股票的时间序列图怎么画

1. 个股分时图的分时价位线和分时均价线是怎么画的

1、个股分时走势图是把股票市场的交易信息以个股实时地用曲线在坐标图上加以显示的技术图形。坐标的横轴是开市的时间，纵轴的上半部分是股价或指数，下半部分显示的是成交量。是股市现场交易的即时资料，是分时走势图（即时走势图）中的一种。
2、分时均线由均价线和分时股价线两条线组成，均价线由黄色线表示，分时股价线由白色线表示。
与K线图上以每天收盘价作为统计依据的均线不同，均价是以盘口总成交额除以盘口总成交量的运算方式测算当前每一股的平均成交价，十分精确地统计出当前所有参与者的综合持仓成本。因此，有了这条均价线，我们就可以在盘面做一些简单的推理：
1.当股价持续在均价线上方运行时，表明市场预期较好，买盘踊跃，当天介入的大部分投资者都能赚钱，这是盘口强势特征；
2.当股价持续在均价线下方运行时，表明市场预期较差，卖盘踊跃，当天介入的大部分投资者都亏钱,属弱势特征；
3.当均价线从低位持续上扬时，表明市场预期提高，投资者纷纷入场推进股价上涨，综合持仓成本不断抬高，对股价形成支撑；
4.当均价线从高位持续下挫时，表明市场预期较差，投资者纷纷离场迫使股价下跌，综合持仓成本不断下降，对股价形成压制。
一般来说，昨天收盘价是今天盘口多空力量的分水岭，如果开盘后半小时内均价线在昨天收盘价上方持续上扬，那么，该股属极强势且当天收出中长阳的概率较大；开盘后半小时内均价线在昨天收盘价下方持续创新低，该股属极弱势且当天收出中长阴的概率较大。
均价线是超级短线实战的一个重要研判工具，它与分时走势交叉错落，如影随形，临盘运用因人而异，特别当一轮极端炒作的主升浪行将结束之时，盘口拉高的股价突然一改强势上攻个性，击穿均价线后大幅回落，此后如果均价线失而复得，得而复失，则是超短线出局信号。

2. R语言画时间序列图

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线图怎么画

• K线图绘制：

首先确定开盘和收盘的价格，它们之间的部分画成矩形实体。如果收盘价格高于开盘价格，则k线被称为阳线，用空心的实体表示。反之称为阴线用黑色实体或白色实体表示。很多软件都可以用彩色实体来表示阴线和阳线，在国内股票和期货市场 ，通常用红色表示阳线，绿色表示阴线。(但涉及到欧美股票及外汇市场的投资者应该注意：在这些市场上通常用绿色代表阳线，红色代表阴线，和国内习惯刚好相反。)用较细的线将最高价和最低价分别与实体连接。最高价和实体之间的线被称为上影线，最低价和实体间的线称为下影线。

• K线图优缺点
  

1、优点：能够全面透彻地观察到市场的真正变化。我们从K线图中，既可看到股价（或大市）的趋势，也同时可以了解到每日市况的波动情形。

2、缺点：

(1)绘制方法十分繁复，是众多走势图中最难制作的一种。

(2)阴线与阳线的变化繁多。

• K线图形态运用

1、头肩型

K线在经过一段时日聚集后，在某一价位区域内，会出现三个顶点或底点，但其中第二个顶点或底点较其他两个顶点或底点更高或更低的现象。如图10-3是一顶二肩的头肩顶；或图10-4，是一底二肩的头肩底型。然而，有时也可能出现三个以上的顶点或底点；若出现一个或二个头部（或底部），两个左肩与右肩，称为复合型肩型（或复合型头肩底）。

2、双重顶

双重顶是当某一种股票急速涨升至某一价位时，由于短线获利回吐的卖压出现，成交量扩大，股价自峰顶滑落，然后成交量随股价的下跌而逐渐萎缩，股价止跌回升后又开始往上盘升，涨升至与前一峰顶附近价位时，成交量再增加，但却比前一峰顶所创造出的成交量少，上档卖压再现，股价再度下跌，且跌破颈线，形成一直往下走的弱势。颈线即是在双峰间的低点划一平行线，由于双重顶完成后突破颈线，从图形上可看出，非常类似英文字母“M”，故双重顶又可称“M”头。

