Ⅰ Python 關於兩個股票線性回歸的 求教
你好抄：上面的程序，請看如下代碼：#-*-coding:cp936-*-end=input("是否結束(y/n)：")whileend=="n":print"Numberofcoordinates：2"xx=input("x's：")yy=input("y's：")a=float(list(xx)[0])b=float(list(xx)[1])c=float(list(yy
Ⅱ 請問股票的投資價值相對估值法中的PEG中的G用線性回歸模型來預測影響因素用哪些
PB是帳面價值為當前股價與每股凈資產份額比。
PEG指標（市盈率相對盈利增長比率）
該指標基於對公司的盈利除以公司的盈利增長速度。他在選股的時候是要選擇那些收入較低，而他們的成長率是比較高的公司，其中有一個典型的特點就是PEG會非常低。
PEG鏡
2009-08-29二時30分05秒來源：第一財經日報（上海）跟貼0手機閱讀股票建
投資者經常問我有什麼什麼樣的方式對股票估值的機構投資者。其實，有很多方法估值，絕對估值法DCF（現金流貼現模型），股息貼現模型（DDM）等，這些方法可以通過各個階段的未來現金流量或股利貼現預測，當前問題的一個合理的股票價值相對估值法，PB（PB），市盈率（PE）等，這些方法通過行業屬性，對應的合理估值區間，目標公司的財務指標，給出一個合理的范圍內的值？。近年來經常使用的指標，PEG，PEG = PE（目前動態市盈率）/ 100 /克（預計未來幾年復合年增長率），通常被認為是低PEG公司具有較好的投資價值，PEG = 1經常有投資價值的分水嶺。
事實上，在更成熟的市場，經濟增長的科技類或類公司估值，用PEG指標，因為較高的增長率使得PE / PB等傳統指標失敗，和未來的現金流和非常差的預測。
但是在許多市場上，尤其是在新興市場，PEG異化和濫用，它似乎認為，只要公司在未來三年保持30％的利潤增長，給予30倍PE合理的。這種邏輯似乎是合理的，我們進行了計算，A公司長期以來保持了年均10％的利潤增長率，投資者買了10倍的PE，B公司一直保持著年均增長率30％的利潤，投資者30倍PE出價，這兩家公司是擁有10年，10年後，仍然是PEG法分別給予10倍和30倍的估值水平，那麼高回報率的公司做？其結果是，B公司高，且高於A的近10倍！
貴州茅台（行情股吧）為例，自2003年以來，該公司不低於50％的復合增長率，實現凈利潤增長，如果我們在2003年年底到目前的50倍PE即100元購買並持有到現在，也有不小於6倍的回報率（股價為30元左右，收益率更令人震驚的）的時候，盈利及股價茅台遠低於100元/ 50倍PE，說明一個是熊市，所有股票的估值處於低位，第二，投資者並沒有預見到如此高的復合年增長率茅台（貴州茅台也是如此淵博的知識前夕之前並不反映高增長）。過去兩年增速逐步下降茅台30％的水平，市場是給對應PE約30倍。茅台這種情況也說明：1。投資者PEG估值標准加強和擴大利潤趨勢; 2。投資者預測未來經常有重大的偏差，但他們使用的克PEG反映在過去的增長率，但他們簡單地認為未來將保持這樣的增長速度。這個結論會導致一系列的重大失誤未來。事實上，貴州茅台作為一個出色的豪華品公司，其產品的競爭力一旦建立，穩定的銷售量和利潤的可預測性比幾乎所有其他行業都高得多，用PEG模式茅台的估值是比較確定的，也沒有公司的行業是基本上沒有那麼幸運的。
濫用PEG歷史教訓比比皆是。鋁行業上市公司為例，它位於一個典型的周期性行業，但在長期的國內產能過剩，必然是其盈利的波動性特徵。自2004年以來，每年的每股收益分別為0.08，-0.25,0.53,1.42,0.69,0.02百萬元（2009年中期報告），2004年至2007年，如果投資者在這個過程中，似乎反映了「連續的爆炸增長」 ，利潤連續翻番，似乎給予50倍PE也說得過去，所以歷史上也形成了價格67元。你知道，這是一個典型的周期性行業，市場的利潤高峰實際上給予了很高的市盈率，讓投資者怕打通的漫漫長夜裡，因為PEG鏡子背後的所謂的「磨損戴維斯雙玩了。「
」戴維斯雙殺「是的自然糾正PEG模式，一旦利潤的下降，導致價格下降，企業盈利增長，給予相應的PE水平就下來了，再加上目標自然大幅下滑（因為股價=每股凈收入×PE，產品關系）。新興市場股票價格波動的原因，是非常高的，投資者是許多機構投資者，甚至是混亂的估值體系，濫用PEG接近。
對於純粹的價值投資者，估值模型必須基於對上市公司盈利模式的理解和不同的企業標識（包括財務特徵）對應到一個完全不同的估值模型（除未來企業盈利的預測非常准確的），周期類公司使用PEG等於建立了自己的定時炸彈。但可悲的是，大部分市場是一個典型的周期性公司，而大多數投資者都願意與PEG賭博。行業研究員，策略研究員，許多基金經理。
PEG鏡子，「戴維斯雙殺，」這對雙胞胎將伴隨投資者的噩夢繼續，大多數投資者真正成熟，直到那一天。
