股票資料分析方法

　　眾所周知，一些股票分析磚家，做股票投資分析主要用：基本分析、技術分析、演化分析，下面就讓小編為你們介紹一下吧。

　　一

　　作為提高股票分析資料時效性和真實性的重要方法，技術分析和演化分析主用於具體投資操作和波段判斷上，基本分析則是用於對股票常規資料分析進行的前期準備。

　　每個想自己做股票投資或者是想讓操盤手和機構代為投資的，都需要學習一些基礎的股票分析方法，因為我們知道不看路的人，遲早會掉進沒井蓋的下水溝裡。

　　一、基本分析：以傳統經濟學為理論基礎，將企業的經營狀況和經營戰略，行業發展前景，企業綜合實力等諸多因素作為研究物件。以分析其公司上市後的投資價值和邊際效率，以形成有效投資建議。但也因為分析一些不可預防的股價波動，所以做短期不如做長期持有，來的安全。

　　二、技術分析：以傳統證券學為理論基礎，研究股票價格波動的各種因素和可能性，也就是磚家們在電視上經常鼓吹的依據。這部分的分析資料量很大，要看很多股價變化的歷史資料和對波動規律進行統計。這方面的知識，建議簡單看看就好，畢竟我們不是很專業，買股也是看熱點和政策支援等因素。

　　三、演化分析：以煙花證券學為理論基礎。和技術分析相似，都是需要龐大的資料支援，進行推演，預測股價的波動和走勢。但它屬於假想範圍，是一種模糊的預測。

　　通過股票的資料分析，可以更好的判斷股票所代表公司的經營狀況和發展方向，看看是否達到建倉買進的要求的程度。並基本分析得到的資料裡判斷它的發展空間和上漲力度，以及它的現行股價是否合理。技術分析則是讓我們掌握好購買的價位和時機。

　　其中基本分析法適合用於長期持有股票的分析，而技術分析經常應用於短期持有股。無論哪一種方法，都需要有肯打持久戰的準備和沉著冷靜的強心臟。

　　以上個人觀點，僅供參考。希望股友們有所斬獲，

　　二

　　記得上大學的時候，老師在第一堂課裡對我們說：“經濟學是一門奇怪的學科，它所使用的資料如此之多，但卻得不到什麼確定的結論。”多年以後，筆者發現，投資這門學科也如出一轍。

　　數字不能推匯出未來，這其中有很多的原因，有些是我們不可控制的，這無可厚非，畢竟誰也沒有水晶石。不過其中有些偏差，是由於我們沒有仔細分析資料造成的。這其中的一類偏差，就是由我們沒有能夠進行正確的資料比較造成的。舉個簡單的例子，就好比有人發現美國的牛奶、汽車比中國的便宜，就攻擊中國的物價體系，卻忘記比較兩者的白菜價格、保姆薪酬一樣。在這裡，筆者就想指出幾個在投資中經常碰到、或者曾經碰到的、極易被忽視的資料比較誤區。

　　一般來說，主要的股票指數均不包含派息，這包括了標普500指數、滬深300指數等。在美國，按照證券交易委員會的規定，共同基金在將他們的業績和某種指數的回報率進行比較時，必須將指數的派息收益包含在內。而在A股，目前尚沒有這一硬性要求。那麼，包含和不包含股息收益，到底會對業績的比較產生多大影響呢?

　　舉例來說，滬深300指數過去5年的平均股息率大約在1.23%左右，上證50、標普500、日經225、富時100指數則分別在1.44%、1.61%、2.21%、3.81%左右。假設一個股票指數在5年的時間裡平均股息率為2%，每年淨資產增長10%，同時估值不改變，那麼考慮和不考慮股息率的回報率將分別為76.2%和61.1%，相差15.2%。如果把以上的股息率取值1.5%，則相差為11.3%。實際上，在2006年4月至今的5.2年裡，滬深300指數增長了68%，滬深300全收益指數則增長了85.3%，相差達到17.3%。和什麼指數比?這是個問題。

　　在過去兩年的小盤股行情中，我們看到許多分析認為，小公司未來有更好的增長，所以從動態PE來看，小股票並不貴。那麼到底小股票貴不貴呢?我們在2010年進行了一系列比對，主要是對比了A股和海外大約15個發達、發展中市場的估值結構，結果發現從PB來看，A股的小股票估值達到藍籌股的2倍以上，而海外市場無一高於藍籌股。類似的，在創業板剛推出的時候，市盈率高達50餘倍，當時有分析認為，韓國KOSDAQ的PE也有40多倍，所以創業板不貴。但是如果看看PB就會發現，韓國KOSDAQ的PB只有1倍左右，其PE高主要是因為沒有盈利。和什麼估值體系比?這也是個問題。

　　曾經有個朋友推薦一隻股票，說是一家高成長公司，過去4年淨利潤增長了250%，CAGR達到37%，遠遠高於行業平均水平，現在PE只有40倍，可以看好。我說光憑這個原因，我不會看好這家公司。她問為什麼?我說你看看工行同期的淨利潤CAGR是多少?一查，是35.6%。那麼工行只有不到10倍的PE，因而僅憑增速就去看好一家增速一樣、估值卻要貴4倍的公司，似乎也不可取。和什麼股票比?這還是個問題。

　　另外，在看主動投資分析的時候，會發現大部分作者喜歡先說一段國外的情況***通常是美國***，然後再說國內的。有意思的是，如果看一下金融工程、量化投資的分析，則會發現極少有人借用國外的資料進行比較。為什麼呢?筆者的工作正好跨主動策略投資和量化投資兩個領域，因此對此提出一個簡單的猜想：是不是因為金工、量化想要在成熟市場找到一種足夠有效、能夠經得住跨市場、跨週期回測的演算法，實在是比較困難?而對主動投資來說，成熟市場歷史悠久、資料豐富，幾乎可以找到任何情況下股市的表現，因此在調素材的時候多用一些，也就順理成章了?你看，比還是不比?這更是個問題。

　　有了資料還不行，資料怎麼分析、和什麼對比，是更大的問題，值得更細緻地研究。而有些時候，我們甚至連資料收集都難以保證精確，那麼又怎麼保證我們的研究質量呢?如果資料和結果之間有這麼多的誤差，我們又應該對我們得到的結論保留多少堅持呢?舉個小反例，在以上股息率的分析中，筆者採用的是Bloomberg的平均值資料，而這個資料和Wind、Datastream的資料都有出入。你看，這還不光是和誰比、怎麼比的問題呢。