1. 如何利用統計模型預測股票市場的價格動態
預測股票市場的價格動態是證券市場的一項重要工作。統計模型可以幫助分析市場價格走勢並預測行情。下面是一些常用的統計模型及其應用：
1.時間序列模型
時間序列模型可以對歷史數據進行擬合並預測未來股價的波動趨勢。常用的時間序列模型有ARIMA模型和GARCH模型。
2.多元回歸模型
多元回歸模型可以利用經濟數據及公司財務數據等因返碼素對股票價格進行建模預測。主要包括線性回歸、邏輯回歸與決策樹等。
3.人工神經網路模型
人工神經網路模型可以模擬股票市場價格動漏蔽哪態的非線性關系。它能夠自動學習、預測股票價格走勢並較好地應對誤差。
4.蒙特卡洛模擬模型
蒙特卡洛模擬模型可以模擬隨機股價走勢，通過估計大量隨機走勢下的收益與風險，幫助投資者做出更好的投資決策。
綜上所述，利用統計模型預測股票市場的價格動態需要根據不同的應用場景選擇不同的模型。同時，投資者應該充分了解市場背景以及數據特徵，在建並此立合理的統計模型的基礎上，結合自己的投資經驗，制定出有效的股票投資策略。
2. 如何用Arma模型做股票估計
時間序列分析是經濟領域應用研究最廣泛的工具之一,它用恰當的模型描述歷史數據隨時間變化的規律,並分析預測變數值。ARMA模型是一種最常見的重要時間序列模型,被廣泛應用到經濟領域預測中。給出ARMA模型的模式和實現方法,然後結合具體股票數據揭示股票變換的規律性,並運用ARMA模型對股票價格進行預測。
選取長江證券股票具體數據進行實證分析
1.數據選取。
由於時間序列模型往往需要大樣本,所以這里我選取長江證券從09/03/20到09/06/19日開盤價,前後約三個月,共計60個樣本,基本滿足ARMA建模要求。
數據來源:大智慧股票分析軟體導出的數據(股價趨勢圖如下)
從上圖可看出有一定的趨勢走向,應為非平穩過程,對其取對數lnS,再觀察其平穩性。
2.數據平穩性分析。
先用EVIEWS生成新序列lnS並用ADF檢驗其平穩性。
(1)ADF平穩性檢驗,首先直接對數據平穩檢驗,沒通過檢驗,即不平穩。
可以看出lnS沒有通過檢驗,也是一個非平穩過程,那麼我們想到要對其進行差分。
(2)一階差分後平穩性檢驗,ADF檢驗結果如下,通過1%的顯著檢驗,即數據一階差分後平穩。
可以看出差分後,明顯看出ADF Test Statistic 為-5.978381絕對值是大於1%的顯著水平下的臨界值的,所以可以通過平穩性檢驗。
3.確定適用模型,並定階。可以先生成原始數據的一階差分數據dls,並觀測其相關系數AC和偏自相關系數PAC,以確定其是為AR,MA或者是ARMA模型。
(1)先觀測一階差分數據dls的AC和PAC圖。經檢驗可以看出AC和PAC皆沒有明顯的截尾性,嘗試用ARMA模型,具體的滯後項p,q值還需用AIC和SC具體確定。
(2)嘗試不同模型,根據AIC和SC最小化的原理確定模型ARMA(p,q)。經多輪比較不同ARMA(p,q)模型,可以得出相對應AIC 和 SC的值。
經過多次比較最終發現ARMA(1,1)過程的AIC和SC都是最小的。最終選取ARIMA(1,1,1)模型作為預測模型。並得出此模型的具體表達式為:
DLS t = 0.9968020031 DLS (t-1)- 1.164830718 U (t-1) + U t
4.ARMA模型的檢驗。選取ARIMA(1,1,1)模型,定階和做參數估計後,還應對其殘差序列進行檢驗,對其殘差的AC和Q統計檢驗發現其殘差自相關基本在0附近,且Q值基本通過檢驗,殘差不明顯存在相關,即可認為殘差中沒有包含太多信息,模型擬合基本符合。
5.股價預測。利用以上得出的模型,然後對長江證券6月22日、23日、24日股價預測得出預測值並與實際值比較如下。
有一定的誤差,但相比前期的漲跌趨勢基本吻合,這里出現第一個誤差超出預想的是因為6月22日正好是禮拜一,波動較大,這里正驗證了有研究文章用GARCH方法得出的禮拜一波動大的結果。除了禮拜一的誤差大點,其他日期的誤差皆在接受范圍內。
綜上所述,ARMA模型較好的解決了非平穩時間序列的建模問題,可以在時間序列的預測方面有很好的表現。藉助EViews軟體,可以很方便地將ARMA模型應用於金融等時間序列問題的研究和預測方面,為決策者提供決策指導和幫助。當然,由於金融時間序列的復雜性,很好的模擬還需要更進一步的研究和探討。在後期,將繼續在這方面做出自己的摸索。
3. 怎樣計算一隻股票的擬合值和殘值
相對價值法又稱乘數估值法，指的是現在在證券市場上經常使用到的市盈率法、市凈率法、市銷率法等比較簡單通用的比較方法。它是利用類似企業的市場價來確定目標企業價值的一種評估方法。這種方法是假設存在一個支配企業市場價值的主要變數，而市場價值與該變數的比值對各企業而言是類似的、可比較的。由此可以在市場上選擇一個或幾個跟目標企業類似的企業，在分析比較的基礎上，修正、調整目標企業的市場價值，最後確定被評估企業的市場價值。實踐中被用作計算企業相對價值模型的有市盈率、市凈率、收入乘數等比率模型，最常用的相對價值法包括市盈率法和市凈率法兩種。
市價/凈收益比率模型（市盈率法）
市盈率=每股市價/每股凈利
運用市盈率估價的模型如下：
目標企業每股價值=可比企業平均市盈率*目標企業的每股收益
市價/凈資產比率模型（市凈率法）
市凈率=市價/凈資產
這種方法假設股權價值是凈資產的函數，類似企業有相同的市凈率，凈資產越大則股權價值越大。因此，股權價值是凈資產的一定倍數，目標企業的價值可以用每股凈資產乘以平均市凈率計算。
股權價值=可比企業平均市凈率*目標企業凈資產
4. 什麼是擬合指數
擬合指數 Simulation Index/fit index/Agreement Index
擬合是《計量經濟學》研究的范疇，所謂擬合指數簡單的說就是選擇的變數與被解釋變數之間的相關關系
股票\基金擬合指數:
指數基金是一種擬合目標指數、跟蹤目標指數變化為原則，實現與市場同步成長的基金品種。指數基金的投資採取擬合目標指數收益率的投資策略，分散投資於目標指數的成分股，力求股票組合的收益率擬合該目標指數所代表的資本市場平均收益率。
操作簡單透明度高
從理論上講，指數基金的運作方法簡單，只要根據每一種證券在指數中所佔的比例購買相應比例的證券，長期持有就可。
其次，指數基金費用低廉。由於指數基金採取持有策略，不用經常換股，交易成本遠遠低於積極管理的基金。
此外，指數基金的業績透明度較高。投資人看到指數型基金跟蹤的目標基準指數漲了，就會知道自己投資的指數型基金今天凈值大約能升多少。所以很多機構投資人和一些看得清大勢、看不準個股的個人投資者比較喜歡投資指數型基金，不必再有「賺了指數不賺錢」的苦惱。
有效規避非系統性風險
與其他基金相比，指數基金的優點首先在於能夠有效規避非系統性風險，因而指數基金廣泛地分散投資，任何單個股票的波動都不會對指數基金的整體表現構成影響，從而分散風險。另一個方面，由於指數基金所釘住的指數一般都具有較長的歷史可以追蹤，在一定程度上指數基金的風險是可以預測的。
因此，從長期來看，指數基金投資業績優於其他基金。2006年，市場上的指數基金以平均125.87％的年累計凈值增長率成為最賺錢的基金品種。這種基金不會對某些特定的證券或行業投入過量資金。它一般會保持全額投資而不進行市場投機。
