❶ 主题型股票与成长型股票的区别
一、成长型股票通常是指收益增长速度快、未来发展潜力大的的股票，其市盈率、市净率通常较高。
二、成长性企业可以简单的分为两种增长模式：
内生性增长和外延式扩张都是企业成长的动力来源。
其中内生性增长来源于企业内部财务资源的积累，一般是稳定可持续的;外延式扩张是企业采用并购等资本运作手段，利用外部资源快速成长。
三、价值型股票是指账面值比市价高的股票，是同其账面值比较，股票的交易价格较低。账面值是公司资产负债表中的资产减去负债的值。
四、优选方法如下：
以市盈率和每股收益指标为基础,建立价值型股票的初选模型,从证券市场中挑选出具有典型价值型股票特征的股票,形成股票池作为进一步研究的对象。
采用多元回归分析方法,当股票价格基本反映其基本面情况时,对股票池中股票的价格与基本面数据之间关系进行回归分析,建立价值型股票相对内在价格的多因素模型。
当股票池中股票的基本面数据发生变化时,及时地通过多因素模型计算出股票的相对内在价值,通过与市场价格相对比,挑选出具有投资价值的价值型股票。
❷ 横截面股票价格是什么意思
资本资产定价模式(CAPM)在上海股市的实证检验
资产定价问题是近几十年来西方金融理论中发展最快的一个领域。1952年，亨利·马柯维茨发展了资产组合理论......
一、资本资产定价模式(CAPM)的理论与实证：综述
(一)理论基础
资产定价问题是近几十年来西方金融理论中发展最快的一个领域。1952年，亨利·马柯维茨发展了资产组合理论，导致了现代资产定价理论的形成。它把投资者投资选择的问题系统阐述为不确定性条件下投资者效用最大化的问题。威廉·夏普将这一模型进行了简化并提出了资产定价的均衡模型—CAPM。作为第一个不确定性条件下的资产定价的均衡模型，CAPM具有重大的历史意义，它导致了西方金融理论的一场革命。
由于股票等资本资产未来收益的不确定性，CAPM的实质是讨论资本风险与收益的关系。CAPM模型十分简明的表达这一关系，即：高风险伴随着高收益。在一些假设条件的基础上，可导出如下模型：
E(Rj)-Rf=(Rm-Rf)bj
其中： E(Rj )为股票的期望收益率。
Rf 为无风险收益率，投资者能以这个利率进行无风险的借贷。
E(Rm )为市场组合的期望收益率。
bj =sjm/s2m，是股票j 的收益率对市场组合收益率的回归方程的斜率，常被称为"b系数"。其中s2m代表市场组合收益率的方差，sjm 代表股票j的收益率与市场组合收益率的协方差。
从上式可以看出，一种股票的收益与其β系数是成正比例关系的。β系数是某种证券的收益的协方差与市场组合收益的方差的比率，可看作股票收益变动对市场组合收益变动的敏感度。通过对β进行分析，可以得出结论：在风险资产的定价中，那些只影响该证券的方差而不影响该股票与股票市场组合的协方差的因素在定价中不起作用，对定价唯一起作用的是该股票的β系数。由于收益的方差是风险大小的量度，可以说：与市场风险不相关的单个风险，在股票的定价中不起作用，起作用的是有规律的市场风险，这是CAPM的中心思想。
对此可以用投资分散化原理来解释。在一个大规模的最优组合中，不规则的影响单个证券方差的非系统性风险由于组合而被分散掉了，剩下的是有规则的系统性风险，这种风险不能由分散化而消除。由于系统性风险不能由分散化而消除，必须伴随有相应的收益来吸引投资者投资。非系统性风险，由于可以分散掉，则在定价中不起作用。
(二)实证检验的一般方法
对CAPM的实证检验一般采用历史数据来进行，经常用到的模型为：
其中： 为其它因素影响的度量
对此模型可以进行横截面上或时间序列上的检验。
检验此模型时，首先要估计 系数。通常采用的方法是对单个股票或股票组合的收益率 与市场指数的收益率 进行时间序列的回归，模型如下：
这个回归方程通常被称为"一次回归"方程。
确定了 系数之后，就可以作为检验的输入变量对单个股票或组合的β系数与收益再进行一次回归，并进行相应的检验。一般采用横截面的数据，回归方程如下：
这个方程通常被称作"二次回归"方程。
在验证风险与收益的关系时，通常关心的是实际的回归方程与理论的方程的相合程度。回归方程应有以下几个特点：
(1) 回归直线的斜率为正值，即 ，表明股票或股票组合的收益率随系统风险的增大而上升。
(2) 在 和收益率之间有线性的关系，系统风险在股票定价中起决定作用，而非系统性风险则不起决定作用。
(3) 回归方程的截矩 应等于无风险利率 ，回归方程的斜率 应等于市场风险贴水 。
