㈠ 股市中的成交量是如何區分買入和賣出的呢
分析成交量時一般不說「買入」和「賣出」而是看「主買」和「主賣」。「主買」「主賣」反映了交易雙方的主觀意願，對炒股操作有一定的參考價值。在炒股軟體中是以不同顏色的數據顯示。一般情況下，股票下跌中必定「主賣」占據優勢，反之「主買」占據優勢股價上漲。實際操作中我們更加關注「主買大單」「主賣大單」大單一般定義為500-1000手，在一定時間內大單的力度反映了主力或莊家的動向。大多數軟體中都有「區間分析」這一功能對「主買」「主賣」性質進行數據化的顯示。
值得注意的是，我們切不可單憑「主買」「主賣」的分析冒然操作！股票的漲跌是個復雜的問題，需要全面的分析與判斷。
㈡ 股票中怎麼判斷是買入成交量還是賣出的成交量
分析成交量時一般不說「買入」和「賣出」而是看「主買」和「主賣」。「主買」「主賣」反映了交易雙方的主觀意願，對炒股操作有一定的參考價值。在炒股軟體中是以不同顏色的數據顯示。
一般情況下，股票下跌中必定「主賣」占據優勢，反之「主買」占據優勢股價上漲。實際操作中我們更加關注「主買大單」「主賣大單」大單一般定義為500-1000手，在一定時間內大單的力度反映了主力或莊家的動向。大多數軟體中都有「區間分析」這一功能對「主買」「主賣」性質進行數據化的顯示。
值得注意的是，我們切不可單憑「主買」「主賣」的分析冒然操作.股票的漲跌是個復雜的問題，需要全面的分析與判斷。
㈢ 股票買入和賣出的問題
這個就是看你的判斷了,跟真實的炒股票一樣,可以委託比當時的價格更高賣或者更低買,當時不能成交,而是等待,在當日內股價上漲到你委託的賣價就成交或者下跌到你的買價就可以成交,這個要預估,估計股票會上漲下跌到什麼地方.
下載一下股票行情分析軟體,輸入股票代碼,就可以看到全天的分時走勢和歷史走勢.
㈣ 股票內外盤和主動買入賣出指標的區別
相同的問題我問過這是答案，我覺得還行，整理過的，希望對你有用！
詳解內盤外盤的含義
委託以賣方價格成交的納入「外盤」；委託以買方價格成交的納入「內盤」。
「外盤」和「內盤」相加成為成交量，分析時由於賣方成交的委託納入「外盤」，如「外盤」很大意味著多數賣的價位都有人來接，顯示買勢強勁；而以買方成交的納入「內盤」，如「內盤」過大，則意味著大多數的買入價都有人願意賣，顯示賣方力量較大；如內外盤大體相當，則買賣方力量相當。 但事實上內外盤之比真的能准確地反映股票走勢的強弱嗎？莊家既然能做出虛假的日 線和成交量，難道就做不出虛假的內外盤？所以關於內外盤的細節，我們還有仔細研究的必要。 經常看盤的朋友應該都有過這樣的經驗，當某隻股票在低位橫盤，莊家處於吸籌階段時，往往是內盤大於外盤的，具體的情形就是莊家用較大的單子托住股價，而在若干個價位上面用更大的單子壓住股價，許多人被上面的大賣單所迷惑，同時也經不起長期的橫盤，就一點點地賣出，3000股5000股地賣，市道特別低迷的時候還見到一兩百股的賣單，此時莊家並不急於抬高價位買入，只是耐心地一點點承接，散戶里只有少數人看到股價已無深跌可能，偶爾比莊家打高一點少量買入，才形成一點點外盤，這樣一來就造成主動性賣盤遠大於主動性買盤，也即內外盤比較大，這樣的股當時看起來可能比較弱，但日後很可能走出大行情，尤其是長期出現類似情況的股值得密切關注。 但如果股價經過充分炒作之後已經高高在上了，情形就恰恰相反，盤中買單要較賣單大，莊家用大買單趕著散戶望上沖，他一點點地出，出掉一些後把價位再抬上去，其實是原來的大買單撤了又高掛了，看起來像是大家奮勇向前，其實是散戶被人當過河卒用了。偶爾有跟庄的大戶一下子把底下的托盤給砸漏了，我們才會看到原來下面的承接盤如此弱不禁風，原因就是大家都被趕到前面去了，個別沒買上的恐怕還趕緊撤單高掛，大有不買到誓不罷休的架勢，底下其實並沒幾個單子了，莊家只好盡快補個大單子頂住。這個時候的外盤就遠大於內盤了，你說是好事嗎？短線跟進，快進快出可能還行，稍不留神就可能被套進去，讓你半年不得翻身。上面提到的是莊家吸籌和出貨時的兩種典型情況，當時內外盤提供的信號就與我們通常的認識相反，所以看待首先要做的是搞清楚股價處於什麼位置，在沒有前提條件的情況下來單純地分析根本就得不出有意義的結論。
