事件分析法理论(eviews 市场模型 t和J统计量)(19页)
事件分析法
一、事件分析法的定义
事件分析法（Event Study）是一种实证研究方法，最早是多利( Dolley) 于1933 发表的《普通股分拆的特征与程序》一文提出，他运用“事件研究法”对1921年-1931年间的95个样本考察了股票分割的股价效应。
事件研究法运用于金融领域，借助金融市场数据分析某一特定经济事件对该公司价值或市场产生的影响，即是否产生超常收益（Abnormal Returns）。
其理论基础在于，如果市场是有效的，那么此事件的影响会迅速反应到资产的价格上。
在有效市场理论中，半强式有效市场1可以用事件分析法验证。
狭义的事件研究法有时候被称为残差分析（Residual Analysis）或者超常收益测试（Abnormal Performance Index Tests）。
随后，Myers与Barkay（1948）、Barkay（1956、1957、1958）、Ashley（1962）等人进一步完善和发展了事件研究法。
Ball与Brown（1968）、Fama等人（1969）的研究使事件研究得以最终成熟。
其中，Ball和Brown最早采用了累积异常收益率方法检验了年报会计信息含量及其对股票价格的影响。
事件分析法的应用领域非常广泛，不同学者从本领域视角对其进行了阐述。
段瑞强认为“事件研究”是根据某一事件发生前后的资料统计，采用特定技术测量该事件影响性的
1若一事件不能使投资都获得超额利润，则市场可能是半强式的。
一种定量分析方法。
金融市场会有各种消息、政策、产品等事件的发生，这些事件的影响效应又会很快反映到资产价格上，因此“事件分析法”是金融市场研究中被广泛应用的实证分析方法。
何海江认为在一个充满理性投资者的市场中，某一事件对经济的影响可迅速由资产价格的变化反映出来，因此事件分析法是指通过短期内可观测资产价格的变化来研究某一事件对经济影响程度的方法。
王斐波等人认为事件分析法主要是分析某事件对于时间序列是否有冲击作用，其有效性基于这样一个事实: 在假设市场理性的前提下，一个事件(如新出口退税政策的实施)的影响会立即体现为市场的相关指标变动，因此可用一个相对短时期的市场的相关指标变动来分析和衡量该事件的影响。
总体而言，事件分析法的关键点在于探讨所关注事件在某个时段产生的影响效果，不同的领域在方法处理上也各不相同。
大体而言，利用事件研究法的文献，大致可以分成四大类（Henderson[1990]及Bownan[1983]）：
一是市场效率性研究（Market Efficiency Studies），这类研究主要在评估股票是否快速、不偏地反应某事件（如，Fama et al.[1969]）。
二是资讯内涵研究（Information Content Studies），即探讨资讯有用性研究，其目的是评估股价对于某一资讯揭
露的反应程度（如，Ball and Brown.[1968]）。
三是解释超常收益率研究（Metric Explanation Studies），主要目的在于进一步了解影响超常收益率的因素。
四是方法论研究（Methodology Studies），主要目的在于探讨事件研究法的改进，这类研究多以模拟的方式进行。
二、事件分析法的步骤
用事件分析法来研究某事件的发生对组织价值的影响以及影
响程度，通常需计算超常收益，因此其基础性步骤是设计和选
择计算正常收益的模型。
一个完整的事件分析法包括以下七个
步骤：
事件分析法（ESM）计算步骤示意图
（一）事件定义( Event Definition)
一旦确定了所要研究的事件或资讯，便需要进一步确定市场“知道”该事件或资讯的时点，即事件日的确定。
事件日是否能准确地确定，对事件研究法的成败有关键的影响。
1.事件的种类
一般而言，事件研究法研究的事件，可以分为两类，一类是同类事件（Type of Event）的研究，例如，研究会计盈余宣告及股票分割的宣告对股价的影响。
虽然所有样本索要研究的事件是一样的，但各个样本事件发生的日期可能不一样。
另一类是对某单一事件（Single Event）进行研究，即，所有样本索要研究的事件，不但是一样的，而且各个样本事件发生的事件也是一样的。
2.事件日的确定
一旦确定了所要研究的事件（如分红、增发等），下一步则是要定义“事件日”及事件窗口的长度，这是事件分析法最为核心和关键的步骤。
所谓的事件日，是指市场“接收”到该事件相关资讯的时点，而非该事件事件发生之时点。
例如，Dodd[1980]指出，由于过去探讨并购（Merger）事件对股价是否有影响的文献，多以并购“事件发生日”作为事件日，而非第一次“宣告并购”的日期，由于消息早就在宣告日为大家所知道，价格早已反应，或许这个原因，他们基本上未发现并购对股价有显著的影响。
此外，由于事件研究法主要是透过对事件日当天股价的变动情况，检验某件事对股价的影响。
因此，如果事件日当天是假日或其他原因，而股市没有开盘，则事件日可以重新定义为原事件日后第一个股市开盘日。
一个完整的事件分析包括估计窗口（Estimation Period）、事件窗口（Event Period/Window）和事后窗口。