(三)西方学者对CAPM的检验
从本世纪七十年代以来，西方学者对CAPM进行了大量的实证检验。这些检验大体可以分为三类：
1.风险与收益的关系的检验
由美国学者夏普（Sharpe）的研究是此类检验的第一例。他选择了美国34个共同基金作为样本，计算了各基金在1954年到1963年之间的年平均收益率与收益率的标准差，并对基金的年收益率与收益率的标准差进行了回归，他的主要结论是：
a、在1954—1963年间，美国股票市场的收益率超过了无风险的收益率。
b、 基金的平均收益与其收益的标准差之间的相关系数大于0.8。
c、风险与收益的关系是近似线形的。
2.时间序列的CAPM的检验
时间序列的CAPM检验最著名的研究是Black，Jensen与Scholes在1972年做的，他们的研究简称为BJS方法。BJS为了防止β的估计偏差，采用了指示变量的方法，成为时间序列CAPM检验的标准模式，具体如下：
a、利用第一期的数据计算出股票的β系数。
b、 根据计算出的第一期的个股β系数划分股票组合，划分的标准是β系数的大小。这样从高到低系数划分为10个组合。
c、采用第二期的数据，对组合的收益与市场收益进行回归，估计组合的β系数。
d、 将第二期估计出的组合β值，作为第三期数据的输入变量，利用下式进行时间序列回归。并对组合的αp进行t检验。
其中：Rft为第t期的无风险收益率
Rmt为市场指数组合第t期的收益率
βp指估计的组合β系数
ept为回归的残差
BJS对1931—1965年间美国纽约证券交易所所有上市公司的股票进行了研究，发现实际的回归结果与理论并不完全相同。BJS得出的实际的风险与收益关系比CAPM 模型预测的斜率要小，同时表明实际的αp在β值大时小于零，而在β值小时大于零。这意味着低风险的股票获得了理论预期的收益，而高风险股票获得低于理论预测的收益。
3.横截面的CAPM的检验
横截面的CAPM检验区别于时间序列检验的特点在于它采用了横截面的数据进行分析，最著名的研究是Fama和Macbeth（FM）在1973年做的，他们所采用的基本方法如下：
a、根据前五年的数据估计股票的β值。
b、 按估计的β值大小构造20个组合。
c、计算股票组合在1935年—1968年间402个月的收益率。
d、 按下面的模型进行回归分析，每月进行一次，共402个方程。
Rp=g0+g1bp+g2bp2+g3sep+ep
这里：Rp为组合的月收益率、
βp为估计的组合β值
bp2为估计的组合β值的平方
sep为估计βp值的一次回归方程的残差的标准差
g0、g1、g2、g3为估计的系数，每个系数共402个估计值
e、对四个系数g0、g1、g2、g3进行t检验
FM结果表明：
①g1的均值为正值，在95%的置信度下可以认为不为零，表明收益与β值成正向关系
②g2、g3在95%的置信度下值为零，表明其他非系统性风险在股票收益的定价中不起主要作用。
1976年Richard·Roll对当时的实证检验提出了质疑，他认为：由于无法证明市场指数组合是有效市场组合，因而无法对CAPM模型进行检验。正是由于罗尔的批评才使CAPM的检验由单纯的收益与系统性风险的关系的检验转向多变量的检验，并成为近期CAPM检验的主流。最近20年对CAPM的检验的焦点不是 ，而是用来解释收益的其它非系统性风险变量，这些变量往往与公司的会计数据相关，如公司的股本大小，公司的收益等等。这些检验结果大都表明：CAPM模型与实际并不完全相符，存在着其他的因素在股票的定价中起作用。
(四)我国学者对风险－收益关系的检验
我国学术界引进CAPM的概念的时间并不长，一些学者对上海股市的风险与收益的关系做了一些定量的分析，但至今仍没有做过系统的检验。他们的研究存在着一些缺陷，主要有以下几点：
1. 股票的样本太少，不代表市场总体，无法得出市场上风险与收益的实际关系。
2. 在两次回归中，同时选用同一时期的数据进行 值的估计和对CAPM模型中线性关系的验证。
3. 在确定收益率时并没有考虑分红，送配带来的影响并做相应调整，导致收益和风险的估计的偏差，严重影响分析的准确性。
4. 在回归过程中，没有选用组合的构造，而是采用个股的回归易导致， 系数的不稳定性。
二、上海股市CAPM模型的研究方法
(一)研究方法
应用时间序列与横截面的最小二乘法的线性回归的方法，构造相应的模型，并进行统计检验分析。时间序列的线性回归主要应用于股票β值的估计。而CAPM的检验则采用横截面回归的方法。
