扬声器 | 成绩单 |
| 何志宏 | 嘿，不。快点。 好的，大家好，我是 Chi-hong Ho，Henry M Gunn 高中三年级学生。 我的合伙人是Mason Chen；他是斯坦福在线高中的二年级学生。 我们的项目是寻找 COVID-19 爆发期间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很多，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。 |
| 一些公司解雇了他们的员工。 由于大流行，失业率超过 30%。 让我们与 1929 年大萧条时期的失业率进行比较。 |
| 当时约为25%。 同样在11月，美国总统大选期间。 然后由于之前在中国传播的冠状病毒大流行，制造供应链关闭了。 |
| 是的，COVID-19 大流行影响了股市，就像 1929 年大萧条和 1987 年黑色星期一发生的股市崩盘一样。 |
| 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 年的黑色星期一，两次崩盘都持续了很长时间。 COVID-19 不是。 今年，股市从 3 月至 4 月的峰值下跌了 25%。 |
| 3 月之前，美国 COVID-19 大流行的传播速度不如其他国家/地区。 在 COVID 传播到全球之后，许多国家都被封锁了。 国家和全球范围内的封锁情况将影响股市。 |
| 查看左下角的图表。 这就是发生在韩国的情况。 亚洲国家比美国先感染了 COVID 大流行病。 |
| 我们用亚洲国家的情况来预测美国会发生什么。根据这张带有这种颜色的图表，即 COVID-19 拐点是针对第二阶段的，它可能 |
| 对存量曲线的影响很大，因为在这个短期内，病例增长速度似乎会有所下降。 |
| 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 月初增加的，并且在 3 月下旬和 4 月初增加了很多。 |
| 右图是按日期下跌的股票市场，这意味着地图的个案兴趣是相互关联的。 当案件增长很多时，股市开始崩盘，最低点下跌超过35%。 |
| 与中国、韩国和美国相比，我们知道亚洲国家在美国之前就爆发了新冠病毒大流行。 我们可以得出结论，未来几个月美国将会发生什么。 |
| 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。 |
| 相对于第四阶段的方向，是第三阶段时间的两倍，所以在这段时间我们更有安全感可以回去工作。 |
| 看完亚洲国家大流行阶段后，我们可以预测美国第三阶段和第四阶段的持续时间。 我们估计美国应该在第三阶段结束 |
| 最好的情况下，4 月 15 日和第四阶段应该在 5 月 25 日。 最坏的情况是 4 月 30 日左右结束 III 期，6 月 10 日左右结束 IV 期。 |
| 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，在股票市场上赚钱，建立一个判断时代的模型 |
| 交易或交换股票。 首先我们持有2008年和2009年买入的8只高科技股，3月份平均涨幅在400%左右。 |
| 部分个股为标准普尔500强前20名个股，平均涨幅超过800%。 我们想找个时间卖掉这些股票并收回资金。 |
| 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。 |
| 在卖出高科技股后，我们看看 23 只受 COVID 影响的股票，这些股票因大流行而下跌。 |
| 我们想等待几个月后这些股票飙升。 |
| 我们选择的受 COVID 影响的股票应该至少有 30 亿美元的市值。 当我们开始交易股票时，我们可以进行一些交流。 我们应该……我们卖出一只下跌的股票，买入一只上涨的股票以保持平衡。 我们需要确保我们的库存将在几个月内激增。 |
| 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，我们将出售什么和交换什么。 在第二层，我们从卖出组、买入组和两个组的交易对中挑选股票。 第三层是我们将要使用的工具。 我们可能会用到 Z 指数，我们会用到异常值检测工具。 |
| 标准化的作用是让我们了解均值与真实数据点之间的距离。 为什么我们需要使用它？ 因为我们需要将实际数据转换成一个更便于我们比较的索引。 还使用标准化来消除原始数据的偏差。 |
| 在左侧，有蓝色框、紫色框和红色框。 真实数据 |
| 在我们收集的输入中，也就是在蓝色方框内。 Z标准化后的新索引在红色框中找到。 那是我们的输出。 |
| Z 标准化是我们使用的工具，在紫色框中。 在蓝色方框中，小隔间代表纳斯达克股票， |
| 这是受欢迎的，很多人会投资。 高科技股在五年内增长了很多。 |
| Z 标准化的范围是从 -3 标准差到 +3 标准差。 |
| Z标准化后，我们可以得到Z within stock、Z NASDAQ ratio、Z group NASDAQ ratio。 |
| Z within stock 是将股票价格与过去五年前的股票价格进行比较。 Z NASDAQ ratio 股价与纳斯达克股价比较 Z group NASDAQ ratio 股价与纳斯达克股价比较 |
| 意思是。我们使用 Z 标准化来帮助我们查找 ris。 最后我们将把所有三个 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……股票价格指数变化。 |
| 美国股市自 2 月中旬左右见顶以来一直处于下行趋势。 一些股票更为强劲，而某些股票则受到 COVID-19 的影响。 |
| 我们在 3 月 7-8 日建立了这个建模算法，并在 3 月 14-15 日建立了数据库。 本图喇叭显示的那个索引中的红色， |
| 那是个好时机……现在是卖掉这些股票的好时机，我们可以赚到比其他非红色指数更多的钱。 |
| 此外，还有一些索引以蓝色标记。 那是我们可以考虑购买 23 受 COVID 影响的股票的时候了，因为我们可以降低成本，并在未来获得更多收益。 |
| 我们之所以使用离群值算法，是因为离群值在帮助我们判断买卖股票的时机。 |
| 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 Quarter 3 减去 Quarter 1。 |
| 该算法的离群值等于 Q1 减去或 Q3 加上 x IQR，x 等于 1.5（常规）或 3（极端）。 |
| 为什么我们需要选择极端异常值？ 因为常规离群值无法显示我们想要的更长的时间。 |
