Ⅰ 如何將EXCEL的股票數據導入到matlab軟體中進行分析
望高手支招！
不一定要拷貝到data文件中啊，你使用xlsread時指定excel絕對路徑就可以了嘛
二如果只是幾個很大的矩陣數據，你直接在matlab中定義矩陣，再復制粘貼得了
定義矩陣就先定義個空的唄比如一維：a=zeros(1,n)；%%這是1xn的二維：a=zeros(n)
%%這是nxn的
然後在workspace窗口打開這個空矩陣，把excel中的數直接復制過來就行了xlsread()，但是對excel表要求還挺高的，比如有次我就導入失敗，是因為名字雖然是.xls,但是實際是
文本文件（製表符分隔）(*.txt)
格式的，所以你注意一下，對照matlab幫助，一般不會有問題如何把excel中的文本格式的數字轉化成數值格式在一個空單元格輸入1，並復制它選中要轉化成數值的單元格區域
右擊-選擇性粘貼-乘補充回答：這樣操作以後，仍不能轉換數值，說明你原來的數據格式有問題，提示你檢查以下幾項：1、數據內是否存在空格，（可以通過查找替換，將空格替換掉）
2、數據內是否存在非法字元！清除後，就可以運算了有的時候還需要：把修改過的區域再進一步修改，全選中，然後「單元格格式」，把單元格格式由「常規」改為「數值」！！！
Ⅱ excel回歸分析 估計股票β
www.tipdm.cn,這是一個在線的數據分析軟體，對股票的回歸分析也有
Ⅲ 在excel中怎麼進行回歸分析
用EXCEL做回歸分析主要有圖表法和函數法： 1、圖表法： 選擇參與一元線性回歸兩列數據（自變數x應在應變數y的左側），插入圖表，選擇散點圖。 選擇圖表中的數據系列，右擊，添加趨勢線，點擊「選項」選項卡，勾選「顯示公式」、顯示R平方值。 注意顯示出的R2值為R的平方，需要用SQRT()函數，計算出R值。 2、函數法 若X值序列在A1:A100單元格，Y值序列在B1:B100單元格， 則線性公式的截距b =INTERCEPT(B1:B100,A1:A100) 斜率k =SLOPE(B1:B100,A1:A100) 相關系數R =CORREL(A1:A100,B1:B100) 或 =CORREL(B1:B100,A1:A100) 上述兩種方法都可以做回歸分析，同時結合圖表和函數會取得更滿意的效果。
Ⅳ excel沒有回歸分析需要下載什麼軟體
需要下載數據分析軟體。下載以後添加方法如下：
1、打開Excel2016，新建一個空白工作簿。
2、Excel默認下是沒有數據分析選項的，所以需要添加數據分析選項。
3、點擊文件。點擊選項。在載入項中，選擇（Excel載入項），再點擊轉到(G)。勾選上AnalysisToolPak和AnalysisToolPak-VBA，再點擊確定。
4、然後最右邊就有了數據分析選項。
Ⅳ 怎樣用EXCEL分析股票
EXCEL全自動分析股市軟體https://item.taobao.com/item.htm?id=532889729619
Ⅵ 如何用excel做回歸分析
以Excel2010為例。
1、「開發工具」選項卡
中單擊「載入項」組中的「載入項」按鈕，打開「載入宏」對話框。如下圖。勾選
「分析工具庫」。
2、「數據」選項卡中「分析」組中的「數據分析」按鈕，打開「數據分析」對話框。如下圖。單擊「回歸」選項。
剩下的樓主自己搞定吧。
Ⅶ 如何用EXCEL做回歸分析
在日常數據分析工作當中，回歸分析是應用十分廣泛的一種數據分析方法，按照涉及自變數的多少，可分為一元回歸分析和多元回歸分析；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。