3、双重底

双重顶的反转型态，形成“W”型；也就是股价下跌至某一价位时出现反弹，但是买方力量仍未能集中，股价再度回软，然后跌势趋于缓和，在跌至前次低价附近获得支撑，买方力量此时增强，股价开始呈现转强走势。 应该注意的是，双重顶（或双重底）出现时，不一定都会呈现反转走势，有时依然会呈现整理型态。双重顶或双重底完成后，突破颈线幅度超过该股市价3%以上时，才能算是有效突破，否则，仍有可能是盘旋整理甚至反转走势。

4. 2020-03-28 线性时间序列模型

课程采用模蠢Ruey S. Tsay的《金融数据分析导论：基于R语言》(Tsay 2013 ) （An Introction to Analysis of Financial Data with R）作为主要教材之一。

时间序列的线性模型，包括：

股价序列呈现缓慢的、非或尺单调的上升趋势， 局部又有短暂的波动。

可口可乐公司每季度发布的每股盈利数据。 读入：

时间序列图：

序列仍体现出缓慢的、非单调的上升趋势，又有明显的每年的周期变化（称为季节性）， 还有短期的波动。

下面用基本R的 plot() 作图并用不同颜色标出不同季节。

现在可以看出，每年一般冬季和春季最低， 夏季最高，秋季介于夏季和冬季之间。

收益率在0上下波动，除了个别时候基本在某个波动范围之内。

用xts包的 plot() 函数作图：

聚焦到2004年的数据：

红色是6月期国债利率， 黑色是3月期国债。 一般6月期高， 但是有些时期3月期超过了6月期，如1980年：

如图标普500月收益率那样的收益率数据基本呈现出在一个水平线（一般是0）上下波动， 且波动范围基本不变。 这样的表现是时间序列“弱平稳序列”的表现。
弱平稳需要一阶矩和二阶矩有限。某些分布是没有有限的二阶矩的，比如柯西分布， 这样的分布就不适用传统的线性时间序列理论。

稍后给出弱平稳的理论定义。

如图2可口可乐季度盈利这样的价格序列则呈现出水平的上下起伏， 如果分成几段平均的话， 各段的平均值差距较大。 这体现出非平稳的特性。
以下为一堆公式推导，具体查看： http://www.math.pku.e.cn/teachers/lidf/course/fts/ftsnotes/html/_ftsnotes/fts-tslin.html#fig:tslin-intro-sp02

时间序列
自协方差函数
弱平稳序列

图6 是IBM股票月度简单收益率对标普500收益率的散点图。 从图中看出， 两者有明显的正向相关关系。
对于不独立的样本， 比如时间序列样本， 也可以计算相关系数， 其估计合理性需要一些模型假设。

对于联合分布非正态的情况， 有时相关系数不能很好地反映X和Y的正向或者负向的相关。 斯皮尔曼（Spearman）相关系数是计算X的样本的秩（名次）与Y的样本的秩之间的相关系数， 也称为Spearman rank correlation。

另一种常用的非参数相关系数是肯德尔tau(Kendall’s )系数， 反映了一致数对和非一致数对之间的差别。
即两个观测的分量次序一致的概率减去分量次序相反的概率。 一致的概率越大，说明两个的正向相关性越强。

对IBM收益率与标普收益率数据计算这三种相关系数：

自相关函旦团陪数 （Autocorrelation function, ACF）参见 (何书元 2003 ) P.131 §4.2的例2.1。 原始文献： 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软件中， acf(x) 可以估计时间序列 x 的自相关函数并对其前面若干项画图。

例：CRSP的第10分位组合的月对数收益率， 1967-1到2009-12。 第10分位组合是NYSE、AMEX、NASDAQ市值最小的10%股票组成的投资组合， 每年都重新调整。

图6: CRSP第10分位组合月对数收益率

用 acf() 作时间序列的自相关函数图：

acf() 的返回值是一个列表，其中 lag 相当于， acf 相当于。 用 plot=FALSE 取消默认的图形输出。

有研究者认为小市值股票倾向于在每年的一月份有正的收益率。
为此，用对的检验来验证。 如果一月份有取正值的倾向， 则相隔12个月的值会有正相关。

计算统计量的值，检验p值：

值小于0.05, 这个检验的结果支持一月份效应的存在性。

Ljung和Box(Ljung and Box 1978 )对Box和Pierce(Box and Pierce 1970 )提出了混成统计量(Portmanteau statistic)
检验方法进行了改进