當然很多時候股價既非高高在上也不是躺在地板上不動，而是在那上竄下跳走上升通道，或走下降通道，或做箱形振盪，或窄幅橫盤，這些時候又如何來判斷內外盤的意義呢？ 當股票沿著一定斜率波浪上升時，在每一波的高點之前，多是外盤強於內盤，盤中常見大買單層層推進或不停地有主動買盤介入，股價在沖刺過程中，價量齊升，此時應注意逐步逢高減磅，而當股價見頂回落時，內盤就強於外盤了，此時更應及時離場，因為即使以後還有高點，必要的回檔也會有的，我們大可等低點再買回來，何況我們並沒有絕對的把握說還會有新高出現。後來股價有一定跌幅，受到某一均線的支持，雖然內盤仍強於外盤，但股價已不再下跌，盤中常見大買單橫在那，雖然不往上抬，但有多少接多少，這就是所謂逢低吸納了，此時我們也不妨少量參與，即使萬一上升通道被打破，前一高點成了最高點，我們起碼也可寄希望於雙頭或頭肩頂，那樣我們也還是有逃命的機會。上面是指股價運行在上升通道中的情況，而股價運行在下降通道中的情況恰恰相反，只有在較短的反彈過程中才會出現外盤大於內盤的情況，大多數情況下都是內盤大於外盤，對於這樣的股，我們不參與也罷。至於箱形振盪股，由於成交量往往呈有規 律的放大和縮小，因此介入和退出的時機較好把握，藉助內外盤做判斷的特徵大致和走上升通道的股差不多。窄幅盤整的股，則往往伴隨成交量的大幅萎縮，內外盤的參考意義就更小了。因為看待內外盤的大小必須結合成交量的大小來看，當成交量極小或極大的時候往往是純粹的散戶行情或莊家大量對倒，內外盤已經失了本身的意義，虛假的成分太多了。
另外有兩種極端的情況就是漲停和跌停時的內外盤。當股價漲停時，所有成交都是內盤，但上漲的決心相當堅決，並不能因內盤遠大於外盤就判斷走勢欠佳，而跌停時所有成交都是外盤，但下跌動力十足，因此也不能因外盤遠大於內盤而說走勢強勁。
總而言之，內盤和外盤的大小對判斷股票的走勢有一定幫助，但一定要同時結合股價所處的位置和成交量的大小來進行判斷，而且更要注意的是股票走勢的大形態，千萬不能過分注重細節而忽略了大局。
技術分析系統中經常有「外盤」、「內盤」出現。以賣方委託成交的納入「外盤」，是主動性買入,顯示買勢強勁,用紅色顯示,是人們常說的搶盤；以買方委託成交的納入「內盤」是主動性賣出,顯示賣方力量強勁,用綠色顯示,是人們常說的拋盤。
「外盤」和「內盤」相加為成交量。人們常用「外盤」和「內盤」來分析買賣力量那方占優勢，來判斷市勢。但有時主力利用對沖盤來放煙幕。
[編輯本段]
內盤外盤應用舉例
內盤和外盤這兩個統計指標是由軟體自己計算的,並不是交易所計算後傳出來的。當軟體收到一筆新數據時就會將成交價與上一次顯示的買①和賣①進行比較,如果成交價小於或等於買①,那麼相應的成交量就被加到內盤指標上去,如果大於或等於賣①,那麼對應的成交量就被加到外盤指標上去。如果在兩者之間則內外盤各分一半,這樣內盤加上外盤就等於總的成交量。由於各個通訊站點接受訊號有差異,所以不同的軟體所計算出來的內盤和外盤是不一樣的。
根據計算方法我們似乎應該相信,內盤大股價要跌而外盤大則股價要漲。不過這樣理解還是比較片面,對於一個成交量較小的小盤股來說下面的案例很能說明問題。
