㈠ 股票 相关性计算
相关性分析比较书来面化,因为自实际中同时影响多只股票的因素很多,不好剔除。但是如果你要简单性进行数据分析的话,那么就设立一个时间段,把这个时间段两只或者多只股票的涨跌幅变化进行对比就可以了。这是最简单但最不精确的方法。如果你想严谨一些,那么选定时间段,选取两只或多只股票所在的行业,把这几只股票和行业整体情况作对比,再将整个行业和大盘作对比,只要你选取的时间段足够长,那么得出的整个行业的ß系数还是比较靠谱的,依据这个ß系数你再相互比较应该就可以得出这几只股票间的ρ
㈡ 我想研究股票定价模型和价格之间的关系(回归分析,相关性之类),用什么软件好
你真的觉得电脑能做那些事情?那要人干什么?matlab可以帮你处理线性相关之类,可是其他专的也差不了多少,计属算的操作还是你自己来的。你可以把这些软件都下载安装,然后试试看你喜欢的界面——也许可以交叉使用呢——用其中一个优势算出来然后去其他软件里分析!
㈢ 股票市场相关性包含哪些内容
从总体相关性来看,股票市场和债券市场存在跷跷板效应,但是,这种效应在不同时期表现不一致。我们发现,在不同期间,股票价格波动和债券价格波动时而同向变化,时而反向变化。在2002年初到2004年底期间,股票价格波动与债券价格波动基本呈现出同向的变化趋势;但是从2005年开始,两者表现出非常明显的反向变化。在前一个阶段,两者的相关系数为0.92,在后一个阶段两者的相关系数是-0.63。因此,股市和债市在2002年到2004年的3年时间里表现出强烈的协同效应;而在2005年初到2009年9月这将近5年时间里,表现出较强烈的跷跷板效应。对这种差别一种可能的解释是,在前一段时期中,股市波动性相对不剧烈.计算得到,2002年到2004年期间,上证指数的波动标准差是20.9,只有全样本波动性的三分之一。这种股票市场的较低波动性不足以引起投资者的股票和债券的资产组合发生大规模的变化。而这种协同效应主要由影响股市和债市的共同因素所致,比如利率的变化和经济增长率的变化,这两者的变化通常会带来股市和债市的协同波动。因为股票和债券一样都是资产,资产的价格通常同其收益率呈正比,与其贴现率成反比。经济增长使得股票和债券的收益率都上升,市场利率的提高使得股票和债券的贴现率同时上升。为了更加详细的分析两者之间的关系,我们将股市的大起大落的阶段作为参考期。显示了在股市大涨大跌时期,债券市场价格的涨跌状况。我们发现,除了2002年7月至2003年1月这段股市下跌时期中,债券市场出现同方向的下跌趋势外,其它5个股市大波动时期,债券市场都表现出与股市变化相反的变动趋势。在同向变化的这个时期,股价的涨跌幅最小。这组数据支持了股市与债市之间的“跷跷板效应”。表3的数据中表现出一个明显的特征是,股市涨跌幅越大,债市相反方向的涨跌幅也越大;并且,股市下跌时债市涨幅更加明显。前一个特征表现出投资者在资产组合选择中对于风险的敏感性较高。后一个特征主要是由于股市通常上涨较慢,而下跌较快。因此,在股市上涨时期,债市资金总是通过缓慢的方式撤离;而一旦股市出现大跌,投资者为了避免损失,会快速从股市撤出资金,大量资金从股市流入债市带来的债券需求的突然增长,通常会较快的拉高债券价格。
㈣ 在计算出股票之间的相关性之后,这样一个相关系数对于股民来讲有什么用,我们可以根据这个数字得到什么
简单通俗解释:每个股票组合投资都是风险敞口的,而如果你股票之间相关性回较大,则等答于把鸡蛋放在一个篮子里,那么一旦你投资相关性非常强的股票组合不是市场热点(甚至是市场重灾区,比如,现在日本福岛核爆炸,那么核电以及核电配套设备公司相关性强,但是目前在市场受到核电利空打击,你的组合反而面临较大风险)的话,难以达到市场收益甚至亏损。即便你找的都是贝塔系数较高的股票,但是由于自身相关,很可能是大盘强他们弱,仅仅由于其相关性强,而同时受到一个因素干扰。
㈤ 如何分析两只股票的涨幅的相关系数
首先你需要选择两只股票的涨跌数据,比如可以是向前为其三个月的数据,或者是一年的数据版,然后把两只股权票每天的涨跌数据 一一对应收集起来。
然后就可以采用简单的相关分析,甚至其他的统计分析方法分析两只股票的关系。
不过说实话 中国的股票数据反映的并不是经济规律的真相,更多的是政策和市场信息的影响。
㈥ 股票关联性系数
股票关联性系数说白了就是指:两种或多种股票内在的依存方式和依存度。
举例子版:石油行业股票权和汽车行业股票就是一对呈负相关趋势的股票,而且是高度负相关。因为当油价上涨使得石油股市值窜升时,汽车工业股一般都受此影响市值反而会下降。再比如:汽车工业股票和钢铁工业股票就呈正相关关系。也就是说汽车需求量的增长会带动钢铁需求量的增加,这样一来,这两种行业的股票就在理论上属于同生同降板块。当然,相关性只是理论上的概念,实际操作中还是会有各种因素来修正的。
㈦ 如何得到2只股票的相关性有无软件指标或算法
建议你自己把两只股票叠加放在一起,相关性大致能看出来,算法的话可以通过图形的模式识别来作,肯定能做出来,但是要费点时间。一般计算机专业硕士研究生能搞定。
㈧ 求全市场股票数据 日线 k线 包括大盘 用来做相关性分析
如果抄你是做研究用的,那袭你应该自己下载了。你没说清楚从哪天到哪天的数据,数据发到哪里给你。不过我相信在网络你是弄不到这些数据的。因为我以前收集过这种数据,一天就好几十M,一般人是不会留这些数据的。祝你学业有成吧!!
数据包就是裸数据,你以为呢?炒股的人有用的数据只是3-6个月,没人会保留。你要的数据大约是20-40G,给你你能打开吗?
㈨ 如何快速比较股票间的相关性
。。。。。
这个问题嘿嘿我的毕设就是这个,你可以先去期刊网去找找其他人怎么专做的,我记得属我在01年做的时候,样本剔除后只有300多支股票,分析来分析去,做了很多调整相关性做到了90%以上,可是以前知名学者的全面分析下来只有50%多,当时没有wind之类的东西,全手工excel,现在用wind 方便多了。但是由于我国证券市场从初始到现在因政策5次重大变动产生了较大的变化,我建议你不妨从时间和市场两个角度缩小样本选取(可以选中小板为样本),针对性更强。
㈩ 如何计算两个股票的相关系数(correlation)(急)
抄1、计算公式为相关袭系数=协方差/两个项目标准差之积。
相关系数:度量两个随机变量间关联程度的量。相关系数的取值范围为(-1,+1)。当相关系数小于0时,称为负相关;大于0时,称为正相关;等于0时,称为零相关。
2、协方差:如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值,另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值。
如果两个变量的变化趋势相反,即其中一个大于自身的期望值,另外一个却小于自身的期望值,那么两个变量之间的协方差就是负值。
3、标准差(Standard Deviation) ,也称均方差(mean square error),是各数据偏离平均数的距离的平均数,它是离均差平方和平均后的方根,用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的,标准差未必相同。