概率编程是一种数学方法，用于处理不确定性，并在金融领域有广泛应用，包括预测股票价格。以下是通过概率编程看股价的步骤和思考过程：
数据收集
首先，收集股票价格历史数据，包括开盘价、收盘价、最高价、最低价和交易量等。
特征工程
从原始数据中提取有用的特征，例如移动平均线、相对强弱指数（RSI）、布林带等。
这些特征可以帮助我们理解股票的价格动态和趋势。
概率模型构建
利用概率编程语言（如Python中的PyMC3、Stan等）构建概率模型，如隐马尔可夫模型（HMM）、高斯过程回归（GPR）等。
这些模型可以根据历史数据学习股票价格的分布和不确定性。
模型训练与验证
使用历史数据训练模型，并通过交叉验证等方法验证模型的预测能力。
评估模型的准确性，例如通过计算预测结果的均方误差（MSE）或准确率。
预测与决策
利用训练好的模型预测未来股票价格的走势。
根据预测结果和设定的成功概率阈值（如70%以上），制定买入或卖出的决策。
风险管理
概率编程不仅可以用于预测，还可以评估不同决策的潜在风险和回报。
通过蒙特卡洛模拟等方法，可以评估决策在不同市场情况下的表现，从而做出更加稳健的决策。
需要注意的是，概率编程虽然可以提高股票交易的科学性和准确性，但并不能完全准确预测股票走势。股市受到多种因素的影响，如经济政策、行业发展等，这些因素都会对股价产生重要影响。因此，概率编程应作为一种辅助工具，结合其他分析方法（如技术分析、基本面分析等）来制定投资策略。
建议在实际应用中，结合具体的市场情况和投资目标，选择合适的概率模型和参数，不断调整和优化模型，以提高预测的准确性和可靠性。