回歸分析的實施步驟：
1）根據預測目標，確定自變數和因變數
2）建立回歸預測模型
3）進行相關分析
4）檢驗回歸預測模型，計算預測誤差
5）計算並確定預測值
我們接下來講解在Excel2007中如何進行回歸分析？
一、案例場景
為了研究某產品中兩種成分A與B之間的關系，現在想建立不同成分A情況下對應成分B的擬合曲線以供後期進行預測分析。測定了下列一組數據：
Ⅷ 股票的貝塔系數怎麼算用excel的回歸分析
Cov(ra,rm) = ρamσaσm。
其中ρam為證券 a 與市場的相關系數；σa為證券 a 的標准差；σm為市場的標准差。
貝塔系數利用回歸的方法計算: 貝塔系數等於1即證券的價格與市場一同變動。
貝塔系數高於1即證券價格比總體市場更波動，貝塔系數低於1即證券價格的波動性比市場為低。
如果β = 0表示沒有風險，β = 0.5表示其風險僅為市場的一半，β = 1表示風險與市場風險相同，β = 2表示其風險是市場的2倍。
(8)excel股票回歸分析軟體擴展閱讀
金融學運用了貝塔系數來計算在一隻股票上投資者可期望的合理風險回報率： 個股合理回報率 =無風險回報率*+β×(整體股市回報率-無風險回報率) *可用基準債券的收益率代表。
貝塔系數=1，代表該個股的系統風險等同大盤整體系統風險，即受整體經濟因素影響的程度跟大盤一樣; 貝塔系數>1則代表該個股的系統風險高於大盤，即受整體經濟因素影響的程度甚於大盤。
貝塔系數越高，投資該股的系統風險越高，投資者所要求的回報率也就越高。高貝塔的股票通常屬於景氣循環股(cyclicals)，如地產股和耐用消費品股；低貝塔的股票亦稱防禦類股(defensive stocks)，其表現與經濟景氣的關聯度較低，如食品零售業和公用事業股。
個股的貝塔系數可能會隨著大盤的升或跌而變動，有些股票在跌市中可能會較在升市具更高風險。
Ⅸ 怎麼用excel進行回歸分析
這是一個很典型的線性擬合問題，手工計算就是採用最小二乘法求出擬合直線的待定參數，同時可以得出R的值，也就是相關系數的大小。在Excel中，可以採用先繪圖再添加趨勢線的方法完成前兩步的要求。
選擇成對的數據列，將它們使用「X、Y散點圖」製成散點圖。
在數據點上單擊右鍵，選擇「添加趨勢線」-「線性」，並在選項標簽中要求給出公式和相關系數等，可以得到擬合的直線。
由圖中可知，擬合的直線是y=15620x+6606.1，R2的值為0.9994。
因為R2 >0.99，所以這是一個線性特徵非常明顯的實驗模型，即說明擬合直線能夠以大於99.99%地解釋、涵蓋了實測數據，具有很好的一般性，可以作為標准工作曲線用於其他未知濃度溶液的測量。
為了進一步使用更多的指標來描述這一個模型，我們使用數據分析中的「回歸」工具來詳細分析這組數據。
在選項卡中顯然詳細多了，注意選擇X、Y對應的數據列。「常數為零」就是指明該模型是嚴格的正比例模型，本例確實是這樣，因為在濃度為零時相應峰面積肯定為零。先前得出的回歸方程雖然擬合程度相當高，但是在x=0時，仍然有對應的數值，這顯然是一個可笑的結論。所以我們選擇「常數為零」。
「回歸」工具為我們提供了三張圖，分別是殘差圖、線性擬合圖和正態概率圖。重點來看殘差圖和線性擬合圖。
在線性擬合圖中可以看到，不但有根據要求生成的數據點，而且還有經過擬和處理的預測數據點，擬合直線的參數會在數據表格中詳細顯示。本實例旨在提供更多信息以起到拋磚引玉的作用，由於涉及到過多的專業術語，請各位讀者根據實際，在具體使用中另行參考各項參數，此不再對更多細節作進一步解釋。
