eviews影響股票收益率的因素

㈠ 請問怎麼用eviews研究股票市場周內效應

是自相關模型，需要建立因變數，導入數據，然後通過相關分析得出結論

㈡ eviews中如何用garch（1，1）計算股票波動率

打開Eviews然後點擊Quick然後點擊Equation Estimation，然後選擇ARCH方法，然後估計就行了
股票波動率:
波動率是指標的資產投資回報率的變化程度，有實際波動率和歷史波動率之分。它是江恩理論的一個重要內容，在期貨期權市場的指導意義較股票市場更大。下面我們將對波動率的計算及交易策略進行詳細講解，希望對股民有一定的指導意義，趕緊跟著小編一起學習波動率的知識吧！
一、波動率：概述
波動率是指標的資產投資回報率的變化程度，有實際波動率和歷史波動率之分。它是江恩理論的一個重要內容，在期貨期權市場的指導意義較股票市場更大。
（一）、實際波動率
實際波動率又稱作未來波動率，它是指對期權有效期內投資回報率波動程度的度量，由於投資回報率是一個隨機過程，實際波動率永遠是一個未知數。或者說，實際波動率是無法事先精確計算的，人們只能通過各種辦法得到它的估計值。
（二）、歷史波動率
歷史波動率是指投資回報率在過去一段時間內所表現出的波動率，它由標的資產市場價格過去一段時間的歷史數據（即St的時間序列資料）反映。這就是說，可以根據{St}的時間序列數據，計算出相應的波動率數據，然後運用統計推斷方法估算回報率的標准差，從而得到歷史波動率的估計值。顯然，如果實際波動率是一個常數，它不隨時間的推移而變化，則歷史波動率就有可能是實際波動率的一個很好的近似。
二、波動率：計算
江恩理論認為，波動率分上升趨勢的波動率計算方法和下降趨勢的波動率計算方法。
（一）、上升趨勢的波動率計算方法是：在上升趨勢中，底部與底部的距離除以底部與底部的相隔時間，取整。
上升波動率=（第二個底部-第一個底部）/兩底部的時間距離
（二）、下降趨勢的波動率計算方法是：在下降趨勢中，頂部與頂部的距離除以頂部與頂部的相隔時間，取整。並用它們作為坐標刻度在紙上繪制。
下降波動率=（第二個頂部-第一個頂部）/兩頂部的時間距離
三、波動率：交易策略
對於投資者來說，期貨市場上除了牛熊市之外，更多的時間處於一種無法辨別價格走勢或者價格沒有大幅變化的狀況。此時的交易策略可以根據市場波動率的大小具體細分。當市場預期波動較小價格變化不大時，可採取賣出跨式組合和賣出寬跨式組合的策略。當預期市場波動較大但對價格上漲和下跌的方向不能確定時，可採取買入跨式組合和買入寬跨式組合的策略。
賣出跨式組合由賣出一手某一執行價格的買權， 同時賣出一手同一執行價格的賣權組成。
採用該策略的動機在於：認為市場走勢波動不大，可以賣出期權賺取權利金收益。但是一旦市場價格發生較大波動，那就要面對遭受損失的風險。
「波動率」：波動率是江恩理論的一個重要內容，在期貨期權市場的指導意義較股票市場更大。經過上面對波動率計算方法和交易策略的學習，相信投資者對波動率有了一定的了解。此外投資者在運用波動率指標時還需結合均線和波浪理論來綜合分析.

