A. 如何快速比較股票間的相關性
。。。。。
這個問題嘿嘿我的畢設就是這個，你可以先去期刊網去找找其他人怎麼做的，我記得我在01年做的時候，樣本剔除後只有300多支股票，分析來分析去，做了很多調整相關性做到了90%以上，可是以前知名學者的全面分析下來只有50%多，當時沒有wind之類的東西，全手工excel，現在用wind 方便多了。但是由於我國證券市場從初始到現在因政策5次重大變動產生了較大的變化，我建議你不妨從時間和市場兩個角度縮小樣本選取（可以選中小板為樣本），針對性更強。
B. 股票分析軟體什麼數據最有用
1、大智慧：
大智慧超贏軟體對level2數據分析處理的方式較多，為股民提供了大量的分析圖表。像經典的三板斧啊，海洋系列指標追蹤啊，水手突破等等都是可以研判股市的一大利器指標。
2、東方財富：
東方財富金融終端提供大盤趨勢、股票池、DK點等功能，北上南下資金追蹤推送的也很及時。雖然功能也較全面，但是其大盤趨勢信號、主力羅盤功能在實戰中的表現差強人意。
3、同花順：
同花順軟體功能較為全面，但是各功能模塊：股票池、倉位指標、大單分析之間並沒有形成策略關系。最新的「問財」功能深受用戶喜愛，能較全面的反應整個市場變化。
4、道富投資手：
在軟體方面，道富軟體畫面清新簡潔，功能齊全，上手容易，並且實施終身免費制度而吸引了許多股民。軟體功能有金手指、股票池、主力資金動向、超級趨勢等。
5、益盟操盤手：
益盟操盤手對交易數據的拆分處理很到位，對主力資金動向、買賣點、大盤走勢、判斷准確率很高。但由於益盟操盤手專精於付費炒股軟體研發，所以在免費市場知名度一般。
C. 如何計算兩個股票的相關系數(correlation）（急）
計算公式為相關系數=協方差/兩個項目標准差之積。
相關系數：度量兩個隨機變數間關聯程度的量。相關系數的取值范圍為(-1，+1)。當相關系數小於0時，稱為負相關；大於0時，稱為正相關；等於0時，稱為零相關。
拓展資料：
1.協方差：如果兩個變數的變化趨勢一致，也就是說如果其中一個大於自身的期望值，另外一個也大於自身的期望值，那麼兩個變數之間的協方差就是正值。 如果兩個變數的變化趨勢相反，即其中一個大於自身的期望值，另外一個卻小於自身的期望值，那麼兩個變數之間的協方差就是負值。
2.標准差（Standard Deviation） ：標准差也稱均方差（mean square error），是各數據偏離平均數的距離的平均數，它是離均差平方和平均後的方根，用σ表示。標准差是方差的算術平方根。標准差能反映一個數據集的離散程度。平均數相同的，標准差未必相同。 格雷厄姆在1949年的著作《聰明的投資者》里說過：「經驗表明在大多事例中，安全依賴於收益能力，如果收益能力不充分的話，資產就會喪失大部分的名譽(或帳面)價值。」
3.相關系數是反映兩種證券之間相關性的統計方法。換句話說，這個統計告訴我們一個證券與另一個證券有多密切相關。當兩種證券向上或向下同向移動時，相關系數為正。當兩種證券向相反方向移動時，相關系數為負。確定兩種證券之間的關系對分析跨市場關系，行業/股票關系以及行業/市場關系很有用。該指標還可以幫助投資者通過識別與股市低或負相關的證券進行多樣化。 解釋 相關系數在-1和+1之間振盪。這不是一個動量振盪器。
4.相反，它從正相關周期移動到周期負相關。+1被認為是完美的正相關，這是罕見的。0到+1之間的任何值表示兩個證券向相同的方向移動。正相關的程度可能隨時間而變化。石油股和石油大部分時間呈正相關。下面的例子顯示了一隻石油股股價和石油價格的關系。不出所料，20日相關系數仍然大幅上漲，經常上探+75。這兩種證券之間顯然存在著積極的關系。一般來說，任何超過0.50的數據都表現出強烈的正相關。
D. 進行相關性分析的方法都有哪些
你可以試試回歸，多元回歸，線性還是非線性可以具體看根據數據做出的散點圖來確定。
E. 股票定量分析的具體方法誰能告訴我
常用的有線性回歸模型，相關性分析，T分布檢驗等等。這里有很多免費的投資分析的學習資料。
http://blog.sina.com.cn/s/articlelist_1423934175_6_1.html