假設①：當天大盤跌幅超過一個百分點。
假設②：當天股價上漲超過一個百分點。
假設③：內盤明顯大於外盤。
滿足這些假設的場景經常會在盤中出現。由於內盤明顯大於外盤,所以我們往往會以為主動性拋盤很多,股價將下跌。很多情況下確實是這樣,但我們還是應該再仔細觀察一下掛單的變化情況,這是我們看盤的重點。
由於盤小量小,所以掛單的價差比較大。值得關注的是盡管內盤在不斷增加但股價卻並沒有明顯下跌,我們必須對此給出一個合理的解釋。
比如某股現在買①和賣①的價位是10.46元和10.50元。有拋盤陸續砸出,買①變成10.43元而賣①沒有變,這些拋盤自然被計入內盤中。接著有一筆較大的買單掛在10.44元,買①變為10.44元。接著又是幾筆拋盤砸出,買①成為10.43元,這些量自然繼續被加到內盤上。後來再出現一筆大買單掛在10.45元上面,買①和賣①恢復為10.45元和10.50元。
以上的掛單變化在當天的交易中經常出現,它已經給出了合理的解釋,那就是有大單在吸納隨大盤下跌而拋出來的散單,而且是以相對較高的價格。所以本案例的結論正好相反,股價很有可能在最近上漲,盡管內盤明顯大於外盤。
對於成交量較小的小盤股來說只要滿足以上三個假設,那麼大單吸籌的結論可以成立,不過據此還不能斷定是否立刻上漲。
如果我們把上面的三個假設全部顛倒過來則結論正好相反。
㈤ 某某股票的投資分析報告
你得網上去搜索下有關這方面的知識，材料啊，研究它的過去，最近時間的表現和其他股票想比較，具體什麼方法去研究之類的， 研究股票最終的目的是研究其成長性，研究股票背後的政策，公司狀況之類的額， 要寫論文只有自己去找資料寫 ！
㈥ 判斷一隻股票是該買入還是賣出的依據是什麼啊
呵呵，朋友，這個不是一句兩句就能說明白的哦。最好找個證券公司的客戶經理或者分析師或者老股民來教教你。但是很少有人會把真正實質的東西告訴，「教會了徒弟餓死師傅」這句話在這個行業里應用尤為廣泛。不過你也不要灰心，由淺入深慢慢的學，一點一點的積累你一樣會找到適合自己的選股方法！
歡迎來我的網路博客http://hi..com/nickyhero/blog/item/1888b5642eaba9f9f6365437.html
㈦ 用什麼方法可以快速計算出某一隻股的分時成交明細（買入和賣出總和各是多少）
快速計算出某一隻股的分時成交明細的步驟：
1、逐筆成交一般顯示的數據格式為在幾分幾秒以多少價格分幾筆成交了多少手。在這里我們要注意的是成交手數有時候是帶小數點的，這是因為股票買進的股數最少是100股，委託的股數也應是100的整數倍，賣出卻沒有限制，因此成交的手數會有小數點。另外一點就是如果在成交價格和手數前面沒有顯示，則一半是默認的1筆。
2、分時成交一般顯示的數據格式為在幾分幾秒以多少價格成交了多少手。這里需要注意的是成交手數永遠是整數，不會出現小數點數字。其中現手累計數就是總手數。總手數也叫做成交量。有些軟體在現量後面標注藍色S和紅色B，前者代表賣，後者代表買。目前市面上出現了LEVEL-2行情數據，比較具有代表性的是大智慧，在那裡是叫分時成交，實際上就是我們在普通分析軟體上F1看到的「分筆成交明細」，但是他和LEVEL-2行情數據提供的逐筆成交明細是不一樣的。
3、一個孤獨的數字是缺乏意義的，但是一些連續的數字則是充滿想像的。一般來說，成交筆數越少，金額越大，表示成交比較強勢，反之是弱勢。尤其是成交筆數比較大而集中的時候，表示有大資金活躍跡象，該股出現價格異動的概率就大，應該引起投資者的注意。而如果半天也沒人買或者都是一些小單子在交易，則至少短期不大可能成為好股。