(二)数据选取
1.时间段的确定
上海股市是一个新兴的股市，其历史并不十分长，从1990年12月19日开市至今，不过短短八年的时间。在这样短的时间内，要对股票的收益与风险问题进行研究，首先碰到的是数据数量不够充分的问题。一般来说对CAPM的检验应当选取较长历史时间内的数据，这样检验才具有可靠性。但由于上海股市的历史的限制，无法做到这一点。因此，首先确定这八年的数据用做检验。
但在这八年中，也不是所有的数据均可用于分析。CAPM的前提要求市场是一个有效市场：要求股票的价格应在时间上线性无关。在第一章中通过对上海股市收益率的相关性研究，发现93年之前的数据中，股价的相关性较大，会直接影响到检验的精确性。因此，在本研究中，选取1993年1月至1998年12月作为研究的时间段。从股市的实际来看，1992年下半年，上海股市才取消涨停板制度，放开股价限制。93年也是股市初步规范化的开始。所以选取这个时间点用于研究的理由是充分的。
2.市场指数的选择
目前在上海股市中有上证指数，A股指数，B股指数及各分类指数，本文选择上证综合指数作为市场组合指数，并用上证综合指数的收益率代表市场组合。上证综合指数是一种价值加权指数，符合CAPM市场组合构造的要求。
3.股票数据的选取
这里用上海证券交易所（SSE）截止到1998年12月上市的425家A股股票的每日收盘价、成交量、成交金额等数据用于研究。这里遇到的一个问题是个别股票在个别交易日内停牌，为了处理的方便，本文中将这些天该股票的当日收盘价与前一天的收盘价相同。
三、上海股市风险－收益关系的实证检验
(一)股票贝塔系数的估计
中国股票市场共有8年的交易数据，应采用3年以上的数据用于估计单个股票的 系数，才能保证 具有稳定性。但是课题组在实践中通过比较发现由于中国股票市场作为一个新兴的市场，无论是市场结构还是市场规模都还有待于进一步的发展，同时各种股票关于市场的稳定性都不是很高，股市中还存在很大的时变风险，因此各种股票的 系数随着时间的推移其变化将会很大。所以只用上一年的数据估计下一年的 系数时， 系数将更具有灵敏性，因为了使检验的结果更理想，均采用上一年的数据估计下一年的 系数。估计单个股票的 系数采用单指数模型，如下：
其中： : 表示股票i在t时间的收益率
: 表示上证指数在t时间的收益率
：为估计的系数
：为回归的残差。
进行一元线性回归，得出 系数的估计值 ，表示该种股票的系统性风险的测度。
(二)股票风险的估计
股票的总风险，可以用该种股票收益率的标准差来表示，可以用下式来估计总风险
其中：N为样本数量， 为 的均值。
非系统风险，可用估计 的回归方程中的残差 的标准差来表示，用 表示股票i的非系统性风险，可用下式求出：
其中： 为一次回归方程的残差
为 的均值
(三)组合的构造与收益率计算
对CAPM的总体性检验是检验风险与收益的关系，由于单个股票的非系统性风险较大，用于收益和风险的关系的检验易产生偏差。因此，通常构造股票组合来分散掉大部分的非系统性风险后进行检验。构造组合时可采用不同的标准，如按个股b系数的大小，股票的股本大小等等，本文按个股的b系数大小进行分组构造组合。将所有股票按b系数的大小划分为15个股票组合，第一个股票组合包含b系数最小的一组股票，依次类推，最后一个组合包含b数子最大的一组股票。组合中股票的b系数大的组合被称为"高b系数组合"，反之则称为"低b系数组合"。
构造出组合后就可以计算出组合的收益率了，并估计组合的b系数用于检验。这样做的一个缺点是用同一历史时期的数据划分组合，并用于检验，会产生组合b值估计的偏差，高b系数组合的b系数可能会被高估，低b系数组合的b系数可能被低估，解决此问题的方法是应用Black,Jenson与Scholes研究组合模型时的方法（下称BJS方法），即如下四步：
(1)利用第一期的数据计算股票的b系数。
(2)利用第一期的b系数大小划分组合
(3)采用第一期的数据，对组合的收益与市场收益率进行回归，估计组合的b系数
(4)将第一期估计出的组合b值作为自变量，以第二期的组合周平均收益率进行回归检验。
在计算组合的平均周收益率时，我们假设每个组合中的十只股票进行等额投资，这样对平均周收益率 只需对十只股票的收益率进行简单平均即可。由于股票的系统风险测度，即真实的贝塔系数无法知道，只能通过市场模型加以估计。为了使估计的贝塔系数更加灵敏，本研究用上一年的数据估计贝塔系数，下一年的收益率检验模型。
