股票价格线性回归分析
【摘要】由于股票开盘价、最高价、最低价与收盘价存在多重共线性的问题，所以人们很少利用前三者的数据从数理的角度对收盘价进行回归分析。但是引用岭回归的分析方法，解决多重共线性的问题后，可以对股票价格的变动做出回归分析。这对于分析股票价格及进行短期预测有重要意义。
【关键词】岭回归多重共线性膨胀系数
一、背景
在计算股票收益率时，人们往往运用收盘价计算股票的收益率，而忽略当日股价变化情况。如果在每日闭市之前，能观察出今日的开盘价、最高价、最低价，就可准确预测出今日的收盘价。刘广丽（2007）利用岭回归的方法，对我国上海股市进行研究，建立了多元线性回归模型，并进行预测。本文通过编写matlab程序，用2011年242个交易日的数据，对“中国银行”股票价格进行岭回归分析。
二、模型建立
首先，建立回归方程。y（i，1）=b（1，1）+b（2，1）*x（i，1）+b（3，1）*x（i，2）+ b（4，1）*x（i，3），其中y（i，1）代表日收盘价，x（i，1）代表日最高价，x（i，2）代表日最低价，x（i，3）代表日最高价。经过回归得到线性方程y（i，1）
=0.0023-0.5253* x（i，1）+ 0.7818* x（i，2）+ 0.7433* x（i，3）。回归得到的r方为0.9969，f值为25349。因此，可以初步判断上述回归方程成立。但由于自变量间可能存在严重共线性，需要
影响股票价格的主要因素有哪些: 供求关系 股票市场何以与经济学息息相关,无疑是其价格的升跌无不由市场力量所推动。简单而言，即股票的价格是由供求关系的拉锯衍生而来，而买卖双方背后的理据，却无不环绕着大家各自对公司未来现金流的看法。基本上来说，股票所能产生的现金流可由公司派发股息时出现，但由于上市公司股票是自由买卖的，因此当投资者沽出股票时，便可得到非股息所带来的现金流，即沽售股票时，所收回的款项,倘若股票的需求（买方）大于供应（卖方），股价便会水涨船高，反之当股票的供应（卖方）多于需求（买方），股价便会一沉百踩。这个供求关系似是简单无比，但当中又有何许人能够准确预测这供求关系变化而获利呢？ 另外，坊间有不少投资者认为股价越大的公司，其规模就是越大，股价较小的公司，规模就越是细小，我可以在这里跟大家说：“这是错误的！”倘若甲公司发行股票100,000张，每股现值$20，即公司现时的市值为$2,000,000。而乙公司发行股票达400,000张，而每股现值$10，即乙公司的市值则为$4,000,000，可见纵使乙公司的股价较甲公司小，其市值却较甲公司大！ 公司盈利 纵使影响公司股价的因素有芸芸众多，但“公司盈利”的影响因素却是大家不会忘记的。公司可以短期内出现亏损，但绝不可以长期如此，否则定以清盘结终。所有上市公司均有责任定期向公众交代是年的财政状况，因此投资者不难掌握有关公司的盈利状况，作为投资股票的参考。投资者的情绪 大家可能主观认为只要公司盈利每年趋升，股价定必然会一起上扬，但事实往往是并非如此的，就算一间公司的盈利较往年有超过百分之五十的升幅，公司股价亦都有可能因为市场预期有百分之六十的盈利增长而下挫。反之倘若市场认为公司亏损将会增加百分之八，但当出来的结果是亏损只拓阔百分之五（即每股盈利出现负数），公司股价亦可能会因为业绩较市场预期好而上升。另外，只要市场憧憬公司前景秀丽，能够于将来为股东赚取大额回报，就算当刻公司每股盈利出现严重亏损（譬如上世纪末期的美国科网公司），股价亦有可能因为这一幅又一幅的美丽图像而冲上云霄。总之，影响公司股价的因素并不单单停留于每股盈利的多少，反而较市场预期的多或少，方才是决定公司股价升跌的重要元素。 与此同时，油价、市场气氛、收购合并消息、经济数据、利息去向，以及经济增长等因素，均对公司股价有着举足轻重的影响。 股价变动是可以预算得到吗? 可能上述问题会促使你阅读以下文章，对吗？事实上 ，不单阁下对这个问题充满好奇，不少投资人，句括经济学者以及投资专家对此更是左思右想，然而问题的答案却仍然是个谜。尽管如此，有不少研究指股价变动是无迹可寻（对这个领域有兴趣的网友，不妨登入财经百科的金融理论，学习有关“有效市场”以及“股价任意行”的论说），但同时亦有为数不少的华尔街金融奇才，声称股票价格是根据经济气候、财务比率（如市盈率、增长率），甚至乎动力指标，以及相对强弱指数等等所影响。事实上，倘若他们论及的股价升跌原因全是虚构出来，他们早已被踢出华尔街，而非现在的名利双收！总而言之，掌握得越多信息或投资技巧的股民．其胜算亦会越是提高，反之亦然，而财经百科就正正是为着这个原因而创立，期望网友于漫游本网站后，能够增进不少财务知识及投资技巧，从而增加获利机会，及早致富。 股价变动一般由以下几方面产生： 客观方面：
实验四（1）用Excel作一元线性回归分析 实验名称：回归分析 实验目的：学会应用软件实验一元线性回归，多元线性回归和非线性回归模型的求解及应用模型解决相应地理问题。 1 利用Excel进行一元线性回归分析 第一步，录入数据 以连续10年最大积雪深度和灌溉面积关系数据为例予以说明。录入结果见下图（图1）。 图1 第二步，作散点图 如图2所示，选中数据（包括自变量和因变量），点击“图表向导”图标；或者在 “插入”菜单中打开“图表（H）”。图表向导的图标为。选中数据后，数据变为蓝色（图2）（office2003）。插入-图表（office2007)
图2 点击“图表向导”以后，弹出如下对话框（图3）： 图3 在左边一栏中选中“XY散点图”，点击“完成”按钮，立即出现散点图的原始形式（图4）：