4、交易數據三維元素----數量、價格和筆數。不陌生的是前面兩個，筆數就是交易批次。在數量一定的前提下，筆數少說明交易力度強，反之就弱。筆數的變動與數量方向一致，交易為常態，反之就是非常態。
5、分時圖的基礎知識。分時圖是指大盤和個股的動態實時（即時）分時走勢圖，其在實戰研判中的地位極其重要，是即時把握多空力量轉化即市場變化直接根本，在這里先給大家介紹一下概念性的基礎常識。
㈧ 請問如何查詢一隻股票的買入量和賣出量
中國股票波動性的分解實證研究
宋逢明/李翰陽
【摘 要 題】證券市場
【正 文】
一、概述
在金融學領域中，波動特性一直是重要的研究內容。目前對中國股票市場波動性的研究，大多以滬市、深市兩市場指數為對象。得到的結論普遍認為中國股票市場存在較劇烈的波動，與西方尤其是美國較為發達的股票市場相比，中國股票市場的波動顯著大於它們的市場波動。但是分析中國市場的特性後，可以認為分解股票的總體波動性，在股票的市場風險和個別風險兩個層面上對中國股市的波動進行實證研究是具有一定意義的。
首先，市場中有大量的散戶投資者，而其中相當數量的散戶持有大量個股而非投資組合。盡管機構投資者逐漸成為市場的主導力量，但是散戶投資者及其投資總量仍在市場中佔有很大比例。根據markowitz（1952）的資產組合理論，這一類投資者不能夠做到分散化投資，對於他們來說企業個別波動的影響的程度決不亞於市場波動帶來的影響。其次，市場具有高度不完全性，缺乏完善的機制和足夠的金融工具。雖然傳統理論認為20至30隻股票的資產組合可以很好地實現風險的分散化從而消除這些股票的個別風險，但在中國市場中由於缺少做空機制和必要的金融工具，也不能全部做到風險的分散化，構成這一組合的股票的個別風險不可忽視。
除這些特點外，中國市場中的投資理念變化也強調了分解總體波動性的意義：近年來，中國市場中價值投資理念開始逐步被普遍採納，對於某些特定股票的重視被加深，而分散化的做法反而逐漸淡化，所以股票的個別風險情況就顯得尤為重要。還有，中國的市場中存在大量的投機者甚至是賭博者利用某一隻股票在市場中的定價偏差進行套利，此時他們就充分暴露在這一隻股票的個別風險之下，而不是市場的總體風險。而且市場中曾經有嚴重的炒作行為，這類行為也大大影響了股票的個別波動。
基於上述分析，可以認為對於股票的總體波動進行分解，分別對市場波動性和個別波動性進行實證研究是有重要實際意義的。但是，無論是國內還是國外，很少有研究者將總體波動性分解，並同時在不同層面（市場、公司）對波動性進行實證分析。campbell，lettau，malkie和xu（2001）發現，在美國股市中，盡管市場波動並未增加，但是在1962年到1997年間，個別公司的不確定性大大增強了。但是，目前對這一現象的解釋尚無定論。對於中國市場的情況，宋逢明和江婕（2003）得出的結論是1998年以後的中國股票市場的總體風險與s&p500成分股所代表的美國股市相當，但是中國股市中的系統風險一直高於美國市場。
下面我們將先介紹研究中採用的波動分解模型和波動度量的估計方法，然後著重分析不同波動成分的變化趨勢並對其成因進行簡單的分析。
二、波動性的分解模型和估計方法
1.波動性的分解模型
本文的研究中，將一隻股票的收益分解為兩部分：市場收益與個別收益。通過這種分解，我們可以構造衡量個股的兩種波動的度量，這兩種波動之和就是該股票收益的波動，所採用的方法優點在於無需計算股票間的協方差以及個股的β。
根據capm模型，我們可以得到一種個股收益波動的分解方式：
（1）var（r[，it]）=β[2][，im]var（r[，mt]）+var（{圖}[，it]）
