㈠ 股市中的成交量是如何区分买入和卖出的呢
分析成交量时一般不说“买入”和“卖出”而是看“主买”和“主卖”。“主买”“主卖”反映了交易双方的主观意愿，对炒股操作有一定的参考价值。在炒股软件中是以不同颜色的数据显示。一般情况下，股票下跌中必定“主卖”占据优势，反之“主买”占据优势股价上涨。实际操作中我们更加关注“主买大单”“主卖大单”大单一般定义为500-1000手，在一定时间内大单的力度反映了主力或庄家的动向。大多数软件中都有“区间分析”这一功能对“主买”“主卖”性质进行数据化的显示。
值得注意的是，我们切不可单凭“主买”“主卖”的分析冒然操作！股票的涨跌是个复杂的问题，需要全面的分析与判断。
㈡ 股票中怎么判断是买入成交量还是卖出的成交量
分析成交量时一般不说“买入”和“卖出”而是看“主买”和“主卖”。“主买”“主卖”反映了交易双方的主观意愿，对炒股操作有一定的参考价值。在炒股软件中是以不同颜色的数据显示。
一般情况下，股票下跌中必定“主卖”占据优势，反之“主买”占据优势股价上涨。实际操作中我们更加关注“主买大单”“主卖大单”大单一般定义为500-1000手，在一定时间内大单的力度反映了主力或庄家的动向。大多数软件中都有“区间分析”这一功能对“主买”“主卖”性质进行数据化的显示。
值得注意的是，我们切不可单凭“主买”“主卖”的分析冒然操作.股票的涨跌是个复杂的问题，需要全面的分析与判断。
㈢ 股票买入和卖出的问题
这个就是看你的判断了,跟真实的炒股票一样,可以委托比当时的价格更高卖或者更低买,当时不能成交,而是等待,在当日内股价上涨到你委托的卖价就成交或者下跌到你的买价就可以成交,这个要预估,估计股票会上涨下跌到什么地方.
下载一下股票行情分析软件,输入股票代码,就可以看到全天的分时走势和历史走势.
㈣ 股票内外盘和主动买入卖出指标的区别
相同的问题我问过这是答案，我觉得还行，整理过的，希望对你有用！
详解内盘外盘的含义
委托以卖方价格成交的纳入“外盘”；委托以买方价格成交的纳入“内盘”。
“外盘”和“内盘”相加成为成交量，分析时由于卖方成交的委托纳入“外盘”，如“外盘”很大意味着多数卖的价位都有人来接，显示买势强劲；而以买方成交的纳入“内盘”，如“内盘”过大，则意味着大多数的买入价都有人愿意卖，显示卖方力量较大；如内外盘大体相当，则买卖方力量相当。 但事实上内外盘之比真的能准确地反映股票走势的强弱吗？庄家既然能做出虚假的日 线和成交量，难道就做不出虚假的内外盘？所以关于内外盘的细节，我们还有仔细研究的必要。 经常看盘的朋友应该都有过这样的经验，当某只股票在低位横盘，庄家处于吸筹阶段时，往往是内盘大于外盘的，具体的情形就是庄家用较大的单子托住股价，而在若干个价位上面用更大的单子压住股价，许多人被上面的大卖单所迷惑，同时也经不起长期的横盘，就一点点地卖出，3000股5000股地卖，市道特别低迷的时候还见到一两百股的卖单，此时庄家并不急于抬高价位买入，只是耐心地一点点承接，散户里只有少数人看到股价已无深跌可能，偶尔比庄家打高一点少量买入，才形成一点点外盘，这样一来就造成主动性卖盘远大于主动性买盘，也即内外盘比较大，这样的股当时看起来可能比较弱，但日后很可能走出大行情，尤其是长期出现类似情况的股值得密切关注。 但如果股价经过充分炒作之后已经高高在上了，情形就恰恰相反，盘中买单要较卖单大，庄家用大买单赶着散户望上冲，他一点点地出，出掉一些后把价位再抬上去，其实是原来的大买单撤了又高挂了，看起来像是大家奋勇向前，其实是散户被人当过河卒用了。偶尔有跟庄的大户一下子把底下的托盘给砸漏了，我们才会看到原来下面的承接盘如此弱不禁风，原因就是大家都被赶到前面去了，个别没买上的恐怕还赶紧撤单高挂，大有不买到誓不罢休的架势，底下其实并没几个单子了，庄家只好尽快补个大单子顶住。这个时候的外盘就远大于内盘了，你说是好事吗？短线跟进，快进快出可能还行，稍不留神就可能被套进去，让你半年不得翻身。上面提到的是庄家吸筹和出货时的两种典型情况，当时内外盘提供的信号就与我们通常的认识相反，所以看待首先要做的是搞清楚股价处于什么位置，在没有前提条件的情况下来单纯地分析根本就得不出有意义的结论。
