㈠ 如何用python做回歸 判斷這個股票和股指間的關系
一個大項目的完成不是樓主以為的一天就能完成，通常會延續一年月乃至數年，看當時的風有多大了。所以去深究一天的盤口意義不是特別大。
大作手如果對大的基本面判斷失誤，籌碼、發動時機控制不好，鎖籌小夥伴背後捅刀子，走水出現大的老鼠倉，資金鏈出問題，碰到其他有錢任性的機構，老婆偷人槍殺兒子導致腦子短路等等雞飛狗跳的事情，項目做折掉，從莊家變股東的可能性也是非常大的，以億計的現金灰飛煙滅不過分分鍾的事情。
===============================================================
A股的死穴——要賺錢必須漲，做多是唯一出路。
做莊的基本原理：比如5元的標的，在底部拿夠籌碼，配合風信，能做多高做多高，比如做到50塊，然後就一路壓低賣下來，賣到15塊，乃至10塊。總有人覺得夠
便宜了會要的。
===============================================================
步驟1：做底倉，一般是先買到流通盤的30%。
具體做法就是在熊市末期，對著往上敲，然後虧本往下砸。賣1個，跟著會掉下來2-3個，接住。做底吸籌這個時間段有時會很長，視實際籌碼的收集情況和大盤走勢而定。
看下圖成交量，主力第一注就是下在中間偏左點的位置，進而不斷往震盪吸籌。那麼大的成交量，你總不會覺得是公眾交易者干出來的吧。
tip:標准底部的特徵就是脈沖式放量縮量，公眾交易者不參與任何震盪，切記。底部持續時間越長，籌碼控制越集中，以後上漲的高度越高，即所謂的橫有多長豎有多高。同時盡量挑選底部形態比較標準的標的，一年時間跨度以上的大圓弧底、復合頭肩、矩形底最好。越漂亮的走勢圖形控盤度越高，籌碼散亂的狀態下往往代表著多方博弈。
㈡ 求居民儲蓄與股價指數相關性分析的論文
【摘 要】
總體經濟分析在加權股價指數評價上的重要性已逐漸提升，也一直是學術界與實務界所關心和探討的問題，本研究選取1991年1月到2002年12月台灣景氣面(景氣領先指標年增率、工業生產指數年增率、外銷訂單年增率及營收年增率)與資金面(M1b年增率、M2年增率與貨供動能年增率)的總體經濟指標月資料，利用單根檢定、VAR檢定及多元回歸模型計量方法，分析其與股價的關聯性，所得結論如下：
一、 總體經濟指標並無領先加權股價指數的特性，然而加權股價指數具有領先工業生產年增率、營收年增率與貨供動能指標的特性，領先期數分別為1個月、4個月及3個月。
二、 透過多元回歸分析發現，加權股價指數與一期後的工業生產指數年增率及四期後的營收年增率具有正向的顯著關系，可見股價具有領先景氣面的特性；而加權股價指數也顯著地領先三期後的貨供指標，亦即股市上揚也充分反映資金動能的充沛。
三、 加入誤差修正後的台股預測模型在檢視2003年1月到2004年2月的股價表現，以近兩期的股價表現最佳，皆在兩個標准差之內；而利用該模型所得的預期股價走勢與實際股價走勢方向一致，因此可作為中長期股價趨勢的參考。
一、前 言
單一企業的股價受到個別企業的財務狀況或是經營者態度，具有很大的差異，因此在選股上難度不小。至於加權指數是所有企業股價的加總，透過投資大盤可以降低投資組合中的非系統性風險，將總風險降至較低的程度，因此近年來，以大盤為標的商品逐漸被大家所重視，期貨及選擇權的日益蓬勃，可見一斑，而2003年寶來投信更推出以台灣上市公司市值前50名的企業為主的台灣50ETF(上市代碼：0050)，其與大盤相關性甚高的特性，也是市場投資人藉以投資大盤的工具之一。因此，建構大盤的評價模式已是投資人投注心力之所在。
研判大盤走勢的方法大致可分為基本分析與技術分析，前者目的在於研究股票的真實價值，依據經濟現象、政經措施與企業消息，配合公司營運狀況，作為股價升降趨勢與買進賣出的判斷依據。而後者則是利用過去股票市場行為，包含股價、成交量或是波動性等資訊，來作為研判後勢的工具。然而，技術指標往往隨著時點及使用者習慣而有所偏好，不若基本面在於既有的公開資訊，在使用上較具客觀性，且隨著外資與國內法人參與股市的比重漸增，基本面研判的比重更見廣泛。
影響股價的基本面因素大致可分為總體經濟因素、市場因素及公司本身因素，其中總體經濟分析對於股價走勢研判具有相當大的價值，概因股價指數素有經濟櫥窗之稱，具有預期未來經濟活動的盛衰，但經濟活動也同是支撐股價波動的必要條件，因此本研究著重在透過觀察總體經濟變化與股價的關系，並建構一套完整的觀察模型，隨時調整基本面的起伏因素，以發掘股市的多空轉折。