事件分析法考虑到可能存在事件提前泄露的情形，因此选择事件窗口时通常也包括事件发生前的一段时间，这个窗口称为估计窗口。
同理，考虑到事件发生后带来的滞后效应，也在事件发生之后一段时间内构建事后窗口。
t=0表示事件日，t=-1表示事件日前一天，t=1表示事件日后一天，以此类推。
T1到T2为事件窗，事件窗内异常收益的大小用于度量事件对公司的影响程度； T0到T1为估计窗，用于估计正常收益模型的参数； T2到T3为事后窗，用于估计事件日后样本是否发生异常变化。
需要注意的是，为了剔除正常收益模型的参数估计值受相关事件的影响，需保证估计窗口、事件窗口和事后窗口不重叠。
（1）估计窗的设定
估计窗的选择有三种方式，一种是选在事件窗之前；一种是选择设定在事件窗之后，一种是分别选取事件窗前、后作为估计窗。
估计窗的长短选取并无客观标准，估计窗太短会导致模型参数估计不够准确，估计窗太长，数据可能会发生结构性变化，参数的值也会发生变化。
在实际操作中，对于以日收益建立估计模型的估计窗一般在100天-300天，对于以周收益建立估计模型的估计窗一般在50个月-120个月，对于以月收益建立模型的估计窗一般在24个月-60个月（Peterson,1989）。
（2）事件窗的设定
同样，事件窗的长短选取也无客观的标准。
一般而言，对已以日收益建立模型的事件窗一般为2天-121天，对于以月收益建立模型的事件窗一般为12个月-24个月。
（二）选样标准( Selecting Criteria)
在定义事件之后，必须决定样本选取标准。
具体而言，就是选取与该事件有关的一个样本，用于分析该事件对所要研究问题的影响（如有红利派发的公司）。
样本的选择要考虑数据的可获取性，同时要概括数据样本的某些特征，如公司资本市场价值、行业代表性等，防止样本的偏差现象。
（三）计算预期收益与超常收益( Calculating Normal and Abnormal Returns)
为了评价某事件的发生对公司价值的影响，需要计算正常收益和超常收益。
事件分析法一般通过考察某事件公告前后这段时期( 即“事件窗口”) 内股东的超常收益率来衡量事件的发生对公司价值的影响。
预期收益是指如果事件不发生的话预计可以得到的收益，超常收益（Abnormal Returns）是事件窗口时期的实际收益与预期收益之差。
预期收益的测量模型可分为统计学方法和经济学方法，这两种方法的区别在于: 统计学方法( 包括常数均值收益模型、市场模型等) 采用的是对资产收益的统计假设，其不依赖于任何经济学原理; 而经济学方法则完全依赖于对投资者行为的假设，而不是统计假设。
然而经济学模型的潜在优势并非其缺少
统计假设，而是它可能使我们利用经济学常识，更为精确地测量正常收益。
1.预期收益模式的种类
预期收益模型的种类非常多，大体上可以分为三类。
平均调整法（Mean-Adjusted Returns Model）
市场指数调整法（Market-Adjusted Returns Model）
风险调整法（Risk-Adjusted Returns Model）
每一个种类有很多变形，产生很多模型。
该模式主要利用回归模式，将单个样本的系统风险（Systematic Risk），即β系数，作为单个样本收益的预测因子。
风险调整模式有许多改良，如市场模型、资本资产定价模式、零β模型、多指标市场模式等。
由于市场模式被广泛应用，因此主要对风险调整法模式中最广泛应用的的市场模型进行分析。
详细的资料、案例、程序和数据可加QQ（微信同号）：1181442640
文件夹
相关资料
案例1
案例2。
Eviews数据统计与分析教程章图形和统计量分析PPT资料【优选版】
二、描述性统计量
1.序列窗口下的描述性统计量 在序列（Series）对象窗口下选择工具栏中的“View”| “Descriptive Statistics”（描述性统计量）选项，将出现4 个选项。
第一个选项是“Histogram and Stats”（直方图和统计 量），能显示序列对象的直方图和一下描述性统计量的值。
的交叉相关图需选择“View” 一般情况下Granger因果检验的滞后期要根据AIC和SC准则来确定。
图最下方是JB（Jarque-Bera）统计量及其相应的概率 例如上图中的峰度为 >3，外商直接 （fdi）的分布呈尖峰状态。
或者将鼠标移动到图形上，点击鼠标右键，在弹出的菜单中选择“Copy”。
如中果位该 数时（（间Me序dPi列anr经）o过检b一验阶a差b分il后it变y为）平稳。序列J，B则统称该计序列量为一用阶单来整序检列，验记作序I(1)；列观测值是否服从 正态分布，该检验的零假设为样本服从正态分布。在零假设 “Phillips–Perron”（PP）检验法，
二、描述性统计量
1.序列窗口下的描述性统计量 “Std.Dev”表示标准差，用来衡量序列观测值的离散程度， 其计算公式为
其中，σ为标准差，N为样本观测值个数，xi是样本观测值，
为样本均值。
二、描述性统计量
1.序列窗口下的描述性统计量 “Skewness”表示偏度，用来衡量观测值分布偏离均值的状况， 其计算公式为