当然很多时候股价既非高高在上也不是躺在地板上不动，而是在那上窜下跳走上升通道，或走下降通道，或做箱形振荡，或窄幅横盘，这些时候又如何来判断内外盘的意义呢？ 当股票沿着一定斜率波浪上升时，在每一波的高点之前，多是外盘强于内盘，盘中常见大买单层层推进或不停地有主动买盘介入，股价在冲刺过程中，价量齐升，此时应注意逐步逢高减磅，而当股价见顶回落时，内盘就强于外盘了，此时更应及时离场，因为即使以后还有高点，必要的回档也会有的，我们大可等低点再买回来，何况我们并没有绝对的把握说还会有新高出现。后来股价有一定跌幅，受到某一均线的支持，虽然内盘仍强于外盘，但股价已不再下跌，盘中常见大买单横在那，虽然不往上抬，但有多少接多少，这就是所谓逢低吸纳了，此时我们也不妨少量参与，即使万一上升通道被打破，前一高点成了最高点，我们起码也可寄希望于双头或头肩顶，那样我们也还是有逃命的机会。上面是指股价运行在上升通道中的情况，而股价运行在下降通道中的情况恰恰相反，只有在较短的反弹过程中才会出现外盘大于内盘的情况，大多数情况下都是内盘大于外盘，对于这样的股，我们不参与也罢。至于箱形振荡股，由于成交量往往呈有规 律的放大和缩小，因此介入和退出的时机较好把握，借助内外盘做判断的特征大致和走上升通道的股差不多。窄幅盘整的股，则往往伴随成交量的大幅萎缩，内外盘的参考意义就更小了。因为看待内外盘的大小必须结合成交量的大小来看，当成交量极小或极大的时候往往是纯粹的散户行情或庄家大量对倒，内外盘已经失了本身的意义，虚假的成分太多了。
另外有两种极端的情况就是涨停和跌停时的内外盘。当股价涨停时，所有成交都是内盘，但上涨的决心相当坚决，并不能因内盘远大于外盘就判断走势欠佳，而跌停时所有成交都是外盘，但下跌动力十足，因此也不能因外盘远大于内盘而说走势强劲。
总而言之，内盘和外盘的大小对判断股票的走势有一定帮助，但一定要同时结合股价所处的位置和成交量的大小来进行判断，而且更要注意的是股票走势的大形态，千万不能过分注重细节而忽略了大局。
技术分析系统中经常有“外盘”、“内盘”出现。以卖方委托成交的纳入“外盘”，是主动性买入,显示买势强劲,用红色显示,是人们常说的抢盘；以买方委托成交的纳入“内盘”是主动性卖出,显示卖方力量强劲,用绿色显示,是人们常说的抛盘。
“外盘”和“内盘”相加为成交量。人们常用“外盘”和“内盘”来分析买卖力量那方占优势，来判断市势。但有时主力利用对冲盘来放烟幕。
[编辑本段]
内盘外盘应用举例
内盘和外盘这两个统计指标是由软件自己计算的,并不是交易所计算后传出来的。当软件收到一笔新数据时就会将成交价与上一次显示的买①和卖①进行比较,如果成交价小于或等于买①,那么相应的成交量就被加到内盘指标上去,如果大于或等于卖①,那么对应的成交量就被加到外盘指标上去。如果在两者之间则内外盘各分一半,这样内盘加上外盘就等于总的成交量。由于各个通讯站点接受讯号有差异,所以不同的软件所计算出来的内盘和外盘是不一样的。
根据计算方法我们似乎应该相信,内盘大股价要跌而外盘大则股价要涨。不过这样理解还是比较片面,对于一个成交量较小的小盘股来说下面的案例很能说明问题。
假设①：当天大盘跌幅超过一个百分点。