總體經濟因素主要涵蓋景氣面與資金面。就景氣面來看，景氣擴張時期，企業營運收入增加將有助股價表現，而景氣衰退時，企業營運收入也將隨之萎縮，因此景氣的變動與股價間存在著關連性，國內外文獻也肯定景氣面因素對於股價的影響 ，惟對於選取變數有不同的看法，且對於領先落後關系的結果有不同的演繹，故本研究認為有重新檢視之必要。
此外，寬松的貨幣政策，提高市場貨幣供給也降低利率水準，增加投資人購買股票意願與能力，有助於股價的推升；反之，緊縮的貨幣政策，將降低市場貨幣供給並促使利率水準上揚，借貸資金成本上升，間接降低投資人對股票投資的意願與能力，股價揚升力道減弱。由此看來，資金面似乎能引導股價揚升，表2的部分研究確實支持該論點。然而本研究以為股價反應景氣而上漲，在揚升的過程中，投資人才會將資金投入股市，貨幣供給隨之增加，因此，股價與資金並不一定是誰先誰後，有必要對此重新檢視，且過去文獻並未將M2水位增減納入考量，本研究也將此考量納入模型中。
因此，本研究企圖由基本面出發，透過總體經濟指標的選擇，建構大盤觀測模型，作為投資人進行投資決策的參考。
（二）向量自我回歸檢定
當利用向量自我回歸(VAR)模型，本研究並未發現所選取的五項變數能夠領先加權股價指數，不過股價具有領先部分總經變數的特性，這樣的結果是可以預期的，因為股價反應投資人對未來的預期，因此，股價領先景氣或是資金是可以預期的，只是領先期數的多寡。
表5可知，景氣領先指標年增率與外銷訂單年增率對於加權股價並無領先落後關系。
當月工業生產指數年增率產受到前一期股價及前二、三期的工業生產指數指數年增率的影響，也就是說，股價具有領先工業生產指數年增率一個月的特性，這與王瑪如與蘇永成(1998)的研究得到相同結論。
注2:***表示在1%的顯著水準，**表示在5%的顯著水準，*表示在10%顯著水準
而營收年增率受到前四期股價及本身前一、二、三期影響，亦即股價具有領先四期後營收年增率特性；而貨供動能指標受到前三期股價及本身前一期的影響，因此股價具有領先三期後貨供動能性指標的特性。
（三）回歸方程式建立
透過VAR分析，本研究選取工業生產指數年增率與營收年增率及貨供動能指標作為台灣加權股價指數的解釋變數，然而，考量工業生產指數與營收年增率同為景氣類變數，相關系數高達0.7，因此將這兩個變數分離考量。
考量工業生產指數年增率與貨供動能指標下的模型顯示，股價與一期後的工業生產指數年增率具有正向關系，而與三期後的貨供動能指標有負向關系，其經濟意義所代表的是當預期下月景氣持續好轉且三期後的資金仍持續增加下，當月股價將具揚升動能，反之，當下月景氣趨勢向下且三期後的資金動能不足時，當月股價將提前反應投資環境的惡劣而下降。
本研究也利用全體上市櫃公司營收作為景氣替代變數，透過表6也可得到：四個月後的營收年增率持續成長，再加上三個月後的市場資金動能充沛下，當月股價表現多為上漲，反之亦然。
至於在模型的解釋能力上，利用營收年增率與貨供動能指標作為股價的解釋變數的模型，模型解釋能力上較佳。
（四）樣本外測試
在模型1與模型2下，利用2003年1月至2004年2月的總體經濟資料進行樣本外的預測模型模擬，在預測模型的模擬過程中，本研究加入誤差調整(Error Correction)，以使預測值能考量前期誤差的修正值，並利用該時點之前的36個月平均指數月標准差，檢測實際值是否在可接受范圍內。
四、結論與建議
總體經濟分析在加權指數評價上的重要性已逐漸提升，也一直是學術界與實務界所關心和探討的問題，本研究針對1991年1月到2002年12月資料分析台灣加權股價指數與景氣面(景氣領先指標年增率、工業生產指數年增率、外銷訂單年增率及營收年增率)及資金面(M1b年增率、M2年增率與貨供動能年增率)的關系。分析所得結論如下：
(一) 加權股價指數、景氣領先指標年增率、工業生產指數年增率、外銷訂單年增率、營收年增率及貨供動能指標為時間數列資料，然經ADF單根檢定顯示，具有定態關系，可為回歸分析之變數。
(二) 透過VAR檢定發現，本研究所選取的總經指標並無領先加權股價指數的特性，然而，股價卻具有領先部分總體經濟指標的特性：包括領先工業生產指數年增率一個月，領先營收年增率四個月，以及領先貨供動能指標三個月的特性。