關鍵因素擬合指數化投資方法的實證研究
指數化投資是一種試圖完全復制某一證券價格指數或者按照證券價格指數編制原理構建投資組合而進行的證券投資。按此種方式投資的基金稱為指數基金，其收益水平目標是所基指數的變化幅度。自20世紀90年代以來，美國華爾街上大多數股票基金管理人的業績都低於同期市場指數的表現，這樣，以復制市場指數走勢為核心思想的指數基金在全球范圍內迅速發展壯大起來，並對傳統的證券投資思維形成巨大的沖擊與挑戰。在美國，指數基金的收益超過65~80%的共同基金，因而越來越受到歡迎。流入共同基金市場的新增資金中，流入指數基金的比例由1994年的2%增加到1999年的31%。1999年末美國指數基金總資金量達到3380億美元，佔全美股票基金總量的8.37%。最大的指數基金、也是全美最大的共同基金Vanguard S&P 500管理著1050億美元的資金。
我國的指數化投資出現較晚，這主要是因為我國的證券市場還比較年輕，還在不斷探索和發展，我國的投資者群體還不成熟，缺乏科學的投資觀念，市場行為的監管還欠完善，莊家炒作等非市場行為對股指有較大影響。由於這些原因的共同影響，我國股票指數常常與市場背離，不能反映市場的真實情況。
就指數化投資方法而言，市場上常用的方法主要是完全復制某一證券價格指數或者按照證券價格指數編制原理構建投資組合。這種傳統的指數化投資方法相對比較被動，在大盤正常運行的時候可以良好運作，但是當部分樣本股出現異常的快速上揚或急速下跌時，將失去進一步盈利和及時止損的機會。為了彌補這一不足，各種替代方法應運而生。
Francesco Corielli與Massimiliano Marcellino（2002）認為跟蹤指數是要建立指數的替代投資組合（replica），這個替代投資組合包含的股票要遠遠少於指數所包含的股票，並且跟蹤誤差中不包含非經常性成份，他們運用動態因子提取方法建立指數替代投資組合，用蒙特.卡羅經驗指數和EURO STOXX50指數進行了驗證。驗證結果令人鼓舞，替代投資組合基本完成了跟蹤曲線[7]。吳沖鋒（2000）運用未定因素含義法分析1998年7月8日至1999年3月29日期間上證30指數樣本股，得出由6隻股票的投資組合替代上證30指數的結論[6]。
從以上研究我們發現，指數化投資方法不一定非要按照證券價格指數編制原理構建投資組合，可以通過構建替代投資組合對指數進行跟蹤。在此基礎上，筆者提出關鍵因素擬合指數化投資方法，該方法認為，股票指數由其樣本股按照證券價格指數編制原理構成，它的走勢體現了這些樣本股的共同作用，但並不是每一隻樣本股對指數的貢獻都一樣，股票指數中存在關鍵性因素，這些關鍵因素對股指的影響體現在各自所代表的樣本股的表現之上。同樣，也並不是每一種關鍵因素所代表的樣本股對它的貢獻都一樣，關鍵因素中存在最具代表性的關鍵樣本股，正是這些最具代表性的關鍵樣本股對股票指數起著舉足輕重的作用，我們只要抓住了它們就抓住了股票指數，換句話說，我們只要投資於這些關鍵因素擬合的組合就等於投資了這個股票指數了。另外，同一關鍵因素中具有代表性的關鍵樣本股之間具有可替代性，可以使對股票指數的投資更加靈活，又不會影響投資組合的指數化性質，在一定程度上彌補了傳統方法的不足。
下面我們將以上證50指數為研究對象，對關鍵因素指數化投資方法進行實證研究。論文的結構安排如下：首先，我們進行研究設計，確定研究的程序、模型、樣本及數據；然後，我們對數據進行因子分析，提取出上證50指數的關鍵因素；在此基礎上，我們將按關鍵因素構造出的投資組合與實際的上證50指數進行相關性檢驗和回歸分析以驗證該方法；最後得出結論。
研究設計
一、 研究程序與模型設計
第一步，我們要找出影響上證50指數走勢的關鍵性因素。
我們以上證50指數成份股個股的日收益率為基礎進行因子分析，提取出反映上證50指數走勢的n個共同因子，這n個共同因子即代表了影響上證50指數走勢的n個關鍵因素的。構造多因素模型如下：
Index50=A1*F1+A2*F2+……+An*Fn+ε
式中：Index50為上證50指數；Fn為第n個共同因子；An為第n個共同因子對上證50指數的貢獻率；ε為殘差。
在找出這n個關鍵因素之後，我們要進一步找出這n種關鍵性的共同因子所代表的樣本股。對應關系如下：
F1~a1(stock11)+a2(stock12)+……
F2~b1(stock21)+b2(stock22)+……
…………………………………
Fn~n1(stockn1)+n2(stockn2)+……
式中：Fn為第n個共同因子；stock為共同因子所代表的樣本股；a、b……n為樣本股對共同因子的貢獻率，即因子負荷。
觀察共同因子的因子負荷強弱，我們可以分析判斷出各個共同因子所反映的關鍵因素，並對它們進行相應的解釋。
第二步，為了證明我們找出的這n個關鍵因素是否真的能夠反映上證50指數的走勢。我們用它們中最具代表性的一組樣本股構造出一個投資組合Portfolio50，與上證50指數Index50進行比較，驗證是否Portfolio50與Index50等價。
為此，我們找出對這n個關鍵因素最有代表性的i個樣本股，按照其方差對總方差解釋的貢獻率所佔比重作為權重構造投資組合如下：
Portfolio50=w1*STOCK1+w2*STOCK2+……+wi*STOCKi
式中：Portfolio50為構造的投資組合的日收益率；STOCKi為參與構造投資組合的第i個最有代表性的樣本股的日收益率；wi為第i只樣本股的權重。
計算出投資組合Portfolio50的日收益率和上證50指數的日收益率Index50，在通過相關性檢驗之後，將Portfolio50與Index50進行線性回歸分析。構造回歸模型如下：
Portfolio50=a+b*(Index50)+ε
式中：Portfolio50為構造的投資組合的日收益率；Index50為上證50指數的日收益率；a為常數項；b為回歸系數；ε為殘差。
如果該模型經檢驗成立，並且a趨近於0，同時b趨近於1，那麼Portfolio50≈Index50，即Portfolio50與Index50等價，說明我們找出的這n各關鍵性因素能夠真實地反映上證50指數的走勢，Portfolio50可以代替上證50指數進行指數化投資。
二、 模型變數計算
上證50指數成份股個股日收益率用相對收益率計算，假如碰到配股、送股、送現金紅利的情況，則用下面的公式計算：
式中：rit為第i種股票的第t日收益率；Pt、Pt-1分別為t日和t-1日的收盤價；C為以t-1日為基準的t日每股現金紅利；As為以t-1日為基準的t日每股配股比例；S為以t-1日為基準的t日每股配股價；Ad為以t-1日為基準的t日每股送股比例。
上證50指數日收益率Index50同樣用相對收益率計算，公式如下：
式中：Rt為上證50指數的第t日收益率；Pt、Pt-1分別為上證50指數t日和t-1日的收盤價。
三、 研究樣本選擇
本文研究中所需的上證50指數收盤價、成份股個股的收盤價、現金紅利等原始交易數據來源於上海萬國股市測評咨詢有限公司製作的「大智慧證券信息平台V5.00」。
