股票怎麼做回歸分析軟體

『壹』 如何用eviews進行GARCH模型測股票波動性，要具體步驟

Eviews是Econometrics Views的縮寫，直譯為計量經濟學觀察，通常稱為計量經濟學軟體包。它的本意是對社會經濟關系與經濟活動的數量規律，採用計量經濟學方法與技術進行「觀察」。另外Eviews也是美國QMS公司研製的在Windows下專門從事數據分析、回歸分析和預測的工具。使用Eviews可以迅速地從數據中尋找出統計關系，並用得到的關系去預測數據的未來值。Eviews的應用范圍包括：科學實驗數據分析與評估、金融分析、宏觀經濟預測、模擬、銷售預測和成本分析等。
GARCH模型是一個專門針對金融數據所量體訂做的回歸模型，除去和普通回歸模型相同的之處，GARCH對誤差的方差進行了進一步的建模。特別適用於波動性的分析和預測，這樣的分析對投資者的決策能起到非常重要的指導性作用，其意義很多時候超過了對數值本身的分析和預測。
一般的GARCH模型可以表示為：
Y（t）=h（t）^1/2*a（t） ⑴
h（t）=h（t-1）+a（t-1）^2 ⑵
其中ht為條件方差，at為獨立同分布的隨機變數，ht與at互相獨立，at為標准正態分布。⑴式稱為條件均值方程；⑵式稱為條件方差方程，說明時間序列條件方差的變化特徵。為了適應收益率序列經驗分布的尖峰厚尾特徵，也可假設 服從其他分布，如Bollerslev （1987）假設收益率服從廣義t-分布，Nelson（1991）提出的EGARCH模型採用了GED分布等。另外，許多實證研究表明收益率分布不但存在尖峰厚尾特性，而且收益率殘差對收益率的影響還存在非對稱性。當市場受到負沖擊時，股價下跌，收益率的條件方差擴大，導致股價和收益率的波動性更大；反之，股價上升時，波動性減小。股價下跌導致公司的股票價值下降，如果假設公司債務不變，則公司的財務杠桿上升，持有股票的風險提高。因此負沖擊對條件方差的這種影響又被稱作杠桿效應。由於GARCH模型中，正的和負的沖擊對條件方差的影響是對稱的，因此GARCH模型不能刻畫收益率條件方差波動的非對稱性。

『貳』 股票收益率和市場收益率回歸怎麼做

首先，每年用股票i 的周收益數據進行下列回歸:
Ri，t = αi + β1Rm，t －2 + β2Rm，t －1 + β3Rm，t + β4Rm，t +1 + β5Rm，t +2 + εi，t
其中，Ri，t為股票i 第t 周考慮現金紅利再投資的收益率，Rm，t
為A 股所有股票在第t 周經流通市值加權的平均收益率。本文在方程( 1) 中加入市場收益的滯後項和超前項，以調整股票非同步
性交易的影響( Dimson，1 979) 。
股票月收益率回歸分析,與大盤及宏觀變數的相關性分析,與指數的相關性,選出行業中具有代表性的個股。用其月收益率同大盤股票指數進行回歸分析。

『叄』 線性回歸分析和指數回歸分析有什麼區別，如何使用

您好
線性回歸分析和指數回歸分析其實理論基礎是一樣的，基本沒有區別，另外，今年的股票基本會出現大幅度的下跌，這已經是不可避免的了，經濟數據您也可以看到，股票市場的股票業績下滑也是不爭的事實，另外大股東的股票減持和注冊制度加快實施，也會嚴重影響股票市場，另外新股加速擴容和人民幣加速貶值，都在很大的方面壓制股票，這些還只是股票市場困難的一個部分，所以作為理財師我建議您，保持觀望，遠離股市，真誠回答，希望採納！

『肆』 什麼是股票的回歸通道

股票的回歸線又被叫做回歸通道線，回歸通道線在很多炒股軟體裡面都沒有被保留，這也導致了很多投資者沒有見過股票的回歸線，但是並不是說這種指標沒有實戰價值，其實這種指標在實戰中有很強的運用價值，股票的價格變動，往往都是通過震盪的方式來運行的，在震盪的過程當中，也就形成了上漲通道或者下跌通道，在這個通道裡面，蘊含著很豐富的技術內涵，它對股票價格的趨勢判斷有很強的意義。

『伍』 關於spss回歸分析 急急急...在線等 謝謝謝謝...

