A股历史上七次大调整

最新推荐文章于 2025-06-16 16:47:30 发布
转载 最新推荐文章于 2025-06-16 16:47:30 发布 · 654 阅读 · 0
文章标签：

#comments #2010

 

 

 

 

起止时间

下跌区间

历史最大跌幅

Comments

1992年5月-1992年11月

从1429点跌至400点

5个月72%

 

1993年2月-1994年7月

从1553点跌至325点

18个月79.00%

 

1994年9月-1996月1月

从1053点跌至512点

16个月51.00%

 

1997年5月-1999年5月

从1510点跌至1047点

24个月30.00%

 

1999年6月-2000年1月

从1756点跌至1361点

12个月22.00%

 

2001年6月-2005年6月

从2245点跌至998点

48个月55.00%

20050606 lowest 998.23

2007年10月-2008年10月

从6124点跌至1664.93点

12个月72.80%

20071016 highest 6124.04

 

  
2009年8月4日 反弹至3478.01

2010-7-26 close price 2588.68

              

 

使用 Python 的 LSTM 进行股市预测
gongdiwudu的专栏
04-08 4585
​在本教程中，您将了解如何使用称为长短期记忆的时间序列模型。 LSTM 模型非常强大，尤其是在设计上保留长期记忆，正如您稍后将看到的。您将在本教程中解决以下主题： 了解为什么您需要能够预测股价走势； 下载数据 - 您将使用从雅虎财经收集的股票市场数据； 分割训练测试数据并执行一些数据标准化； 回顾并应用一些可用于一步预测的平均技术； 激发并简要讨论LSTM 模型，因为它可以提前预测不止一步； 利用当前数据预测和可视化未来股市 ​
过往记录系列 篇七：大A突破3500点历史梳理
生活在别处
07-21 218
梳理了 2007 - 2024 年间数次突破 3500 点的行情。详细阐述每次行情的时间跨度、驱动逻辑、市场表现、终结信号等关键要素，并通过对比不同年份行情，从驱动因素、资金性质、政策背景等多维度揭示各次行情特点。同时，指出 3500 点在市场中的心理与资金关口意义，强调有效突破需政策面、资金面、基本面共同支撑，且外部冲击、杠杆失控、量能萎缩是行情回落的风险预警信号，为投资者理解市场变化、把握投资机会提供全面参考。 重要亮点 不同年份 3500 点突破行情回顾：2007 年因经济高增长、股改红利等因素，
c语言股票最大收益_股票市场周期波动的数学原理及分析方法
weixin_39522698的博客
12-11 1302
【摘要】霍华德▪马克斯观察到的《周期》波动曲线客观存在，投资者的投资收益完全取决于买入点和卖出点在周期波动曲线上的相对位置。因此要想投资成功首先应解决两个关键问题，一是获得与股票价格同步的周期波动曲线，二是准确判断当前处在周期波动曲线上的具体位置。本文从数学上证明了马克斯描述的《周期》波动就隐藏在股票价格曲线中，并给出了《周期》波动的范围、获取方法及位置判断方法，可为投资者提供准确的买卖...
量化投资学习——A股H股套利年化100%
m0_37876745的博客
08-15 2780
一、交易对象选取 首先是选取数据，选取数据的来源是wind： 从wind中的交易数据-AH比较 里面可以看到历史收盘价和A/H溢价率， 考虑到在2008年金融危机之后，全球市场发生了较大的变化，我们从2009年取，一共取到了13年的数据如下所示,其中表1是AH溢折数据，价格数据和volume数据 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SWxRs3KK-1629020976406)(attachment:image.png)] 接下来进行数据分析：根据十三年的数据，我们
七种量化选股模型
bigquant的博客
01-05 3554
七种量化选股模型【新增策略案例】
威廉•欧奈尔选股七法
小壁虎的春天
11-05 2187
中国的投资者多半都知道沃伦·巴菲特，但未必都知道威廉·欧奈尔。如果把巴菲特称之为"股王"，那么这位白手起家、而立之年便在纽约证交所给自己买下一个席位的欧奈尔，显然更像是一位谆谆教导并且身体力行的老师，从选股、选择买卖点以及散户通过购买基金赚大钱，到如何在茫茫股海中抓黑马等投资策略，他都考虑到了。 威廉·欧奈尔的股市生涯开始于1958年.他当时担任海登.史东公司的证券经纪商,而他日后的投资策略就是在这时期成型的.欧尼尔从事交易一开始便相当成功.从1962到1963年间,他以多空交替的操作手法,将自己50..
【历史上的今天】10 月 4 日：计算机先驱阿塔纳索夫出生；卡巴斯基创始人诞生；谷歌推出 Google Pixel 手机
历史上的今天
10-04 6715
10 月 4 日，罗马教皇宣布次日为 10 月 15 日；计算机先驱约翰·阿塔纳索夫出生；苏联发射人类第一颗人造卫星 Sputnik；俄罗斯程序设计师尤金·卡巴斯基出生；Facebook 正式突破 10 亿活跃用户大关；Google 推出了第一代 Google Pixel 智能手机。
LLMs：《A Survey of Large Language Models大语言模型综述》的翻译与解读(一)之序言(挑战+LM四阶段+LLM与PLM的三大区别)、概述(两个代表性扩展定律/涌现能力
