貝葉斯分析方法股票

1. 教你如何應用樸素貝葉斯分類器進行股價趨勢分類預測

樸素貝葉斯分類器在股價趨勢預測中的實用應用

樸素貝葉斯分類器是一種利用概率統計原理進行預測的工具，尤其適用於分類問題。其基本思想是通過先驗信息和觀測數據來更新分類的後驗概率，從而確定最可能的類別。在股價趨勢預測中，這個方法被用來根據歷史數據和技術指標來判斷未來價格變動方向。

首先，了解貝葉斯定理是運用樸素貝葉斯的關鍵。條件概率是其核心，如P(A|B)，即在B發生時A發生的概率。通過貝葉斯公式，我們計算出特徵向量（如技術指標）在不同價格變動（如上漲、下跌或不確定）條件下的概率，概率值越大，預測該趨勢的可能性越高。

應用時，有三個主要步驟：數據預處理（確定特徵屬性，如當日漲跌狀態、RSI等）、訓練分類器（基於歷史數據計算特徵屬性的條件概率和價格變動的先驗概率）以及預測階段（利用計算出的概率對新數據進行分類）。例如，通過分析過去滬深300成分股的數據，我們可以訓練出一個預測模型，然後用於預測未來的股價走勢。

為了提高預測准確性，建議深入挖掘更多的特徵屬性，確保它們能有效反映市場動態。此外，選擇具有相似趨勢的股票作為訓練樣本，也可以提升模型的精度。此外，波動率模型中的參數估計也可結合貝葉斯方法，為風險評估提供更全面的視角。

總的來說，樸素貝葉斯分類器為股價趨勢預測提供了一種實用且易於理解的工具，但持續優化和調整是提升預測性能的關鍵。

2. 100%幾率獲得100萬，50%幾率獲得1個億，選哪個

安德烈·高茲：「我開始思考，什麼是應該放棄的次要的東西，放棄了它我才能集中精力追求最重要的。而歸根結底，只有一件事對我來說是最主要的：那就是和你在一起。」

如上，一道」簡單」的選擇題。你按紅色按鈕？還是綠色？

這道題比想像中有趣，我試著回答一下:

1、根據期望值理論，綠色按鈕價值5千萬；

2、很多人仍然願意選拿到確認的100萬，因為他們無法忍受50%幾率的什麼都拿不到；

3、換而言之，假如一個人無法承受「什麼都沒有」，那麼右邊的選擇就相當於「你有50%概率得到一個億，有50%概率死掉」。你當然無法承受死，何況高達50%幾率；

4、開放地想，假如你擁有這個選擇的權利，你可將右側價值五千萬的選擇權賣給一個有承受力的人，例如兩千萬（甚至更高）賣給他；

5、繼續優化上一條，考慮到增加「找到願意購買你該選擇權利的人」的可能性，你可以只用100萬（低首付）賣掉這個權利，但要求購買者中得一個億時和你分成；

6、再進一步，你可以把這個選擇權做成彩票公開發行，將選擇權切碎了零售，兩塊錢一張，印兩億張。頭獎一個億。對比5，風險更低，收益更大；

7、鑒於6的成功商業模式，開始募集下一筆一個億作為頭獎，令其成為一項生意。

8、按照P/E估值，募集20億，公開上市，市值100億。

從100萬到100億，讓我們研究一下背後的數學原理。

經濟學里有三個風險決策概念：期望值，期望效用，展望理論。

期望值：

在概率論和統計學中，一個離散性隨機變數的期望值（或數學期望、或均值，亦簡稱期望，物理學中稱為期待值）是試驗中每次可能結果的概率乘以其結果的總和。換句話說，期望值是隨機試驗在同樣的機會下重復多次的結果計算出的等同「期望」的平均值。（來自維基網路）

例如，擲一枚六面骰子，其點數的期望值是3.5，計算如下：

期望效用：

在微觀經濟學、博弈論、決策論中，期望效用是一個效用理論，指在風險情況下，個人所作出的選擇是追求某一數量的期望值的最大化。該假說用於解釋賭博和保險中的期望值。（該概念為解決「聖彼得堡悖論」而生）