㈢ 用GARCH(1,1)模型對股票收盤價收益率序列建模，如何在eviews軟體中得出收益率序列的波動性方差

接分啦。。。找到一篇不錯的文章
樓主看下，參考資料：
2.關聯規則挖掘過程、分類及其相關演算法
2.1關聯規則挖掘的過程
關聯規則挖掘過程主要包含兩個階段：第一階段必須先從資料集合中找出所有的高頻項目組(Frequent Itemsets)，第二階段再由這些高頻項目組中產生關聯規則(Association Rules)。
關聯規則挖掘的第一階段必須從原始資料集合中，找出所有高頻項目組(Large Itemsets)。高頻的意思是指某一項目組出現的頻率相對於所有記錄而言，必須達到某一水平。一項目組出現的頻率稱為支持度(Support)，以一個包含A與B兩個項目的2-itemset為例，我們可以經由公式(1)求得包含項目組的支持度，若支持度大於等於所設定的最小支持度(Minimum Support)門檻值時，則稱為高頻項目組。一個滿足最小支持度的k-itemset，則稱為高頻k-項目組(Frequent k-itemset)，一般表示為Large k或Frequent k。演算法並從Large k的項目組中再產生Large k+1，直到無法再找到更長的高頻項目組為止。
關聯規則挖掘的第二階段是要產生關聯規則(Association Rules)。從高頻項目組產生關聯規則，是利用前一步驟的高頻k-項目組來產生規則，在最小信賴度(Minimum Confidence)的條件門檻下，若一規則所求得的信賴度滿足最小信賴度，稱此規則為關聯規則。例如：經由高頻k-項目組所產生的規則AB，其信賴度可經由公式(2)求得，若信賴度大於等於最小信賴度，則稱AB為關聯規則。
就沃爾馬案例而言，使用關聯規則挖掘技術，對交易資料庫中的紀錄進行資料挖掘，首先必須要設定最小支持度與最小信賴度兩個門檻值，在此假設最小支持度min_support=5% 且最小信賴度min_confidence=70%。因此符合此該超市需求的關聯規則將必須同時滿足以上兩個條件。若經過挖掘過程所找到的關聯規則「尿布，啤酒」，滿足下列條件，將可接受「尿布，啤酒」的關聯規則。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%於此應用範例中的意義為:在所有的交易紀錄資料中，至少有5%的交易呈現尿布與啤酒這兩項商品被同時購買的交易行為。Confidence(尿布，啤酒)>=70%於此應用範例中的意義為:在所有包含尿布的交易紀錄資料中，至少有70%的交易會同時購買啤酒。因此，今後若有某消費者出現購買尿布的行為，超市將可推薦該消費者同時購買啤酒。這個商品推薦的行為則是根據「尿布，啤酒」關聯規則，因為就該超市過去的交易紀錄而言，支持了「大部份購買尿布的交易，會同時購買啤酒」的消費行為。
從上面的介紹還可以看出，關聯規則挖掘通常比較適用與記錄中的指標取離散值的情況。如果原始資料庫中的指標值是取連續的數據，則在關聯規則挖掘之前應該進行適當的數據離散化（實際上就是將某個區間的值對應於某個值），數據的離散化是數據挖掘前的重要環節，離散化的過程是否合理將直接影響關聯規則的挖掘結果。
2.2關聯規則的分類
按照不同情況，關聯規則可以進行分類如下：
1.基於規則中處理的變數的類別，關聯規則可以分為布爾型和數值型。
布爾型關聯規則處理的值都是離散的、種類化的，它顯示了這些變數之間的關系；而數值型關聯規則可以和多維關聯或多層關聯規則結合起來，對數值型欄位進行處理，將其進行動態的分割，或者直接對原始的數據進行處理，當然

㈣ 請教：在eviews中如何對上證綜合指數進行對數收益的執行命令

在命令窗口中輸入
genr dr=log(r)
其中，log()為自然對數,r為指數收益率，dr為對數轉換後的新變數

㈤ 股票收盤價和收益率在EVIEWS中用什麼表示

股票的收盤價和開盤價是有一個比例關系

㈥ 你好，在用eviews做上證收益率時候，收益率有正有負，怎麼做log這個問題困擾我很久了，十分感謝您的幫助

用對數收益率r=ln(x(t)/x(t-1)，對數收益率和算術收益率在數值上很接近。從數學性質上看，對數收益率形式可以很方便的應用於幾何布朗運動、連續復利（如BS模型）等方面。

㈦ 研究股票指數和匯率、利率的關系，用EVIEWS回歸分析可以得到什麼有幫助的結果嗎

從你的結論來看，是FXE顯著影響。看adjusted R-square整體解釋力還是很不錯的。但是你的observations好少。

㈧ 在Eviews6.0 中建立關於收益率的GARCH模型，是直接導入的收益率數據還是導入收益率方差數據

直接導入收益率數據就可以啦

㈨ 用EVIEWS分析滬深300指數收益率序列

因為回歸和garch模型根本就是兩個方法，米必要一起比較
我經常幫別人做這類的數據分析的

㈩ eviews軟體中有什麼檢驗能和股價相關,pe pb又指什麼

想起這個問題的根源，還是說說吧05