图4 第三步，回归 观察散点图，判断点列分布是否具有线性趋势。只有当数据具有线性分布特征时，才能采用线性回归分析方法。从图中可以看出，本例数据具有线性分布趋势，可以进行线性回归。回归的步骤如下： ⑴ 首先，打开“工具”下拉菜单，可见数 据分析选项（见图5） （office2003）。数据-数据分析（office2007) ： 图5 用鼠标双击“数据分析”选项，弹出“数据分析”对话框（图6）：
图6 ⑵然后，选择“回归”，确定，弹出如下选项表（图7）： 图7 进行如下选择：X、Y值的输入区域（B1:B11，C1:C11），标志，置信度（95%），新工作表组，残差，线性拟合图（图8-1）。 或者：X、Y值的输入区域（B2:B11，C2:C11），置信度（95%），新工作表组，残差，线性拟合图（图8-2）。 注意：选中数据“标志”和不选“标志”，X、Y值的输入区域是不一样的：前者包括数据标志： 最大积雪深度x(米)灌溉面积y(千亩) 后者不包括。这一点务请注意（图8）。
农民收入影响因素的多元回归分析 自改革开放以来,虽然中国经济平均增长速度为9.5 % ,但二元经济结构给经济发展带来的问题仍然很突出。农村人口占了中国总人口的70 %多,农业产业结构不合理,经济不发达,以及农民收入增长缓慢等问题势必成为我国经济持续稳定增长的障碍。正确有效地解决好“三农”问题是中国经济走出困境,实现长期稳定增长的关键。其中,农民收入增长是核心,也是解决“三农”问题的关键。本文力图应用适当的多元线性回归模型,对有关农民收入的历史数据和现状进行分析,寻找其根源,探讨影响农民收入的主要因素,并在此基础上对如何增加农民收入提出相应的政策建议。 一、回归模型的建立 (1) 数据的收集 根据实际的调查分析，我们在影响农民收入因素中引入3个解释变量。即: X财政用于农业的支出的比重， X-乡村从业人员占农村人口的比重， X -2-34 农作物播种面积 y X2 X3 X4 乡村从业人员78年可比财政用于农业农作物播年份占农村人口的价的支出 的比重种面积比重 1989 196.76 9.42 49.23 146553.9 1990 220.53 9.98 49.93 148362.3 1991 223.25 10.26 50.92 149585.8 1992 233.19 10.05 51.53 149007.1 1993 265.67 9.49 51.86 147740.7 1994 335.16 9.2 52.12 148240.6 1995 411.29 8.43 52.41 149879.3
1996 460.68 8.82 53.23 152380.6 1997 477.96 8.3 54.93 153969.2 1998 474.02 10.69 55.84 155705.7 1999 466.8 8.23 57.16 156372.8 2000 466.16 7.75 59.33 156299.9 2001 469.8 7.71 60.62 155707.9 2002 468.95 7.17 62.02 154635.5 2003 476.24 7.12 63.72 152415 2004 499.39 9.67 65.64 153552.6 2005 521.2 7.22 67.59 155487.7 (1) 回归模型的构建 Y=ββX+βX+βX+u i1+223344i 二、回归模型的分析 (1) 多重共线性检验 a系数 非标准化系数标准系数共线性统计量模型 B 标准误差试用版 t Sig. 容差 VIF 1 (常量) -2983.479 803.141 -3.715 .003 X2 -14.221 15.007 -.141 -.948 .361 .579 1.726 X3 5.201 3.760 .258 1.383 .190 .368 2.717 X4 .021 .006 .614 3.677 .003 .459 2.177 a. 因变量: y 表1 多重共线性是指解释变量之间存在相关关系，判断解释变量之间的多重共线性一般可看方差膨胀因子VIF和容忍度这两个指标，如果解释变量之间存在多重共线性，一般采用逐步剔除VIF最大的解释变量来消除解释变量之间多重共线性的问
有问题到淘宝找“大数据部落”就可以了 股票实际价格和预测价格差异分析 摘要：主要思路为了准确的估计股票价格,了解股票的一般规律,更好的为资本市场提供参考意见和帮助股民进行投资股票作出正确的决策,本文从股票价格指数与整个经济环境角度出发,采用多元回归分析方法,应用月度时间序列数据,通过选取综合反映股票市场上所有公司股票价格整体水平的指标建立了线性回归模型,得出了股票价格趋势变动的影响因素. 关键词：回归模型；指数模型；股票价格；预测 一、引言 主要思路为了准确的估计股票价格，本文从股票价格指数与整个经济环境角度出发,采用多元回归分析方法,应用月度时间序列数据建立了线性回归模型,具体分析步骤： 1.关系分析 基于以上原理,为大致了解股票价格与诸因素之间的关系,先分别绘制股票价格与各个因素之间的散点图,并分析它们之间的关系.股价用上证A股指数来表示,这样可以减少人为因素对股票价格的影响,尽量将注意力集中在我们假设选用的自变量上.我们采用的数据是2012年和2015年上半年的月度数据,分析影响我国股市趋势的因素。之所以选取2012年和2015年7月的统计资料是基于以下两点考虑：中国股市发展时间较短,采用年度数据会因为样本量太小而使得回归分析失去意义;数据取得的存在较大难度,因季度数据不全而只能选取月度数据.因此选取2012年和2015年7月份月度数据作为样本. 2.指数平滑时间序列预测模型 3.选择多项式回归模型 3.1变量选取通过向前向后逐步迭代回归模型筛选出显著性较强的变量进行回归建模。 3.2显著性检验根据F值和p值统计量来判断模型是否具有显著的统计意义。 3.3拟合预测使用得到的模型对实际数据进行拟合和预测。