(四)组合贝塔系数和风险的确定
对组合的周收益率求标准方差，我们可以得到组合的总风险sp
组合的b值的估计，采用下面的时间序列的市场模型：
Rpt =ap+bpRmp+ept
其中：Rpt表示t时期投资组合的收益率
：为估计的系数
Rmt表示t期的市场组合收益率
ept为回归的残差
对组合的每周收益率与市场指数收益率回归残差分别求标准差即可以得到组合sep值。
表1：组合周收益率回归的b值与风险（1997.01.01～1997.12.31)
组合 组合b值 组合а值 相关系数平方 总风险 非系统风险
1 0.781 0.001 0.888 0.063 0.021
2 0.902 0.000 0.943 0.071 0.017
3 0.968 0.000 0.934 0.076 0.02
4 0.989 0.000 0.902 0.079 0.025
5 1 0.000 0.945 0.078 0.018
6 1.02 0.000 0.958 0.079 0.016
7 1.04 0.002 0.935 0.082 0.021
8 1.06 0.000 0.925 0.084 0.023
9 1.08 0.000 0.938 0.085 0.021
10 1.1 0.000 0.951 0.086 0.019
11 1.11 0.000 0.951 0.087 0.019
12 1.12 0.000 0.928 0.089 0.024
13 1.13 0.000 0.937 0.089 0.022
14 1.16 0.000 0.912 0.092 0.027
15 1.17 0.000 0.922 0.092 0.026
(五)组合平均收益率的确定
对组合按前面的构造方法，用第98年的周收益率求其算术平均收益率。
表2：组合的平均收益率（1998.1.1-1998.12.31）
组合 组合b 平均周收益率
1 0.781 0.0031
2 0.902 -0.0004
3 0.968 0.0048
4 0.989 0.0052
5 1 0.0005
6 1.02 -0.002
7 1.04 0.0038
8 1.06 0.003
9 1.08 0.0016
10 1.1 0.0026
11 1.11 0.005
12 1.12 0.0065
13 1.13 0.0044
14 1.16 0.0067
15 1.17 0.0074
(六)风险与收益关系检验
以97年的组合收益率估计b，以98年的组合收益率求周平均收益率。对15组组合得到的周平均收益率与各组合b系数按如下模型进行回归检验：
Rpj=g0+g1bpj
其中 : Rpj 是组合 j的98年平均周收益率
bpj 是组合j的b系数
g0，g1为估计参数
按照CAPM应有假设：
1.g0的估计应为Rf的均值，且大于零，表明存在无风险收益率。
2.g1的估计值应为Rm-Rf>0,表明风险与收益率是正相关系，且市场风险升水大于零。
回归结果如下：
g0 g1 R2
均值 -0.0143 0．0170 0.4867
T值 -2.8078 3.5114
查表可知，在5%显著水平下回归系数g1显著不为0，即在上海股市中收益率与风险之间存在较好的线性相关关系。论文在实践检验初期，发现当以93年至97年的数据估计b，而用98年的周收益率检验与风险b关系时，回归得到的结论是5%显著水平下不能拒绝回归系数g1显著为0的假设。这些结果表明，在上海股市中系统性风险b与周收益率基本呈现正线性相关关系。同时，上海股市仍为不成熟证券市场，个股b十分不稳定，从相关系数来看,尚有其他的风险因素在股票的定价中起着不容忽视的作用。本文将在下面进行CAPM模型的修正检验。
四、CAPM的横截面检验
(一)模型的建立
对于横截面的CAPM检验，采用下面的模型：
Rp=g0+g1bp+g2bp2+g3sep+ep
该模型主要检验以下四个假设：
1，系统性风险与收益的关系是线性的，就是要检验回归系数E（g2）=0。
2，b是衡量证券组合中证券的风险的唯一测度，非系统性风险在股票的定价中不起作用，这意味着回归方程的系数E（g3）=0。
3，对于风险规避的投资者，高系统性风险带来高的期望回报率，也就是说：E(g1)=E(Rmt)—E(Rft)>0
4，对只有无风险利率才是系统风险为0的投资收益，要求E（g0）=Rf。
(二)检验的结果及启示