殘差圖是有關於世紀之與預測值之間差距的圖表，如果殘差圖中的散點在中州上下兩側零亂分布，那麼擬合直線就是合理的，否則就需要重新處理。
更多的信息在生成的表格中，詳細的參數項目完全可以滿足回歸分析的各項要求。下圖提供的是擬合直線的得回歸分析中方差、標准差等各項信息。
Ⅹ 怎麼用excel做回歸分析
第一個模型還可以，但是存在自相關（DW檢驗值也就是Durbin-Watson stat 為0.85，正自相關），需要進行差分處理。估計是一階自相關。
第二個模型，自變數沒有一個顯著的，確實需要更改。
看模型是否合適，一是系數顯著性檢驗，一是方程顯著性檢驗。一元回歸時，兩個檢驗是一樣的，所以第一個模型中，自變數X系數估計值顯著（X對應的Prob值為0.000，一般要求小於0.05就算通過），方程也顯著（看F-statistic的值），但是一階自相關最好消除。但是多元回歸中，兩個檢驗需要分開看。第二個模型中，方程顯著性可能能通過檢驗，但是自變數系數估計值對應的Prob都大於0.05，所以問題比較大。
幾個建議：
1、樣本數據來源於1995年到2006年，感覺還是少了些，而且2011年的論文至少最晚應該是截止到2009年。如果條件允許，最好能夠更早些數據。有25個以上年份數據，做的模型合適些。
2、第二個模型因為你沒有列舉具體自變數、因變數名稱，不好下結論。那麼，一個辦法是考慮自變數的選擇是不是合理，現有的自變數有沒有可以去掉的，或者有沒有遺漏更合理的自變數，調整自變數後再回歸；如果你認為自變數不需要修改，在增加樣本數據情況下，另一個辦法是用SPSS軟體，裡面有「逐步回歸」選項，看看能不能得到合理模型。第一個模型：一階自相關怎麼樣才能消除？
第二個模型：我做的是山東省財政支農資金方面的課題，中國統計年鑒上的相關數據就到2006年，三個自變數的數據也是。三個自變數是必須要固定的，是不是因為數據的原因，但是近幾年的數據確實找不到。三個自變數分別是：支援農業生產支出，農林水利氣象等部門事業費，農業綜合開發支出。因變數是：年均農民純收入。這四個量都不能變。
我不會計量，eviews也是今天剛學的，spss更不會了。回答繼續回答：
1、這里的一階自相關，可以考慮用差分法試試。也就是自變數、因變數都分別形成新的序列，再做回歸（注意：這時的回歸估計模型不含常數項）。根據你的樣本數據和解釋變數數目，在新的回歸結果裡面，如果Durbin-Watson stat 的數值大致在1.5——2.5，可以認為消除了自相關。最後的估計結果，常數項仍採用現在模型已經估計出的常數項數值，自變數系數則是差分後估計的系數值。
2、財政支農資金數據，我覺得可以考慮查閱《中國財政統計年鑒》，其中的分省財政平衡表中可能會有相關數據。（不過我也不肯定，這兩年中國統計年鑒中財政數據的具體項目有調整，你之所以找不到2006年以後數據原因也在於此，財政統計年鑒如果能找到的話，也許能有幫助）
3、第二個模型還可以考慮對數模型試一試，因為取對數後變差縮小，也許數據擬合效果會好些。當然，這時的系數表示的是平均意義的彈性。
4、不會逐步回歸也沒有關系，反正自變數不多。回歸後，看哪個自變數系數估計值沒有通過檢驗（P值大於0.05），P值最大的先去掉，用其他自變數再去擬合。如果新的估計結果不行，再繼續去掉不顯著的系數。之後可以嘗試再引入之前去掉的自變數，回歸後看是否顯著。最後應該得到自變數系數和整個模型都通過檢驗的結果，否則是不合適的。
5、「我第二個模型P值是0.004」的說法不正確，你所說的實際是常數項的P值。實際上，一般要求自變數必須通過P檢驗，常數項倒無所謂。