(三) 透過多元回歸分析，本研究發現股價與一期後的工業生產指數年增率與四期後營收年增率具有正向顯著關系，可見股價具有領先反應景氣的特性，而股價也與三期後貨供動能指標具有顯著的負向關系，可見股價揚升將帶動投資人將資金轉入股市，提供更充沛資金動能。
(四) 透過多元回歸模型，並考量誤差修正，檢測2003年1月到2004年2月的股價變化，模型預測准確度在首二個月內符合兩個標准差之內的水準，因此預估指數水準在近兩個月較具准確度，然利用該模型所得之股價預期值與實際預期值方向一致，因此可作為中長期股價趨勢的參考。
正如先前所提，股價行為反應資訊，然市場資訊非單一總經指標所能完全描繪而出，非經濟因素也同樣影響股票市場，尤其台灣本身屬於淺碟市場，任何的風吹草動都可能影響股市，後續研究者在模型建構上，建議可加入更多層面因素，甚至於質性因素，也都是不錯的選擇。而實際投資上，本研究則建議除利用本研究所建構之模型進行趨勢分析之外，另可利用其他類經濟模型諸如承載力模型 或是相對價值模型等作為決策參考。
㈢ 回歸分析中相關指數和相關系數有什麼聯系與區別
在線性回歸有,有上述關系.即：R^2=r^2
在其實回歸模型中不一定適用。
R^2表達的是解釋變數對總偏差平方和的貢獻度,強調的是「幾個模型」之間的擬合度的好與壞。
r表示解釋變數與預報變數之間線性相關性的強弱程度,用來判斷是否具有線性相關性。
㈣ 線性回歸分析和指數回歸分析有什麼區別，如何使用
您好
線性回歸分析和指數回歸分析其實理論基礎是一樣的，基本沒有區別，另外，今年的股票基本會出現大幅度的下跌，這已經是不可避免的了，經濟數據您也可以看到，股票市場的股票業績下滑也是不爭的事實，另外大股東的股票減持和注冊制度加快實施，也會嚴重影響股票市場，另外新股加速擴容和人民幣加速貶值，都在很大的方面壓制股票，這些還只是股票市場困難的一個部分，所以作為理財師我建議您，保持觀望，遠離股市，真誠回答，希望採納！
㈤ 股票收益率和市場收益率回歸怎麼做
首先，每年用股票i 的周收益數據進行下列回歸:
Ri，t = αi + β1Rm，t －2 + β2Rm，t －1 + β3Rm，t + β4Rm，t +1 + β5Rm，t +2 + εi，t
其中，Ri，t為股票i 第t 周考慮現金紅利再投資的收益率，Rm，t
為A 股所有股票在第t 周經流通市值加權的平均收益率。本文在方程( 1) 中加入市場收益的滯後項和超前項，以調整股票非同步
性交易的影響( Dimson，1 979) 。
股票月收益率回歸分析,與大盤及宏觀變數的相關性分析,與指數的相關性,選出行業中具有代表性的個股。用其月收益率同大盤股票指數進行回歸分析。
㈥ 請分析一下我的線性回歸結果。我是用eviews軟體做的2009年—2013年的上證180指數與上證基金指數關系。
模型還可以，R方是0.649，也通過了顯著性檢驗，因為x系數對應的P值小於0.05.
但存在顯著的自相關，因此結論並不可靠。建議用廣義差分法。
㈦ 急！回歸分析的基本運用（指數形式）
線性回歸：
A=(nsigma(xy)-sigma(x)sigma(y))/(nsigma(x^2)-sigma(x)^2)
B=y的平均值-B×x的平均值
y=A+Bx
r^2=(nsigma(xy)-sigma(x)sigma(y))^2/(nsigma(x^2)-sigma(x)^2)
(nsigma(y^2)-sigma(y)^2)
1，（1）按上面公式，A=4.54419 B=-0.12817
(2)ln(y)對x回歸A=e^1.47988=4.3937 B=-0.04146
2.(1)R^2=0.4951(2)r^2=0.69848
3.r2^2>r1^2,(2)較好，將50帶入之y=0.552762
注意:r(或者r^2)越接近1就越好!
㈧ 求一份用spss做的相關性回歸分析 內容為股指期貨與現貨指數的相關性分析 有類似的也行 急急急急急急
有一元性回歸，和多元性回歸不知道你用哪種？不過簡單的一句話是說不清的，需要一點時間弄明白！
㈨ 3.在回歸分析中相關指數的作用是什麼
在統計學中，回歸分析指的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。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。在回歸分析中，相關指數R2越接近1，說明：回歸模型的擬合效果越好。
溫馨提示：以上信息僅供參考。
應答時間：2021-11-17，最新業務變化請以平安銀行官網公布為准。