对CAPM模型的横截面的检验采用多元回归中的逐步回归分析法（stepwise），即在回归分析中首先从所有自变量选择一个自变量，使相关系数最大，再逐步假如新的自变量，同时删去可能变为不显著的自变量，并保证相关系数上升，最终保证结果中的所有自变量的系数均显著不为0，并且被排除在模型之外的自变量的系数均不显著。
表4：多元回归的stepwise法结果
g0 g1 R2
系数 -0.0143 0.0170 0.4867
T值 -2.8078 3.5114
从表中可以得出如下结论：
1．bp2项的系数的T检验结果并不显著，表明风险与收益之间并不存在非线性相关关系。
2.sep 项的系数的T检验结果并不显著，表明非系统风险在资产组合定价中并不起作用。
3．g0的估计值为负，即资金的时间价值为负，表明市场具有明显的投机特征。
五、影响收益的其他因素分析
(一)历史回顾
长期以来，Sharp,linter和Mossin分别提出的CAPM模型一直是学术界和投资者分析风险与收益之间关系的理论基石，尤其是在Black,Jensen,和Scholes（1972）以及 Fama 和MacBeth（1973）通过实证分析证明了1926-1968年间在纽约证券交易所上市的股票平均收益率与贝塔之间的正的相关关系以后。然而八十年代，Reinganum(1981)和Lakonishok ，Shapiro（1986）对后来的数据分析表明这种简单的线性关系不复存在。Roll对CAPM的批评文章发表之后，对CAPM的检验也转向对影响股票收益的其他风险因素的检验，并发现了许多不符合CAPM的结果。Fama和French（1992）更进一步指出，从四十年代以后，纽约股票市场股票的平均收益率与贝塔系数间不存在简单的正线性相关关系。他们通过对纽约股票市场1963年至1990年股票的月收益率分析发现存在如下的多因素相关关系：
R=1.77%-(0.11*ln(mv))+(0.35*ln(bv/mv))
其中：mv是公司股东权益的市场价值，bv是公司股东权益的账面价值。
从前一节我们对上海股票市场的检验结果可以看出，当选用的历史数据变化以后，上海股市中收益与系统性风险相关的显著程度并不如CAPM所预期的那样。罗尔对CAPM的解释同样适合于上海市场，即一方面我们无法证实市场指数就是有效组合，以我们分析的上海股票市场而言，上证指数远没有包括所有金融资产，比如投资者完全可以自由投资于债券市场和在深圳证券交易所上市的股票。另一方面，在实际分析中我们无法找到真正的贝塔（true beta）。为了找出上海股市中股票定价的其他因素，本文结合上海股票市场曾经出现炒作的"小盘股"、"绩优股"、"重组股"等现象，对公司的股本大小，公司的净资产收益率，市盈率等非系统因素对收益的影响进行了分析。具体方法是：论文首先对影响个股收益率的各因素进行逐年分析，然后构造组合，再对影响组合收益率的各因素进行分析，组合的构造方法与前相同。
(二)单股票的多因素检验及结果
检验方法是用历史数据计算b系数，再对b系数、前期总股本、前期流通股本、预期净资产收益率、预期PE比率对收益率的解释程度进行分析。例如在分析年所有股票收益率的决定因素时，采用93年股票的收益率计算贝塔系数，总股本为93年末的总股本，净资产收益率和市盈率根据94年的财务指标计算。由于股票在此之后4年交易期间，净资产收益率（ROE）和每股收益（EPS）尚未公布，因此净资产收益率和市盈率都称为预期净资产收益率和预期市盈率。具体模型如下：
Rj=g0+g1bj+g2Gj+g3ROEj+g4PEj+ej
其中 : Rj 是股票 j的第t期年平均周收益率
bj 是股票j的b系数，b系数由第（t-1）期历史数据算出
Gj 是股票j的第（t-1）期总股本对数值
ROEj是股票j的第t期净资产收益率
PEj 是股票j的第t期期末市盈率
STEPWISE多元回归发现94年各股票收益率与以上因素并无显著关系，其他各年的结果如下：
表5：95年个股收益率的STEPWISE多元回归结果
Rj=g0+g2Gj
R2 g0 g2
均值 T值 均值 T值
0.05 -0.013 -3.568 0.0011 2.958
表6：96年个股收益率的STEPWISE多元回归结果
Rj=g0+g2Gj+g3ROEj
R2 g0 g2 g3
均值 T值 均值 T值 均值 T值
0.171 -0.011 -1.93 0.002 2.845 0.024 5．249
表7：97年个股收益率的STEPWISE多元回归结果
