回歸分析在股票投資中的應用

① 什麼是回歸分析，運用回歸分析有什麼作用

回歸分析（regressionanalysis)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。

運用十分廣泛，回歸分析按照涉及的變數的多少，分為一元回歸和多元回歸分析；按照因變數的多少，可分為簡單回歸分析和多重回歸分析；按照自變數和因變數之間的關系類型，可分為線性回歸分析和非線性回歸分析。如果在回歸分析中，只包括一個自變數和一個因變數，且二者的關系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個或兩個以上的自變數，且自變數之間存在線性相關，則稱為多重線性回歸分析。

(1)回歸分析在股票投資中的應用擴展閱讀：

回歸分析步驟

1、確定變數

明確預測的具體目標，也就確定了因變數。如預測具體目標是下一年度的銷售量，那麼銷售量Y就是因變數。通過市場調查和查閱資料，尋找與預測目標的相關影響因素，即自變數，並從中選出主要的影響因素。

2、建立預測模型

依據自變數和因變數的歷史統計資料進行計算，在此基礎上建立回歸分析方程，即回歸分析預測模型。

3、進行相關分析

回歸分析是對具有因果關系的影響因素（自變數）和預測對象（因變數）所進行的數理統計分析處理。只有當自變數與因變數確實存在某種關系時，建立的回歸方程才有意義。因此，作為自變數的因素與作為因變數的預測對象是否有關，相關程度如何，以及判斷這種相關程度的把握性多大，就成為進行回歸分析必須要解決的問題。進行相關分析，一般要求出相關關系，以相關系數的大小來判斷自變數和因變數的相關的程度。

4、計算預測誤差

回歸預測模型是否可用於實際預測，取決於對回歸預測模型的檢驗和對預測誤差的計算。回歸方程只有通過各種檢驗，且預測誤差較小，才能將回歸方程作為預測模型進行預測。

5、確定預測值

利用回歸預測模型計算預測值，並對預測值進行綜合分析，確定最後的預測值。

② 統計學在股票中的應用有那些方面

股票價格指數(以下有時簡稱股價指數)是我們統計學里指數中的一種。它反映一定時期內某一證券市場上股票價格的綜合變動方向和程度的動態相對數。由於政治經濟，市場及心理等各種因素的影響，每種股票的價格均處於不斷變動之中；而市場上每時每刻都有許多股票在進行交易。為了從眾多個別股票紛繁復雜的價格變動中判斷和把握整個股票市場的價格變動水平與變動趨勢，美國道.瓊斯公司的創始人之一查爾斯.亨利.道第一個提出了平均股票價格指數作為衡量尺度，這就是久負盛名的道.瓊斯平均股價指數。如今，世界各國的股價市場幾乎都編有股票價格指數，較有影響的除道.瓊斯指數以外，還有美國的標准.普爾股價指數(有時記為S&P500指數)、紐約證券交易所票價指數，英國的《金融時報》股價指數、日本的經濟新聞社道氏平均股價指數以及香港的恆生指數等。股價指數可以為投資者和分析家研究，判斷股市動態提供信息。它不僅反映股票市場行情變動的重要指標，而且是觀測經濟形勢和周期狀況參考指標，被視為股市行情的「指示器」和經濟景氣變化的「晴雨表」。在我國大陸，主要有上證指數和深證指數。

編制股票價格指數的意義在於

(1)綜合反映股票市場股票價格的變動方向和變動程度。(2)據此進行因素分析，分析各種股價對股票市場股價總水平的影響程度。(3)分析股價長期內的變動趨勢。(4)在宏觀上，股指可以預測國民經濟景氣情況和企業經營業績。

(一)股票價格指數的一般概念

1.股價平均數：它是用來反映多種股票價格變動的一般水平。股票價格平均數由證券交易所、金融服務公司、銀行或新聞機構編制的，用以反映證券市場股票價格行市變動的一種價格平均數。

由於股票市場上各上市公司股票價格變動的方向和幅度不可能一致，為了衡量由各種股票共同組成的大市整體價格水平和整個市場總體變動方向，一些組織開始編制了股票價格平均數。1981年6月，「道.瓊斯公司」的共同創立者之一——查爾斯.亨利.道在《客戶午後通訊》上首先發表了一組後來被稱為「道.瓊斯工業股股票價格平均數」，是世界上最早的股票價格平均數，一般計算步驟是：先選定一些有代表性的樣本公司，再通過簡單算術平均法，以這些公司股票收盤價之和除以樣本公司數得出。計算公式為：