股票预测模型【运用ARIMA模型预测股票价格】 [摘要]ARIMA模型是时间序列中十分常见和常用的一种模型，应用与经济的各个领域。本文基于ARIMA模型，采用了莱宝高科近67个交易日的数据，对历史数据进行分析，并且在此基础上做出一定的预测，试图为现实的投资提供一些参考信息。[关键字]ARIMA模型；股价预测；莱宝高科一、引言时间序列分析是从一段时间上的一组属性值数据中发现模式并预测未来值的过程。ARIMA模型是目前最常用的用于拟合非平稳序列的模型，对于满足有限参数线形模型的平稳时间序列的分析，ARIMA在理论上已趋成熟，它用有限参数线形模型描述时间序列的自相关结构，便于进行统计分析与数学处理。有限参数线形模型能描述的随机现象相当广泛，模型拟合的精度能达到实际工程的要求，而且由有限参数的线形模型结构可推导出适用的线形预报理论。利用ARIMA 模型描述的时间序列预报问题在金融，股票等领域具有重要的理论意义。本文将利用ARIMA模型结合莱宝高科的数据建立模型，并运用该模型对莱宝的股票日收盘价进行预测。二、ARIMA模型的建立 2.1ARIMA模型简介ARIMA是自回归移动平均结合模型的简写形式，用于平稳序列或通过差分而平稳的序列分析，简记为ARIMA(p,d,q)用公式表示为：△dZt=Xt=ψ1Xt-1+ψ2Xt-2+?+ψpXt-p+at-θ1at-1-θ2at-2-?-θqat-q 其中，p、d、q分别是自回归阶数、差分阶数和滑动平均阶数；Zt是时间序列；Xt是经过d阶差分后的时间序列值；at－q是时间为t－q的随机扰动项；ψp、θq分别是对应项前的系数。 2.2模型建立流程(1)平稳性检验以2010－3－4到2010－6－10的“莱宝高科”(002106)股票的收盘价作为模型的数据进行建立时间序列模型：做出折线图观察数据的特征：进行单位根检验，判别序列是否为平稳序列；若一阶差分后的数据为平稳序列，可以建立时间序列模型。说明原数据为一阶单整。(2)模型的选择和参数的估计根据数据的平稳性特征，初步确定建立ARIMA模型。观察一阶差分以后的序列的自相关函数和偏自相关
影响股票价格的主要因素 供求关系 股票市场何以与经济学息息相关, 无疑是其价格的升跌无不由市场力量所推动。简单而言，即股票的价格是由供求关系的拉锯衍生而来，而买卖双方背后的理据，却无不环绕着大家各自对公司未来现金流的看法。基本上来说，股票所能产生的现金流可由公司派发股息时出现，但由于上市公司股票是自由买卖的，因此当投资者沽出股票时，便可得到非股息所带来的现金流，即沽售股票时，所收回的款项, 倘若股票的需求（买方）大于供应（卖方），股价便会水涨船高，反之当股票的供应（卖方）多于需求（买方），股价便会一沉百踩。这个供求关系似是简单无比，但当中又有何许人能够准确预测这供求关系变化而获利呢？ 另外，坊间有不少投资者认为股价越大的公司，其规模就是越大，股价较小的公司，规模就越是细小，我可以在这里跟大家说：“这是错误的！”倘若甲公司发行股票100,000张，每股现值$20，即公司现时的市值为$2,000,000。而乙公司发行股票达400,000张，而每股现值$10，即乙公司的市值则为$4,000,000，可见纵使乙公司的股价较甲公司小，其市值却较甲公司大！ 公司盈利 纵使影响公司股价的因素有芸芸众多，但“公司盈利”的影响因素却是大家不会忘记的。公司可以短期内出现亏损，但绝不可以长期如此，否则定以清盘结终。所有上市公司均有责任定期向公众交代是年的财政状况，因此投资者不难掌握有关公司的盈利状况，作为投资股票的参考。 投资者的情绪 大家可能主观认为只要公司盈利每年趋升，股价定必然会一起上扬，但事实往往是并非如此的，就算一间公司的盈利较往年有超过百分之五十的升幅，公司股价亦都有可能因为市场预期有百分之六十的盈利增长而下挫。反之倘若市场认为公司亏损将会增加百分之八，但当出来的结果是亏损只拓阔百分之五（即每股盈利出现负数），公司股价亦可能会因为业绩较市场预期好而上升。另外，只要市场憧憬公司前景秀丽，能够于将来为股东赚取大额回报，就算当刻公司每股盈利出现严重亏损（譬如上世纪末期的美国科网公司），股价亦有可能因为这一幅又一幅的美丽图像而冲上云霄。总之，影响公司股价的因素并不单单停留于每股盈利的多少，反而较市场预期的多或少，方才是决定公司股价升跌的重要元素。 与此同时，油价、市场气氛、收购合并消息、经济数据、利息去向，以及经济增长等因素，均对公司股价有着举足轻重的影响。 股价变动是可以预算得到吗? 可能上述问题会促使你阅读以下文章，对吗？事实上，不单阁下对这个问题充满好奇，不少投资人，句括经济学者以及投资专家对此更是左思右想，然而问题的答案却仍然是个谜。尽管如此，有不少研究指
龙源期刊网 https://www.doczj.com/doc/d78374953.html, 基于线性回归模型的股票影响因素研究 作者：刘思岐 来源：《全国流通经济》2020年第05期 摘要：随着时代的发展与进步，人们手中的资金增多，人们将资金逐渐从房地产转到股市。由于股票的波动性较大，对于投资者以及相关公司的影响也较大。本文主要通过以通用电气公司为例，研究标准普尔500指数、消费者价格指数和利率对股票的影响，并通过搜集通用电气公司股票收盘价、标准普尔500指数、CPI和利率，进行多元线性回归模型的研究。通过研究，得出影响股票的主要因素为标准普尔500指数、CPI和利率。通过这种方式，可得出影响股票的其他因素。当影响因素发生变化时，消费者可以提前对股价的增长做出判断，并进行买卖，同时可以规避风险，减少损失。 