假设②：当天股价上涨超过一个百分点。
假设③：内盘明显大于外盘。
满足这些假设的场景经常会在盘中出现。由于内盘明显大于外盘,所以我们往往会以为主动性抛盘很多,股价将下跌。很多情况下确实是这样,但我们还是应该再仔细观察一下挂单的变化情况,这是我们看盘的重点。
由于盘小量小,所以挂单的价差比较大。值得关注的是尽管内盘在不断增加但股价却并没有明显下跌,我们必须对此给出一个合理的解释。
比如某股现在买①和卖①的价位是10.46元和10.50元。有抛盘陆续砸出,买①变成10.43元而卖①没有变,这些抛盘自然被计入内盘中。接着有一笔较大的买单挂在10.44元,买①变为10.44元。接着又是几笔抛盘砸出,买①成为10.43元,这些量自然继续被加到内盘上。后来再出现一笔大买单挂在10.45元上面,买①和卖①恢复为10.45元和10.50元。
以上的挂单变化在当天的交易中经常出现,它已经给出了合理的解释,那就是有大单在吸纳随大盘下跌而抛出来的散单,而且是以相对较高的价格。所以本案例的结论正好相反,股价很有可能在最近上涨,尽管内盘明显大于外盘。
对于成交量较小的小盘股来说只要满足以上三个假设,那么大单吸筹的结论可以成立,不过据此还不能断定是否立刻上涨。
如果我们把上面的三个假设全部颠倒过来则结论正好相反。
㈤ 某某股票的投资分析报告
你得网上去搜索下有关这方面的知识，材料啊，研究它的过去，最近时间的表现和其他股票想比较，具体什么方法去研究之类的， 研究股票最终的目的是研究其成长性，研究股票背后的政策，公司状况之类的额， 要写论文只有自己去找资料写 ！
㈥ 判断一只股票是该买入还是卖出的依据是什么啊
呵呵，朋友，这个不是一句两句就能说明白的哦。最好找个证券公司的客户经理或者分析师或者老股民来教教你。但是很少有人会把真正实质的东西告诉，“教会了徒弟饿死师傅”这句话在这个行业里应用尤为广泛。不过你也不要灰心，由浅入深慢慢的学，一点一点的积累你一样会找到适合自己的选股方法！
欢迎来我的网络博客http://hi..com/nickyhero/blog/item/1888b5642eaba9f9f6365437.html
㈦ 用什么方法可以快速计算出某一只股的分时成交明细（买入和卖出总和各是多少）
快速计算出某一只股的分时成交明细的步骤：
1、逐笔成交一般显示的数据格式为在几分几秒以多少价格分几笔成交了多少手。在这里我们要注意的是成交手数有时候是带小数点的，这是因为股票买进的股数最少是100股，委托的股数也应是100的整数倍，卖出却没有限制，因此成交的手数会有小数点。另外一点就是如果在成交价格和手数前面没有显示，则一半是默认的1笔。
2、分时成交一般显示的数据格式为在几分几秒以多少价格成交了多少手。这里需要注意的是成交手数永远是整数，不会出现小数点数字。其中现手累计数就是总手数。总手数也叫做成交量。有些软件在现量后面标注蓝色S和红色B，前者代表卖，后者代表买。目前市面上出现了LEVEL-2行情数据，比较具有代表性的是大智慧，在那里是叫分时成交，实际上就是我们在普通分析软件上F1看到的“分笔成交明细”，但是他和LEVEL-2行情数据提供的逐笔成交明细是不一样的。
3、一个孤独的数字是缺乏意义的，但是一些连续的数字则是充满想像的。一般来说，成交笔数越少，金额越大，表示成交比较强势，反之是弱势。尤其是成交笔数比较大而集中的时候，表示有大资金活跃迹象，该股出现价格异动的概率就大，应该引起投资者的注意。而如果半天也没人买或者都是一些小单子在交易，则至少短期不大可能成为好股。