因子分析過程中，樣本數據時期為2002年12月03日至2004年03月18日，每隻樣本股包含309條數據記錄。由於各種原因引起暫時停牌而產生的缺失值採用相鄰數據平均法填補。
考慮到個別新上市公司樣本股上市日期太短，樣本數據數量不充分，業績容易出現非正常波動，而且公司內部各方面的運行機制還不夠健全和完善，為使檢驗不受少部分數據干擾，將其剔出樣本股，在關鍵因素確立之後再根據專業知識單獨判斷其屬性。剔出樣本股共五隻，分別為：白雲機場(600004)、華夏銀行(600015)、南方航空(600029)、中信證券(600030)和長江電力(600900)。
綜上，因子分析樣本股中共納入45隻上證50指數樣本股，每隻含309條日收益率記錄，共計309組，13905條日收益率記錄。
相關性檢驗與回歸分析過程中，由於上證50指數自2004年1月2日起正式發布，指數簡稱上證50，指數代碼000016，基日為2003年12月31日。到目前為止數據量太小，所以我們無法直接用它計算。但是上海證券交易所為上證50的順利推出，於2003年1月2日起發布上證50板塊概念指數993265。其編制方法與走勢和上證50基本相同，只是所取的基數有所不同。在此我們用上證50板塊概念指數993265數據代替上證50指數000016數據進行計算。計算的時間跨度為前面分析時期的子集區間2003年07月22日至2004年03月12日，同樣，缺失值的處理方法採用相鄰數據平均數填補法，共計155組數據。
因子分析
表1 KMO統計量和Bartlett』s球形檢驗表
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .958
Bartlett's Test of Sphericity Approx. Chi-Square 9857.426
df 990
Sig. .000
首先，我們對各樣本股日收益率數據採用KMO統計量和Bartlett』s球形檢驗，以判斷樣本數據是否符合因子分析的前提條件。可以看出，表格中檢驗變數間偏相關性的KMO統計量，數值為0.958，接近1，表明各變數間的相關程度無太大差異，數據非常適合做因子分析。同時，Bartlett』s球形假設檢驗的結果也被拒絕，強烈認可了變數之間的相關性，說明各樣本股日收益率之間存在共同信息，符合提取共同因子的前提條件。見表1。
本文採用的因子提取方法為主成分分析法(Principal Components Analysis)。考慮到共同因子的可解釋性，在提取因子的過程中採用正交旋轉，具體旋轉方法為方差最大化正交旋轉(Varimax)。根據提取的主成分共同因子的累積貢獻率達到約85%以上為標准，一共提取20個共同因子。信息提取的充分性檢驗表（略）告訴我們，按照上訴共同因子提取標准，樣本股信息的提取基本是充分的。
表2 共同因子所解釋的方差百分比表
Factor F1 F2 F3 F4 F5 F6 F7 F8 F9 F10
%of Variance 42.311 6.849 4.540 3.208 2.395 2.856 2.367 2.133 2.035 1.844
Cumulative% 42.311 49.160 53.700 56.908 59.764 62.158 64.525 66.658 68.693 70.537
Factor F11 F12 F13 F14 F15 F16 F17 F18 F19 F20
%of Variance 1.728 1.674 1.553 1.491 1.410 1.324 1.286 1.261 1.201 1.154
Cumulative% 72.265 73.939 75.491 76.982 78.392 79.716 81.002 82.263 83.464 84.618
我們把共同因子所解釋的方差百分比（表2）作為因子對指數所貢獻的權重，相應的多因素模型如下：
Index50=0.4231*F1+0.0685*F2+0.0454*F3+0.0321*F4+0.0286*F5+0.0239*F6+0.0237*F7+0.0213*F8+0.0204*F9+0.0184*F10+0.0173*F11+0.0167*F12+0.0155*F13+0.0149*F14+0.0141*F15+0.0132*F16+0.0129*F17+0.0126*F18+0.0120*F19+0.0115*F20+ε
經過方差最大化正交旋轉之後，將因子和變數之間因子負荷大於0.4的變數提出來，再根據同一樣本股對共同因子的貢獻大小取相對較大的值。我們得到以下20個共同因子所主要代表的樣本股列表，見表3。
表4 共同因子代表樣本股列表
F1 600028 中國石化 F5 600664 哈葯集團
600808 馬鋼股份 600038 哈飛股份
600688 上海石化 F6 600839 四川長虹
600019 寶鋼股份 600033 福建高速
600026 中海發展 600008 首創股份
600569 安陽鋼鐵 F7 600591 上海航空
600050 中國聯通 600221 海南航空
600036 招商銀行 F8 600795 國電電力
600350 山東基建 600011 華能國際
600649 原水股份 600642 申能股份
600000 浦發銀行 F9 600643 愛建股份
F2 600602 廣電電子 F10 600887 伊利股份
600832 東方明珠 600597 光明乳業
600637 廣電信息 F11 600016 民生銀行
600100 清華同方 F12 600811 東方集團
600171 上海貝嶺 F13 600652 愛使股份
600601 方正科技 F14 600006 東風汽車
F3 600609 金杯汽車 F15 600812 華北制葯
600805 悅達投資 F16 600705 北亞集團
600104 上海汽車 F17 600895 張江高科
F4 600717 天津港 F18 600863 內蒙華電
600018 上港集箱 F19 600098 廣州控股
600009 上海機場 F20 - -
各個共同因子與樣本股的因子負荷對應關系如下：
F1~0.84(600028)+0.84(600808)+0.83(600688)+0.82(600019)+0.65(600026)+0.61(600569)+0.61(600050)+0.55(600036)+0.53(600350)+0.46(600649)+0.45(600000)
F2~0.88(600602)+0.86(600832)+0.85(600637)+0.78(600100)+0.69(600171)+0.49(600601)
F3~0.81(600609)+0.75(600805)+0.63(600104)
F4~0.76(600717)+0.67(600018)+0.46(600009)
F5~0.88(600664)+0.85(600038)
F6~0.66(600839)+0.49(600033)+0.46(600008)
F7~0.72(600591)+0.67(600221)
F8~0.56(600795)+0.55(600011)+0.52(600642)
