A. 如何快速比较股票间的相关性
。。。。。
这个问题嘿嘿我的毕设就是这个，你可以先去期刊网去找找其他人怎么做的，我记得我在01年做的时候，样本剔除后只有300多支股票，分析来分析去，做了很多调整相关性做到了90%以上，可是以前知名学者的全面分析下来只有50%多，当时没有wind之类的东西，全手工excel，现在用wind 方便多了。但是由于我国证券市场从初始到现在因政策5次重大变动产生了较大的变化，我建议你不妨从时间和市场两个角度缩小样本选取（可以选中小板为样本），针对性更强。
B. 股票分析软件什么数据最有用
1、大智慧：
大智慧超赢软件对level2数据分析处理的方式较多，为股民提供了大量的分析图表。像经典的三板斧啊，海洋系列指标追踪啊，水手突破等等都是可以研判股市的一大利器指标。
2、东方财富：
东方财富金融终端提供大盘趋势、股票池、DK点等功能，北上南下资金追踪推送的也很及时。虽然功能也较全面，但是其大盘趋势信号、主力罗盘功能在实战中的表现差强人意。
3、同花顺：
同花顺软件功能较为全面，但是各功能模块：股票池、仓位指标、大单分析之间并没有形成策略关系。最新的“问财”功能深受用户喜爱，能较全面的反应整个市场变化。
4、道富投资手：
在软件方面，道富软件画面清新简洁，功能齐全，上手容易，并且实施终身免费制度而吸引了许多股民。软件功能有金手指、股票池、主力资金动向、超级趋势等。
5、益盟操盘手：
益盟操盘手对交易数据的拆分处理很到位，对主力资金动向、买卖点、大盘走势、判断准确率很高。但由于益盟操盘手专精于付费炒股软件研发，所以在免费市场知名度一般。
C. 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年的著作《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。
D. 进行相关性分析的方法都有哪些
你可以试试回归，多元回归，线性还是非线性可以具体看根据数据做出的散点图来确定。
E. 股票定量分析的具体方法谁能告诉我
常用的有线性回归模型，相关性分析，T分布检验等等。这里有很多免费的投资分析的学习资料。
http://blog.sina.com.cn/s/articlelist_1423934175_6_1.html
F. 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
简单通俗解释：每个股票组合投资都是风险敞口的，而如果你股票之间相关性较大，则等于把鸡蛋放在一个篮子里，那么一旦你投资相关性非常强的股票组合不是市场热点（甚至是市场重灾区，比如，现在日本福岛核爆炸，那么核电以及核电配套设备公司相关性强，但是目前在市场受到核电利空打击，你的组合反而面临较大风险）的话，难以达到市场收益甚至亏损。即便你找的都是贝塔系数较高的股票，但是由于自身相关，很可能是大盘强他们弱，仅仅由于其相关性强，而同时受到一个因素干扰。
G. 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。
H. 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
I. 股票数据分析方法
股票价格的涨跌，简单来说，供求决定价格，买的人多价格就涨，卖的人多价格就跌。做成买卖不平行的原因是多方面的，影响股市的政策面、基本面、技术面、资金面、消息面等，是利空还是利多，升多了会有所调整，跌多了也会出现反弹，这是不变的规律。
J. 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。