樓主，我看了一下，樓下的的確說得對，應該用邏輯回歸，因為你的因變數也是一種選項型的，如果按照一般的線性回歸做的話是不對的。
你的因變數的確只有一個P，但是你發現沒，你的因變數的值要麼是0，要麼是1，要麼是2。相當於說，你的因變數就只是一個邏輯選項。如果按照普通的回歸來做的話是肯定不對的。
所以你試試樓下的方法，他說的是對的

『陸』 股票的貝塔系數怎麼算用excel的回歸分析

Cov(ra,rm) = ρamσaσm。

其中ρam為證券 a 與市場的相關系數；σa為證券 a 的標准差；σm為市場的標准差。

貝塔系數利用回歸的方法計算: 貝塔系數等於1即證券的價格與市場一同變動。

貝塔系數高於1即證券價格比總體市場更波動，貝塔系數低於1即證券價格的波動性比市場為低。

如果β = 0表示沒有風險，β = 0.5表示其風險僅為市場的一半，β = 1表示風險與市場風險相同，β = 2表示其風險是市場的2倍。

(6)股票怎麼做回歸分析軟體擴展閱讀

金融學運用了貝塔系數來計算在一隻股票上投資者可期望的合理風險回報率： 個股合理回報率 =無風險回報率*+β×(整體股市回報率-無風險回報率) *可用基準債券的收益率代表。

貝塔系數=1，代表該個股的系統風險等同大盤整體系統風險，即受整體經濟因素影響的程度跟大盤一樣; 貝塔系數>1則代表該個股的系統風險高於大盤，即受整體經濟因素影響的程度甚於大盤。

貝塔系數越高，投資該股的系統風險越高，投資者所要求的回報率也就越高。高貝塔的股票通常屬於景氣循環股(cyclicals)，如地產股和耐用消費品股；低貝塔的股票亦稱防禦類股(defensive stocks)，其表現與經濟景氣的關聯度較低，如食品零售業和公用事業股。

個股的貝塔系數可能會隨著大盤的升或跌而變動，有些股票在跌市中可能會較在升市具更高風險。

『柒』 famamacbath回歸不顯著

famamacbath回歸分析出現結果不顯著情況可能有以下幾種原因：
一、自變數共線性
在進行線性famamacbath回歸分析時，很容易出現自變數共線性問題，通常情況下VIF值大於10說明嚴重共線，VIF大於5則說明有共線性問題。當出現共線性問題時，可能導致回歸系數的符號與實際情況完全相反，本應該顯著的自變數不顯著，本不顯著的自變數卻呈現出顯著性。
如果使用SPSSAU進行分析，可以在分析結果中看到VIF值大小。
解決方法：
（1）手動移除出共線性的自變數
先做下相關分析，如果發現某兩個自變數X（解釋變數）的相關系數值大於0.7，則移除掉氏辯一個自變數（解釋變數），然後再做回歸分析。但此種辦法有一個小問題，即有的時候根本就不希望把某個自變數從模型中剔除，如果有此類情況，可考慮使用逐步回歸讓軟體自動剔除，同時更優的辦法可能是使用嶺回歸進行分析。
（2）逐步回歸法
讓軟體自動進行自變數的選擇剔除，逐步回歸會將共線性的自變數自動剔除出去。此種解決辦法有個問題是，可能演算法會剔除掉本不想剔除的自變數，如果有此類情況產生，此時最好是使用嶺回歸進行分析。
（3）增加樣本容量
增加樣本容量是解釋共線性問題的一種辦法，但在實際操作中可能並不太適合，原因是樣本量的收集需要成本時間等。
（4）嶺回歸
上述第1和第2種解決辦法在實際研究中使用較多，但問題在於，如果實際研究中並不想剔除掉某些自變數，某些自變數很重要，不能剔除。此時可能只有嶺回歸最為適合了。嶺回歸是當前解決共線性問題最有效的解釋辦法，但是嶺回歸的分析相對較為復雜，後面會提供具體例子，當然也可以參考 SPSSAU官網嶺回歸 說明。
（5）利用因子分析合並變數
共線性問題的解釋辦法是，理論上可以考慮使用因子分析（或者主成分分析），利用數學變換，將數據降維提取成幾個成分，即把信息進行濃縮，最後以濃縮後的信息作為自變數（解釋變數）進入 模型進行分析。此種解釋辦法在理論上可行，游核芹而且有效。但實際研究中會出現一個問題，即本身研究的X1,X2,X3等，進行了因子分析(或主成分）後，變成成分1，成分2類似這樣的了，意義完全與實際研究情況不符合，這導致整個研究的思路也會變換，因而此種辦法適用於探索性研究時使用，而不適合實神畢際驗證性研究。
二、數據存在異常值
如果數據中存在極端異常值，有時會導致模型構建與真實情況產生區別，使得原本應該顯著的自變數不顯著。
解決方法：
查看數據中是否有異常值，可通過比如描述分析、箱線圖、散點圖等查看，找出異常值，並且處理掉異常值（SPSSAU用戶可使用「 異常值 」功能）。
也或者使用 穩健回歸 （Robust回歸進行分析，Robust回歸是專門處理異常值情況下的回歸模型）。
三、異方差
如果模型存在明顯的異方差性，會影響回歸系數的顯著情況，得到的回歸模型是低效並且不穩定。
解決方法：
保存殘差項，將殘差項分別與模型的自變數X或者因變數Y，作散點圖，查看散點是否有明顯的規律性。如果有明顯的異方差性，建議重新構建模型，比如對Y取對數後再次構建模型等。
四、數據之間沒有顯著影響關系
如果排除了這些原因還是不顯著，那麼可能說明解釋變數對被解釋變數無顯著影響。