F9~0.83(600643)
F10~0.75(600887)+0.40(600597)
F11~0.80(600016)
F12~0.81(600811)
F13~0.81(600652)
F14~0.97(600006)
F15~0.80(600812)
F16~0.77(600705)
F17~0.78(600895)
F18~0.75(600863)
F19~0.52(600098)
F20~----------------
觀察共同因子代表樣本股列表與因子負荷對應關系，我們可以分析判斷出各個共同因子所反映的關鍵因素如下：
F1對應的樣本股分別為：600028中國石化、600808馬鋼股份、600688上海石化、600019寶鋼股份、600026中海發展、600569安陽鋼鐵、600050中國聯通、600036招商銀行、600350山東基建、600649原水股份、600000浦發銀行，這些都是廣大股民所熟知的經營業績優秀，凈資產收益率很高的大盤藍籌股，其中也包含了幾只銀行股，可以說是大盤中的大盤，藍籌中的藍籌，我們可以定義因子F1為「大盤深藍股」。
F2對應的樣本股分別為：600602廣電電子、600832東方明珠、600637廣電信息、600100清華同方、600171上海貝嶺、600601方正科技，這幾只股票是高科技行業的傑出代表，主營計算機、微電子和信息產業，具有高成長性，我們可以定義因子F2為「高科技成長股」。
F3對應的樣本股分別為：600609金杯汽車、600805悅達投資、600104上海汽車，屬於典型的汽車類股票，隨著近幾年汽車行業的崛起，業績呈現穩步增長，我們可以定義因子F3為「汽車藍籌股」。
F4對應的樣本股分別為：600717天津港、600018上港集箱、600009上海機場，與水陸空港口物流和運輸有密切關系，我們可以定義因子F4為「港口物流股」。
F5對應的樣本股分別為：600664哈葯集團、600038哈飛股份，具有明顯的地域色彩，觸摸到東北老工業基地的發展脈搏，我們可以定義因子F5為「東北老工業股」。
F6對應的樣本股分別為：600839四川長虹、600033福建高速、600008首創股份，其中600033福建高速、600008首創股份主要是經營公益事業和基礎設施，我們可以定義因子F6為「基礎公益股」。但600839四川長虹的主營是電視機、空調等家用電器產品，業績彪炳，被歸於此類可以算是因統計之外原因引起的一個例外。
F7對應的樣本股分別為：600591上海航空、600221海南航空，國內航空運輸業的兩只優質股票，我們可以定義因子F7為「航空運輸股」。
F8對應的樣本股分別為：600795國電電力、600011華能國際、600642申能股份，顯然代表電力能源，我們可以定義因子F8為「電力能源股」。
F9對應的樣本股為：600643愛建股份，是上證50成份股中的非銀行類金融股，我們可以定義因子F9為「非銀行金融股」。
F10對應的樣本股分別為：600887伊利股份、600597光明乳業，皆為乳品業龍頭，乳業產品的消費與老百姓日常生活息息相關，其業績從一定角度上也體現了老百姓生活的富裕程度，我們可以定義因子F10為「乳品消費股」。
F11對應的樣本股為：600016民生銀行，銀行類股票。F12對應的樣本股為：600811東方集團，一隻綜合類股票，涉獵金融、電子商務、建材、通訊等領域。F13對應的樣本股為：600652愛使股份，主營計算機硬體及網路設備。F14對應的樣本股為：600006東風汽車，汽車行業股票。F15對應的樣本股為：600812華北制葯，醫葯化工產品的生產和銷售。F16對應的樣本股為：600705北亞集團，主營運輸物流及貿易。F17對應的樣本股為：600895張江高科，房地產類個股。F18對應的樣本股為：600863內蒙華電，主營活力發電、供熱。F19對應的樣本股為：600098廣州控股，從事能源、物流、基礎設施等綜合類股票。這些因子所代表的個股具有很強的針對性，雖然有些個股可以歸結為前面幾種共同因子，但從統計學角度來說，應單獨列出，以保證對原始信息的完整反映。F20對應的樣本股因子負荷均小於0.4，說明其可解釋性很小，體現的樣本股散亂，從專業的角度看沒有分析價值，故此將它剔出。
對於白雲機場(600004)、華夏銀行 (600015)、南方航空(600029)、中信證券(600030)和長江電力(600900)這五隻由於上市時間不長而被剔出的個股，我們可以運用專業知識將其歸類，並在今後的分析中予以驗證。白雲機場(600004)主營空港物流，可歸為F4；華夏銀行(600015)屬於銀行股，可歸為F11；南方航空(600029)主營航空運輸業，可歸為F7；中信證券(600030)為非銀行金融股，可歸為F9和長江電力(600900)主營電力能源，可歸為F8。
綜上所述，通過對上證50指數成份股個股的日收益率數據因子分析，我們提取出有實際意義的F1~F19這19個共同因子，代表了影響上證50指數走勢的19個關鍵因素。構造多因素模型如下：
Index50=0.4231*F1+0.0685*F2+0.0454*F3+0.0321*F4+0.0286*F5+0.0239*F6+0.0237*F7+0.0213*F8+0.0204*F9+0.0184*F10+0.0173*F11+0.0167*F12+0.0155*F13+0.0149*F14+0.0141*F15+0.0132*F16+0.0129*F17+0.0126*F18+0.0120*F19 +ε
相關性檢驗與回歸分析
我們將因子分析中提取的19種共同因子中有代表性的樣本股加權組合構造出一個投資組合Portfolio50，每個樣本股的權重就等於每種共同因子所解釋的方差百分比在累積百分比之中所佔的比重。比如：共同因子F1的權重等於（42.311/83.464=0.5069）。考慮到F1因子所代表的股票較多，且權重比例較大，故選入排名前四位的4隻股票，每隻股票權重取F1因子權重的四分之一，共計22隻樣本股。
構造投資組合如下：
Portfolio50=0.1267*((600028)+(600808)+(600688)+(600019))+0.0821*(600602)+0.0544*(600609)+0.0384*(600717)+0.0342*(600664)+0.0287*(600839)+0.0284*(600591)+0.0256*(600795)+0.0244*(600643)+0.0221*(600887)+0.0207*(600016)+0.0201*(600811)+0.0186*(600652)+0.0179*(600006)+0.0169*(600812)+0.0159*(600705)+0.0154*(600895)+0.0151*(600863)
Portfolio50與Index50相關性檢驗表（略）顯示，Portfolio50與Index50的相關系數在0.01置信水平下為0.943，說明Portfolio50與Index50高度相關。
表4 回歸模型與檢驗結果表
Model Sum of Squares df Mean Square F Sig.