4、交易数据三维元素----数量、价格和笔数。不陌生的是前面两个，笔数就是交易批次。在数量一定的前提下，笔数少说明交易力度强，反之就弱。笔数的变动与数量方向一致，交易为常态，反之就是非常态。
5、分时图的基础知识。分时图是指大盘和个股的动态实时（即时）分时走势图，其在实战研判中的地位极其重要，是即时把握多空力量转化即市场变化直接根本，在这里先给大家介绍一下概念性的基础常识。
㈧ 请问如何查询一只股票的买入量和卖出量
中国股票波动性的分解实证研究
宋逢明/李翰阳
【摘 要 题】证券市场
【正 文】
一、概述
在金融学领域中，波动特性一直是重要的研究内容。目前对中国股票市场波动性的研究，大多以沪市、深市两市场指数为对象。得到的结论普遍认为中国股票市场存在较剧烈的波动，与西方尤其是美国较为发达的股票市场相比，中国股票市场的波动显著大于它们的市场波动。但是分析中国市场的特性后，可以认为分解股票的总体波动性，在股票的市场风险和个别风险两个层面上对中国股市的波动进行实证研究是具有一定意义的。
首先，市场中有大量的散户投资者，而其中相当数量的散户持有大量个股而非投资组合。尽管机构投资者逐渐成为市场的主导力量，但是散户投资者及其投资总量仍在市场中占有很大比例。根据markowitz（1952）的资产组合理论，这一类投资者不能够做到分散化投资，对于他们来说企业个别波动的影响的程度决不亚于市场波动带来的影响。其次，市场具有高度不完全性，缺乏完善的机制和足够的金融工具。虽然传统理论认为20至30只股票的资产组合可以很好地实现风险的分散化从而消除这些股票的个别风险，但在中国市场中由于缺少做空机制和必要的金融工具，也不能全部做到风险的分散化，构成这一组合的股票的个别风险不可忽视。
除这些特点外，中国市场中的投资理念变化也强调了分解总体波动性的意义：近年来，中国市场中价值投资理念开始逐步被普遍采纳，对于某些特定股票的重视被加深，而分散化的做法反而逐渐淡化，所以股票的个别风险情况就显得尤为重要。还有，中国的市场中存在大量的投机者甚至是赌博者利用某一只股票在市场中的定价偏差进行套利，此时他们就充分暴露在这一只股票的个别风险之下，而不是市场的总体风险。而且市场中曾经有严重的炒作行为，这类行为也大大影响了股票的个别波动。
基于上述分析，可以认为对于股票的总体波动进行分解，分别对市场波动性和个别波动性进行实证研究是有重要实际意义的。但是，无论是国内还是国外，很少有研究者将总体波动性分解，并同时在不同层面（市场、公司）对波动性进行实证分析。campbell，lettau，malkie和xu（2001）发现，在美国股市中，尽管市场波动并未增加，但是在1962年到1997年间，个别公司的不确定性大大增强了。但是，目前对这一现象的解释尚无定论。对于中国市场的情况，宋逢明和江婕（2003）得出的结论是1998年以后的中国股票市场的总体风险与s&p500成分股所代表的美国股市相当，但是中国股市中的系统风险一直高于美国市场。
下面我们将先介绍研究中采用的波动分解模型和波动度量的估计方法，然后着重分析不同波动成分的变化趋势并对其成因进行简单的分析。
二、波动性的分解模型和估计方法
1.波动性的分解模型
本文的研究中，将一只股票的收益分解为两部分：市场收益与个别收益。通过这种分解，我们可以构造衡量个股的两种波动的度量，这两种波动之和就是该股票收益的波动，所采用的方法优点在于无需计算股票间的协方差以及个股的β。
根据capm模型，我们可以得到一种个股收益波动的分解方式：
（1）var（r[，it]）=β[2][，im]var（r[，mt]）+var（{图}[，it]）