Rj=g0+g2Gj
R2 g0 g2
均值 T值 均值 T值
0.099 0.0317 6.328 -0.0028 -5.325
表8：98年个股收益率的STEPWISE多元回归结果
Rj=g0+g1bj+g2Gj+g3ROEj
R2 g0 g1 g2 g3
均值 T值 均值 T值 均值 T值 均值 T值
0.195 0.0343 7.799 0.005 3.582 -0.003 -8.548 0.0013 0.0045
(三)组合的检验及结果
组合的构造方法与前面所描述的一致。对所有组合98年平均周收益率与组合的97年数据所计算出的贝塔系数、97年末平均总股本、98年平均净资产收益率、98年底平均市盈率进行回归分析，模型如下：
Rpj=g0+g1bpj+g2Gpj+g3ROEpj+g4PEpj+ej
其中 : Rpj 是组合 j的98年平均周收益率
bpj 是组合j的b系数
Gpj 是组合j的 97年总股本对数值
ROEpj 是组合j的98年净资产收益率
PEpj 是组合j的98年末市盈率
表9：98年组合收益率的STEPWISE多元回归结果
g0 g3 R2
均值 0.0425 -0.0039 0.593
T值 4.736 -4.355
(四)结果分析
对组合的收益率以及97年以来个股的收益率采用stepwise回归分析可以看出，公司的股本因素在上海股票市场的股票定价中起着显著的作用。股票的定价因素同西方成熟股市一样，存在规模效应（Size Effect）,即小公司的股票容易取得高收益率。这个结论与中国股市的近几年价格波动实际特点相一致，其原因可以从以下三方面分析：首先，小公司股本扩张能力强。在我国股市中，投资人主要是希望公司股本扩张后带来的资产增值盈利。其次，小股本的股票便于机构投资者炒作。我国机构投资者的实力总体偏弱，截止98年年底，注册资本在5亿元以上的券商只有10多家。最后，小公司往往被市场认为是资产收购与兼并的目标。许多早期上市的公司，市场规模较小，在激烈的市场竞争中无行业垄断优势和规模经济效益，无法与大企业抗衡。而许多高科技企业或具有较强市场竞争力的企业迫切需要进入资本市场，将收购目标瞄准这些小规模上市公司实行低成本借壳上市。这三方面的因素都导致小股本公司的股票受到市场的青睐。因此在论文的检验结果中，无论是个股还是组合在历年的收益率中都是显著地与股本相关
❸ 股票回归分析怎么写
根据自己经验写
❹ 多元回归分析中的beta值是啥
beta值是一种风险指数，用来衡量个别股票或股票基金相对于整个股市的价格波动情况。β值越高，意味着股票相对于业绩评价基准的波动性越大，反之亦然。
当β=1时，表示该股票的收益和风险与大盘指数收益和风险一致；当β>1时，表示该股票收益和风险均大于大盘指数的收益和风险。
(4)股票实证分析多元回归扩展阅读：
针对不同板块beta系数的大小，可以给投资者提供不同阶段的选股思路。以上证指数的表现为例，1季度大盘出现单边下跌的趋势性行情。
对于仓位控制比较理想的投资者当然首先选择趋势投资，尽可能的保持较低比例的仓位是取胜之道。但对于大多数投资者而言，可能会面临持有何种股票而又能抗跌于大盘。
❺ 线性回归分析和指数回归分析有什么区别，如何使用
您好
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，另外，今年的股票基本会出现大幅度的下跌，这已经是不可避免的了，经济数据您也可以看到，股票市场的股票业绩下滑也是不争的事实，另外大股东的股票减持和注册制度加快实施，也会严重影响股票市场，另外新股加速扩容和人民币加速贬值，都在很大的方面压制股票，这些还只是股票市场困难的一个部分，所以作为理财师我建议您，保持观望，远离股市，真诚回答，希望采纳！
❻ 关于股票各方面的知识。我急求一篇关于股票知识的作文。
市场与经济增长关系实证研究
股票市场发展与经济增长的相关性是经济增长理论中的新领域。多数的实证分析证实股票市场发展促进了经济增长。那么，我国股票市场的建立和发展是否有利于我国经济的增长呢?回归分析表明：我国股票市场规模的扩大、交易率的提高增加了国有单位的固定资产投资，加快了企业的技术进步，推动了我国经济更快的增长。因而，股票市场发展与经济增长之间有很强的正相关性。据此，我们可以认为股票市场发展是我国金融深化的重要环节，是中国经济持续增长的一股推动力量。