展望理論：

1970年代，卡內曼和特沃斯基系統地研究展望理論。長久以來，主流經濟學都假設每個人作決定時都是「理性」的，然而現實情況並不如此；而展望理論加入了人們對賺蝕、發生機率高低等條件的不對稱心理效用，成功解釋了許多看來不理性的現象。

基於以上理論基礎，我想探索幾個有趣的話題：

1、反人性的「每一步都按照整體最優概率做決策」，是傳統意義上成功人士的第一秘密；

2、窮人將自己的「概率權」廉價賣給了富人，概率權是更隱蔽、更大筆的剩餘價值剝削（並不代表我認同剩餘價值的概念）；

3、當下熱門的人工智慧，就是依靠每一步都獨立、冷血的計算最優概率，從而戰勝人類。例如阿爾法狗；

4、然而，非理性，沖動，有可能成為人類最後的堡壘。（我以後會單獨寫這個）

先過一遍基礎概念。

期望值理論（智者的基本決策工具）

根據期望值理論，100%幾率得到5000萬，和50%幾率得到一個億，是一回事情。

貝葉斯定理，是聰明的決策者使用頻率最高的簡單公式之一。

說明：「用虧損的概率乘以可能虧損的金額，再用盈利概率乘以可能盈利的金額，最後用後者減去前者。這就是我們一直試圖做的方法。這種演算法並不完美，但事情就這么簡單。」（By巴菲特）

舉例a：（來自高盛前CEO魯賓的傳記）

「在兩家公司宣布合並後，烏尼維斯的股票交易價為30.5美元（合並宣布前為24.5美元）。

這意味著如果合並事宜談妥的話，來自套利交易的股價上漲可能3美元，因為烏尼維斯公司每股股票將會值33.5美元（0.6075×貝迪公司每股股票的價格）。

如果合並沒有成功，烏尼維斯公司的股票有可能回落到每股大約24.5美元。我們購進的股票有可能下跌6美元左右。

我們把合並成功的可能性定為大約85%，失敗的可能性為15%。在預期價值的基礎上，股價可能上漲的幅度是3美元乘以85%，而下跌的風險是6美元乘以15%。

3美元×85%=（可能上漲）2.55美元

-6美元×15%=（可能下跌）-0.9美元

所以，預期價值=1.65美元

這1．65美元就是我們希望通過把公司30.50美元資本擱置三個月所得到的收益。這就算出了可能的回報率為5.5%，或者以年度計算的話為22%。比這樣的回報率再低一些就是我們的底線。我們認為不值得為了低於20%的年回報率而支付我們公司的資本。「

魯賓特別解釋道，這就是他每天要做的事情，看起來似乎是賭博，而且的確也經常會輸掉。但他要確保的，是大多數時候掙錢。

舉例B：（來自《黑天鵝》作者）

塔勒布在投資研討會說：「我相信下個星期市場略微上漲的概率很高，上漲概率大概70%。」但他卻大量賣空標准普爾500指數期貨，賭市場會下跌。他的意見是：市場上漲的可能性比較高（我看好後市），但最好是賣空（我看壞結果），因為萬一市場下跌，它可能跌幅很大。

分析如下：假使下個星期市場有70%的概率上漲，30%的概率下跌。但是如果上漲只會漲1%，下跌則可能跌10%。未來預期結果是：70%×1%+30%×（-10%）=-2.3%，因此應該賭跌，賣空股票盈利的機會更大。

如芒格所言，巴菲特每天做的，都是算這個簡單數學問題。與其說是一種數學能力，不如說是一種思維模式。知道容易，做到極難。

概率有時候顯得「反直覺」。

舉例C：

一輛計程車在雨夜肇事，現場有一個目擊證人說，看見該車是藍色。已知：1、該目擊證人識別藍色和綠色計程車的准確率是80%；2、該地的計程車85%是綠色的，15%是藍色的。請問：那輛肇事計程車是藍色的概率有多大？

