股票怎么做回归分析软件

『壹』 如何用eviews进行GARCH模型测股票波动性，要具体步骤

Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。另外Eviews也是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。
GARCH模型是一个专门针对金融数据所量体订做的回归模型，除去和普通回归模型相同的之处，GARCH对误差的方差进行了进一步的建模。特别适用于波动性的分析和预测，这样的分析对投资者的决策能起到非常重要的指导性作用，其意义很多时候超过了对数值本身的分析和预测。
一般的GARCH模型可以表示为：
Y（t）=h（t）^1/2*a（t） ⑴
h（t）=h（t-1）+a（t-1）^2 ⑵
其中ht为条件方差，at为独立同分布的随机变量，ht与at互相独立，at为标准正态分布。⑴式称为条件均值方程；⑵式称为条件方差方程，说明时间序列条件方差的变化特征。为了适应收益率序列经验分布的尖峰厚尾特征，也可假设 服从其他分布，如Bollerslev （1987）假设收益率服从广义t-分布，Nelson（1991）提出的EGARCH模型采用了GED分布等。另外，许多实证研究表明收益率分布不但存在尖峰厚尾特性，而且收益率残差对收益率的影响还存在非对称性。当市场受到负冲击时，股价下跌，收益率的条件方差扩大，导致股价和收益率的波动性更大；反之，股价上升时，波动性减小。股价下跌导致公司的股票价值下降，如果假设公司债务不变，则公司的财务杠杆上升，持有股票的风险提高。因此负冲击对条件方差的这种影响又被称作杠杆效应。由于GARCH模型中，正的和负的冲击对条件方差的影响是对称的，因此GARCH模型不能刻画收益率条件方差波动的非对称性。

『贰』 股票收益率和市场收益率回归怎么做

首先，每年用股票i 的周收益数据进行下列回归:
Ri，t = αi + β1Rm，t －2 + β2Rm，t －1 + β3Rm，t + β4Rm，t +1 + β5Rm，t +2 + εi，t
其中，Ri，t为股票i 第t 周考虑现金红利再投资的收益率，Rm，t
为A 股所有股票在第t 周经流通市值加权的平均收益率。本文在方程( 1) 中加入市场收益的滞后项和超前项，以调整股票非同步
性交易的影响( Dimson，1 979) 。
股票月收益率回归分析,与大盘及宏观变量的相关性分析,与指数的相关性,选出行业中具有代表性的个股。用其月收益率同大盘股票指数进行回归分析。

『叁』 线性回归分析和指数回归分析有什么区别，如何使用

您好
线性回归分析和指数回归分析其实理论基础是一样的，基本没有区别，另外，今年的股票基本会出现大幅度的下跌，这已经是不可避免的了，经济数据您也可以看到，股票市场的股票业绩下滑也是不争的事实，另外大股东的股票减持和注册制度加快实施，也会严重影响股票市场，另外新股加速扩容和人民币加速贬值，都在很大的方面压制股票，这些还只是股票市场困难的一个部分，所以作为理财师我建议您，保持观望，远离股市，真诚回答，希望采纳！

『肆』 什么是股票的回归通道

股票的回归线又被叫做回归通道线，回归通道线在很多炒股软件里面都没有被保留，这也导致了很多投资者没有见过股票的回归线，但是并不是说这种指标没有实战价值，其实这种指标在实战中有很强的运用价值，股票的价格变动，往往都是通过震荡的方式来运行的，在震荡的过程当中，也就形成了上涨通道或者下跌通道，在这个通道里面，蕴含着很丰富的技术内涵，它对股票价格的趋势判断有很强的意义。

『伍』 关于spss回归分析 急急急...在线等 谢谢谢谢...