关键词：标准普尔500指数;CPI;市盈率;利率 中图分类号：F832.5;文献识别码：A文章编号： 2096-3157（2020）05-0162-03 一、前言 1.研究背景 1927年8月，美联储采取了贴现率下调的措施，使人们贷款所需还的利息减少，贷款变 得更容易，本想借此促进贸易增长，却不料使股票市场持续升温，整个美国陷入股票热潮。随着越来越多的资金流入股市，股票的发展达到了顶峰，随之而来的就是股市的崩盘。1928年6月，股市出现大幅下跌的情况。许多大型公司股价迅速下跌，股民们和公司蒙受到了巨大的损失，例如贾尼尼公司，在经济方面遭受大量损失最终导致破产，美国的贸易发展受阻。2008年，美国经济陷入紧张阶段。贷款变难，意味着人们贷款购房的压力增大，这导致人们不再热衷于贷款买房。许多人贷款金额较高却不能按期还清债务，银行收回大量房屋，却没有足够的资金使银行再次运转起来。房屋供给量大大高于需求量，房价大幅的下跌和人们的大量卖房使得房价滚雪球式下降。次贷危机的爆发引发了严重的影响。大量银行由于无法及时收回贷款以及大量储蓄者取走存入的资金而纷纷倒闭，引发了金融界的恐慌。标准普尔500指数下跌了39%，纳斯达克指数下跌41%，大量公司受损严重，例如两大房贷巨头“房利美”和“房地美”，
论文题目：股票价格回归分析报告 摘要：主要思路为了准确的估计股票价格,了解股票的一般规律,更好的为资本市场提供参考意见和帮助股民进行投资股票作出正确的决策,本文从股票价格指数与整个经济环境角度出发,采用多元回归分析方法,应用月度时间序列数据,通过选取综合反映股票市场上所有公司股票价格整体水平的指标建立了线性回归模型,得出了股票价格趋势变动的影响因素. 关键词：回归模型；指数模型；股票价格；预测 一、引言 主要思路为了准确的估计股票价格，本文从股票价格指数与整个经济环境角度出发,采用多元回归分析方法,应用月度时间序列数据建立了线性回归模型,具体分析步骤： 1.关系分析 基于以上原理,为大致了解股票价格与诸因素之间的关系,先分别绘制股票价格与各个因素之间的散点图,并分析它们之间的关系.股价用上证A股指数来表示,这样可以减少人为因素对股票价格的影响,尽量将注意力集中在我们假设选用的自变量上.我们采用的数据是2012年和2015年上半年的月度数据,分析影响我国股市趋势的因素。之所以选取2012年和2015年7月的统计资料是基于以下两点考虑：中国股市发展时间较短,采用年度数据会因为样本量太小而使得回归分析失去意义;数据取得的存在较大难度,因季度数据不全而只能选取月度数据.因此选取2012年和2015年7月份月度数据作为样本. 2.指数平滑时间序列预测模型 3.选择多项式回归模型 3.1变量选取通过向前向后逐步迭代回归模型筛选出显著性较强的变量进行回归建模。 3.2显著性检验根据F值和p值统计量来判断模型是否具有显著的统计意义。 3.3拟合预测使用得到的模型对实际数据进行拟合和预测。 4.分析得出结论得出各个自变量之间的关系，以及它们对因变量的影响极其经济意义。
股票价格指数分析 上证综合指数 基期：旧：1990年12月19日 新：2005年12月30日 样本股：全部的上市股票 价格指数编制方法：以全部上市股票为样本、以股票发行量为权数，按加权平均法计 算的股价指数，即：本日股价指数＝本日股票市价总值÷基期股票市价总值×100 近20年走势：2007年10月16日实现最高值开盘： 最高：6124.04 最低：6040.71 收盘：6092.06 成交金额：1668.63亿 涨跌：+61.97 涨跌幅：+1.03% 振幅：1.38% 上涨家数：583 下跌家数：297 走势： 从最高点下跌的原因：通货膨胀泡沫的破碎，金融危机从美国席卷全球 深圳成分股指数： 编制日期：1995年1月3日 基日指数：1994年7月20日1000点 样本股：从深圳证券交易所挂牌上市的所有股票中抽取具有市场代表性的40家上市公司
的股票 价格指数编制方法：股价指数=现时成分股总市值/基期成分股总市值×1000 走势：2007年10月17日实现最高 从最高点下跌的原因：通货膨胀泡沫的破碎，金融危机从美国席卷全球 沪深300指数 基日：2004年12月31日 基期：2004年12月31日300只成分股的调整市值 基期指数：1000 样本股：对样本空间股票在最近一年（新股为上市以来）的日均成交金额由高到低排名，剔除排名后50%的股票，然后对剩余股票按照日均总市值由高到低进行排名，选取排名在前300名的股票作为样本股 价格指数编制方法：指数以调整股本为权重，采用派许加权综合价格指数公式进行计算 报告期指数=报告期成分股的总调整市价/基期*1000 其中，总调整市值=∑（市价*样本股调整股本数）
1、 多元线性回归在回归分析中，如果有两个或两个以上的自变量，就称为 多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。 在实际经济问题中，一个变量往往受到多个变量的影响。例如，家庭消费支出，除了受家庭可支配收入的影响外，还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种因素的影响，表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模型。（multivariable linear regression model ） 多元线性回归模型的一般形式为： 其中k 为解释变量的数目，j β (j=1,2,…，k)称为回归系数（regression coefficient)。上式也被称为总体回归函数的随机表达式。它的非随机表达式为： j β也被称为偏回归系数（partial regression coefficient)。 2、 多元线性回归计算模型 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和（Σe)为最小的前提下，用最小二乘法或最大似然估计法求解参数。 设（ 11 x ， 12 x ，…， 1p x ， 1 y ），…，（ 1 n x ， 2 n x ，…， np x ， n y ）是一个样本， 用最大似然估计法估计参数： 达 到最小。
