股票数据的回归分析

‘壹’ 股票的贝塔系数怎么算用excel的回归分析

Cov(ra,rm) = ρamσaσm。

其中ρam为证券 a 与市场的相关系数；σa为证券 a 的标准差；σm为市场的标准差。

贝塔系数利用回归的方法计算: 贝塔系数等于1即证券的价格与市场一同变动。

贝塔系数高于1即证券价格比总体市场更波动，贝塔系数低于1即证券价格的波动性比市场为低。

如果β = 0表示没有风险，β = 0.5表示其风险仅为市场的一半，β = 1表示风险与市场风险相同，β = 2表示其风险是市场的2倍。

(1)股票数据的回归分析扩展阅读

金融学运用了贝塔系数来计算在一只股票上投资者可期望的合理风险回报率： 个股合理回报率 =无风险回报率*+β×(整体股市回报率-无风险回报率) *可用基准债券的收益率代表。

贝塔系数=1，代表该个股的系统风险等同大盘整体系统风险，即受整体经济因素影响的程度跟大盘一样; 贝塔系数>1则代表该个股的系统风险高于大盘，即受整体经济因素影响的程度甚于大盘。

贝塔系数越高，投资该股的系统风险越高，投资者所要求的回报率也就越高。高贝塔的股票通常属于景气循环股(cyclicals)，如地产股和耐用消费品股；低贝塔的股票亦称防御类股(defensive stocks)，其表现与经济景气的关联度较低，如食品零售业和公用事业股。

个股的贝塔系数可能会随着大盘的升或跌而变动，有些股票在跌市中可能会较在升市具更高风险。

‘贰’ 关于股票市场规模效应中的回归分析

到专业股票网站查下
论文其实没你想象的那么严重的

‘叁’ 利用回归分析的方法，计算该股票的贝塔值，并分析各月是否有较大的差异

文内容需要包括以下要点。

（
1
）

该股票过去五年日收益率、
日波动幅度、
交易量的总体及各年的描述性统
计（用平均值、中位数、标准差、离差等指标进行分析）
。

（
2
）

上证综指过去五年日收益率、
日波动幅度、
交易量的总体及各年的描述性
统计（用平均值、中位数、标准差、离差等指标进行分析）
。

（
3
）

利用相关系数的统计方法，
分析该股票日收益率与上证综指日收益率之间
的关系，并分析各年是否有较大的差异；

（
4
）

利用回归分析的方法，
计算该股票的贝塔值，
并分析各年是否有较大的差
异；

（
5
）

利用相关系数的统计方法，
分析该股票日波动幅度与该股票的成交量的对
数之间的相关关系，并分析各年是否有较大的差异；

（
6
）

利用相关系数的统计方法，
分析该股票日波动幅度与上证综指的日波动幅
度以及日成交量的对数之间的相关关系，并分析各年是否有较大的差异；

（
7
）

利用回归分析的方法，分析该股票日波动幅度的影响因素；

（
8
）

对上述的问题进行综合，总结股票的量价关系；

‘肆’ excel回归分析 估计股票β

用EXCEL计算股票的贝塔值

看看这个吧

‘伍’ 股票中什么是回归线

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。

‘陆’ 股票收益率和市场收益率回归怎么做

首先，每年用股票i 的周收益数据进行下列回归:
Ri，t = αi + β1Rm，t －2 + β2Rm，t －1 + β3Rm，t + β4Rm，t +1 + β5Rm，t +2 + εi，t
其中，Ri，t为股票i 第t 周考虑现金红利再投资的收益率，Rm，t
为A 股所有股票在第t 周经流通市值加权的平均收益率。本文在方程( 1) 中加入市场收益的滞后项和超前项，以调整股票异步
性交易的影响( Dimson，1 979) 。
股票月收益率回归分析,与大盘及宏观变量的相关性分析,与指数的相关性,选出行业中具有代表性的个股。用其月收益率同大盘股票指数进行回归分析。

‘柒’ 为什么在进行回归分析时,需要考虑分红、转增、配股等情况对股票

保证数据准确性。回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。考虑到的数据越多，数据越准确，分红，转增和配股也考虑在内可以有效地保证数据准确性，避免出现差错。

‘捌’ 线性回归分析和指数回归分析有什么区别，如何使用

线性回归分析和指数回归分析其实理论基础是一样的，基本没有区别。回归模型一个是直线，一个是指数曲线，简单地说数据点画出来象直线就用线性回归。

相关系数与回归系数的方向，即符号相同。回归系数与相关系数的正负号都有两变量离均差积之和的符号业决定，所以同一资料的b与其r的符号相同。回归系数有单位，形式为（应变量单位/自变量单位）相关系数没有单位。相关系数的范围在-1～+1之间，而回归系数没有这种限制。

基本含义

在统计学中，线性回归（Linear Regression）是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归，大于一个自变量情况的叫做多元回归。（这反过来又应当由多个相关的因变量预测的多元线性回归区别，而不是一个单一的标量变量）。

‘玖’ 对股票进行回归分析通常自变量和因变量选什么好

因变量通常是回报，比如行业超额回报、或者经无风险利率调整的回报。自变量，根据APT，有k个factor。所以你认为的是影响因素的变量都可以加入。常用的有市场回报（CAPM模型）、会计信息（sloan模型）、上期回报（Engle模型）和宏观变量（国债长短端利差、通胀等）。但是要重点看看t检验和adj R square，会对不相关的变量进行惩罚