‘壹’ 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。
‘贰’ 如何计算两个股票的相关系数(correlation）（急）
计算公式为相关系数=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。
拓展资料：
1.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。
2.标准差（Standard Deviation） ：标准差也称均方差（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。 格雷厄姆在1949年的着作《聪明的投资者》里说过：“经验表明在大多事例中，安全依赖于收益能力，如果收益能力不充分的话，资产就会丧失大部分的名誉(或帐面)价值。”
3.相关系数是反映两种证券之间相关性的统计方法。换句话说，这个统计告诉我们一个证券与另一个证券有多密切相关。当两种证券向上或向下同向移动时，相关系数为正。当两种证券向相反方向移动时，相关系数为负。确定两种证券之间的关系对分析跨市场关系，行业/股票关系以及行业/市场关系很有用。该指标还可以帮助投资者通过识别与股市低或负相关的证券进行多样化。 解释 相关系数在-1和+1之间振荡。这不是一个动量振荡器。
4.相反，它从正相关周期移动到周期负相关。+1被认为是完美的正相关，这是罕见的。0到+1之间的任何值表示两个证券向相同的方向移动。正相关的程度可能随时间而变化。石油股和石油大部分时间呈正相关。下面的例子显示了一只石油股股价和石油价格的关系。不出所料，20日相关系数仍然大幅上涨，经常上探+75。这两种证券之间显然存在着积极的关系。一般来说，任何超过0.50的数据都表现出强烈的正相关。
‘叁’ 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。
‘肆’ 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，然后把两只股票每天的涨跌数据 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。
‘伍’ 股票的相关指标
1你说的这些，都属于看公司的经济基本面的财务指标，也就是这个股票的公司经营的是否好或者坏的指标，这样的指标对中长线有参考价值，短线不能用，因为理论上认为股票市场是跟随经济周期运转的，当经济危机时候，股票的价格下降，当经济好转，随之上升，基本面就是在经济危机快复苏的时候，股票价格比较低的时候，用这些指标寻找好的行业和好的公司进行长期投资。
另外说一句，这些指标都存在做的很漂亮未必和实际相符合的可能。
2、最主要的指标是每股票净资产，每股收益，每股现金流，其他的没有这三者重要。
所谓每股净资产，就是公司一共发行了1万股，每股票净资产10元，那么就是说这个公司整体拥有10万元的净资产，净的意思就是资产减去负债。可以看出公司的规模。
所谓每股净收益，就是公司一共发行1万股，每股净收益是1元，那么公司的利润就是1万元，如果以年作为单位的话，这个公司每年就是1万/10万=10%的回报率，可以衡量公司的赚钱的能力
所谓每股票现金，我忘了学名怎么叫了，就是说公司有多少现金，主要是看帐款回收能力的，公司赢利能力再强，钱收不回来也是死路一条，如果公司大部分收预付款进来说明公司产品抢手，如果总是收不回来说明公司产品并不抢手靠赊帐吸引客户。
从基本面分析上，这些如果数据真实的话还是可以的。
但现在做股票往往把基本面和技术面结合起来做，用基本面定性，用技术面定量，比如从基本面分析这个股票可以买进，但是在什么价格买在什么价格卖，止损和止赢多少，用多少资金，这样定量的事情是从技术面出发的
‘陆’ 股票 相关性计算
相关性分析比较书面化，因为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
‘柒’ 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：石油行业股票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。
‘捌’ 股票的相关系数是怎么算出来的
你说的是什么系数?
‘玖’ 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
只能学术研究 在中国没现实意义