把（4）式化简可得： 引入矩阵： 方程组（5）可以化简得： 可得最大似然估计值：
3、Matlab 多元线性回归的实现 多元线性回归在Matlab 中主要实现方法如下： （1）b=regress(Y, X ) 确定回归系数的点估计值 其中 （2）[b,bint,r,rint,stats]=regress(Y,X,alpha)求回归系数的点估计和区间估计、并检 验回归模型 ①bint 表示回归系数的区间估计. ②r 表示残差 ③rint 表示置信区间 ④stats 表示用于检验回归模型的统计量,有三个数值：相关系数r2、F 值、与F 对应的 概率p 说明：相关系数r2越接近1，说明回归方程越显著；F>F1-alpha(p,n-p-1) 时拒绝H0，F 越大，说明回归方程越显著；与F 对应的概率p<α 时拒绝H0，回归模型成立。 ⑤alpha 表示显著性水平(缺省时为0.05) （3）rcoplot(r,rint) 画出残差及其置信区间
基于多元线性回归的期权价格预测模型 王某某 （北京航空航天大学计算机学院北京100191）1 摘要：期权是国际市场成熟、普遍的金融衍生品，是金融市场极为重要的金融工具。2015年2月9日，上海证券交易所正式推出了我国首支场内交易期权——上证50ETF期权，翻开了境内场内期权市场的新篇章。50ETF期权上市以来，市场规模逐步扩大，其发展情况境外期权产品相同时期。本文以此为研究背景，以“50ETF购12月1.95”这支期权为研究对象，以今日开盘价、收盘价、最高价、最低价、结算价、成交量、成交额、持仓量、涨停价和跌停价为解释变量，通过多元线性回归模型，预测该期权的明日收盘价。本次研究以多元线性回归的全模型（模型1）为出发点，通过异方差检验、残差的独立性检验、误差的正太分布检验以及多重共线性检验，说明该模型不违反回归的基本假设条件。进而通过主成分回归（模型4）和逐步回归（模型5）进行降维，结果表明因变量与解释变量之间存在强烈的线性相关关系，且主成分回归和逐步回归相比全模型有更好的预测能力。 关键词：期权价格多元线性回归50ETF 多重共线性因子分析 一、引言 期权（option）是依据合约形态划分的一种衍生品，指赋予其购买方在规定期限内按买卖双方约定的价格（即协议价格或行权价格）购买或者出售一定数量某种金融资产（即标的资产）的权利的合约。期权购买方为了获得这个权利，必须支付给期权出售方一定的费用，称为权利金或期权价格[1]。 2015年2月9日，上海证券交易所正式推出了我国首支场内交易期权——上证50ETF，翻开了境内场内期权市场的新篇章。期权是与期货并列的基础衍生产品，是金融市场极为重要的金融工具之一。 自50ETF上市以来，市场规模逐步扩大。2015年2月日均合约成交面值为5.45亿元，12月就达到了47.69亿元，增长了7.75倍；2月日均合约成交量为2.33万张，12月就达到了19.81万张，增长了7.5倍；2月权利金总成交额为2.48亿元，12月就达到了35.98亿元，增长了13.51倍[1]。 我国股票市场有上亿的个人投资者，是一个较为典型的散户市场[1]。相较于专业投资机构讲，散户缺乏时间，精力以及专业分析，投资具有很大的投机行为。对于这些投资者来说，期权价格的变动则是他们最为关注的问题，其变化直接影响到自身的收益。在实际情况中，影响股票价格的因素很多，涉及到金融政策、利率政策以及国际市场等因素，其作用机制也相当复杂[2]。因此，对于期权价格预测的研究，则可以降低投资者的投资风险，及时调整投资结构，从而保障自身的收益。 1作者简介：王某某，北京航空航天大学研究生邮箱：bnuwjx@https://www.doczj.com/doc/d78374953.html,。
证券投资学 期终考试 试题 姓名： 蓝淼竹 学号： 201100000000000 班级： 国本一 1、结合网上股票模拟情况，选一只股票，运用技术分析方法，判断该股票是否适合买进（2000字左右）（50分）。 2、结合基本面分析和技术面分析作业的完成以及网上股票模拟，谈谈自己的心得体会。（不少于500字）（20分） 3、结合我国当前的财政货币政策，论述其对股市的影响及应采取的投资策略（15分）。 4、结合十八届三中全会金融市场改革计划，论述金融市场化对我国股市的影响（15分）。 试题完成要求如下： 1、不得完全抄袭，要对搜集资料进行加工整理，本次如果出现完全 一致的，零分计，绝不姑息； 2、题目一必须结合购入股票的实际情况，样本时间节点必须是最新 的，所分析结果具有实际的指导意义，否则至少扣一半分； 3、作业可以手写，也可以打印，题目必须保留，作为首页； 4、元旦前必须将作业完成上缴，逾期不候！ 5、其他未尽要求答疑时具体解释。 1、结合网上股票模拟情况，选一只股票，运用技术分析方法，判断该股票是否适合买进（2000字左右） 贵州茅台股票价值分析报告
