股票的现价、换手和涨幅关系分析在SAS中的实现.docVIP

股票的现价、换手和涨幅关系分析在SAS中的实现 摘要 股票在现在被越来越多的人所使用。正所谓高收益高风险，股票就属于这种类型。股票让人欢喜让人愁。学习如何利用好股票的工具，让我们能更好地驾驭股票，是一门比较深的学问，也是我们炒股必不可少的一项工作。 关键词 股票名词关系分析、线图、散点图、SAS应用、统计分析。 一、问题重述 学习如何利用好股票的工具，让我们能更好地驾驭股票，是一门比较深的学问，也是我们炒股必不可少的一项工作。现价、换手和涨幅是人们平时比较关心的关键词之一。但是，很多人都弄不清楚他们之间到底有没有必然的联系。常常被股票的走势牵着鼻子走。现在，我们就来讨论这个问题。通过建立相应的模型来分析这三者之间的关系。由于股票数据众多，因此，我们先算出这三个因素每天的均值，然后对其均值作统计分析。 二、问题分析 要分析现价、换手和涨幅的关系，可以从最基层的数据开始。在这39个Excel表格中，每个表格有3758个记录和21个字段，即每个表格有3758行21列，导入SAS中成为数据集后则“记录”改为“观测”，“字段”改为“变量”。这么多的观测值，做成表格面对着这么一大堆数字，看到都头晕了，那就更谈不上分析了。即使画成图表，由于空间限制，也是无法看清楚他们之间的关系的。 三、模型假设 假设这三个变量不受其它因素影响或影响甚微，可以忽略不计。 假设这些数据都是真实可靠的。 假设全部数据的有效性不影响总体的结果分析。 四、符号说明 N： 所分析变量的有效观测数； Mean： 所分析变量的均值； Std Dev： 所分析变量的标准差； Sum Wgts： 所分析变量的加权的总数值； Variance： 所分析变量的方差； N Miss： 所分析变量的缺失数； Min： 所分析变量的最小值； Max： 所分析变量的最大值； Med： 所分析变量的中位数； Q1： 所分析变量的第一四分位数； Q3： 所分析变量的第三四分位数； Q3-Q1： 所分析变量的半极差； Std Mean： 所分析变量的均值的标准误； Range： 所分析变量的极差； Sum： 所分析变量的数据总和； CSS： 所分析变量的校正平方和； USS： 所分析变量的未校正平方和； Coeff of Variation： 所分析变量的变异系数； Skewness： 所分析变量的偏度； Kurtosis： 所分析变量的峰度； price： 字段“现价”在SAS数据集中的变量名； hs： 字段“换手”在SAS数据集中的变量名； zf： 字段“涨幅”在SAS数据集中的变量名； date： 字段“日期”在SAS数据集中的变量名； 五、模型的分析，建立和求解 用INSIGHT（交互式数据分析）中的分布函数来分析结果如下，其中第一个图为箱线图，红色竖线为均值（Distribution统计分析 1 – 现价均值的箱线图、密度分布图、矩统计量和分位数统计、Distribution统计分析 2 – 换手均值的箱线图、密度分布图、矩统计量和分位数统计、Distribution统计分析 3 – 涨幅均值的箱线图、密度分布图、矩统计量和分位数统计）： Distribution统计分析 1 – 现价均值的箱线图、密度分布图、矩统计量和分位数统计 Distribution统计分析 2 – 换手均值的箱线图、密度分布图、矩统计量和分位数统计 Distribution统计分析 3 – 涨幅均值的箱线图、密度分布图、矩统计量和分位数统计 下面是2011年6月9日以来39天的股票数据中现价、换手和涨幅的均值表格（39天均值表 1）。 39天均值表 1 date price hs zf 14.50082 1.617516 -2.14489 14.44009 1.189398 -0.18807 14.68197 1.457734 1.480995 14.51357 1.385221 -0.85981 14.15683 1.33813 -2.26736 13.95056 1.140316 -1.38176 13.80708 1.074578 -1.29156 13.89343 1.185508 1.424102 13.89828 1.160367 -0.10488 14.18357 1.453064 1.784555 14.39619 2.138703 2.38973 14.57818 1.994159 1.274252 14.62178 1.691