统计学第二次大作业.pptVIP

统计学第二次大作业 ——股票分析 管理学院 信息０４７０２第三小组 组员 李丽芹　 　　　刘鹤 　　　蔡鲁文 　　　何康 一、背景介绍 随着我国经济的发展和经济体制改革的深入，建立一个繁荣有效的金融市场势在必行，证券市场作为它的重要组成部分，正在发挥越来越重要的作用。在这一进程中，股票投资成为了一个越来越被普遍接受的投资选择。广大投资者不断寻求对个股和大盘分析和预测的有效途径以便对投资选择提供保障和支持。个股组成大盘，大盘反作用于个股，这似乎是毋庸质疑的事实。那么，能否通过探求它们之间的关系从而对预测和决策提供支持就成了我们所关心的课题。 二、引出问题 问题研究方法 我们主要采用相关性分析、回归分析、时间序列分析的方法进行分析，其中主要有个股和个股的关系（即“深发展”和“四川长虹” 的关系）、个股和大盘之间的关系（即“深发展”和“深证指数” 的关系、“四川长虹” 和“上证指数” 的关系）进行分析。 三、数据说明 本案例中采用的数据以1998年12月29日至2002年3月13日“深证指数”的每日收盘指数、“上证指数”的每日收盘指数、“深发展”的日收盘价和“四川长虹”的日收盘价为变量 四、数据预处理 由于数据中有部分缺失（“四川长虹”日收盘价 缺少80个，“深发展”日收盘价 缺少一个），会影响数据关系的分析，因此我们预先用SPSS软件对其中的缺失的部分进行了预处理： 用SPSS中Transform—Replace missing values 功能 五、相关性分析 “深发展”和“四川长虹” 的相关性 散点图 六、回归分析 由上述的相关分析可知： 个股与个股、个股和大盘之间都存在着较强的相关关系。因此，我们用回归分析来建立彼此之间的一元线性回归模型。 用SPSS软件分析可得出以下结果： 七、时间序列分析 八、总结 四川长虹=1.243*深发展+1.845; 深证指数=157.660*深发展+2.003; 上证指数=17.911*四川长虹+462.829 深发展=-3.764*10e-7*t*t*t+0.00047t*t-0.135t+17.564 前三个方程表明了个股与个股、个股与大盘之间存在着关系，但并不能作为一种主要的用于支持投资决策的预测手段。后一个方程是对个股的长期趋势分析。具有可操作性。 “深发展”和“深证指数” 的回归模型 描述统计量表和相关系数矩阵： 变量深发展和深证指数的相关系数为0.921，说明两者关系紧密； P值0.05，拒绝两变量没有相关性的假设。 “深发展”和“深证指数” 的回归模型 R Square=0.848,表明变量深发展可以解释变量深证指数84.8%的变异性。 调整后的R Square=0.847。 回归系数显著性检验： 由于显著性水平0.05,即认为回归系数不为零，方程是有意义的。 系数表和系数相关性分析表： 显著性系数0.05，说明这两项系数都是显著性统计。 深证指数=157.660*深发展+2.003 其中： 常数项的95%的置信区间为(-86.833,90.839); 系数的95%的置信区间（152.954,162.366). 标准化残差频数直方图： 可见标准化残差频数大致符合正态分布。 残差分析 P-P图： P-P图近似为一条直线，因此标准化残差满足正态性分布。 标准化残差-标准化预测值散点图： 由于散点基本分布在零轴两侧，因此可以认为线性假设成立。 标准化预测值-学生化残差： 由于散点基本分布在零轴两侧，因此可以认为方差齐性假设成立。 因此，可以认为由一元线性回归得出的模型能比较好的反映两者之间的线性关系。 “四川长虹” 和“上证指数” 的关系 描述统计量表和相关系数矩阵： 变量四川长虹和上证指数的相关系数为0.903，说明两者关系紧密； P值0.05，拒绝两变量没有相关性的假设。 模型综述表： R Square=0.815,表明变量深发展可以解释变量深证指数84.8%的变异性。 调整后的R Square=0.815。 回归系数显著性检验： 由于显著性水平0.05,即认为回归系数不为零，方程是有意义的。 系数表和系数相关性分析表： 显著性系数0.05，说明这两项系数都是显著性统计。 上证指数=17.911*四川长虹+462.829; 其中： 常数项的95%的置信区间为(446.916,478.943); 系数的95%的置信区间（17.286,18.536). 残差分析 标准化残差频数直方图： 可见标准化残差频数大致符合正态分布。 P-P图： P-P图近似为一条直线，因此标准化残差满足正态性分布。