一、公司简介 国酒贵州茅台（股票代码：600519）作为制酒行业的龙头，经过不断的努力，终于在2001年8月27日在上海证券交易所挂牌上市。 贵州茅台酒股份有限公司于2001年7月31日在上海证券交易所公开发行7,1 50万(其中，国有股存量发行650万股)A股股票，公司股本总额增至25,000万股。2001年8月20日，公司向贵州省工商行政管理局办理了注册资本变更登记手续。 公司主营贵州茅台酒系列产品的生产和销售，同时进行饮料、食品、包装材料的生产和销售，防伪技术开发，信息产业相关产品的研制开发。 其主要产品：不同年份的陈年茅台酒、普通茅台酒（如五星53度、新飞天53度）、低度茅台酒、王子酒、迎宾酒等。 二、行业分析 1、行业地位 自成立以来，经过多年的努力，贵州茅台逐渐确立了在白酒制造业的竞争优势： 该集团公司成为了全国唯一集国家一级企业，国家特大型企业、国家优秀企业（金马奖）、全国质量效益型先进企业于一身的白酒生产企业。 该公司为中国白酒行业领先企业和酱香型白酒行业垄断者，其销售收入占细分酱香型白酒市场总收入的80%，是典型的产品垄断。且由该公司2012年最新公报的第一季度报告：收入达到60.16亿元,同比42.54%,净利达到29.69亿元,同比57.60%,对应EPS 为2.86元。预收账款减少12.55亿元。不难看出，茅台酒业绩略超市场预期，其在我国白酒制造业的龙头地位不可动摇。 2、同行比较 图1-1.贵州茅台2012年以来的市场表现 代码简称最近1个月 累计涨跌最近3个月 累计涨跌 最近6个月 累计涨跌 今年以来 累计涨幅
一元线性回归分析的结果解释 1.基本描述性统计量 分析：上表是描述性统计量的结果，显示了变量y和x的均数(Mean)、标准差(Std. Deviation)和例数(N)。 2．相关系数 分析：上表是相关系数的结果。从表中可以看出，Pearson相关系数为0.749，单尾显著性检验的概率p值为0.003，小于0.05，所以体重和肺活量之间具有较强的相关性。 3．引入或剔除变量表
分析：上表显示回归分析的方法以及变量被剔除或引入的信息。表中显示回归方法是用强迫引入法引入变量x的。对于一元线性回归问题，由于只有一个自变量，所以此表意义不大。 4．模型摘要 分析：上表是模型摘要。表中显示两变量的相关系数(R)为0.749，判定系数(R Square)为0.562，调整判定系数(Adjusted R Square)为0.518，估计值的标准误差(Std. Error of the Estimate)为0.28775。 5．方差分析表 分析：上表是回归分析的方差分析表(ANOVA)。从表中可以看出，回归的均方(Regression Mean Square)为1.061，剩余的均方(Residual Mean Square)为0.083，F检验统计量的观察值为12.817,相应的概率p 值为0.005，小于0.05，可以认为变量x和y之间存在线性关系。
6．回归系数 分析：上表给出线性回归方程中的参数(Coefficients)和常数项(Constant)的估计值，其中常数项系数为0(注：若精确到小数点后6位，那么应该是0.000413)，回归系数为0.059，线性回归参数的标准误差(Std. Error)为0.016,标准化回归系数(Beta)为0.749，回归系数T检验的t统计量观察值为3.580，T检验的概率p值为0.005，小于0.05，所以可以认为回归系数有显著意义。由此可得线性回归方程为： y=0.000413+0.059x 7．回归诊断 分析：上表是对全部观察单位进行回归诊断(Casewise Diagnostics-all cases)的结果显示。从表中可以看出每一例的标准
计量分析软件课程论文 论文题目：基于多元线性回归模型的影响居民消费 水平相关因素分析 姓名：学号： 学院：专业： 联系电话： 年月日 基于多元线性回归模型的影响居民消费 水平相关因素分析 一、研究背景 中国GDP总量超越日本，成为仅次于美国的第二大经济体，但我国人均GDP 依然很低，全球排名87位，这很大程度上制约了居民消费水平的提高。到2020年实现全面建成小康社会的目标，十八大明确提出提高居民人均收入和人均消费水平，共享改革开放成果。我国居民消费水平在改革开放后有了很大提高，但消费水平依然很低，消费量占GDP比重依然很小。为此，本文旨在根据全国经济宏观政策、国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等因素的变化情况，来分析如何提高居民消费水平，以判断是否能使居民消费水平有很大的提高。本文通过对1978-2010年影响居民消费水平因素数据的分析，找到影响居民消费水平的主要原因，通过计量经济分析方法来建立合理的模型，探讨影响居民消费增长的长期趋势规律，并给政府提出合理的建议，以提高居民消费水平。 二、影响居民消费水平的因素 宏观经济模型) + GDP- + + =,经济发展应该紧紧抓住消费这一 I (M C X G 驾马车，而居民消费水平的高低受制于多种因素。凯恩斯消费理论认为居民消费主要受收入影响，我国居民消费一直很低，消费意愿不强，本文通过计量分析找
到影响我国居民消费水平的主要因素，从根本上改善消费不足,促进我国经济的持续稳定健康发展。 消费分为居民消费和，居民消费包括农村居民消费和城镇居民消费。本文结合居民消费水平的影响因素，列出了国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等相关因素，进行计量分析,得到回归模型。 三、居民消费水平模型的总体分析框架 （1）多元线性回归法OLS 概述[1] 回归分析是计量经济分析中使用最多的方法，在现实问题研究中，因变量往往受制于多个经济变量的影响，通过统计资料，根据多个解释变量的最优组合来建立回归方程预测被解释变量的回归分析称为多元线性回归法。其模型基本形式为： 其中0β、1β、2β、3β…k β是1+k 个未知参数，称为多元回归系数。Y 称为被解释变量，t X 1、t X 2、t X 3…kt X 是k 个可以精确测量和可控的一般解释变量， t μ是随机误差项。