1 Regression .025 1 .025 1238.863 .000
Resial .003 153 .000
Total .028 154
表5 回歸系數與檢驗結果表
Model Unstandardized Coefficients Standardized Coefficients t Sig. Correlations
B Std. Error Beta Zero-order Partial Part
1 (Constant) 7.235E-04 .000 2.004 .047
INDEX50 1.021 .029 .943 35.197 .000 .943 .943 .943
從回歸模型與檢驗結果（表4）我們可以看出該回歸模型具有明顯的統計學意義。從回歸系數與檢驗結果（表5）我們可以看出該回歸模型系數b具有明顯的統計學意義，且b值為1.021。對於常數項的檢驗雖然沒有統計學意義，但這無關緊要，出於常識，我們一般都將其保留在方程中，a值為0.0007235。
據此我們可以構建回歸模型如下：
Portfolio50=0.0007235+1.021*(Index50)
式中：常數項a=0.0007235，非常接近於0，回歸系數b=1.021，也同樣接近於1。所以我們可以認為Portfolio50≈Index50。
最後，我們進行回歸模型擬合效力評價分析（過程略）。由擬合模型的擬合優度簡報和Durbin-Watson統計量我們可以得出確定系數R2為0.89，校正的確定系數Adjusted R2為0.889，說明該模型擬合效果顯著。Durbin-Watson統計量為1.786，取值在2附近。可見殘差間沒有明顯的相關性。為了進一步分析模型的正態性，即的殘差ε是否服從正態分布，我們做出殘差分布直方圖和正態PP圖（見圖1、圖2）。可見，該模型殘差基本服從正態分布。
圖1 殘差分布直方圖 圖2 殘差的正態PP圖
結論
根據以上實證研究，我們得出如下結論：
1.在2002年12月3日至2004年3月18日期間，上證50指數的50種樣本股的收益率受到19種關鍵因素的影響。這19種關鍵因素中最有代表性的是600028中國石化、600602廣電電子等22隻樣本股。從另外一個角度看，這22隻樣本股的總體走勢基本上反映了上證50指數的50隻樣本股的走勢。
2.影響上證50指數的關鍵因素具有很強的板塊效應，企業性質、經營主業、地域特徵和管理業績相同或相近的股票走勢高度相關，可歸為同一關鍵因素。但同時個股的表現也同樣突出，幾乎每個板塊中都有個別股票表現與眾不同，這些特立獨行的個股由於經營、資本運作等眾多原因，走出了自己的特色，成為了市場不可或缺的亮點，對指數有著重要的貢獻。
3.從個股對上證50指數關鍵因素的影響來看，如果一個關鍵因素所代表的樣本股的個數少，則說明這些樣本股更加具有代表性。相反，如果一個關鍵因素所代表的樣本股的個數多，則說明這些樣本股之間具有可替代性，也就是說，如果需要調整投資組合，就可以在代表多數樣本股的因子中進行調整，這樣不會影響投資組合的代表性。
4.如果要對上證50指數進行指數化投資，不需要投資於所有的50種樣本股，只需要投資於19種關鍵因素中最有代表性的22隻關鍵樣本股即可，構造投資組合如下：Portfolio50=0.1267*((600028)+(600808)+(600688)+(600019))+0.0821*(600602)+0.0544*(600609)+0.0384*(600717)+0.0342*(600664)+0.0287*(600839)+0.0284*(600591)+0.0256*(600795)+0.0244*(600643)+0.0221*(600887)+0.0207*(600016)+0.0201*(600811)+0.0186*(600652)+0.0179*(600006)+0.0169*(600812)+0.0159*(600705)+0.0154*(600895)+0.0151*(600863)。檢驗結果表明，這22種具有代表性的關鍵樣本股構造的投資組合Portfolio50的收益率基本上反映了上證50指數Index50的收益率，並且兩者的風險處在同一水平上，即可以用投資組合Portfolio50來替代上證50指數進行指數化投資。另外，由於同一關鍵因素所代表的股票具有可替代性，使得投資組合Portfolio50的構造更加靈活，我們可以根據市場的具體情況對該投資組合Portfolio50進行調整，同時還不會影響它對指數的反映。
以上結論說明，我們從實證研究的角度驗證了關鍵因素擬合指數化投資方法，即指數化投資不必完全復制股票指數，股票指數中存在關鍵因素，利用這些關鍵因素構造的投資組合可以擬合出相應的股票指數，用來進行指數化投資。這種方法能夠適用於多種指數，並且操作靈活積極，基金經理可以同時結合其他的分析工具，根據市場的具體情況對擬合的投資組合進行調整，從而達到最佳的投資績效。
5. 急急急！！！利率變動對股市影響的數學公式（數學模型也可以）
沒有公式，你看下面的信息自己做一個正反比例的模型，然後倒入這幾年的經濟數據擬合吧！！
（參考資料，英文中文都有）
---------------------------------------------------------------------------------------------------------------------
一般理論上來說,利率下降時,股票的價格就上漲；利率上升時,股票的價格就會下跌。因此,利率的高低以及利率同股票市場的關系,也成為股票投資者據以買進和賣出股票的重要依據。
利率對於股票的影響可以分成三種途徑:
一是利率變動造成的資產組合替代效應,利率變動通過影響存款收益率,投資者就會對股票和儲蓄以及債券之間做出選擇,實現資本的保值增值。
通過資產重新組合進而影響資金流向和流量,最終必然會影響到股票市場的資金供求和股票價格。利率上升,一部分資金可能從股市轉而投向銀行儲蓄和債券,從而會減少市場上的資金供應量,減少股票需求,股票價格下降；反之,利率下降,股票市場資金供應增加,股票價格將上升。
二是利率對上市公司經營的影響,進而影響公司未來的估值水平。
貸款利率提高會加重企業利息負擔,從而減少企業的盈利,進而減少企業的股票分紅派息,受利率的提高和股票分紅派息降低的雙重影響,股票價格必然會下降。相反,貸款利率下調將減輕企業利息負擔,降低企業生產經營成本,提高企業盈利能力,使企業可以增加股票的分紅派息。受利率的降低和股票分紅派息增加的雙重影響,股票價格將大幅上升。
三是利率變動對股票內在價值的影響。
股票資產的內在價值是由資產在未來時期中所接受的現金流決定的,股票的內在價值與一定風險下的貼現率呈反比關系,如果將銀行間拆借、銀行間債券與證券交易所的債券回購利率作為參考的貼現率,則貼現率的上揚必然導致股票內在價值的降低,從而也會使股票價格相應下降。股指的變化與市場的貼現率呈現反向變化,貼現率上升,股票的內在價值下降,股指將下降；反之,貼現率下降,股價指數上升。