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
07-05 6896
​ LLMs：《A Survey of Large Language Models大语言模型综述》的翻译与解读(一)之序言(挑战+LM四阶段+LLM与PLM的三大区别)、概述(两个代表性扩展定律/涌现能力三种典型/六大关键技术+GPT系列技术演进)、资源(开源模型/闭源API+六类语料库+三种框架库) LLMs：大型语言模型发展综述—序言(挑战+LM四阶段+LLM与PLM的三大区别)、概述(两个代表性扩展定律/涌现能力三种典型/六大关键技术+GPT系列技术演进)、资源(开源模型/闭源API
Python数据分析案例31——中国A股的月份效应研究(方差分析，虚拟变量回归)
weixin_46277779的博客
01-12 2295
研究的是不同月份之间的股市收益率差异，就是分类型自变量是否对数值型因变量有显著性影响。
五穷六绝七翻身？33年数据实证踢爆大A传言
iamquantman的博客
06-29 1166
五穷六绝七地狱
深度学习实战111-基于神经网络的A股、美股、黄金对冲投资策略（PyTorch LSTM）
微学AI的博客
06-16 193
基于神经网络的A股美股、黄金对冲投资策略（PyTorch LSTM） 资金分配：建议采用动态对冲比例，初始可按50%美股基金+50%A股基金配置，后续根据相关性和预测信号动态调整。 动态调整：利用神经网络模型预测未来一段时间美股、A股的收益趋势，根据预测信号调整资金分配。
2020年A股4192家公司KMV模型Python与MATLAB分析报告
如果一年内一次或多次调整，则按照实行天数进行加权计算。 知识点五：Python和MATLAB编程语言 Python和MATLAB是两种常用的编程语言，广泛应用于数据分析和模型计算领域。在本资源中，使用Python和MATLAB实现了KMV...
万字详解：普通人如何最大程度上践行巴菲特的价值投资理念实现财富自由？
AI天才研究院
04-03 319
知识积累：掌握财报分析、估值模型、行业研究等工具。能力构建：在实践中形成独立判断，构建个人能力圈。认知跃迁：理解市场本质，将投资哲学融入生活方式。巴菲特的理念本质是“用合理的价格买入优秀企业，然后等待”。普通人无需成为金融专家，只需坚守能力圈、控制风险，并借助复利与时间的力量。正如芒格所言：“成功的投资是生活方式的副产品。通过终身学习与纪律性实践，普通人完全可能实现财富自由。
永磁同步电机FOC控制与七段式SVPWM调制技术详解及MATLAB仿真
08-08
永磁同步电机（PMSM）的FOC（场向量控制）技术和七段式SVPWM（空间矢量脉宽调制）调制技术。首先解释了FOC控制的工作原理，包括将三相电流转换为d轴和q轴电流，以实现对电机转矩和磁场的独立控制。接着阐述了七段式SVPWM调制技术的特点，通过七个不同开关状态合成目标电压矢量，提高电压利用率和电机效率。文中还讨论了调压调速模型及电流环、速度环和位置环的作用，确保电机运行的稳定性。最后展示了基于MATLAB R2018b的仿真模型和结果，验证了这两种技术的有效性和优越性。 适用人群：电机控制领域的研究人员和技术人员，特别是对永磁同步电机有研究兴趣的专业人士。 使用场景及目标：适用于需要深入了解永磁同步电机控制技术的研究项目或工业应用。目标是掌握FOC控制和七段式SVPWM调制的具体实现方法，提升电机控制系统的性能和效率。 其他说明：本文提供了详细的理论背景和技术细节，并附带MATLAB仿真模型，便于读者进行实验验证和进一步研究。
深度学习项目介绍 Python实现基于CNN-BiLSTM卷积神经网络结合双向长短期记忆网络进行多变量时序预测的详细项目实例（含模型描述及部分示例代码）
08-08
内容概要：本文档详细介绍了基于CNN-BiLSTM架构的多变量时序预测项目，旨在解决传统方法难以处理的多变量间复杂非线性关系和长期依赖问题。项目通过卷积神经网络（CNN）自动提取局部特征，结合双向长短期记忆网络（BiLSTM）捕捉序列的双向依赖，构建了高效的预测模型。文档涵盖了项目背景、目标、挑战及解决方案，并提供了模型架构和代码示例。模型架构包括数据输入层、卷积特征提取层、双向LSTM时序建模层和全连接输出层，通过端到端训练自动调整参数，提升泛化能力和预测准确性。; 适合人群：具备一定编程基础，特别是对深度学习和时序数据分析感兴趣的开发者、研究人员及工程师。; 使用场景及目标：①应用于工业设备状态监测、金融市场分析、气象预测、交通流量预估等多领域；②通过自动化特征提取和时间依赖建模，减少专家干预，提高预测精度和模型鲁棒性；③优化模型训练和推理速度，满足实时预测需求。; 阅读建议：文档不仅包含理论讲解，还有详细的代码实现和模型架构介绍，建议读者结合实际案例进行实践，重点关注数据预处理、模型训练调优及预测性能提升等方面的内容。
用于确定高层大气潮汐模式的星座中卫星数量的优化”的补充材料。.zip
08-08
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
我觉得没什么好说的，有一行代码意义不明，但删了不能用
最新发布
08-08
我觉得没什么好说的，有一行代码意义不明，但删了不能用
Docker部署流程.pdf
08-08
Docker部署流程
JAVAC 命令详解.doc
08-08
JAVAC 命令详解
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值