当2≥k 时，上式为多元线性回归模型。 （2）多元回归模型的建立 定义被解释变量和解释变量，被解释变量为居民消费水平(Y 元)，解释变量为国内生产总值(1X 亿元)、职工平均工资指数(2X )、城镇居民消费价格指数(3X )、普通中学及高等学校在校生数(4X 万人)、卫生机构数(5X 个)和基本设施铁路公路货运量(6X 万吨)。 （3）统计数据选取 本文所有数据均来自中国统计局和中国统计局外网中国统计年鉴。[2] 1978 184 21261 169732 195301 1979 208 175142 382929 1980 238 180553 493327 1981 264 190126 471336 1982 288 193438 492737 1983 316 196017 520197
摘要 回归分析预测被广泛应用于经济学、社会科学、工程技术和生物学等许多领域当中，进行各专业指标变量的统计分析和预测控制。本文从回归分析预测与其他预测方法的简单算法对比出发，系统的讨论了线性回归分析和非线性回归分析的基本算法，再以八一钢铁股票的历史价格为例，对比多元线性回归和非线性回归分析预测，得出非线性回归分析拟合能力更强、拟合优度更高的结论。 关键字：回归分析预测；非线性回归；线性回归；拟合度
Regression analysis in the stock of the use of forecast Abstract: The regression analysis forecast is widely applied in the economic, the social sciences, the engineering technology and the biology and so on the middle of many domains, carries on each specialized target variable the statistical analysis and the predictive control. This article embarks from the regression analysis forecast with other forecast technique's simple algorithm contrast, system's discussion linear regression analysis and non-linear regression analysis's primary algorithm, again take 81 steel and iron stock's historical price as the example, the contrast multi-dimensional linear regression and the non-linear regression analysis predict that obtained the non-linear regression analysis fitting ability to be stronger, a goodness of fit higher conclusion. Keywords: Forecast regression analysis，Non-linear regression，Linear regression，Fit
回归分析在股票价格预测中的应用 摘要：随着我国市场经济环境的日益成熟，股市规模的不断扩大，股票价格成为投资者、经济、系统科学领域研究的热点问题，影响股票价格的因素越来越多，预测未来的股票价格变得十分有必要。股票市场的价格数据呈时间序列，本文将运用Eviews软件对股票价格进行多元线性回归模型预测，以国电电力的历史价格为例，预测该股票的次日收盘价。通过对比消除共线性前后的两个模型对次日收盘价的预测结果，验证了利用主成分分析消除共线 性后的多元线性回归方程预测效果更好。 关键词：股票价格；Eviews；多元线性回归；主成分分析 Abstract:With the growing maturity of China's market economy environment, the scale of stock market is expanding.Stock price has become a hot topic in the field of investor, economy and system science.There are more and more factors influencing stock prices,so it is very necessary to predict future stock prices.The price data in stock market being time series,this article will use Eviews software to predict stock price by multiple linear regression model.Taking the historical price of Guodian power as an example,we predict the next closing price of the stock.By comparing the prediction results of the two models before and after collinearity to the closing price of the next day,it is proved that the effect of the multivariate linear regression equation after the use of principal component analysis is better than that of the multi linear regression equation after the elimination of the collinearity. Key words:Eviews; Multiple linear regression; Principal component analysis