以上的傳導途徑應該是較長的一個時期才能體現出來的,利率調整與股價變動之間通常有一個時滯效應,因為利率下調首先引起儲蓄分流,增加股市的資金供給,更多的資金追逐同樣多的股票,才能引起股價上漲,利率下調到股價上漲之間有一個過程。如我國央行自1996年5月以來的八次下調存款利率,到2002年1年期定期儲蓄存款的實際收益率只有1.58%。在股票價格在較長時間內持續上漲的情況下,股票投資的收益率遠遠高於存款的報酬率,一部分儲蓄存款轉化為股票投資,從而加快了儲蓄分流的步伐。從我國居民儲蓄存款增長率來看,1994年居民儲蓄存款增長率45.6%,之後增幅連年下滑,而同一時期股票市場發展迅速,1999年下半年開始儲蓄分流明顯加快,到2000年分流達到頂點,同年我國居民儲蓄存款增長率僅為7.9%。這一年股票市場也牛氣沖天。2001年儲蓄分流則明顯減緩,增長率14.7%,居民儲蓄傾向增強。2001年股市波動性加大,股價持續幾個月的大幅回調,則是2001年儲蓄分流減緩、居民儲蓄存款大幅增加的主要原因之一。
另外,利率對於企業的經營成本影響同樣需要一個生產和銷售的資本運轉過程,短時間內,難以體現出來。因此,利率和股票市場的相關性要從長期來把握。
實際上,就中長期而言,利率升降和股市的漲跌也並不是簡單的負相關關系。就是說,中長期股價指數的走勢不僅僅只受利率走勢的影響,它同時對經濟增長因素、非市場宏觀政策因素的反應也很敏感。如果經濟增長因素、非市場宏觀政策因素的影響大於利率對股市的影響,股價指數的走勢就會與利率的中長期走勢相背離。
典型如美國的利率調整和股市走勢就出現同步上漲的過程。1992年至1995年美元加息周期中,由於經濟處於穩步增長階段,逐步收緊的貨幣政策並未使經濟下滑,公司盈利與股價走勢也保持了良好態勢,加息之後,股票市場反而走高,其根本原因是經濟增長的影響大於加息的影響。
我國從1996年5月進入降息周期的拐點。股指也進入上升周期。利率與股指的走勢發生了5年的負相關關系。但2001年在利率沒有進入升息周期的情況下,股指開始了下跌的趨勢。分析其原因,我國非市場宏觀政策因素的影響大於利率對股市的影響。人們對非流通的國有股將進入市場流通的擔心和恐懼導致了股市投資的風險和收益發生了非對稱的變化。從這個角度來看,由於我國目前非市場宏觀政策因素仍然有比較大的不確定性,所以利率對股市的影響不能夠成為我們研究和預測股市中長期走勢的主要因素。
就短期而言,我國利率的變動對股價的走勢很難判斷存在相關性。利率調整當天和隨後的股價波動並不能說明二者之間有何必然的聯系。從當前股市的狀況分析,很明顯也和利率的走勢不符合理論上的負相關性。股票市場的低迷更多地被歸結為上市公司的質量以及諸多體制性問題和投資者信心問題。因此,在看待我國加息預期對於股票市場的影響時,還要考慮其他諸多因素,而不能簡單從前文所述的理論關系來判斷。利率只是影響股市的因素之一,而不是惟一決定因素。因此,我們不能唯利率升降是從,要具體分析,何況即使利率上升,股市也並不是就完全沒有投資機會。（
Interest rates. Most people pay attention to them, and they can impact the stock market. But why? In this article, we'll explain some of the indirect links between interest rates and the stock market and show you how they might affect your life.
The Interest Rate
Essentially, interest is nothing more than the cost someone pays for the use of someone else's money. Homeowners know this scenario quite intimately. They have to use a bank's money (through a mortgage) to purchase a home, and they have to pay the bank for the privilege. Credit card users also know this scenario quite well - they borrow money for the short term in order to buy something right away. But when it comes to the stock market and the impact of interest rates, the term usually refers to something other than the above examples - although we will see that they are affected as well. (To read more, see Who determines interest rates?)
The interest rate that applies to investors is the U.S. Federal Reserve's federal funds rate. This is the cost that banks are charged for borrowing money from Federal Reserve banks. Why is this number so important? It is the way the Federal Reserve (the "Fed") attempts to control inflation. Inflation is caused by too much money chasing too few goods (or too much demand for too little supply), which causes prices to increase. By influencing the amount of money available for purchasing goods, the Fed can control inflation. Other countries' central banks do the same thing for the same reason.
Basically, by increasing the federal funds rate, the Fed attempts to lower the supply of money by making it more expensive to obtain.(To see more on the Federal Reserve, read Get To Know The Major Central Banks, The Fed Model And Stock Valuation: What It Does And Does Not Tell Us and Formulating Monetary Policy.)