股票市场与经济增长关系是经济增长理论研究中的一个新课题。当经济学家详细探讨了贸易与经济增长、金融中介与经济增长关系后，感到如何界定股票市场在经济增长中的作用是非常重要的，其目的是要揭示未来股票市场的发展前景和经济增长的潜力。对于股票市场尚未充分发展的许多发展中国家来说，假如股票市场与经济增长之间存在着正相关关系，那么，促进股票市场的发展就是显而易见的政策建议。
截至2000年3月初，我国股票市场的A股流通市值已达10609．4亿元，在上海与深圳证券交易所上市发行A股的公司达到了929家。股票市场的规模和流动性指标与发展中国家以及发达国家相比，已经达到较高的水平。我国1993—1999年间A股流通市值与GDP的比率平均为0．052，46个发达国家和发展中国家在1976—1993年间的平均比率为0．32。1993—1999年间我国A股的平均交易率(股票成交金额与GDP的比率)为0．275，1976—1993年间美国股市的平均交易率为0．29，英国为0．253，韩国为0．183，泰国为0．144。显然，我国股票市场的发展与国民经济之间的关系越来越紧密了。
怎样研究和确定股票市场发展与经济增长的关系呢?莱文和泽尔沃斯(Levine andZeros，1998)在总结阿切和乔万诺维克(Atje and Jovanovie，1993)等人研究成果的基础上，再次证实了一个重要的假设：股票市场的发展和经济增长之间有很强的正相关关系。
本文运用莱文和泽尔沃斯(1998)提出的方法对1993—1999年期间我国股票市场发展和经济增长关系进行实证研究，以检验我国股票市场的发展对经济增长是否起到了促进作用。一、变量与数据的解释
为了检验股票市场与经济增长之间的相关关系，我们需要确定以下几个方面的指标。
(1)股票市场发展的指标。下述四个指标可以反映我国股票市场的发展水平。
第一个指标是资本化率，用Capitalization表示，等于每一季度A股流通市值与名义季度GDP的比率，我们用它来反映股市的发展状况。之所以选择流通市值而不是市价总值，是因为我们认为国家股和法人股并没有上市流通，不具备股票市场应有的风险分散、信息收集等功能，只有社会公众股才能代表我国股票市场的规模和发展水平。股票市场规模越大，募集资本和分散风险的能力越强。考虑到B股相对于A股规模较小，1999年底B股流通市值仅为A股流通市值的3．5％，将B股舍去不会影响计量模型的准确性。流通市值等于在上交所和深交所上市的股票A股流通市值之总和。1998年和1999年的季度流通市值数据来自《上海证券交易所统计月报》(1998．1—1999．12)和《深圳证券交易所市场统计》(1998．1—1999．12)；上交所1994年第三季度至1997年第四季度的流通市值和深交所1994年第一季度至1997年第四季度的流通市值来自《中国证券期货统计年鉴》(1995—1998年)；上交所1993年第一季度至1994年第二季度的流通市值和深交所1993年的季度流通市值无法从公开出版物上获得现成数据，我们利用上市公司每季度末的流通股本和股票的收盘价计算而得。1992年第四季度至1999年第四季度的季度GDP数据来自《中国统计》(1992．11—2000．2)。
第二个指标是交易率，用Value表示，等于上交所和深交所每季A股总成交金额与季度名义GDP的比值。反映出以经济总量为基础的股市流动性。1998年第一季度至1999年第四季度的A股成交金额来自《上海证券交易所统计月报》(1998．1—1999．12)和《深圳证券交易所市场统计》(1998．1—1999．12)；1994年至1997年的A股成交金额来自《中国证券期货统计年鉴》(1995—1998年)；1993年的A股季度成交金额在公开出版物上难于找到现成的数据，我们依据《中国证券报》(1993．1—1993．12)和《证券市场周刊》(1993．1—1993．2)上的数据计算得出。
第三个指标是换手率，用Turnover表示，等于A股季度成交金额除以A股季度流通市值。高换手率意味着相对低的交易费用。第二和第三个指标均反映了股票市场的流动性(Liqridity)。
第四个指标是股票市场收益率波动，用Volatility表示，等于沪市A股指数的季度标准差。沪市A股指数来自《中国证券报》(1993．1—1999．12)。在我们研究的期限内，深市和沪市大盘的走势基本一致，因此，我们只计算了沪市A股指数的标准差。因为上市公司的季度红利分配数据无法精确得到，所以我们在计算股票收益率的波动时，只计算了资本利得的标准差。