答：該車是綠車但被看成藍車的概率是（0.85×0.2），該車是藍車且被看成藍車的概率是（0.15×0.8），所以該車真的是藍車的概率是（（0.15×0.8）/【（0.85×0.2）+（0.15×0.8）】=41.38% ）。即，該車更可能是綠色的。

會不會和你的大腦直覺有些差異？我們的大腦做工雖然非常令人驚嘆，但在有些數學直覺方面，顯得非常稚嫩。

然而，期望值理論無法回答，為什麼紅色按鈕價值低到100萬，仍然有很多人選擇？

期望效用理論（野心或者恐懼）

丹尼爾·伯努利在1738年的論文里，以效用的概念，來挑戰以金額期望值為決策標准，論文主要包括兩條原理：

a、邊際效用遞減原理：一個人對於財富的佔有多多益善，即效用函數一階導數大於零；隨著財富的增加，滿足程度的增加速度不斷下降，效用函數二階導數小於零。

b、最大效用原理：在風險和不確定條件下，個人的決策行為准則是為了獲得最大期望效用值而非最大期望金額值。

回到文頭的案例。選擇紅色按鈕，立即變現100萬，放棄價值5000萬的選擇權，一方面是因為「滿足於」100萬，就其財富而言，100萬已經帶來數量級的變化，而再多一個數量級也想像不到；另一方面，是想規避綠色按鈕50%的歸零風險。對歸零的恐懼感，遠大於多拿到4900萬的期望。

確切說，選擇紅色按鈕，交織著「期望效用理論」與「前景理論」的綜合作用。

前景理論

《別做正常的傻瓜》引用因前景理論獲得諾獎的卡尼曼的總結一下：

a、在得到的時候，人們都是風險規避的；

b、在失去的時候，理性者是風險規避的，「正常的傻瓜是」是風險偏好的；

c、理性的決策者對得失的判斷不受參照點的影響，而「正常的傻瓜」對得失的判斷往往根據參照點決定；（例如理性決策者不會非要等到回本才拋掉一隻應該拋掉的股票）

d、正常的傻瓜通常是損失規避的。

如同行為經濟學所研究的，社會、認知與情感的因素，會令人作出不那麼「理性」的選擇。

例如，財富的基數，作為參照點，極大程度上決定了人們去按紅色和綠色。

也有例外。

扎克伯格不過是中產家庭出身。他仍能在公司成立兩年的困難階段，拒絕了雅虎的10億美元收購。

你是馬上就拿到10個億，還是以百分之幾的可能性在數年之後拿到1000個億？--這個擺在扎克伯格面前的選擇，多麼像本文開篇那個按鈕選擇。比較而言，扎克伯格的綠色按鈕（失去懲罰）要殘忍得多。