其中r[，it]為個股的超額收益，r[，mt]為市場超額收益，且capm模型本身有r[，mt]與{圖}[，it]正交。但是這種分解的缺點是難以估計個股的β，且個股β是隨時間變化的。為解決這一問題，下面我們給出一種簡化的模型，該模型不需要個股β的信息。同時，該模型可以對個股收益的方差進行類似於（1）的分解。
首先，考慮如下不需要β的個股收益模型：
（2）r[，it]=r[，mt]+ε[，it]
注意在模型（2）中，r[，mt]與ε[，it]不是正交的，因此在計算個股收益的方差時不能忽略協方差項。根據模型（2），個股收益的方差為：
附圖{圖}然而，這里的方差分解又一次引入了個股的β。
但是，對整個市場內的所有個股收益的方差進行加權平均便消除了帶有個股β的協方差項：
（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]）。根據這種分解方法，我們就可以利用模型（2）中的殘查項ε[，it]來構造一種不需要個股β的平均個別波動度量標准。加權平均波動∑[，i]ω[，it]var（r[，it]）可以理解為隨機選取的個股的波動期望值（隨機抽取到股票i的概率等於其在市場中的權重ω[，it]）。
2.數據及波動性成分的估計
本文採用在上海證券交易所和深圳證券交易所交易的a股股票數據來估計基於模型（4）的個股超額收益分解所得到的等式（4）中的波動成分量。樣本期從1990年12月19日始，至2001年12月31日終。這一樣本期內，股票數量發生了巨大變化，從期初的8隻增加到期末的1133隻、股票的日交易數據共計1，311，427組。為了得到模型（2）中的個股超額收益（r[，it]）和市場超額收益（r[，mt]），採用的無風險收益是人民幣一年期定期存款利率。
為估計等式（4）中的兩種波動成分量，採用下列步驟。令s為計算收益的時間間隔，本文主要採用股票日收益數據進行估計。令t為計算波動的時間間隔，本文中t一般指月。在時間間隔t內的市場收益波動，以mkt[，t]表示，由下式計算：
附圖{圖}
其中μ[，mt]是時間間隔t內市場收益r[，ms]的均值。市場收益是利用時間間隔t內所有個股收益加權平均得到的，取每隻股票當月的流通市值占總流通市值的比例且不考慮現金紅利再投資情況作為該股票的權重。這樣就得到了股票第一部分波動，即市場波動的估計量。
對於股票第二部分波動，即個別因素造成的收益波動，首先要根據公式（4）計算個股超額收益與市場超額收益的差ε[，is]=r[，is]-r[，ms]，然後計算個股在時間間隔t內的波動：
附圖{圖}
如前所述，為了消除計算中的個股之間的協方差量，必須對整個市場內的所有個股收益的方差進行加權平均。由此得到了衡量各股票個別因素造成的平均波動的估計量，以firm[，t]表示：
附圖{圖}
經過上述步驟，就得到了衡量市場內個股的市場風險和個別風險的兩個估計量mkt[，t]和firm[，t]。
三、不同波動性成分的趨勢分析
根據上述模型和估計方法，即可對中國市場的股票收益波動情況進行分解研究。首先按照前面的估計方法，估計出市場波動以及個別股票波動這兩部分波動量的大小，進行圖形分析。圖1（a）顯示了中國股市中市場波動成分隨時間變化的情形，包含了在上交所及深交所上市的所有a股股票，並按照流通市值進行加權平均，從圖中可以初步看出市場波動成分有一定的下降趨勢，但是不夠明顯。
圖1（b）對圖1（a）中的數據進行滯後12階（即數據滯後一年）的簡單移動平均，進一步表明市場波動成分有下降的趨勢。1990年至1991年股票樣本數量及交易量太小，波動不明顯，但1992年初，市場波動值約在0.020到0.025之間，至2001年底樣本期末，市場波動值約為0.05。尤其是1994年中期過後，市場波動的下降趨勢更為明顯。