(2)经济增长指标。考虑到数据的可得性，我们使用三个经济增长指标。
第一个指标是实际GDP季度环比增长率，用GY表示。我们以1993年第一季度为基期，计算各季的商品零售价格指数(RPI)，基期RPI=100。用名义GDP除以当季的RPI就得到实际GDP季度环比增长率。在计算各季的商品零售价格指数时，采用商品零售价格的月度环比数据，其中1996年和1997年各月的数据来自《中国物价及城镇居民家庭收支统计年鉴》(1996年、1997年)，其它年份的商品零售价格月度环比数据散见于《价格理论与实践》(1992．11—2000．1)、《中国统计》(1992．11—1996．2)、《宏观经济管理》(1994．8—1996．2)。需要指出的是，在Capi-talization、Valre以及下文中的Savings、Depth指标中，我们使用的均是名义GDP，这是因为通货膨胀或通货紧缩同时作用于这些指标的分子与分母，两者相除在一定程度—亡抵销了这种影响。
第二个指标是国有单位固定资产投资季度环比增长率，用GC表示。理由是：①无法获得资本存量的季度折旧数据，所以不使用资本存量增长率指标；②无法获得全社会固定资产投资完整的季度数据，由于我国上市公司绝大多数属于国有企业，股票市场的发展和国有企业的投资活动联系较为密切，所以使用国有单位固定资产投资的数据。各季度国有单位固定资产投资的名义值同样除以季度零售物价指数而化为实际值，然后再计算各季度的环比增长率。1993年第一季度至1999年第四季度的名义国有单位固定资产投资数据来自《中国统计》(1992．11—1994．5)和《宏观经济管理》(1994．8—2000．2)。
第三个指标是居民的银行储蓄率，用Savings表示，等于居民本季度末的储蓄存款余额减去上季度末的储蓄存款余额再除以该季度的名义GDP。1993年第一季度至1997年第四季度的居民储蓄存款季度末余额来自《中国金融统计年鉴》(1995—1998年)，1998年第一季度至1998，年第四季度的居民储蓄存款季度末余额来自《宏观经济管理》(1998．5—2000．2)。
(3)传统的金融深化指标。用Depth来表示，测定金融中介的规模，等于金融中介的流动负债(现金以及银行与非银行金融中介的活期和带息流动负债)与当季GDP的比率，即M2／GDP。这里的M2是上季度末和本季度末广义货币供应量(M2)存量的算术平均值。1993年第一季度至1997年第四季度的M2来自《中国金融年鉴》(1995—1998年)，1998年第一季度至1999年第四季度的M2来自《宏观经济管理》(1998．5—2000，2)。因为1993年前后M2的统计口径发生了变化，所以1993年第一季度的Depth指标中的M2更指1993年第一季度末的广义货币供应量余额。在现实世界中，经济增长受到许多因素内影响。为了检验股票市场与经济增长之间的关系是否独立于其它变量，有必要结合相定变量进行分析。金融中介与股票市场在优比资源配置中的功能有很多重叠之处，西方关于金融中介的理论表明金融中介同样能够降低信息获取成本、促进对大企业的控制，以及提供风险分散和提高流动性的机制。但越来越多的理论和实证研究表明股票市场和金融中介在经济体系中提供了不尽相同的功能。例如，股票市场在提供风险分散和提高流动性机制方面似乎有更大的优势，而金融中介在降低信息获取成本和对大企业控制方面似乎比股市做得更好。因此，我们把股票市场和金? 谥薪榉旁谕
❼ 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
❽ 股票价格影响因素的实证分析部分怎么弄
首先列出影响股票价格的各项因素
然后单独论证每项因素对其影响，论证时要保证其他因素不变；
单独论证时要找出理论支持你的观点，同时还要有数据支撑。
最后要做一份总结
❾ 选取30家上市公司的股票价格，选出影响股票价格的四个以上的变量，建立多元线性回归模型，并使模型通过检验
选择沪深300指数里的股票就可以了，先下载30支个股数年来的日收盘价。
然后找到四个变量，比如大盘指数（或者沪市深市点数），美国标普指数，澳元兑美元汇率，石油或其他工业金属期货价格，等等。。。把数据下下来，也都是日收盘价。这些数据都不难下的，雅虎上基本都能下。
最后，在eviews里面测试一下。如果不会用eviews的话，谷歌eviews 线性回归 教程 视频等字眼，会有很详细的视频教程。
希望可以帮到你。