Ⅲ 求股票高手: 收盤價的21日線性回歸斜率*20+收盤價的42日指數移動平均, 剛剛拐頭向上的通在信選股公式！！
A:=EMA(SLOPE(C,21)*20+C,42);
A>REF(A,1) AND REF(A,1)<REF(A,2);
根據你的復思路製做了個主圖
出現黃柱子的K線就是符合選股條件的 供參考：
{黃K線主圖}
A:=EMA(SLOPE(C,21)*20+C,42);
STICKLINE(A>REF(A,1) AND REF(A,1)<REF(A,2),O,C,1,0),COLORYELLOW;
Ⅳ 用線性代數方法如何找到股市投資最優解
這好像和線性代數無關啊？股市服從隨機模型，需要用金融學的東西求解
Ⅳ 線性回歸分析和指數回歸分析有什麼區別，如何使用
您好抄
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！
Ⅵ 股票中畫線工具的線性回歸帶怎麼用
線性回歸分析是一種可以減少市場價格走勢「雜音」的方法之一。最簡單的解版釋就是在權價格線圖上畫一條直線，使得這條直線於每個價格距離的平方的加總是最小的。這種分析方式比均線靈敏，也可能會有更多的交易機會。而在回歸線的基礎上，這篇文章要探討2個新的參數：回歸線斜率以及R平方。利用這兩個參數的結合，我們來試著抓出價格的趨勢。
線性回歸畫法：
將滑鼠從一個相對低點拖曳到一個相對高點即得到百分比線。
用法：
線性回歸、線形回歸帶及線形回歸通道：線性回歸、線性回歸帶及線性回歸通道是根據數學上線性回歸的原理來確定一定時間內的價格走勢。線性回歸將一定時間內的股價走勢線性回歸，然後來確定這一段時間內的總體走勢；線性回歸帶是根據這一段時間內的最高、最低價畫出線性回歸的平行通道線；回歸通道是線性
Ⅶ 怎麼正確計算股票Beta值的線性回歸，計算感覺有問題
這個你回歸出來的方抄程是 Y=-0.174+0.59X 你的beta是0.59 置信襲度很小，說明beta顯著不為0
但你的截距 -0.174的置信度是0.486，可以認為是0了。所以回歸的沒錯，只是你對這個表還不熟悉。
你說的beta為0.762是先把數據標准化再做回歸，標准化的數據就沒有截距（或者截距為0），所以第一行標准系數是空的。
Ⅷ 支持向量機能用到對 股票估值上嗎
支持向量機SVM(Support Vector Machine)作為一種可訓練的機器學習方法,依靠小樣本學習後的模型參數進行導航星提取,可以得到分布均勻且恆星數量大為減少的導航星表 基本情況 Vapnik等人在多年研究統計學習理論基礎上對線性分類器提出了另一種設計最佳准則。其原理也從線svm 產品
性可分說起，然後擴展到線性不可分的情況。甚至擴展到使用非線性函數中去，這種分類器被稱為支持向量機(Support Vector Machine,簡稱SVM)。支持向量機的提出有很深的理論背景。 支持向量機方法是在近年來提出的一種新方法。 SVM的主要思想可以概括為兩點： (1) 它是針對線性可分情況進行分析，對於線性不可分的情況，通過使用非線性映射演算法將低維輸入空間線性不可分的樣本轉化為高維特徵空間使其線性可分，從而 使得高維特徵空間採用線性演算法對樣本的非線性特徵進行線性分析成為可能；(2) 它基於結構風險最小化理論之上在特徵空間中建構最優分割超平面，使得學習器得到全svm 系列產品
局最優化,並且在整個樣本空間的期望風險以某個概率滿足一定上界。 在學習這種方法時，首先要弄清楚這種方法考慮問題的特點，這就要從線性可分的最簡單情況討論起，在沒有弄懂其原理之前，不要急於學習線性不可分等較復雜的情況，支持向量機在設計時，需要用到條件極值問題的求解，因此需用拉格朗日乘子理論，但對多數人來說，以前學到的或常用的是約束條件為等式表示的方式，但在此要用到以不等式作為必須滿足的條件，此時只要了解拉格朗日理論的有關結論就行。
Ⅸ 股市中股票漲速怎麼計算N日線性回歸斜率怎麼算謝謝，嘿嘿。
漲速是相對某個來時刻之自前的某個價格而言。
例如，某個股票5分鍾之前的股價是10元，而現在的價格是10.1元，則這個股票的5分鍾漲速為：
（10.1－10）/10×100％＝1％
N日線性回歸斜率怎麼算
以最小平方法做線性回歸估計這直線方程式
y=a+b*x;
最小平方法求出估計值a,b,代入得估計直線}
復制內容到剪貼板代碼:
x:=k棒值;
y:=c;
b1:=Σ(x(i)-avr(x,30))*(y(i)-avr(y,30));
b2:=Σ(x(i)-avr(x,30))^2;
b:=b1/b2;
a:=avr(y,30)-b*avr(x,30);
SLOPE=(X,N)
表示以n個值的樣本行最小平方法估測直線,slope斜率就是前面的b
Ⅹ 股票價格的波動線性連接性的嗎還是跳躍式的
因為股票的價格很不穩定，我說它是一種比較快的樹葉子，就像某一段時間又去結葉，某一段時間又落葉，所以說這個時間還要跟進一些，如果我跟不上的話，就會賠得精光。