其中r[，it]为个股的超额收益，r[，mt]为市场超额收益，且capm模型本身有r[，mt]与{图}[，it]正交。但是这种分解的缺点是难以估计个股的β，且个股β是随时间变化的。为解决这一问题，下面我们给出一种简化的模型，该模型不需要个股β的信息。同时，该模型可以对个股收益的方差进行类似于（1）的分解。
首先，考虑如下不需要β的个股收益模型：
（2）r[，it]=r[，mt]+ε[，it]
注意在模型（2）中，r[，mt]与ε[，it]不是正交的，因此在计算个股收益的方差时不能忽略协方差项。根据模型（2），个股收益的方差为：
附图{图}然而，这里的方差分解又一次引入了个股的β。
但是，对整个市场内的所有个股收益的方差进行加权平均便消除了带有个股β的协方差项：
（4）∑[，i]ω[，it]var（r[，it]）=var（r[，mt]）+∑[，i]ω[，it]var（ε[，it]）=σ[2][，mt]+σ[2][，εt]
其中σ[2][，mt]=var（r[，mt]），σ[2][，εt]=∑[，i]ω[，it]var（ε[，it]）。根据这种分解方法，我们就可以利用模型（2）中的残查项ε[，it]来构造一种不需要个股β的平均个别波动度量标准。加权平均波动∑[，i]ω[，it]var（r[，it]）可以理解为随机选取的个股的波动期望值（随机抽取到股票i的概率等于其在市场中的权重ω[，it]）。
2.数据及波动性成分的估计
本文采用在上海证券交易所和深圳证券交易所交易的a股股票数据来估计基于模型（4）的个股超额收益分解所得到的等式（4）中的波动成分量。样本期从1990年12月19日始，至2001年12月31日终。这一样本期内，股票数量发生了巨大变化，从期初的8只增加到期末的1133只、股票的日交易数据共计1，311，427组。为了得到模型（2）中的个股超额收益（r[，it]）和市场超额收益（r[，mt]），采用的无风险收益是人民币一年期定期存款利率。
为估计等式（4）中的两种波动成分量，采用下列步骤。令s为计算收益的时间间隔，本文主要采用股票日收益数据进行估计。令t为计算波动的时间间隔，本文中t一般指月。在时间间隔t内的市场收益波动，以mkt[，t]表示，由下式计算：
附图{图}
其中μ[，mt]是时间间隔t内市场收益r[，ms]的均值。市场收益是利用时间间隔t内所有个股收益加权平均得到的，取每只股票当月的流通市值占总流通市值的比例且不考虑现金红利再投资情况作为该股票的权重。这样就得到了股票第一部分波动，即市场波动的估计量。
对于股票第二部分波动，即个别因素造成的收益波动，首先要根据公式（4）计算个股超额收益与市场超额收益的差ε[，is]=r[，is]-r[，ms]，然后计算个股在时间间隔t内的波动：
附图{图}
如前所述，为了消除计算中的个股之间的协方差量，必须对整个市场内的所有个股收益的方差进行加权平均。由此得到了衡量各股票个别因素造成的平均波动的估计量，以firm[，t]表示：
附图{图}
经过上述步骤，就得到了衡量市场内个股的市场风险和个别风险的两个估计量mkt[，t]和firm[，t]。
三、不同波动性成分的趋势分析
根据上述模型和估计方法，即可对中国市场的股票收益波动情况进行分解研究。首先按照前面的估计方法，估计出市场波动以及个别股票波动这两部分波动量的大小，进行图形分析。图1（a）显示了中国股市中市场波动成分随时间变化的情形，包含了在上交所及深交所上市的所有a股股票，并按照流通市值进行加权平均，从图中可以初步看出市场波动成分有一定的下降趋势，但是不够明显。
图1（b）对图1（a）中的数据进行滞后12阶（即数据滞后一年）的简单移动平均，进一步表明市场波动成分有下降的趋势。1990年至1991年股票样本数量及交易量太小，波动不明显，但1992年初，市场波动值约在0.020到0.025之间，至2001年底样本期末，市场波动值约为0.05。尤其是1994年中期过后，市场波动的下降趋势更为明显。
