股票的時間序列圖怎麼畫

1. 個股分時圖的分時價位線和分時均價線是怎麼畫的

1、個股分時走勢圖是把股票市場的交易信息以個股實時地用曲線在坐標圖上加以顯示的技術圖形。坐標的橫軸是開市的時間，縱軸的上半部分是股價或指數，下半部分顯示的是成交量。是股市現場交易的即時資料，是分時走勢圖（即時走勢圖）中的一種。
2、分時均線由均價線和分時股價線兩條線組成，均價線由黃色線表示，分時股價線由白色線表示。
與K線圖上以每天收盤價作為統計依據的均線不同，均價是以盤口總成交額除以盤口總成交量的運算方式測算當前每一股的平均成交價，十分精確地統計出當前所有參與者的綜合持倉成本。因此，有了這條均價線，我們就可以在盤面做一些簡單的推理：
1.當股價持續在均價線上方運行時，表明市場預期較好，買盤踴躍，當天介入的大部分投資者都能賺錢，這是盤口強勢特徵；
2.當股價持續在均價線下方運行時，表明市場預期較差，賣盤踴躍，當天介入的大部分投資者都虧錢,屬弱勢特徵；
3.當均價線從低位持續上揚時，表明市場預期提高，投資者紛紛入場推進股價上漲，綜合持倉成本不斷抬高，對股價形成支撐；
4.當均價線從高位持續下挫時，表明市場預期較差，投資者紛紛離場迫使股價下跌，綜合持倉成本不斷下降，對股價形成壓制。
一般來說，昨天收盤價是今天盤口多空力量的分水嶺，如果開盤後半小時內均價線在昨天收盤價上方持續上揚，那麼，該股屬極強勢且當天收出中長陽的概率較大；開盤後半小時內均價線在昨天收盤價下方持續創新低，該股屬極弱勢且當天收出中長陰的概率較大。
均價線是超級短線實戰的一個重要研判工具，它與分時走勢交叉錯落，如影隨形，臨盤運用因人而異，特別當一輪極端炒作的主升浪行將結束之時，盤口拉高的股價突然一改強勢上攻個性，擊穿均價線後大幅回落，此後如果均價線失而復得，得而復失，則是超短線出局信號。

2. R語言畫時間序列圖

用xlim或者ylim命令。比如：
# Specify axis options within plot()
plot(x, y, main="title", sub="subtitle",
xlab="X-axis label", ylab="y-axix label",
xlim=c(xmin, xmax), ylim=c(ymin, ymax))

3. 股票K線圖怎麼畫

• K線圖繪制：

首先確定開盤和收盤的價格，它們之間的部分畫成矩形實體。如果收盤價格高於開盤價格，則k線被稱為陽線，用空心的實體表示。反之稱為陰線用黑色實體或白色實體表示。很多軟體都可以用彩色實體來表示陰線和陽線，在國內股票和期貨市場 ，通常用紅色表示陽線，綠色表示陰線。(但涉及到歐美股票及外匯市場的投資者應該注意：在這些市場上通常用綠色代表陽線，紅色代表陰線，和國內習慣剛好相反。)用較細的線將最高價和最低價分別與實體連接。最高價和實體之間的線被稱為上影線，最低價和實體間的線稱為下影線。

• K線圖優缺點
  

1、優點：能夠全面透徹地觀察到市場的真正變化。我們從K線圖中，既可看到股價（或大市）的趨勢，也同時可以了解到每日市況的波動情形。

2、缺點：

(1)繪制方法十分繁復，是眾多走勢圖中最難製作的一種。

(2)陰線與陽線的變化繁多。

• K線圖形態運用

1、頭肩型

K線在經過一段時日聚集後，在某一價位區域內，會出現三個頂點或底點，但其中第二個頂點或底點較其他兩個頂點或底點更高或更低的現象。如圖10-3是一頂二肩的頭肩頂；或圖10-4，是一底二肩的頭肩底型。然而，有時也可能出現三個以上的頂點或底點；若出現一個或二個頭部（或底部），兩個左肩與右肩，稱為復合型肩型（或復合型頭肩底）。

2、雙重頂

雙重頂是當某一種股票急速漲升至某一價位時，由於短線獲利回吐的賣壓出現，成交量擴大，股價自峰頂滑落，然後成交量隨股價的下跌而逐漸萎縮，股價止跌回升後又開始往上盤升，漲升至與前一峰頂附近價位時，成交量再增加，但卻比前一峰頂所創造出的成交量少，上檔賣壓再現，股價再度下跌，且跌破頸線，形成一直往下走的弱勢。頸線即是在雙峰間的低點劃一平行線，由於雙重頂完成後突破頸線，從圖形上可看出，非常類似英文字母「M」，故雙重頂又可稱「M」頭。

