開始交換數據。 |
| 我們兩次考慮交易所對，這可以加倍保證我們可以在股票市場上賺更多的錢，並大大降低了投資風險。 |
| 4月7日，交易所指數與4月6日相比變化不大。 那天，S5-B1 對有 19.18 |
| 交換指數。 在右圖中， |
| 那是交易所的股票信息。 4 月 8 日，我們以 154.32 美元的價格出售了 KLAC 股票。 市場股價為 148.85 美元，因此我們節省了約 3.5% 的銷售成本 |
| 同樣在同一天，我們以 22.42 美元的價格買入了 Delta 股票。 |
| 股票市場價格是 22.92 美元，所以我們上漲了大約 2.2%，所以它在銷售中發生了變化。 所以賣出相同數量的股票併購買相同數量的股票以保持平衡。 |
| 買賣股票的模型等於 65 個數量。 一天后，這對交易所幫助我們獲得了 5.7% 的收益。 |
| 哦，是的，所有股票購買者都會關注他們的股票趨勢。 我和我的合夥人梅森監測 2020 年 2 月下旬至 2020 年 3 月中旬的納斯達克股票每日範圍異常值。 |
| 我們將每日交易窗口分成特定的時間段，每個時間段為 30 分鐘，我們希望找到最佳交易時間。 |
| 我們檢測到 24 個峰谷點，上限閾值為 2.7%。 在右上角的圖中，我們可以看到開盤價、收盤價、最高價、最低價的股票價格，並且我們將計算平均值……我們在進行股價峰值和谷值檢測時計算價格範圍和排名。 |
| ？？？考慮樣本大小的離散數量。 在我們檢測到的 24 個峰谷點中，數據顯示 24 個點中有 17 個點大約有 70%-71% 發生在 |
| 第一個或最後一個小時。 我們設置了一個比例檢驗，我們做出的零假設是我們早起並有一個股票午餐時段來進行交易。 |
| 零假設假設均勻分佈概率。 查看左角表，我們可以看到空比例值為 0.34，大於 0.05 所以 |
| 我們不能拒絕原假設。 所以 |
| 在 13 個可用槽中是 4 個，所以我們不能拒絕原假設。 請看右上角的表格或圖表，顯示高峰時間和低谷時間的分佈水平。 |
| 在我們的研究中，我們提供了一個新模型來挑選合適的股票和???買賣量，也是交易指數。 |
| 時間是投資中一個非常重要的因素。 這種股票投資模型在 COVID-19 大流行期間的大部分時間都是準確的。 |
| 我們的研究小組投資股票市場，在我們完成項目後獲得了 2.5% 的收益。 如果大流行沒有結束，我們可以用它來預測未來。 根據我們的研究，早起的鳥兒或最後一分鐘有利於股票交易，可以賺更多的錢。 |
| 謝謝你。 |