圖2（a）則顯示了中國股市中個別因素波動成分隨時間變化的情形，從圖中可以初步看出個別波動成分隨時間沒有明顯的趨勢。圖2（b）同樣是圖2（a）中數據進行滯後12階移動平均的結果。圖中有一定的趨勢，但是很不明顯。期初波動值約為0.020，至2001年底，波動值約為0.010。從整體上看，圖像較為平緩。
附圖{圖}
圖2 中國股票個別因素波動（firm[，t]）
從圖形分析中可以看出，中國股市的市場波動成分在樣本期內有較為明顯的下降趨勢，而個別因素的波動成分在樣本期內有下降，但是不明顯。而且兩列時序數據都有持續的波動，說明其變化趨勢有可能是隨機性的。因此，除了進行圖形分析，要確定兩種波動成分的時間序列數據是否有確定性趨勢，還是僅僅為隨機性趨勢，還需要進一步進行計量經濟學分析。
2.確定性趨勢檢驗
為了便於分析，將市場波動數據進行年度化（即原始月數據乘以12）。第一步先分析他們的自相關結構。
市場波動的自相關系數下降很快，但是在0附近波動，因而不能明顯判斷序列的平穩性，不能排除單位根存在的可能。公司個別波動的自相關函數下降很快，且在0附近基本沒有波動，因而可以初步判斷序列是平穩的，並初步排除單位根存在的可能。
表1 自相關系數
滯後階數 1 2 3 4 5 6 7 8 9 10 11 12
市場波動 0.275 0.145 0.022 0.032 0.025 0.031 0.095 0.087 0.278 -.032 -.018 0.075
公司個別波動 0.021 -.018 0.018 0.049 -.015 0.117 0.062 -.028 0.058 0.015 -.017 -.023
為了檢驗序列是否有單位根，以及是否有確定性趨勢，需要進行adf檢驗。首先，根據campbell & perron（1991）推薦的方法確定滯後階數為9階。表2將市場波動的三種形式adf檢驗模型同時估計出，並給出ρ統計量和τ統計量的檢驗結果：
表2 市場波動的adf檢驗
模型類型 滯後 ρ pr＜ρ τ pr＜τ f pr＞f
無常數項和趨勢項 9 -7.8217 0.0512 -1.69 0.0860
有常數項 9 -33.7582 0.0011 -2.71 0.0751 3.68 0.1339
有常數項和趨勢項 9 -310.761 0.0001 -3.91 0.0144 7.79 0.0141
三種模型的ρ統計量都顯著地拒絕了存在單位根的零假設，在10％的置信水平下，τ統計量也可以拒絕模型1和模型2的存在單位根的零假設。我們主要注意模型3，即包含時間趨勢項的形式，可見ρ統計量和τ統計量都非常顯著地拒絕了存在單位根的零假設；而且f統計量表明整個模型是顯著的。
對模型3進行普通ols估計，得到的各項系數的普通t檢驗結果都是顯著的，其中趨勢項的系數為-0.00269，其t統計量是-2.79，在5％的置信水平下，可以顯著地拒絕時間趨勢項系數為零的零假設。結合前面的結果，可以確定中國股市中市場波動的成分序列沒有單位根，且模型3的顯著性表明該時間序列具有確定性趨勢。其趨勢項系數為-0.00269，表明隨時間變化，年度化的mkt[，t]數據具有減小的趨勢。
表3給出了個別波動時序數據的adf檢驗結果，根據前面提到的方法，確定滯後階數為5階。
表3 公司個別波動的adf檢驗
模型類型 滯後 ρ pr＜ρ τ pr＜τ f pr＞f
無常數項和趨勢項 5 -24.9683 0.0002 -2.92 0.0038
有常數項 5 -64.0214 0.0011 -3.89 0.0029 7.55 0.0010