3、雙重底

雙重頂的反轉型態，形成「W」型；也就是股價下跌至某一價位時出現反彈，但是買方力量仍未能集中，股價再度回軟，然後跌勢趨於緩和，在跌至前次低價附近獲得支撐，買方力量此時增強，股價開始呈現轉強走勢。 應該注意的是，雙重頂（或雙重底）出現時，不一定都會呈現反轉走勢，有時依然會呈現整理型態。雙重頂或雙重底完成後，突破頸線幅度超過該股市價3%以上時，才能算是有效突破，否則，仍有可能是盤旋整理甚至反轉走勢。

4. 2020-03-28 線性時間序列模型

課程採用模蠢Ruey S. Tsay的《金融數據分析導論：基於R語言》(Tsay 2013 ) （An Introction to Analysis of Financial Data with R）作為主要教材之一。

時間序列的線性模型，包括：

股價序列呈現緩慢的、非或尺單調的上升趨勢， 局部又有短暫的波動。

可口可樂公司每季度發布的每股盈利數據。 讀入：

時間序列圖：

序列仍體現出緩慢的、非單調的上升趨勢，又有明顯的每年的周期變化（稱為季節性）， 還有短期的波動。

下面用基本R的 plot() 作圖並用不同顏色標出不同季節。

現在可以看出，每年一般冬季和春季最低， 夏季最高，秋季介於夏季和冬季之間。

收益率在0上下波動，除了個別時候基本在某個波動范圍之內。

用xts包的 plot() 函數作圖：

聚焦到2004年的數據：

紅色是6月期國債利率， 黑色是3月期國債。 一般6月期高， 但是有些時期3月期超過了6月期，如1980年：

如圖標普500月收益率那樣的收益率數據基本呈現出在一個水平線（一般是0）上下波動， 且波動范圍基本不變。 這樣的表現是時間序列「弱平穩序列」的表現。
弱平穩需要一階矩和二階矩有限。某些分布是沒有有限的二階矩的，比如柯西分布， 這樣的分布就不適用傳統的線性時間序列理論。

稍後給出弱平穩的理論定義。

如圖2可口可樂季度盈利這樣的價格序列則呈現出水平的上下起伏， 如果分成幾段平均的話， 各段的平均值差距較大。 這體現出非平穩的特性。
以下為一堆公式推導，具體查看： http://www.math.pku.e.cn/teachers/lidf/course/fts/ftsnotes/html/_ftsnotes/fts-tslin.html#fig:tslin-intro-sp02

時間序列
自協方差函數
弱平穩序列

圖6 是IBM股票月度簡單收益率對標普500收益率的散點圖。 從圖中看出， 兩者有明顯的正向相關關系。
對於不獨立的樣本， 比如時間序列樣本， 也可以計算相關系數， 其估計合理性需要一些模型假設。

對於聯合分布非正態的情況， 有時相關系數不能很好地反映X和Y的正向或者負向的相關。 斯皮爾曼（Spearman）相關系數是計算X的樣本的秩（名次）與Y的樣本的秩之間的相關系數， 也稱為Spearman rank correlation。

另一種常用的非參數相關系數是肯德爾tau(Kendall』s )系數， 反映了一致數對和非一致數對之間的差別。
即兩個觀測的分量次序一致的概率減去分量次序相反的概率。 一致的概率越大，說明兩個的正向相關性越強。

對IBM收益率與標普收益率數據計算這三種相關系數：

自相關函旦團陪數 （Autocorrelation function, ACF）參見 (何書元 2003 ) P.131 §4.2的例2.1。 原始文獻： MAURICE STEVENSON BARTLETT, On the Theoretical Specification and Sampling Properties of Auto-Correlated Time Series, Journal of the Royal Statistical Society (Supplement) 8 (1946), pp. 24-41.

在基本R軟體中， acf(x) 可以估計時間序列 x 的自相關函數並對其前面若干項畫圖。

例：CRSP的第10分位組合的月對數收益率， 1967-1到2009-12。 第10分位組合是NYSE、AMEX、NASDAQ市值最小的10%股票組成的投資組合， 每年都重新調整。

圖6: CRSP第10分位組合月對數收益率

用 acf() 作時間序列的自相關函數圖：

acf() 的返回值是一個列表，其中 lag 相當於， acf 相當於。 用 plot=FALSE 取消默認的圖形輸出。

有研究者認為小市值股票傾向於在每年的一月份有正的收益率。
為此，用對的檢驗來驗證。 如果一月份有取正值的傾向， 則相隔12個月的值會有正相關。

計算統計量的值，檢驗p值：

值小於0.05, 這個檢驗的結果支持一月份效應的存在性。

Ljung和Box(Ljung and Box 1978 )對Box和Pierce(Box and Pierce 1970 )提出了混成統計量(Portmanteau statistic)
檢驗方法進行了改進

在R軟體中， Box.test(x, type="Ljung-Box") 執行Ljung-Box白雜訊檢驗。 Box.test(x, type="Box-Pierce") 執行Box-Pierce混成檢驗。 用 fitdf= 指定要減去的自由度個數。