| 使用整个四分位数范围（两个指定数量之间的距离）的乘数找到极值。 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。 |
| 股市不像正态分布那么多，所以离群值会受到偏态因子的影响。 |
| 因此，我们需要使用不受倾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的离群值。 我们使用稳健的拟合异常值来忽略偏斜因子。 |
| 离群值和分布偏度密切相关。 如果在一个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，分布中的偏度会导致异常值检测方法不准确。 如果分布严重偏斜，就像股票市场数据中的情况一样， |
| 稳健拟合离群值是准确找到离群值的更好方法，因为它们往往会忽略偏斜因子。 稳健的离群值估计 |
| 一个中心和传播。 离群值被定义为那些从稳健中心散布 K 倍稳健的值。 |
| 稳健拟合离群值提供了多个用于耦合稳健估计和乘以 K 的选项，并提供了管理发现的离群值的工具。 我们对常规使用 K=2.7，对极端异常值使用 4.7。 |
| 使用正则稳健拟合离群值后，我们可以找出销售指数数据中的离群值。 看右图。 |
| F5 和 F8 列中有很多阴影红色单元格，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，一直到该列。 |
| 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购买指数的异常值。 不像卖。 |
| 销售指数在上升，这对我们来说更容易确定异常值。 |
| 在这个页面中，数据表中有一些色块，如B6、B13、B15、B19，表示可以考虑买入该股。 |
| 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资金进行投资。 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来确定我们买入、卖出或交换的股票数量，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，有我们定义的交易级别。 L10为最小投资额，L1为最大投资额。 |
| 如果我们要卖股票，我们不会卖太高，在L5量级。 而做交换，我们也选择了L5型号。 而如果我们买的话，我们可以考虑买更多，所以我们只买L2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。 我们还使用 Z 标准化...将数据点转换为该索引，但这是交换索引。 |
| 我们设置的兑换门槛Z兑换指数应该大于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，S5-B14 的趋势约为 15.16。 |
| 所以这意味着我们可以考虑在 S5-B1 或 S5-B14 之间进行交换。 |
| 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 |
| 是将股价与过去五年的股价进行比较。 这 |
| Z 纳斯达克比率是将股票指数与平均股票价格进行比较。 因此，将交易所指数与股票卖出指数进行比较，后者是股票买入指数。 |
| 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 个选择，我们需要确保我们的投资将在正确的时机进行，并选择正确的一对进行交换。 |
| 我们也在使用 |
| 分位数范围离群值算法帮助我们确定时机。 |
| Q 的小值提供了一组比大值更激进的异常值。 |
| 看右边的桌子。 我们使用分位数范围离群值方法，得到一个交换指数值大于 19 的顶级离群值。 |
| 这是我们第二次考虑交易所指数。 我们发现有top index，这是信号和帮助...这是我们进行交换的最佳时机。 |
| 就像 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。 此模型以颜色代码、彩盒样式呈现。 |
| 深绿色的方块适合我们出售，深橙色或红色的方块适合我们购买或交换。 最佳时间将以粗体显示在图表中。 4月6日，这是最好的交换日，因为我们是从2015年2月份开始交换数据的。 |
| 我们两次考虑交易对，可以加倍保证我们可以在股票市场上赚更多的钱，大大降低投资风险。 |
| 4月7日，汇指与4月6日相比变化不大。 那天，S5-B1 对有一个 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 美元的价格卖出了 KLAC 股票。 市场股票价格为 148.85 美元，因此我们在卖出时节省了大约 3.5% |
| 同样在同一天，我们以 22.42 美元的价格买入了 Delta 股票。 |
| 股票市场价格为 22.92 美元，因此我们上涨了约 2.2%，因此在销售中发生了变化。 因此，卖出相同数量的股票并购买相同数量的股票以取得平衡。 |
| 买卖股票的模型等于 65 个数量。 一天后，该交易所对帮助我们获得了 5.7% 的收益。 |
| 哦，是的，所有股票买家都会关注他们的股票趋势。 我和我的搭档梅森监测了从 2020 年 2 月下旬到 2020 年 3 月中旬的纳斯达克股票每日范围异常值。 |
| 我们将每天的交易窗口分成特定的时间段，每个时间段为 30 分钟，我们想找出最佳交易时间。 |
| 我们检测到 24 个峰谷点，上限为 2.7%。 在右上角的图中，我们可以看到股价在开盘、收盘、高点、低点的时间，我们也会计算平均值……我们在做股价波峰波谷检测时，会计算价格区间和排名。 |
| ？？？考虑样本量的离散数。 在我们检测到的24个峰/谷点中，数据显示24个点中有17个大约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 |
| 我们不能拒绝零假设。 所以 |
| 13 个槽位中有 4 个槽位可用，所以我们不能拒绝原假设。 查看右角的表格或图形，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挑选合适的股票和 ???买入量和卖出量，也是交易指数。 |
| 时机是投资中非常重要的因素。 在 COVID-19 大流行期间，这种股票投资模型在大多数情况下都是准确的。 |
| 我们的课题组在完成项目后投资于股票市场并获得了 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刻喜欢股票交易，可以赚更多的钱。 |
| 谢谢。 |