『捌』 求誰能幫幫我，如何用EVIEWS軟體，分析股票指數。用最小二乘法和自回歸條件異方差用CAPM模型算風險

不好意帆消思，我不知道是你的表達有問題，還是我沒學精。
如果說你要分析股指，我想到的不是capm，而是影響證券市場的各因素。因為capm考慮的就是市場上不能被分散的系統性風險……
如果你說你要用capm我想到的是，你可能要求的是股票指數的收益率，但是我不明白的是，如果股指的波動是你要測算的，而我們一般都把股指的波動看作是系統性風險，那麼capm中很重要的市場風險你態改知用啥度量？
另外，你說你用最小二乘法，我直接理解就是你的自變數是（市場風險-無風險利率），因變數是股指的波動。你想做的事就是單變數的線形規劃……去確定beta。
最後，自回歸是檢驗和對模型的修正……
如果你不介意，你可以把問題說得再清楚點……否則真的殲攔很難揣測……

『玖』 線性回歸分析的原理

最初學習線性回歸的時，其實是在數學課上，在接觸股票之後，發現其實線性回歸同樣是可以運用在股票走勢分析過程中，當然它的原理是依據統計原理所設計的。那究竟線性回歸的基本原理是怎麼樣的?下面就是贏家學院的主編人員進行的解讀。
線性回歸是統計學原理所設計的，我們就簡單來對於它的定義進行相關的極少。它其實指的就是：離價格最近的一條直線。如果後面的行情是「新的」，那麼它對於線性回歸帶的支撐與阻力就會比較名敏感，如果壽面的行情與前一段沒什麼區別，那麼它對於線性回歸帶的支撐與阻力就不敏感。
線性回歸線是用最小的平方匹配法求出的兩點線的趨勢線，這條趨勢線表示的中間價，如果把此線認作是平衡價的話，任何偏移此線的情況都暗示著超買或超賣。
贏家江恩軟體中的線性回歸工具，是由三條線所組成的，即在中間線的上方和下方都建立了線性回歸通道線，通道線和線性回歸的間距是收盤價與線性回歸線之間的最大距離。回歸線包含了價格的移動，通道下軌線是支撐位，通道下軌線是阻擋位，價格可能會延伸到通道外一段很短的時間，但如果價格持續在渠道外很長一段時間的話，表明趨勢很快就會逆轉了。下面我們就來看中國海防的日K線走勢圖。

『拾』 statsby回歸後怎麼分析（stata）

你好，
這個取決於你的研究目標。
不是很清楚你的數據結構，不過我估計也是做市場收益率的吧。我覺得關鍵還是你的研究課題是啥，才能進一步確定你的實證分析。如果是描述這個市場，那麼就畫個直方圖（histogram）或者做個描述性統計（summary），不然的話還要進一步計算。在實證金融里，通常做這種回歸都是為了提取回歸系數，用來估計股票的期望收益率。例如利用CAPM模型估計出來每年每家公司的α和β，然後代入該模型中可以算出期望收益率E(R) = α + β*MKT；然後殘差R - E(R)可以用來代理非系統性風險，從而參與到下一步回歸。
希望有所幫助，
祝好