股市中线性回归与线性回归带投资技巧 第一节线性回归的原理 线性回归是统计学原理在技术分析上的运用，简单地说，它表现的是离价格区间最近的一条直线。如果后面的行情是“新的”，它对于线性回归带的支撑与阻力应较敏感。如果后面的行情与前段没什么区别，它对于线性回归带的支撑与阻力就不敏感。 如果不得不去猜测某一股票明犬的价格，较合逻辑的猜测就应该是“尽量贴近今天的价格”。如果股票有上涨的趋势，一个好的猜测就是尽量贴近今天的价格加上一个上调值。线性回归分析正是用统计数字来验证了这些逻辑假设。 线性回归线是用最小平方匹配法求出的两点间的趋势线。这条趋势线表示的是中间价。如果把此线认做是平衡价的话，任何偏移此线的情况都暗示着超买或超卖。 在中间线的上方和下方都建立了线性回归通道线。通道线和线性回归线的间距是收盘价与线性回归线之间的最大距离。回归线包含了价格移动。通道下线是支撑位，通道匕线是阻挡位。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问的话，表明趋势很快就会逆转了。 第二节回归通道的绘画方法 ? 一、线性回归 回归线是回归通道的毛轴线，调出该画线工具后，确定一段行情的高低点出现的时间，就可以在走势图上自动生成回归线。 回归线是通过对股价做线性回归分析统计而形成的，它是一种有别于传统线性的趋势，最接近于股价趋势的真实内涵。 点击查看图片 ? 二、线性回归带 线性回归带的画法与线性回归完全相同，不同的是其生成与回归线平行的线，构成一个通道的形式。 回归线上方的平行线叫通道上轨线; 回归线下方的平行线叫通道下轨线。 点击查看图片 ? 三、回归通道 回归通道的画法与线性回归带是完全相同的，但是在图形上回归通道带有虚线的预测部分。
股票价格与价值的测度及特性分析――基于流动性的新解释 董直庆/王林辉 【专题名称】统计与精算 【专题号】F104 【复印期号】2004年03期 【作者简介】董直庆吉林大学商学院数量经济研究中心； 王林辉吉林大学商学院 【内容提要】流动性对股票价格与价值的作用与关系，传统的研究主要是从市场流动性角度展开分析的，这种研究的局限性主要在于市场流动性的研究只是从市场这个单一的角度来对 股票价格进行测度，没有从流动性变化的最大部分即资产流动性的第一个飞跃一一从 股票标的资产到股票流动性的飞越来对股票价格 与价值的作用进行分析。基于此，本文从流动性的研究现状出发，重新定义了资产流 动性对股票价格与价值形成的作用，在对流动性价值进行测度的基础上，揭示了股 票价格与价值的形成机制及相互作用特性，得出了流动性的价值测度、股票价格的形 成过程、价格与价值的差异特性。 【关键词】流动性/股票价格/价值 中图分类号：F830 文献标识码：A 引言 股票价格与价值的形成过程及特性一直是学者们研究的重点，不确定性、非对称信息、有限理性等作用于现实的股票，从而形成了价格与价值的独特 特性，供需与市场的共同作用决定了价格与价值的许多差异。对于价格与价值的特性及相互关系国内外学者提出了许多新观点和新思想，其中20世纪50年代 发展起来的流动性理论对价格与价值的分析就是其中之一。近些年来的墨西哥 金融危机、俄罗斯金融危机、东南亚金融危机及网络股股价的疯狂表现表明，从流动性的角度可以较大程度地对股票价格与价值进行论述。 Hicks在1946年首次提出流动性偏好理论，提出了流动性对价格与价值的作用。Demsetz(1968)分析了资产价格买卖价差形成的原因，提出了基于买卖价差等流动性概念，Langetieg在1980年加以进一步精炼。Smidt(1971)、Garman(1976)、Stoll(1978) 、Ho & Stoll(1983) 、Cohen等(1981)、Zabel(1981)、 O' Hara & Oldfield(1986) 对价差要素开展了进一步的研究。在实践中，Amihuud & Mendelson在1986年其具有开创性意义的论文中首次展开了证券流动性与市场价值关系的理论分析及实证研究，指出非流动性股票(或流动性较差的股票) 比其流动性强的股票拥有更高的风险调整收益，1991年他们又指出这种流动性 溢价在债券上也同样成立，Boudoukh & Whitelaw(1993)发现几乎同类的日本政府债券间也存在着流动性溢价。Amihuud等在1997年发现，当股票交易进入the Aviv Stock Excha nge 后价格普遍获得提高。其他学者诸如P aga no(1989)、 Seppi(1990)、Pastor & Stambaugh(2001)等对价差与流动性关系开展了深入的研究。笔者发现，上述流动性与股票价格的研究主要集中在市场流动性与股票价格的决定上，即价差或价差影响因素等流动性要素对股票价格的作用。也还主要集中在市场、交易成本与投资者行为对价格与价值的作用关系上。 股票的流动性包含两个过程，从实物资本到可流通的虚拟资本一一股