Effects of an Increase
When the Fed increases the federal funds rate, it does not have an immediate impact on the stock market. Instead, the increased federal funds rate has a single direct effect - it becomes more expensive for banks to borrow money from the Fed. However, increases in the discount rate also cause a ripple effect, and factors that influence both indivials and businesses are affected.
The first indirect effect of an increased federal funds rate is that banks increase the rates that they charge their customers to borrow money. Indivials are affected through increases to credit card and mortgage interest rates, especially if they carry a variable interest rate. This has the effect of decreasing the amount of money consumers can spend. After all, people still have to pay the bills, and when those bills become more expensive, households are left with less disposable income. This means that people will spend less discretionary money, which will affect businesses' top and bottom lines (that is, revenues and profits).
Therefore, businesses are also indirectly affected by an increase in the federal funds rate as a result of the actions of indivial consumers. But businesses are affected in a more direct way as well. They, too, borrow money from banks to run and expand their operations. When the banks make borrowing more expensive, companies might not borrow as much and will pay a higher rate of interest on their loans. Less business spending can slow down the growth of a company, resulting in decreases in profit. (For extra reading on company lending, read When Companies Borrow Money.)
Stock Price Effects
Clearly, changes in the federal funds rate affect the behavior of consumers and business, but the stock market is also affected. Remember that one method of valuing a company is to take the sum of all the expected future cash flows from that company discounted back to the present. To arrive at a stock's price, take the sum of the future discounted cash flow and divide it by the number of shares available. This price fluctuates as a result of the different expectations that people have about the company at different times. Because of those differences, they are willing to buy or sell shares at different prices.
If a company is seen as cutting back on its growth spending or is making less profit - either through higher debt expenses or less revenue from consumers - then the estimated amount of future cash flows will drop. All else being equal, this will lower the price of the company's stock. If enough companies experience a decline in their stock prices, the whole market, or the indexes (like the Dow Jones Instrial Average or the S&P 500) that many people equate with the market, will go down. (To learn more, check out Why Do Markets Move?, Forces That Move Stock Prices and What causes a significant move in the stock market?)
Investment Effects
For many investors, a declining market or stock price is not a desirable outcome. Investors wish to see their invested money increase in value. Such gains come from stock price appreciation, the payment of dividends - or both. With a lowered expectation in the growth and future cash flows of the company, investors will not get as much growth from stock price appreciation, making stock ownership less desirable.
Furthermore, investing in stocks can be viewed as too risky compared to other investments. When the Fed raises the federal funds rate, newly offered government securities, such Treasury bills and bonds, are often viewed as the safest investments and will usually experience a corresponding increase in interest rates. In other words, the "risk-free" rate of return goes up, making these investments more desirable. When people invest in stocks, they need to be compensated for taking on the additional risk involved in such an investment, or a premium above the risk-free rate. The desired return for investing in stocks is the sum of the risk-free rate and the risk premium. Of course, different people have different risk premiums, depending on their own tolerance for risk and the company they are buying. However, in general, as the risk-free rate goes up, the total return required for investing in stocks also increases. Therefore, if the required risk premium decreases while the potential return remains the same or becomes lower, investors might feel that stocks have become too risky, and will put their money elsewhere.
Interest Rates Affect but Don't Determine the Stock Market