P=(ΣPi)／N

其中，P代表股票價格平均數，N代表樣本公司個數，Pi代表第i家公司股票計算期的收盤價。

2.基期：指在編制股票價格指數時，被確定作為對比基礎的時期。這個時期可以是某一日，也可以是某一年或若干年。例如，義大利商業銀行股票價格指數基期是一年，即以某一年全年股票價格平均數作為對比的基礎；標准.普爾500種和400種工業股股價指數則以1941—1943年為基期。通常較多採用以某一日作為計算基期。由於股票價格指數是由現期水平同基期水平相比較得出，因此，基期的選擇對指數絕對數大小具有重要影響。影響股票價格指數絕對水平大小的另一個重要因素是基數。

3.基數：指股票價格指數在基期的數值。在大多數國家中，基數都定為100，也有定為10(如標准.普爾500種股票價格指數)、50(如紐約證券交易所綜合股價指數)，還有的定為500(如澳大利亞證券交易所有普通股股價指數)、1000(如香港遠東指數，加拿大多倫多300種股票價格綜合指數)等。基數有大小，對股票價格指數絕對數大小有重要影響。

4.點：是股票價格指數的計算單位，在採用股票價格平均數和股票價格指數衡量股市行情變動的情況下，作為計算單位的「點」具有不同含義。在前一情況下，「點」代表的是平均水平的價格單位，是一個金額概念，同貨幣單位(如元)在類似的含義上運用，如平均價格指數為150點，即意味著市場上股票價格的平均水平為150元。在後一情況下，「點」反映的是計算期價格水平相對於基期價格水平變動的幅度，是指「百分點」(或「千分點」等)的意思，一般不能直接同金額概念等同起來，如基期指數定為100點，計算期指數為150點，即意味著計算期股票價格水平是基期水平的150%。但無論在任何場合，「點」總是衡量股票價格行情起落變動的尺度。由於世界各國的股票市場都編制有若干不同的股票價格指數，其選定的基期、確定的基數不同，尤其是計算方法的差異，針對不同股票市場的股票價格指數，與同一股票市場的不同股票價格指數，在絕對數上並沒有可比性。但是隨著資本主義經濟一體化趨勢的加強，各國不同股票價格指數變動趨勢在一定程度上具有了「聯運性」，這一點尤其是在1987年10月的世界股市崩潰時得到了印證。