有常數項和趨勢項 5 -127.348 0.0001 -4.58 0.0017 10.53 0.0010
對於模型3，該模型的檢驗結果顯著拒絕了存在單位根的零假設，雖然模型整體是顯著的，但是時間趨勢項的t統計量為-2.32，不能拒絕時間趨勢項系數為零的零假設，說明時序數據不符合該模型。繼而檢驗模型2同樣拒絕了存在單位根的零假設，其常數項的t統計量為2.49，不能拒絕常數項系數為零的零假設。模型1仍然拒絕了存在單位根的零假設，最後確定該序列無單位根，但是不包含確定性趨勢。
經過上述的計量經濟學檢驗，證實了前面圖形分析的結論，即：中國股票的市場波動成分隨時間變化有減小的確定性趨勢，但是股票的個別因素波動成分沒有確定性趨勢。這說明，中國股市的總體波動中，市場因素造成的波動在不斷減少，而股票個別因素造成的波動沒有確定的變化趨勢。
3.波動趨勢的原因討論
經過計量經濟學研究，可以確認在樣本期內中國股票的市場波動成分有減小的確定性趨勢。下面將對這一現象作進一步分析，討論其可能的成因，但更明確的定論還有待進一步研究的證明。
首先，中國股票市場處於逐步成熟的過程中，隨其發展，市場的透明度也在不斷提高，使得不同投資者之間的信息不對稱狀況得到了改善，根據我們模擬信息不對稱下市場波動的結果，可以證明：信息不對稱的程度對市場波動性的影響是存在的，當市場中有嚴重的信息不對稱時，市場波動較大，當信息不對稱較緩和時，市場波動也降低。因此我國股市中的信息不對稱程度的降低是市場波動逐步減少的一個原因。
其次，中國股票市場目前還處於高速的成長期，在本文選用的樣本期內，這一成長趨勢更為明顯。其間市場中的股票數量有顯著增加，其結果是中國a股市場中股票收益的平均相關系數不斷下降，而且這一相關性下降自1993年起尤其明顯。單個股票收益間相關性的下降在一定程度上使得市場收益趨於相對穩定，因而造成中國股票的市場波動成分逐漸減小。
第三，中國股票市場的監管也在不斷加強，不斷有新的法規出台從政策角度完善中國股票市場。而且進一步的分析發現中國股票的市場波動成分與個別因素波動成分的比值在樣本期內不斷下降，且在市場波動成分在總體波動中也占相對小的比例，從一定程度上反映了市場的持續完善化。市場的完善也會促使市場收益的穩定，即市場波動成分呈變小趨勢。
同時，在中國股票市場中，機構投資者正在逐漸替代散戶成為市場投資的主要力量。機構投資力量的加強使得市場中的炒作成分變小，也減少了投機成分，因而有利於市場收益的穩定。這同樣也可能是市場波動成分下降的原因。還有數據顯示，樣本期內中國股票市場中的交易日益活躍，這雖然可能導致個別股票收益波動增加，但是對於市場整體來說，增加的交易量可能會減小市場收益的波動。
四、結論
本文採用的波動性度量，可以有效地對總體波動性進行分解，並方便地對不同波動成分作出估計。通過移動平均方法和確定性趨勢檢驗，得到了如下主要結論：首先，中國股票的市場波動隨時間變化有減小的確定性趨勢，從中可以看到中國股市在10多年的發展中確實在不斷進步，股票市場的投資環境在逐漸完善。其次，雖然從表面上看，中國股票市場的平均個別因素波動成分有下降趨勢，但經過計量經濟學方法的檢驗，證明這一趨勢不是確定性的，表明中國市場中的上市公司質量並沒有得到根本性的改良，企業治理仍有待提高。
同時本文對中國股票的市場波動減小的結論提出了一些可能的解釋，為後續研究提供了方向，可在此基礎上，進一步論證中國股票市場的不同波動成分變化趨勢的深層原因。
【參考文獻】
[1]宋逢明，江婕.中國股票市場波動特性的實證研究[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.