图2（a）则显示了中国股市中个别因素波动成分随时间变化的情形，从图中可以初步看出个别波动成分随时间没有明显的趋势。图2（b）同样是图2（a）中数据进行滞后12阶移动平均的结果。图中有一定的趋势，但是很不明显。期初波动值约为0.020，至2001年底，波动值约为0.010。从整体上看，图像较为平缓。
附图{图}
图2 中国股票个别因素波动（firm[，t]）
从图形分析中可以看出，中国股市的市场波动成分在样本期内有较为明显的下降趋势，而个别因素的波动成分在样本期内有下降，但是不明显。而且两列时序数据都有持续的波动，说明其变化趋势有可能是随机性的。因此，除了进行图形分析，要确定两种波动成分的时间序列数据是否有确定性趋势，还是仅仅为随机性趋势，还需要进一步进行计量经济学分析。
2.确定性趋势检验
为了便于分析，将市场波动数据进行年度化（即原始月数据乘以12）。第一步先分析他们的自相关结构。
市场波动的自相关系数下降很快，但是在0附近波动，因而不能明显判断序列的平稳性，不能排除单位根存在的可能。公司个别波动的自相关函数下降很快，且在0附近基本没有波动，因而可以初步判断序列是平稳的，并初步排除单位根存在的可能。
表1 自相关系数
滞后阶数 1 2 3 4 5 6 7 8 9 10 11 12
市场波动 0.275 0.145 0.022 0.032 0.025 0.031 0.095 0.087 0.278 -.032 -.018 0.075
公司个别波动 0.021 -.018 0.018 0.049 -.015 0.117 0.062 -.028 0.058 0.015 -.017 -.023
为了检验序列是否有单位根，以及是否有确定性趋势，需要进行adf检验。首先，根据campbell & perron（1991）推荐的方法确定滞后阶数为9阶。表2将市场波动的三种形式adf检验模型同时估计出，并给出ρ统计量和τ统计量的检验结果：
表2 市场波动的adf检验
模型类型 滞后 ρ pr＜ρ τ pr＜τ f pr＞f
无常数项和趋势项 9 -7.8217 0.0512 -1.69 0.0860
有常数项 9 -33.7582 0.0011 -2.71 0.0751 3.68 0.1339
有常数项和趋势项 9 -310.761 0.0001 -3.91 0.0144 7.79 0.0141
三种模型的ρ统计量都显著地拒绝了存在单位根的零假设，在10％的置信水平下，τ统计量也可以拒绝模型1和模型2的存在单位根的零假设。我们主要注意模型3，即包含时间趋势项的形式，可见ρ统计量和τ统计量都非常显著地拒绝了存在单位根的零假设；而且f统计量表明整个模型是显著的。
对模型3进行普通ols估计，得到的各项系数的普通t检验结果都是显著的，其中趋势项的系数为-0.00269，其t统计量是-2.79，在5％的置信水平下，可以显著地拒绝时间趋势项系数为零的零假设。结合前面的结果，可以确定中国股市中市场波动的成分序列没有单位根，且模型3的显著性表明该时间序列具有确定性趋势。其趋势项系数为-0.00269，表明随时间变化，年度化的mkt[，t]数据具有减小的趋势。
表3给出了个别波动时序数据的adf检验结果，根据前面提到的方法，确定滞后阶数为5阶。
表3 公司个别波动的adf检验
模型类型 滞后 ρ pr＜ρ τ pr＜τ f pr＞f
无常数项和趋势项 5 -24.9683 0.0002 -2.92 0.0038