③ 回歸分析的應用

相關分析研究的是現象之間是否相關、相關的方向和密切程度，一般不區別自變數或因變數。而回歸分析則要分析現象之間相關的具體形式，確定其因果關系，並用數學模型來表現其具體關系。比如說，從相關分析中我們可以得知「質量」和「用戶滿意度」變數密切相關，但是這兩個變數之間到底是哪個變數受哪個變數的影響，影響程度如何，則需要通過回歸分析方法來確定。
一般來說，回歸分析是通過規定因變數和自變數來確定變數之間的因果關系，建立回歸模型，並根據實測數據來求解模型的各個參數，然後評價回歸模型是否能夠很好的擬合實測數據；如果能夠很好的擬合，則可以根據自變數作進一步預測。
例如，如果要研究質量和用戶滿意度之間的因果關系，從實踐意義上講，產品質量會影響用戶的滿意情況，因此設用戶滿意度為因變數，記為Y；質量為自變數，記為X。根據圖8－3的散點圖，可以建立下面的線性關系： Y=A+BX+§
式中：A和B為待定參數，A為回歸直線的截距；B為回歸直線的斜率，表示X變化一個單位時，Y的平均變化情況；§為依賴於用戶滿意度的隨機誤差項。
對於經驗回歸方程： y=0.857+0.836x
回歸直線在y軸上的截距為0.857、斜率0.836，即質量每提高一分，用戶滿意度平均上升0.836分；或者說質量每提高1分對用戶滿意度的貢獻是0.836分。
上面所示的例子是簡單的一個自變數的線性回歸問題，在數據分析的時候，也可以將此推廣到多個自變數的多元回歸，具體的回歸過程和意義請參考相關的統計學書籍。此外，在SPSS的結果輸出里，還可以匯報R2，F檢驗值和T檢驗值。R2又稱為方程的確定性系數（coefficient of determination），表示方程中變數X對Y的解釋程度。R2取值在0到1之間，越接近1，表明方程中X對Y的解釋能力越強。通常將R2乘以100%來表示回歸方程解釋Y變化的百分比。F檢驗是通過方差分析表輸出的，通過顯著性水平（significant level）檢驗回歸方程的線性關系是否顯著。一般來說，顯著性水平在0.05以上，均有意義。當F檢驗通過時，意味著方程中至少有一個回歸系數是顯著的，但是並不一定所有的回歸系數都是顯著的，這樣就需要通過T檢驗來驗證回歸系數的顯著性。同樣地，T檢驗可以通過顯著性水平或查表來確定。在上面所示的例子中，各參數的意義如表8－2所示。
線性回歸方程檢驗 指標 顯著性水平 意義 R2 0.89 「質量」解釋了89%的「用戶滿意度」的變化程度 F 276.82 0.001 回歸方程的線性關系顯著 T 16.64 0.001 回歸方程的系數顯著 示例 SIM手機用戶滿意度與相關變數線性回歸分析
我們以SIM手機的用戶滿意度與相關變數的線性回歸分析為例，來進一步說明線性回歸的應用。從實踐意義講上，手機的用戶滿意度應該與產品的質量、價格和形象有關，因此我們以「用戶滿意度」為因變數，「質量」、「形象」和「價格」為自變數，作線性回歸分析。利用SPSS軟體的回歸分析，得到回歸方程如下：
用戶滿意度=0.008×形象+0.645×質量+0.221×價格
對於SIM手機來說，質量對其用戶滿意度的貢獻比較大，質量每提高1分，用戶滿意度將提高0.645分；其次是價格，用戶對價格的評價每提高1分，其滿意度將提高0.221分；而形象對產品用戶滿意度的貢獻相對較小，形象每提高1分，用戶滿意度僅提高0.008分。
方程各檢驗指標及含義如下： 指標 顯著性水平 意義 R2 0.89 「質量」和「價格」解釋了89%的「用戶滿意度」的變化程度 F 248.53 0.001 回歸方程的線性關系顯著 T（形象） 0.00 1.000 「形象」變數對回歸方程幾乎沒有貢獻 T（質量） 13.93 0.001 「質量」對回歸方程有很大貢獻 T（價格） 5.00 0.001 「價格」對回歸方程有很大貢獻 從方程的檢驗指標來看，「形象」對整個回歸方程的貢獻不大，應予以刪除。所以重新做「用戶滿意度」與「質量」、「價格」的回歸方程如下： 滿意度=0.645×質量+0.221×價格
用戶對價格的評價每提高1分，其滿意度將提高0.221分（在本示例中，因為「形象」對方程幾乎沒有貢獻，所以得到的方程與前面的回歸方程系數差不多）。
方程各檢驗指標及含義如下： 指標 顯著性水平 意義 R 0.89 「質量」和「價格」解釋了89%的「用戶滿意度」的變化程度 F 374.69 0.001 回歸方程的線性關系顯著 T（質量） 15.15 0.001 「質量」對回歸方程有很大貢獻 T（價格） 5.06 0.001 「價格」對回歸方程有很大貢獻

④ excel在回歸分析中有哪些應用

推求變化趨勢，建立擬合方程...

⑤ 回歸分析的基本過程及其應用意義

回歸分析（英語：Regression Analysis）是一種統計學上分析數據的方法，目的在於了解兩個或多個變數間是否相關、相關方向與強度，並建立數學模型以便觀察特定變數來預測研究者感興趣的變數。回歸分析是建立因變數Y（或稱依變數，反應變數）與自變數X（或稱獨變數，解釋變數）之間關系的模型。如果在回歸分析中，只包括一個自變數和一個因變數，且二者的關系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個或兩個以上的自變數，且因變數和自變數之間是線性關系，則稱為多元線性回歸分析。對具有相關關系的現象，擇一適當的數學關系式，用以說明一個或一組變數變動時，另一變數或一組變數平均變動的情況，這種關系式稱為回歸方程。

⑥ 舉例說明，相關分析與回歸分析的作用與應用

如何用相關分析法測量信號中的周期成分
用一周期性信號與被測信號進行相關分析，若得出相關函數為周期性函數，則被測信
號中含有周期成分。

⑦ 有那個金融多元回歸分析在金融實證分析中的應用的論文嗎急求

已經找到了沒
可以班忙寫的回歸性分析

⑧ 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