【原文出處】財經論叢
【原刊地名】杭州
【原刊期號】200404
【作者簡介】作者單位：清華大學經濟管理學院
㈨ 股票買入量和賣出量的關系
股票買賣是對等的，有買才能賣出，有賣才能買入。
股市成交量是單邊的，例如，某隻股票成交量為十萬股，這是表示以買賣雙方意願達成的，在計算時成交量是十萬股，即：買方買進了十萬股，同時賣方賣出十萬股。
而計算交易量則雙邊計算，例如買方十萬股加賣方十萬股，計為二十萬股。股市成交量反映成交的數量多少。可用成交股數和成交金額兩項指標來衡量。
(9)分析某某股票買入與賣出報告擴展閱讀：
股市成交量對股價影響
1、股票走勢低迷信號
股票長期成交量減少,就是股票走勢開始低迷的信號,如果在大盤縮量的狀態下出現的話,這個信號就越強。
2、 確認股票走勢
股票上漲可以通過大的成交量或成交量逐漸放大來確認其走勢;股票下跌可以通過成交量縮量甚至地量確認。
3、成交量主宰股票價格
股票成交量情況是股票對股民的吸引程度真實反應,當股民看好某個股票股票就會有很多人買入,持有該股票的股民會持股待漲,從而推動股票價格的上漲;同理,如果對該股票不看好,持股的股民會賣出,空倉的股民不會買入,從而推動股票價格的下跌.所以說成交量是股票價格的主宰。
㈩ 股票中的買入和賣出的什麼意思
股票中的買入和賣出的意思如下：
1.股票買入：指股票交易中進行買入委託，如果委託成功後，股票到賬，並且相應的資金轉入賣方的賬戶中。
2.股票賣出：指股票交易中進行賣出委託，如果委託成功後，資金到賬，並且相應的股票轉入買方的賬戶中。
股票的買入和賣出其實都是股票交易。股票是股份公司資本的構成部分，可以轉讓、買賣，是資本市場的主要長期信用工具，但不能要求公司返還其出資。
(10)分析某某股票買入與賣出報告擴展閱讀
股票買入和賣出的清算交割
1.清算是將買賣股票的數量和金額分別予以抵消，然後通過證券交易所交割凈差額股票或價款的一種程序。清算的意義，在於同時減少通過證券交易所實際交割的股票於與價款，節省大量的人力、物力和財力。
2.證券交易所如果沒有清算，那麼每位證券商都必須向對方逐筆交割股票與價款，手續相當繁瑣，佔用大量的人力、物力、財力和時間。
3.交割是投資人買賣股票後付清價款與轉交股票的活動。投資者在委託購買股票成交後，應在規定期限內付清價款並領取股票。同理，賣出股票後應在規定的時間內交付股票並領取價款。這是股票買賣過程中的一個必要環節，一個必須履行的手續。
一、參考資料：網路：股票交易
二、參考資料：網路：股票