数学最高境界是股市预测吗

1. 数学最高境界是股市预测吗

当然不是了。
数学研究的领域非常宽，还有纯数学，不区分具体实践领域。
但股市预测的最高境界，可以说借助数学方式达到。
如果能够凭借数学，准确预报此刻后面的价格，岂不是实现了对未来的穿越，财富尽在掌中了吗？！
这方面的努力一直在进行中，而且有很多成果，虽然不是关于以后某时刻的具体价格预测，但对于提高投资收益是有帮助的。
比如，投资组合理论，创立者还获得了诺奖，该理论借助数学方法框定了投资收益与风险的边界，使股票投资纳入了数学的计量时代。
比如各种摆动指标，均线系统都是数学辅助手段，协助分析的。
比如各种估值模型，各种比率，都是结合具体股票，或进行股票之间优劣比较的工具，给出股票的安全级别。
但是股票波动的不确定性，是他的基本属性，具有不可完全确定的特点。
就像天气预报，很难对具体时点做出误判。
西游记里面的天庭下旨，某时某刻下雨，下多少，是龙王能做到的。
但在现实中，天气也有不可完全预测性，这是基本属性。
尽管如此，股市预测的数学研究仍在推进，力图帮助人们提高决策效率，优化市场资源配置。

2. 股市预测数学有多难

1、耶鲁大学的Robert J.Shiller教授曾经做过这样的实验：他用excel画出了取了对数之后的美国不到两百年的标准普尔指数（S&P 500）的时间序列图，并且他随机生成了一条带漂移项和波动项的随机游走的样本轨道，这两者居然相差无几！（紫色为随机生成的随机游走样本轨道）2、虽然总体上股票变动的预测趋势和实际相似，但是从图像来看，还是存在较大误差的。3、在1982年，Engle开创性地提出了自回归条件异方差模型（简称ARCH模型），较好地模拟了股票波动中的丛聚性和时变性。后来国外多次实证应用等都证实ARCH能够提供较理想的数据模拟与预测效果。4、1986年，伟大的科学家Taylor提出了随机波动模型，简称SV模型。这个模型是一类极具应用前景的金融波动模型。利用基本的SV对新西兰股市记性预测分析，发现该模型有很好的预测能力。G.B.Durham利用SV-mix模型对标准普尔500指数做了预测，认为预测效果很好。5、ARCH模型和SV模型都是国外学者提出来的，能较好地预测国外的股市变化，但是对我国股市却不太适用。原因在于ARCH模型和SV模型都是基于传统统计学原理的模型，要求数据量大和数据有较好的分布。但由于我国股市从1900年上证交易所成立并开始交易算起，至今仅有18年历史。6、在这18年中，政策、监管、股改等原因影响我国股市经历几次大起大落，加之上市公司数量有限并不断变化，造成原始数据在分布，样本量，数据完整性方面均不理想，因此基于统计学原理的预测模型ARCH模型和SV模型对我国股票收益率波动情况预测效果都不是那么好。7、除了样本量的要求大这一缺点之外，ARCH和SV模型都是结构模型相对稳定、简单的，而且都属于单因素模型。但在实际中，预测环境复杂多变，一旦系统变量出现新的关系，该类模型则无法调整和适应。