股票數據的回歸分析

『壹』 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。

(1)股票數據的回歸分析擴展閱讀

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。

『貳』 關於股票市場規模效應中的回歸分析

到專業股票網站查下
論文其實沒你想像的那麼嚴重的

『叄』 利用回歸分析的方法，計算該股票的貝塔值，並分析各月是否有較大的差異

文內容需要包括以下要點。

（
1
）

該股票過去五年日收益率、
日波動幅度、
交易量的總體及各年的描述性統
計（用平均值、中位數、標准差、離差等指標進行分析）
。

（
2
）

上證綜指過去五年日收益率、
日波動幅度、
交易量的總體及各年的描述性
統計（用平均值、中位數、標准差、離差等指標進行分析）
。

（
3
）

利用相關系數的統計方法，
分析該股票日收益率與上證綜指日收益率之間
的關系，並分析各年是否有較大的差異；

（
4
）

利用回歸分析的方法，
計算該股票的貝塔值，
並分析各年是否有較大的差
異；

（
5
）

利用相關系數的統計方法，
分析該股票日波動幅度與該股票的成交量的對
數之間的相關關系，並分析各年是否有較大的差異；

（
6
）

利用相關系數的統計方法，
分析該股票日波動幅度與上證綜指的日波動幅
度以及日成交量的對數之間的相關關系，並分析各年是否有較大的差異；

（
7
）

利用回歸分析的方法，分析該股票日波動幅度的影響因素；

（
8
）

對上述的問題進行綜合，總結股票的量價關系；

『肆』 excel回歸分析 估計股票β

用EXCEL計算股票的貝塔值

看看這個吧

『伍』 股票中什麼是回歸線

線性回歸的原理
線性回歸是統計學原理在技術分析上的運用，簡單地說，它表現的是離價格區間最近的一條直線。如果後面的行情是「新的」，它對於線性回歸帶的支撐與阻力應較敏感。如果後面的行情與前段沒什麼區別，它對於線性回歸帶的支撐與阻力就不敏感。
如果不得不去猜測某一股票明犬的價格，較合邏輯的猜測就應該是「盡量貼近今天的價格」。如果股票有上漲的趨勢，一個好的猜測就是盡量貼近今天的價格加上一個上調值。線性回歸分析正是用統計數字來驗證了這些邏輯假設。
線性回歸線是用最小平方匹配法求出的兩點間的趨勢線。這條趨勢線表示的是中間價。如果把此線認做是平衡價的話，任何偏移此線的情況都暗示著超買或超賣。
在中間線的上方和下方都建立了線性回歸通道線。通道線和線性回歸線的間距是收盤價與線性回歸線之間的最大距離。回歸線包含了價格移動。通道下線是支撐位，通道匕線是阻擋位。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問的話，表明趨勢很快就會逆轉了。

『陸』 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。

『柒』 為什麼在進行回歸分析時,需要考慮分紅、轉增、配股等情況對股票

保證數據准確性。回歸分析是確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法。考慮到的數據越多，數據越准確，分紅，轉增和配股也考慮在內可以有效地保證數據准確性，避免出現差錯。

『捌』 線性回歸分析和指數回歸分析有什麼區別，如何使用

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。回歸模型一個是直線，一個是指數曲線，簡單地說數據點畫出來象直線就用線性回歸。

相關系數與回歸系數的方向，即符號相同。回歸系數與相關系數的正負號都有兩變數離均差積之和的符號業決定，所以同一資料的b與其r的符號相同。回歸系數有單位，形式為（應變數單位/自變數單位）相關系數沒有單位。相關系數的范圍在-1～+1之間，而回歸系數沒有這種限制。

基本含義

在統計學中，線性回歸（Linear Regression）是利用稱為線性回歸方程的最小平方函數對一個或多個自變數和因變數之間關系進行建模的一種回歸分析。這種函數是一個或多個稱為回歸系數的模型參數的線性組合。只有一個自變數的情況稱為簡單回歸，大於一個自變數情況的叫做多元回歸。（這反過來又應當由多個相關的因變數預測的多元線性回歸區別，而不是一個單一的標量變數）。

『玖』 對股票進行回歸分析通常自變數和因變數選什麼好

因變數通常是回報，比如行業超額回報、或者經無風險利率調整的回報。自變數，根據APT，有k個factor。所以你認為的是影響因素的變數都可以加入。常用的有市場回報（CAPM模型）、會計信息（sloan模型）、上期回報（Engle模型）和宏觀變數（國債長短端利差、通脹等）。但是要重點看看t檢驗和adj R square，會對不相關的變數進行懲罰