楼主，我看了一下，楼下的的确说得对，应该用逻辑回归，因为你的因变量也是一种选项型的，如果按照一般的线性回归做的话是不对的。
你的因变量的确只有一个P，但是你发现没，你的因变量的值要么是0，要么是1，要么是2。相当于说，你的因变量就只是一个逻辑选项。如果按照普通的回归来做的话是肯定不对的。
所以你试试楼下的方法，他说的是对的

『陆』 股票的贝塔系数怎么算用excel的回归分析

Cov(ra,rm) = ρamσaσm。

其中ρam为证券 a 与市场的相关系数；σa为证券 a 的标准差；σm为市场的标准差。

贝塔系数利用回归的方法计算: 贝塔系数等于1即证券的价格与市场一同变动。

贝塔系数高于1即证券价格比总体市场更波动，贝塔系数低于1即证券价格的波动性比市场为低。

如果β = 0表示没有风险，β = 0.5表示其风险仅为市场的一半，β = 1表示风险与市场风险相同，β = 2表示其风险是市场的2倍。

(6)股票怎么做回归分析软件扩展阅读

金融学运用了贝塔系数来计算在一只股票上投资者可期望的合理风险回报率： 个股合理回报率 =无风险回报率*+β×(整体股市回报率-无风险回报率) *可用基准债券的收益率代表。

贝塔系数=1，代表该个股的系统风险等同大盘整体系统风险，即受整体经济因素影响的程度跟大盘一样; 贝塔系数>1则代表该个股的系统风险高于大盘，即受整体经济因素影响的程度甚于大盘。

贝塔系数越高，投资该股的系统风险越高，投资者所要求的回报率也就越高。高贝塔的股票通常属于景气循环股(cyclicals)，如地产股和耐用消费品股；低贝塔的股票亦称防御类股(defensive stocks)，其表现与经济景气的关联度较低，如食品零售业和公用事业股。

个股的贝塔系数可能会随着大盘的升或跌而变动，有些股票在跌市中可能会较在升市具更高风险。

『柒』 famamacbath回归不显著

famamacbath回归分析出现结果不显著情况可能有以下几种原因：
一、自变量共线性
在进行线性famamacbath回归分析时，很容易出现自变量共线性问题，通常情况下VIF值大于10说明严重共线，VIF大于5则说明有共线性问题。当出现共线性问题时，可能导致回归系数的符号与实际情况完全相反，本应该显著的自变量不显著，本不显著的自变量却呈现出显著性。
如果使用SPSSAU进行分析，可以在分析结果中看到VIF值大小。
解决方法：
（1）手动移除出共线性的自变量
先做下相关分析，如果发现某两个自变量X（解释变量）的相关系数值大于0.7，则移除掉氏辩一个自变量（解释变量），然后再做回归分析。但此种办法有一个小问题，即有的时候根本就不希望把某个自变量从模型中剔除，如果有此类情况，可考虑使用逐步回归让软件自动剔除，同时更优的办法可能是使用岭回归进行分析。
（2）逐步回归法
让软件自动进行自变量的选择剔除，逐步回归会将共线性的自变量自动剔除出去。此种解决办法有个问题是，可能算法会剔除掉本不想剔除的自变量，如果有此类情况产生，此时最好是使用岭回归进行分析。
（3）增加样本容量
增加样本容量是解释共线性问题的一种办法，但在实际操作中可能并不太适合，原因是样本量的收集需要成本时间等。
（4）岭回归
上述第1和第2种解决办法在实际研究中使用较多，但问题在于，如果实际研究中并不想剔除掉某些自变量，某些自变量很重要，不能剔除。此时可能只有岭回归最为适合了。岭回归是当前解决共线性问题最有效的解释办法，但是岭回归的分析相对较为复杂，后面会提供具体例子，当然也可以参考 SPSSAU官网岭回归 说明。
（5）利用因子分析合并变量
共线性问题的解释办法是，理论上可以考虑使用因子分析（或者主成分分析），利用数学变换，将数据降维提取成几个成分，即把信息进行浓缩，最后以浓缩后的信息作为自变量（解释变量）进入 模型进行分析。此种解释办法在理论上可行，游核芹而且有效。但实际研究中会出现一个问题，即本身研究的X1,X2,X3等，进行了因子分析(或主成分）后，变成成分1，成分2类似这样的了，意义完全与实际研究情况不符合，这导致整个研究的思路也会变换，因而此种办法适用于探索性研究时使用，而不适合实神毕际验证性研究。
二、数据存在异常值
如果数据中存在极端异常值，有时会导致模型构建与真实情况产生区别，使得原本应该显著的自变量不显著。
解决方法：
查看数据中是否有异常值，可通过比如描述分析、箱线图、散点图等查看，找出异常值，并且处理掉异常值（SPSSAU用户可使用“ 异常值 ”功能）。
也或者使用 稳健回归 （Robust回归进行分析，Robust回归是专门处理异常值情况下的回归模型）。
三、异方差
如果模型存在明显的异方差性，会影响回归系数的显著情况，得到的回归模型是低效并且不稳定。
解决方法：
保存残差项，将残差项分别与模型的自变量X或者因变量Y，作散点图，查看散点是否有明显的规律性。如果有明显的异方差性，建议重新构建模型，比如对Y取对数后再次构建模型等。
四、数据之间没有显著影响关系
如果排除了这些原因还是不显著，那么可能说明解释变量对被解释变量无显著影响。