有常数项 5 -64.0214 0.0011 -3.89 0.0029 7.55 0.0010
有常数项和趋势项 5 -127.348 0.0001 -4.58 0.0017 10.53 0.0010
对于模型3，该模型的检验结果显著拒绝了存在单位根的零假设，虽然模型整体是显著的，但是时间趋势项的t统计量为-2.32，不能拒绝时间趋势项系数为零的零假设，说明时序数据不符合该模型。继而检验模型2同样拒绝了存在单位根的零假设，其常数项的t统计量为2.49，不能拒绝常数项系数为零的零假设。模型1仍然拒绝了存在单位根的零假设，最后确定该序列无单位根，但是不包含确定性趋势。
经过上述的计量经济学检验，证实了前面图形分析的结论，即：中国股票的市场波动成分随时间变化有减小的确定性趋势，但是股票的个别因素波动成分没有确定性趋势。这说明，中国股市的总体波动中，市场因素造成的波动在不断减少，而股票个别因素造成的波动没有确定的变化趋势。
3.波动趋势的原因讨论
经过计量经济学研究，可以确认在样本期内中国股票的市场波动成分有减小的确定性趋势。下面将对这一现象作进一步分析，讨论其可能的成因，但更明确的定论还有待进一步研究的证明。
首先，中国股票市场处于逐步成熟的过程中，随其发展，市场的透明度也在不断提高，使得不同投资者之间的信息不对称状况得到了改善，根据我们模拟信息不对称下市场波动的结果，可以证明：信息不对称的程度对市场波动性的影响是存在的，当市场中有严重的信息不对称时，市场波动较大，当信息不对称较缓和时，市场波动也降低。因此我国股市中的信息不对称程度的降低是市场波动逐步减少的一个原因。
其次，中国股票市场目前还处于高速的成长期，在本文选用的样本期内，这一成长趋势更为明显。其间市场中的股票数量有显著增加，其结果是中国a股市场中股票收益的平均相关系数不断下降，而且这一相关性下降自1993年起尤其明显。单个股票收益间相关性的下降在一定程度上使得市场收益趋于相对稳定，因而造成中国股票的市场波动成分逐渐减小。
第三，中国股票市场的监管也在不断加强，不断有新的法规出台从政策角度完善中国股票市场。而且进一步的分析发现中国股票的市场波动成分与个别因素波动成分的比值在样本期内不断下降，且在市场波动成分在总体波动中也占相对小的比例，从一定程度上反映了市场的持续完善化。市场的完善也会促使市场收益的稳定，即市场波动成分呈变小趋势。
同时，在中国股票市场中，机构投资者正在逐渐替代散户成为市场投资的主要力量。机构投资力量的加强使得市场中的炒作成分变小，也减少了投机成分，因而有利于市场收益的稳定。这同样也可能是市场波动成分下降的原因。还有数据显示，样本期内中国股票市场中的交易日益活跃，这虽然可能导致个别股票收益波动增加，但是对于市场整体来说，增加的交易量可能会减小市场收益的波动。
四、结论
本文采用的波动性度量，可以有效地对总体波动性进行分解，并方便地对不同波动成分作出估计。通过移动平均方法和确定性趋势检验，得到了如下主要结论：首先，中国股票的市场波动随时间变化有减小的确定性趋势，从中可以看到中国股市在10多年的发展中确实在不断进步，股票市场的投资环境在逐渐完善。其次，虽然从表面上看，中国股票市场的平均个别因素波动成分有下降趋势，但经过计量经济学方法的检验，证明这一趋势不是确定性的，表明中国市场中的上市公司质量并没有得到根本性的改良，企业治理仍有待提高。
同时本文对中国股票的市场波动减小的结论提出了一些可能的解释，为后续研究提供了方向，可在此基础上，进一步论证中国股票市场的不同波动成分变化趋势的深层原因。
【参考文献】
[1]宋逢明，江婕.中国股票市场波动特性的实证研究[j].金融研究，2003.（4）.