在R软件中， Box.test(x, type="Ljung-Box") 执行Ljung-Box白噪声检验。 Box.test(x, type="Box-Pierce") 执行Box-Pierce混成检验。 用 fitdf= 指定要减去的自由度个数。

检验IBM股票月收益率是否白噪声。
考虑IBM股票从1926-01到2011-09的月度收益率数据， 简单收益率和对数收益率分别考虑。
读入数据：

读入的是简单收益率的月度数据。 作ACF图：

从ACF来看月度简单收益率是白噪声。
作Ljung-Box白噪声检验， 分别取和：

在0.05水平下均不拒绝零假设， 支持IBM月度简单收益率是白噪声的零假设。
从简单收益率计算对数收益率， 并进行LB白噪声检验：

在0.05水平下不拒绝零假设。

Box-Pierce检验和Ljung-Box检验受到取值的影响， 建议采用， 且序列为季度、月度这样的周期序列时， 应取为周期的整数倍。
对CRSP最低10分位的资产组合的月简单收益率作白噪声检验。
此组合的收益率序列的ACF:

针对和作Ljung-Box白噪声检验：

在0.05水平下均拒绝零假设， 认为CRSP最低10分位的投资组合的月度简单收益率不是白噪声。

有效市场假设认为收益率是不可预测的， 也就不会有非零的自相关。 但是，股价的决定方式和指数收益率的计算方式等可能会导致在观测到的收益率序列中有自相关性。 高频金融数据中很常见自相关性。

常见的白噪声检验还有TREVOR S. BREUSCH (1978) 和LESLIE G. GODFREY (1978)提出的拉格朗日乘子法检验（LM检验）。 零假设为白噪声， 对立假设为AR、MA或者ARMA。 参见：

设是独立同分布的二阶矩有限的随机变量， 称为独立同分布白噪声(white noise)。 最常用的白噪声一般假设均值为零。 如果独立同分布， 称为高斯(Gaussian)白噪声或正态白噪声。

白噪声序列的自相关函数为零（除外）。

实际应用中如果样本自相关函数近似为零 （ACF图中都位于控制线之内或基本不超出控制线）， 则可认为该序列是白噪声的样本。

如：IBM月度收益率可以认为是白噪声（见例 3.3 ）； CRSP最低10分位投资组合月度收益率不是白噪声（见例 3.4 ）。

不是所有的弱平稳时间序列都有这样的性质。 非平稳序列更是不需要满足这些性质。

公式就不赘述

如果从时间序列的一条轨道就可以推断出它的所有有限维分布， 就称其为严平稳遍历的。 这里不给出遍历性的严格定义， 仅给出一些严平稳遍历的充分条件。 可以证明， 宽平稳的正态时间序列是严平稳遍历的， 由零均值独立同分布白噪声产生的线性序列是严平稳遍历的。

Tsay, Ruey S. 2013. 金融数据分析导论：基于R语言 . 机械工业出版社.

何书元. 2003. 应用时间序列分析 . 北京大学出版社.

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.

参考学习资料： http://www.math.pku.e.cn/teachers/lidf/course/fts/ftsnotes/html/_ftsnotes/fts-tslin.html#fig:tslin-intro-sp02

5. 后室里的股票该怎么画

1. 首先，你需要确定你要画的股票是哪只，然后搜索该股票的历史价格数据。
2. 然后，你需要找到一个可以画图的软件，比如Excel或者其他图表软件。
3. 接下来，你需要把你搜索到的历史价格数据输入到软件中，并设置好时间轴和坐标轴。
4. 最后，你可以根据你的需要，添加其他图表元素，比如均线、指数等，来更好地反映股票价格的变化趋势。

6. 如何用eviews画时间序列趋势图

1、首先打开EViews10软件，新建一个workfile，然后在【Start date】里输入【1979】，在【End date】里输入【1997】，其余保持默认即可，点击【OK】，可以看到如图所示的界面。

7. 股票图中的线是怎么画出来的，就是（T）的哪线

趋势线从历史最低点或某个波段的最低点开始画起，依次连接重要的次低点，这条线就是上升趋势线。如果是从历史最高点或某个波段的高点开始画，连接重要的次高点，这条线就是下降趋势线。画趋势线的要点在于，落在线上的点越多，线也就越有效。
另外在画趋势线时，可以使用对数坐标，这样可以让趋势线更为准确。

温馨提示：以上内容仅供参考。
应答时间：2021-10-22，最新业务变化请以平安银行官网公布为准。