The interest rate, commonly bandied about by the media, has a wide and varied impact upon the economy. When it is raised, the general effect is to lessen the amount of money in circulation, which works to keep inflation low. It also makes borrowing money more expensive, which affects how consumers and businesses spend their money; this increases expenses for companies, lowering earnings somewhat for those with debt to pay. Finally, it tends to make the stock market a slightly less attractive place to investment.
Keep in mind, however, that these factors and results are all interrelated. What we described above are very broad interactions, which can play out in innumerable ways. Interest rates are not the only determinant of stock prices and there are many considerations that go into stock prices and the general trend of the market - an increased interest rate is only one of them. Therefore, one can never say with confidence that an interest rate hike by the Fed will have an overall negative effect on stock prices.
6. 分類數據分析中的擬合優度檢驗
知識圖譜
繼續我們的知識總結，本文總結包括：多選題研究、聚類分析研究、權重研究、非參數檢驗、數據分布。
查看本系列之前的文章，可點擊下面的鏈接：論文里的分析方法要用哪一種，SPSSAU告訴你答案論文常用數據分析方法分類總結-2
11. 多選題研究
多選題分析-SPSSAU
多選題分析可分為四種類型包括：多選題、單選-多選、多選-單選、多選-多選。
「多選題分析」是針對單個多選題的分析方法，可分析多選題各項的選擇比例情況
「單選-多選」是針對X為單選，Y為多選的情況使用的方法，可分析單選和多選題的關系。
「多選-單選」是針對X為多選，Y為單選的情況使用的方法。
「多選-多選」是針對X為多選，Y為多選的情況使用的方法。
12. 聚類分析
聚類分析-SPSSAU
聚類分析以多個研究標題作為基準，對樣本對象進行分類。
如果是按樣本聚類，則使用SPSSAU的進階方法模塊中的「聚類」功能，系統會自動識別出應該使用K-means聚類演算法還是K-prototype聚類演算法。
如果是按變數（標題）聚類，此時應該使用分層聚類，並且結合聚類樹狀圖進行綜合判定分析。
13. 權重研究
權重研究-SPSSAU
權重研究是用於分析各因素或指標在綜合體系中的重要程度，最終構建出權重體系。權重研究有多種方法包括：因子分析、熵值法、AHP層次分析法、TOPSIS、模糊綜合評價、灰色關聯等。
因子分析：因子分析可將多個題項濃縮成幾個概括性指標（因子），然後對新生成的各概括性指標計算權重。
熵值法：熵值法是利用熵值攜帶的信息計算每個指標的權重，通常可配合因子分析或主成分分析得到一級權重，利用熵值法計算二級權重。
AHP層次分析法：AHP層次分析法是一種主觀加客觀賦值的計算權重的方法。先通過專家打分構造判斷矩陣，然後量化計算每個指標的權重。
TOPSIS法：TOPSIS權重法是一種評價多個樣本綜合排名的方法，用於比較樣本的排名。
模糊綜合評價：是通過各指標的評價和權重對評價對象得出一個綜合性評價。
灰色關聯：灰色關聯是一種評價多個指標綜合排名的方法，用於判斷指標排名。
14. 非參數檢驗
非參數檢驗-SPSSAU
非參數檢驗用於研究定類數據與定量數據之間的關系情況。如果數據不滿足正態性或方差不齊，可用非參數檢驗。
單樣本Wilcoxon檢驗用於檢驗數據是否與某數字有明顯的區別。
如果X的組別為兩組，則使用MannWhitney統計量，如果組別超過兩組，則應該使用Kruskal-Wallis統計量結果，SPSSAU可自動選擇。
如果是配對數據，則使用配對樣本Wilcoxon檢驗
如果要研究多個關聯樣本的差異情況，可以用多樣本Friedman檢驗。
如果是研究定類數據與定量（等級）數據之間的差異性，還可以使用Ridit分析。
15. 數據分布
數據分布-SPSSAU
判斷數據分布是選擇正確分析方法的重要前提。
正態性：很多分析方法的使用前提都是要求數據服從正態性，比如線性回歸分析、相關分析、方差分析等，可通過正態圖、P-P/Q-Q圖、正態性檢驗查看數據正態性。
隨機性：遊程檢驗是一種非參數性統計假設的檢驗方法，可用於分析數據是否為隨機。
方差齊性：方差齊檢驗用於分析不同定類數據組別對定量數據時的波動情況是否一致，即方差齊性。方差齊是方差分析的前提，如果不滿足則不能使用方差分析。
Poisson分布：如果要判斷數據是否滿足Poisson分布，可通過Poisson檢驗判斷或者通過特徵進行判斷是否基本符合Poisson分布（三個特徵即：平穩性、獨立性和普通性）
卡方擬合優度檢驗：卡方擬合優度檢驗是一種非參數檢驗方法，其用於研究實際比例情況，是否與預期比例表現一致，但只針對於類別數據。
單樣本T檢驗：單樣本T檢驗用於分析定量數據是否與某個數字有著顯著的差異性。
上述分析方法均可在SPSSAU中使用分析，以及相關方法問題可查看SPSSAU幫助手冊。
7. 如何用GARCH(1,1)求股票的具體波動率數據
以哈飛股份(600038)為例，運用GARCH（1,1）模型計算股票市場價值的波動率。
GARCH（1,1）模型為：
(1)
(2)
其中， 為回報系數， 為滯後系數， 和 均大於或等於0。
（1）式給出的均值方程是一個帶有誤差項的外生變數的函數。由於是以前面信息為基礎的一期向前預測方差，所以稱為條件均值方程。
（2）式給出的方程中： 為常數項， （ARCH項）為用均值方程的殘差平方的滯後項， （GARCH項）為上一期的預測方差。此方程又稱條件方差方程，說明時間序列條件方差的變化特徵。
通過以下六步進行求解：
本文選取哈飛股份2009年全年的股票日收盤價，採用Eviews 6.0的GARCH工具預測股票收益率波動率。具體計算過程如下：
第一步：計算日對數收益率並對樣本的日收益率進行基本統計分析，結果如圖1和圖2。
日收益率採用JP摩根集團的對數收益率概念，計算如下：
其中Si，Si-1分別為第i日和第i-1日股票收盤價。
圖1 日收益率的JB統計圖
對圖1日收益率的JB統計圖進行分析可知：
（1）標准正態分布的K值為3，而該股票的收益率曲線表現出微量峰度（Kurtosis=3.748926>3），分布的凸起程度大於正態分布，說明存在著較為明顯的「尖峰厚尾」形態；
（2）偏度值與0有一定的差別，序列分布有長的左拖尾，拒絕均值為零的原假設，不屬於正態分布的特徵；
（3）該股票的收益率的JB統計量大於5%的顯著性水平上的臨界值5.99，所以可以拒絕其收益分布正態的假設，並初步認定其收益分布呈現「厚尾」特徵。
以上分析證明，該股票收益率呈現出非正態的「尖峰厚尾」分布特徵，因此利用GARCH模型來對波動率進行擬合具有合理性。
第二步：檢驗收益序列平穩性
在進行時間序列分析之前，必須先確定其平穩性。從圖2日收益序列的路徑圖來看，有比較明顯的大的波動，可以大致判斷該序列是一個非平穩時間序列。這還需要嚴格的統計檢驗方法來驗證，目前流行也是最為普遍應用的檢驗方法是單位根檢驗，鑒於ADF有更好的性能，故本文採用ADF方法檢驗序列的平穩性。
從表1可以看出，檢驗t統計量的絕對值均大於1%、5％和10%標准下的臨界值的絕對值，因此，序列在1%的顯著水平下拒絕原假設，不存在單位根，是平穩序列，所以利用GARCH（1,1）模型進行檢驗是有效的。
圖2 日收益序列圖
表1ADF單位根檢驗結果
第三步：檢驗收益序列相關性
收益序列的自相關函數ACF和偏自相關函數PACF以及Ljung-Box-Pierce Q檢驗的結果如表3（滯後階數 =15）。從表4.3可以看出，在大部分時滯上，日收益率序列的自相關函數和偏自相關函數值都很小，均小於0.1，表明收益率序列並不具有自相關性，因此，不需要引入自相關性的描述部分。Ljung-Box-Pierce Q檢驗的結果也說明日收益率序列不存在明顯的序列相關性。
表2自相關檢驗結果
第四步：建立波動性模型
由於哈飛股份收益率序列為平穩序列，且不存在自相關，根據以上結論，建立如下日收益率方程：
(3)
(4)
第五步：對收益率殘差進行ARCH檢驗
平穩序列的條件方差可能是常數值，此時就不必建立GARCH模型。故在建模前應對收益率的殘差序列εt進行ARCH檢驗，考察其是否存在條件異方差，收益序列殘差ARCH檢驗結果如表3。可以發現，在滯後10階時，ARCH檢驗的伴隨概率小於顯著性水平0.05，拒絕原假設，殘差序列存在條件異方差。在條件異方差的理論中，滯後項太多的情況下，適宜採用GARCH（1,1）模型替代ARCH模型，這也說明了使用GARCH（1,1）模型的合理性。
表3日收益率殘差ARCH檢驗結果
第六步：估計GARCH模型參數，並檢驗
建立GARCH（1,1）模型，並得到參數估計和檢驗結果如表4。其中，RESID(-1)^2表示GARCH模型中的參數α，GARCH（-1）表示GARCH模型中的參數β，根據約束條件α+β<1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，滿足約束條件。同時模型中的AIC和SC值比較小，可以認為該模型較好地擬合了數據。
表4日收益率波動率的GARCH（1,1）模型的參數估計
8. 股票直線擬合是什麼意思
就是針對某段行情，找到一條直線，使得這段行情在該線附近振盪。
如果嚴格說的話，假設一段行情從t0開始，到T結束，時間單位是dt，我們把股票行情記為f(t), t是時間。而直線就可以表示為line = a t, a是斜率，t是時間。
目的就是找到一個最好的a來擬合f(t):
即 min {SUM_t0^T (f(t)-at)^2}