[2]campbell，j.y.，and p.perron，1991，pitfalls and opportunities：what macroeconomists should know about unit roots[j].nber macroeconomics annual 6，141-201.
[3]campbell，j.y.，m.lettau，b.g.malkiel，and y.xu，2001，have indivial stocks become more volatile？an empirical exploration of idiosyncratic risk[j].the journal finance lvi 1，1-43.
[4]hamilton，j.d.，1994，time series analysis[m].princeton university press.
【原文出处】财经论丛
【原刊地名】杭州
【原刊期号】200404
【作者简介】作者单位：清华大学经济管理学院
㈨ 股票买入量和卖出量的关系
股票买卖是对等的，有买才能卖出，有卖才能买入。
股市成交量是单边的，例如，某只股票成交量为十万股，这是表示以买卖双方意愿达成的，在计算时成交量是十万股，即：买方买进了十万股，同时卖方卖出十万股。
而计算交易量则双边计算，例如买方十万股加卖方十万股，计为二十万股。股市成交量反映成交的数量多少。可用成交股数和成交金额两项指标来衡量。
(9)分析某某股票买入与卖出报告扩展阅读：
股市成交量对股价影响
1、股票走势低迷信号
股票长期成交量减少,就是股票走势开始低迷的信号,如果在大盘缩量的状态下出现的话,这个信号就越强。
2、 确认股票走势
股票上涨可以通过大的成交量或成交量逐渐放大来确认其走势;股票下跌可以通过成交量缩量甚至地量确认。
3、成交量主宰股票价格
股票成交量情况是股票对股民的吸引程度真实反应,当股民看好某个股票股票就会有很多人买入,持有该股票的股民会持股待涨,从而推动股票价格的上涨;同理,如果对该股票不看好,持股的股民会卖出,空仓的股民不会买入,从而推动股票价格的下跌.所以说成交量是股票价格的主宰。
㈩ 股票中的买入和卖出的什么意思
股票中的买入和卖出的意思如下：
1.股票买入：指股票交易中进行买入委托，如果委托成功后，股票到账，并且相应的资金转入卖方的账户中。
2.股票卖出：指股票交易中进行卖出委托，如果委托成功后，资金到账，并且相应的股票转入买方的账户中。
股票的买入和卖出其实都是股票交易。股票是股份公司资本的构成部分，可以转让、买卖，是资本市场的主要长期信用工具，但不能要求公司返还其出资。
(10)分析某某股票买入与卖出报告扩展阅读
股票买入和卖出的清算交割
1.清算是将买卖股票的数量和金额分别予以抵消，然后通过证券交易所交割净差额股票或价款的一种程序。清算的意义，在于同时减少通过证券交易所实际交割的股票于与价款，节省大量的人力、物力和财力。
2.证券交易所如果没有清算，那么每位证券商都必须向对方逐笔交割股票与价款，手续相当繁琐，占用大量的人力、物力、财力和时间。
3.交割是投资人买卖股票后付清价款与转交股票的活动。投资者在委托购买股票成交后，应在规定期限内付清价款并领取股票。同理，卖出股票后应在规定的时间内交付股票并领取价款。这是股票买卖过程中的一个必要环节，一个必须履行的手续。
一、参考资料：网络：股票交易
二、参考资料：网络：股票