F. 在計算出股票之間的相關性之後，這樣一個相關系數對於股民來講有什麼用，我們可以根據這個數字得到什麼
簡單通俗解釋：每個股票組合投資都是風險敞口的，而如果你股票之間相關性較大，則等於把雞蛋放在一個籃子里，那麼一旦你投資相關性非常強的股票組合不是市場熱點（甚至是市場重災區，比如，現在日本福島核爆炸，那麼核電以及核電配套設備公司相關性強，但是目前在市場受到核電利空打擊，你的組合反而面臨較大風險）的話，難以達到市場收益甚至虧損。即便你找的都是貝塔系數較高的股票，但是由於自身相關，很可能是大盤強他們弱，僅僅由於其相關性強，而同時受到一個因素干擾。
G. 如何分析兩只股票的漲幅的相關系數
首先你需要選擇兩只股票的漲跌數據，比如可以是向前為其三個月的數據，或者是一年的數據，然後把兩只股票每天的漲跌數據 一一對應收集起來。
然後就可以採用簡單的相關分析，甚至其他的統計分析方法分析兩只股票的關系。
不過說實話 中國的股票數據反映的並不是經濟規律的真相，更多的是政策和市場信息的影響。
H. 股票 相關性計算
相關性分析比較書面化，因為實際中同時影響多隻股票的因素很多，不好剔除。但是如果你要簡單性進行數據分析的話，那麼就設立一個時間段，把這個時間段兩只或者多隻股票的漲跌幅變化進行對比就可以了。這是最簡單但最不精確的方法。如果你想嚴謹一些，那麼選定時間段，選取兩只或多隻股票所在的行業，把這幾只股票和行業整體情況作對比，再將整個行業和大盤作對比，只要你選取的時間段足夠長，那麼得出的整個行業的ß系數還是比較靠譜的，依據這個ß系數你再相互比較應該就可以得出這幾只股票間的ρ
I. 股票數據分析方法
股票價格的漲跌，簡單來說，供求決定價格，買的人多價格就漲，賣的人多價格就跌。做成買賣不平行的原因是多方面的，影響股市的政策面、基本面、技術面、資金面、消息面等，是利空還是利多，升多了會有所調整，跌多了也會出現反彈，這是不變的規律。
J. 股票市場相關性包含哪些內容
從總體相關性來看，股票市場和債券市場存在蹺蹺板效應，但是，這種效應在不同時期表現不一致。我們發現，在不同期間，股票價格波動和債券價格波動時而同向變化，時而反向變化。在2002年初到2004年底期間，股票價格波動與債券價格波動基本呈現出同向的變化趨勢；但是從2005年開始，兩者表現出非常明顯的反向變化。在前一個階段，兩者的相關系數為0.92，在後一個階段兩者的相關系數是-0.63。因此，股市和債市在2002年到2004年的3年時間里表現出強烈的協同效應；而在2005年初到2009年9月這將近5年時間里，表現出較強烈的蹺蹺板效應。對這種差別一種可能的解釋是，在前一段時期中，股市波動性相對不劇烈.計算得到，2002年到2004年期間，上證指數的波動標准差是20.9，只有全樣本波動性的三分之一。這種股票市場的較低波動性不足以引起投資者的股票和債券的資產組合發生大規模的變化。而這種協同效應主要由影響股市和債市的共同因素所致，比如利率的變化和經濟增長率的變化，這兩者的變化通常會帶來股市和債市的協同波動。因為股票和債券一樣都是資產，資產的價格通常同其收益率呈正比，與其貼現率成反比。經濟增長使得股票和債券的收益率都上升，市場利率的提高使得股票和債券的貼現率同時上升。為了更加詳細的分析兩者之間的關系，我們將股市的大起大落的階段作為參考期。顯示了在股市大漲大跌時期，債券市場價格的漲跌狀況。我們發現，除了2002年7月至2003年1月這段股市下跌時期中，債券市場出現同方向的下跌趨勢外，其它5個股市大波動時期，債券市場都表現出與股市變化相反的變動趨勢。在同向變化的這個時期，股價的漲跌幅最小。這組數據支持了股市與債市之間的「蹺蹺板效應」。表3的數據中表現出一個明顯的特徵是，股市漲跌幅越大，債市相反方向的漲跌幅也越大；並且，股市下跌時債市漲幅更加明顯。前一個特徵表現出投資者在資產組合選擇中對於風險的敏感性較高。後一個特徵主要是由於股市通常上漲較慢，而下跌較快。因此，在股市上漲時期，債市資金總是通過緩慢的方式撤離；而一旦股市出現大跌，投資者為了避免損失，會快速從股市撤出資金，大量資金從股市流入債市帶來的債券需求的突然增長，通常會較快的拉高債券價格。