檢驗IBM股票月收益率是否白雜訊。
考慮IBM股票從1926-01到2011-09的月度收益率數據， 簡單收益率和對數收益率分別考慮。
讀入數據：

讀入的是簡單收益率的月度數據。 作ACF圖：

從ACF來看月度簡單收益率是白雜訊。
作Ljung-Box白雜訊檢驗， 分別取和：

在0.05水平下均不拒絕零假設， 支持IBM月度簡單收益率是白雜訊的零假設。
從簡單收益率計算對數收益率， 並進行LB白雜訊檢驗：

在0.05水平下不拒絕零假設。

Box-Pierce檢驗和Ljung-Box檢驗受到取值的影響， 建議採用， 且序列為季度、月度這樣的周期序列時， 應取為周期的整數倍。
對CRSP最低10分位的資產組合的月簡單收益率作白雜訊檢驗。
此組合的收益率序列的ACF:

針對和作Ljung-Box白雜訊檢驗：

在0.05水平下均拒絕零假設， 認為CRSP最低10分位的投資組合的月度簡單收益率不是白雜訊。

有效市場假設認為收益率是不可預測的， 也就不會有非零的自相關。 但是，股價的決定方式和指數收益率的計算方式等可能會導致在觀測到的收益率序列中有自相關性。 高頻金融數據中很常見自相關性。

常見的白雜訊檢驗還有TREVOR S. BREUSCH (1978) 和LESLIE G. GODFREY (1978)提出的拉格朗日乘子法檢驗（LM檢驗）。 零假設為白雜訊， 對立假設為AR、MA或者ARMA。 參見：

設是獨立同分布的二階矩有限的隨機變數， 稱為獨立同分布白雜訊(white noise)。 最常用的白雜訊一般假設均值為零。 如果獨立同分布， 稱為高斯(Gaussian)白雜訊或正態白雜訊。

白雜訊序列的自相關函數為零（除外）。

實際應用中如果樣本自相關函數近似為零 （ACF圖中都位於控制線之內或基本不超出控制線）， 則可認為該序列是白雜訊的樣本。

如：IBM月度收益率可以認為是白雜訊（見例 3.3 ）； CRSP最低10分位投資組合月度收益率不是白雜訊（見例 3.4 ）。

不是所有的弱平穩時間序列都有這樣的性質。 非平穩序列更是不需要滿足這些性質。

公式就不贅述

如果從時間序列的一條軌道就可以推斷出它的所有有限維分布， 就稱其為嚴平穩遍歷的。 這里不給出遍歷性的嚴格定義， 僅給出一些嚴平穩遍歷的充分條件。 可以證明， 寬平穩的正態時間序列是嚴平穩遍歷的， 由零均值獨立同分布白雜訊產生的線性序列是嚴平穩遍歷的。

Tsay, Ruey S. 2013. 金融數據分析導論：基於R語言 . 機械工業出版社.

何書元. 2003. 應用時間序列分析 . 北京大學出版社.

Box, GEP, and D. Pierce. 1970. 「Distribution of Resial Autocorelations in Autoregressive-Integrated Moving Average Time Series Models.」 J. of American Stat. Assoc. 65: 1509–26.

Ljung, G., and GEP Box. 1978. 「On a Measure of Lack of Fit in Time Series Models.」 Biometrika 66: 67–72.

參考學習資料： http://www.math.pku.e.cn/teachers/lidf/course/fts/ftsnotes/html/_ftsnotes/fts-tslin.html#fig:tslin-intro-sp02

5. 後室里的股票該怎麼畫

1. 首先，你需要確定你要畫的股票是哪只，然後搜索該股票的歷史價格數據。
2. 然後，你需要找到一個可以畫圖的軟體，比如Excel或者其他圖表軟體。
3. 接下來，你需要把你搜索到的歷史價格數據輸入到軟體中，並設置好時間軸和坐標軸。
4. 最後，你可以根據你的需要，添加其他圖表元素，比如均線、指數等，來更好地反映股票價格的變化趨勢。

6. 如何用eviews畫時間序列趨勢圖

1、首先打開EViews10軟體，新建一個workfile，然後在【Start date】里輸入【1979】，在【End date】里輸入【1997】，其餘保持默認即可，點擊【OK】，可以看到如圖所示的界面。

7. 股票圖中的線是怎麼畫出來的，就是（T）的哪線

趨勢線從歷史最低點或某個波段的最低點開始畫起，依次連接重要的次低點，這條線就是上升趨勢線。如果是從歷史最高點或某個波段的高點開始畫，連接重要的次高點，這條線就是下降趨勢線。畫趨勢線的要點在於，落在線上的點越多，線也就越有效。
另外在畫趨勢線時，可以使用對數坐標，這樣可以讓趨勢線更為准確。

溫馨提示：以上內容僅供參考。
應答時間：2021-10-22，最新業務變化請以平安銀行官網公布為准。