數年後，snapchat以類似的方式拒絕了扎克伯格的30億美元收購要約。

這便是矽谷的精神之一。僅靠發財夢，很難驅動太大的事業。

財富觀、雄心壯志、年輕，讓他們按下了成功概率遠低於50%的綠色按鈕。

曾經和一位老兄聊天，他說，我們最缺的，其實就是有個老爸告訴自己你很牛逼。

為何書香門第或者財富世家會一出一大串牛人，除了基因，資源，可能還有以下原因：

1、有足夠高的參照點，不會被小利益勾走，更能承受風險（其實是低概率的），從而捕獲高回報；

2、身邊一群人的示範效應；

3、被點燃的內心激勵。

他們比平常人更不容易「廉價」甩賣自己的概率權。

被放棄的概率權

1、貧富差距的關鍵決策點上，「窮人」放棄了自己的概率權益；

2、所謂贏家的秘密就是，堅持按照優勢概率行事，哪怕屢屢受挫也不更改人生下注的原則；

3、買彩票是最為昂貴的關於概率選擇權的自暴自棄，所以被稱為收智商稅。

錢多的話就價值投資，錢少的話就賭一把。--這可能是投資領域最被廣泛實施的愚蠢。

小概率的事情很難實現，看起來反而容易；大概率的事情則顯得路途遙遠，其實到達目的地的可能性要大得多。

放棄自己的概率權，選擇舒適的小概率，其實是在用自己本來就微薄的資源，去補貼「成功者」。

為什麼聰明人無法贏得賭局？

假如人生是一場概率游戲，假如我們的一連串選擇決策決定了最終結局，那麼，聰明人貌似該有「先天優勢」。而事實並非如此。

概率來自賭博。帕斯卡和費馬對賭博奇特結果的興趣，引發他們提出了一些概率論的原理，從而創立了概率論。

以賭場玩家「不輸」概率最高的21點為例，掙錢的秘密是：

1、選一個「友好」的賭場（相當於選對行業）；

2、對玩兒法基本功滾瓜爛熟；

3、如電影《決勝21點》般數牌；

4、在優勢概率下，加大下注；

5、不管結果如何，始終如一地執行以上策略，情緒不波動。

聰明人能夠做好1-4。

但是對於「反人性」的5，是許多聰明人的弱點。

在賭場，你要面對各種干擾，例如：最好的下注時機卻沒有位置，隔壁賭客的抽煙，大胸美女的晃眼，以及擔心害怕。

谷歌技術團隊與職業棋手，聯合研究了阿爾法狗對李世石的棋譜，從中能看到「人工智慧」在運行這項人類最難智力游戲時，到底是如何思考的。

阿爾法狗幾乎會在每一手棋時，都計算自己的贏棋概率。即：對它而言，每一個決策點都是獨立的，阿爾法狗都會冷靜的尋找「當下」的最大獲勝概率。

如本文前面所提及的魯賓、塔勒布、巴菲特，他們差不多都是一個人肉阿爾法狗，堅持按照概率行事，經常看起來是「反直覺、反人性、反舒適」的。

絕大多數聰明人，還沒有這種智慧，以及偉大的行事方式。

被收彩票智商稅的蠢人，和懂得概率但不能堅定實施的聰明人，又都無法逃脫一個陷阱：慾望。

在強烈的慾望面前，聰明人認為自己的運氣會提升自己的概率。笨人認為勤能補拙。

所謂成功者的確非常勤奮，但此非充分條件。成功者是選擇的結果，其成功秘密都是事後歸因。

所以，有另外一種比智商稅更隱蔽的稅：發財夢稅。

這能解釋兩個常見「經濟現象」：

1、為什麼中國的商業街總在裝修、換商家？（對比而言，國外的商家很少變遷）

2、為什麼大量淘寶店主們願意為一份低於工資的收入，24小時勤奮工作著？

街頭頻換換手之商鋪的過高租金，網上創業者不計回報的拼搏，正是在為發財夢付出溢價。

如何不賤賣選擇權？

許多人生選擇題，除了abcd，還可能有一個「其它」選項。

對了對付德國人的密碼機，圖靈決定「以機攻機」，然而領導不批預算，並喝令他服從上級命令。圖靈同學靈機一動問：你的上級是誰？隨後給丘吉爾寫了封信搞掂十萬英鎊。

我可以按紅色，也可以按綠色，意味著我擁有選擇權。我可否有另外的變現途徑呢？

第三條路，出賣選擇權，將其賣給VC和PE，是利用資本的風險喜好與承受力，分享了100萬與5000萬之間的價值地帶。