『捌』 求谁能帮帮我，如何用EVIEWS软件，分析股票指数。用最小二乘法和自回归条件异方差用CAPM模型算风险

不好意帆消思，我不知道是你的表达有问题，还是我没学精。
如果说你要分析股指，我想到的不是capm，而是影响证券市场的各因素。因为capm考虑的就是市场上不能被分散的系统性风险……
如果你说你要用capm我想到的是，你可能要求的是股票指数的收益率，但是我不明白的是，如果股指的波动是你要测算的，而我们一般都把股指的波动看作是系统性风险，那么capm中很重要的市场风险你态改知用啥度量？
另外，你说你用最小二乘法，我直接理解就是你的自变量是（市场风险-无风险利率），因变量是股指的波动。你想做的事就是单变量的线形规划……去确定beta。
最后，自回归是检验和对模型的修正……
如果你不介意，你可以把问题说得再清楚点……否则真的歼拦很难揣测……

『玖』 线性回归分析的原理

最初学习线性回归的时，其实是在数学课上，在接触股票之后，发现其实线性回归同样是可以运用在股票走势分析过程中，当然它的原理是依据统计原理所设计的。那究竟线性回归的基本原理是怎么样的?下面就是赢家学院的主编人员进行的解读。
线性回归是统计学原理所设计的，我们就简单来对于它的定义进行相关的极少。它其实指的就是：离价格最近的一条直线。如果后面的行情是“新的”，那么它对于线性回归带的支撑与阻力就会比较名敏感，如果寿面的行情与前一段没什么区别，那么它对于线性回归带的支撑与阻力就不敏感。
线性回归线是用最小的平方匹配法求出的两点线的趋势线，这条趋势线表示的中间价，如果把此线认作是平衡价的话，任何偏移此线的情况都暗示着超买或超卖。
赢家江恩软件中的线性回归工具，是由三条线所组成的，即在中间线的上方和下方都建立了线性回归通道线，通道线和线性回归的间距是收盘价与线性回归线之间的最大距离。回归线包含了价格的移动，通道下轨线是支撑位，通道下轨线是阻挡位，价格可能会延伸到通道外一段很短的时间，但如果价格持续在渠道外很长一段时间的话，表明趋势很快就会逆转了。下面我们就来看中国海防的日K线走势图。

『拾』 statsby回归后怎么分析（stata）

你好，
这个取决于你的研究目标。
不是很清楚你的数据结构，不过我估计也是做市场收益率的吧。我觉得关键还是你的研究课题是啥，才能进一步确定你的实证分析。如果是描述这个市场，那么就画个直方图（histogram）或者做个描述性统计（summary），不然的话还要进一步计算。在实证金融里，通常做这种回归都是为了提取回归系数，用来估计股票的期望收益率。例如利用CAPM模型估计出来每年每家公司的α和β，然后代入该模型中可以算出期望收益率E(R) = α + β*MKT；然后残差R - E(R)可以用来代理非系统性风险，从而参与到下一步回归。
希望有所帮助，
祝好