有趣的是，財富世界為一窮二白的年輕人留下了一個暗門。他們並不因自己渴望100萬而非得錯失5000萬。他們只需要更廣闊的視野。

這是當下社會財富的創造與分配核心驅動力之一。亦為資本的美妙之處。

對於「選擇權」的決策思想與行動模式，決定了最終的財富食物鏈。

人生選擇有限

人生有很多個選擇時刻，不能總是被「概率」和「最優」驅使。

就像《怒海爭鋒》里，傑克船長暫時放棄追殺敵船，選擇停靠小島，滿足船醫夢寐以求的達爾文式科學考察。

想起一個朋友，夫妻選擇將創業和置業延後，將時間留給成長中的孩子。

許多美好事物和美好時刻，都是因為一些「不計算」的選擇。

安德烈·高茲說：「我開始思考，什麼是應該放棄的次要的東西，放棄了它我才能集中精力追求最重要的。而歸根結底，只有一件事對我來說是最主要的：那就是和你在一起。」

當然，最好我們手上有足夠的、靠阿爾法狗概率計演算法贏得的籌碼，供自己去揮霍，或是幫助那些沒有人生賭場權的人。例如蓋茨的慈善基金。

也許選擇本身比財富更重要。如果說時光是最寶貴的財富，比時光還有限的人生選擇呢？

我想起1995年畢業後獨自去廣州，遇到一位師長，他見我有些無師自通的靈性，不吝在旁人面前贊「這是天才少年」。（時光總是嫌老愛幼，迄今為止尚未有人稱我是天才中年。）

他注冊自己公司的時候，頭疼選名，於是說：不如就叫「選擇」。

於是這公司成為我加入的第一間公司，其名字蘊含著廣泛的人生隱喻：

「選擇有限」公司。

3. 貝葉斯定理厲害在哪裡有哪些驚為天人的應用

生活中的貝葉斯思維，貝葉斯定理與人腦的工作機制很像，這也是為什麼它能成為機器學習的基礎。如果你仔細觀察小孩學習新東西的這個能力，會發現，很多東西根本就是看一遍就會。比如我3歲的外甥，看了我做俯卧撐的動作，也做了一次這個動作，雖然動作不標准，但是也是有模有樣。同樣的，我告訴他一個新單詞，他一開始並不知道這個詞是什麼意思，但是他可以根據當時的情景，先來個猜測（先驗概率/主觀判斷）。一有機會，他就會在不同的場合說出這個詞，然後觀察你的反應。如果我告訴他用對了，他就會進一步記住這個詞的意思，如果我告訴他用錯了，他就會進行相應調整。（可能性函數/調整因子）。經過這樣反復的猜測、試探、調整主觀判斷，就是貝葉斯定理思維的過程。同樣的，我們成人也在用貝葉斯思維來做出決策。比如，你和女神在聊天的時候，如果對方說出「雖然」兩個字，你大概就會猜測，對方後繼九成的可能性會說出「但是」。我們的大腦看起來就好像是天生在用貝葉斯定理，即根據生活的經歷有了主觀判斷（先驗概率），然後根據搜集新的信息來修正（可能性函數/調整因子），最後做出高概率的預測（後驗概率）。

4. 如何利用機器學習演算法預測股票價格走勢

預測股票價格走勢是金融市場中一項重要的任務。機器學習演算法可以用於預測股票價格走勢。以下是李爛一些常見的方法：
1.時間序列分穗兆析：利用歷史股票價格的時間序列進行分析，使用ARIMA等時間序列分析演算法預測未來的股票價格。
2.神經網路：使用ANN、CNN、RNN等演算法結構，構建模型，基於歷史的數據和技術指標（如RSI、MACD等）進行學習，最終輸出預測結果。
3.集成學習：將多個模型的預測結果進行加權平均，形成哪族漏最終的預測結果。例如使用隨機森林、AdaBoost等演算法結合SVM、LR、KNN等基礎模型進行集成。
4.基於類似貝葉斯理論的方法：將基於歷史數據和技術指標的預測結果進行修正。
5.自然語言處理：對於新聞、公告等文本信息進行分詞、關鍵詞提取、情感分析等處理，以此預測股票價格走勢。
需要注意的是，預測股票價格是一項具有風險的任務，機器學習演算法預測的結果僅具有參考性，不能保證完全正確。投資者在做出投資決策時，應綜合參考多方信息。