其中 是变量方差的有偏估计。当S=0时，序列的分布是对 称的，如正态分布；当S >0时，序列分布为右偏；当S <0时， 序列分布为左偏。例如上图fdi中的偏度为 >0，所以我国的 外商直接 （fdi）的分布是不对称的，为右偏分布形态。
EVIEWSPPT课件
• 采用后两种方式需要熟悉EViews指令及其 格式，这些内容可以从EViews手册或帮助 文件中获得。
使用EViews软件
• 一、创建工作文件 • 二、输入和编辑数据 • 三、观察数据特征 • 四、对数据做变换 • 五、估计模型参数 • 六、模型检验 • 七、预测
EViews窗口
• EViews窗口分为几个部分：
– 标题栏 – 主菜单栏 – 命令窗口 – 工作区(或主显示窗口) – 状态行
主窗口上方排列着按照功能划分的9个主菜单。
• File:有关文、读出、打印等。
• Edit:编辑功能。 • Object: 提供关于对象的基本操作 • View和Procs：二者的下拉菜单项目随当前窗口
工作文件创建——菜单方式：
初始工作文件
建立操作对象——如 变量
菜单方式:Object-series
未命名和未录入数据的一个数据序 列
命名为consp 和gdpp两个序列与数据
用consp 与gdpp做最小二乘回归
结束语
当你尽了自己的最大努力时，失败也是伟大的， 所以不要放弃，坚持就是正确的。
的不同而改变，功能也随之变化，主要涉及变量 的多种查看和运算过程。
• Quick:提供快速分析过程，包括常用的统计分析 方法、回归模型等。
• Options:系统参数设定选项。 • Window:提供多种在打开窗口中进行切换的方式。 • Help:帮助选项。
EViews的工作方式
• EViews有四种工作方式
EViews的主要功能
• (9)计算描述统计量：相关系数、协方差、自相关函数、互 相关函数和直方图。
经济数据分析软件Eviews PPT
4. 多变量的协整检验：Johansen Cointegration test
5. 关于误差修正模型（ECM）
yt xt t 1
6. 经典回归模型的缺陷 （三）随机时间序列分析的AR(p), MA(q), ARMA(p,q)模型 练习：教材 P232（例8）、P240（例10） 、P281（例20）
要求结合实际问题确定研究对象建立计量经济学模型简单回归时间序列var写出完整的研究报告定性和定量分析相结合图表文字等独立完成报告不少于4000字最终模型对于非稳定变量构建协整回归模型和ecm模型
二、Eviews应用举例（回归模型的OLS估计）
1. 一元线性回归模型估计
2. 多元线性回归模型估计（多重共线性检验）
关键：以信息准则确定滞后值
七、向量自回归（VAR）模型估计
4. 脉冲响应函数和方差分解
VAR方程/impulse response 5. 有协整关系：VEC模型构建
workfile/objects/new objects/VAR quick/estimate/VAR 6. 预测 VAR(VEC)方程/procs/make model/solve 7. 小结 练习：教材 P243（例11）
3. 关于报告的编写
— 研究问题的说明
— 模型中变量选择和模型关系式设定 — 样本数据收集和说明
— 时间序列数据平稳性检验
— 参数估计和检验 — 最终模型（对于非稳定变量，构建协整回归模型和 ECM模型；如果构建的是VAR/VEC模型，应有Johansen 协整检验结果） — 预测和经济意义分析 — 结论、建议或评价
3. 多变量的协整检验：扩展的EG检验法 — 检验目的：同2。 — 在检验是否存在稳定的线性组合时，需通过设置一个 变量为被解释变量，其他变量为解释变量，进行OLS估 计。同时，检验残差序列是否平稳。 — 如果不平稳，则需更换被解释变量，进行同样的OLS 估计及相应的残差项检验。 — 当所有的变量都被作为被解释变量检验之后，仍不能 得到平稳的残差项序列，则认为这些变量间不存在协整。
Eviews数据统计与分析教程4章图形和统计量分析
目录
• 引言 • 图形分析 • 统计量分析 • Eviews操作实践 • 案例分析 • 总结与展望
01 引言
课程目标
掌握Eviews软件中常用的图形绘制方 法，如折线图、柱状图、饼图等。
理解图形和统计量分析在数据分析和 预测中的应用。
02
深入了解各种统计模型和方法，以便更好地应用 Eviews进行数据分析。
03
学习如何将Eviews与其他数据分析工具（如Excel、 Python等）进行集成，以提高工作效率。
THANKS FOR WATCHING
感谢您的观看
适用场景
注意事项
当你想了解数据分布的形状时，可以使用 偏度和峰度。
偏度和峰度可以帮助你识别异常值和识别 分布的形状特征。
04 Ev量之间的关 系，通过观察散点的分布和 趋势，可以初步判断变量之 间的相关性。
折线图
用于展示时间序列数据的变 化趋势，通过观察折线的走 势，可以了解数据随时间的 变化情况。
03 统计量分析
平均值
01
02
03
平均值
表示数据集的集中趋势， 计算所有数值的和除以数 值的数量。
适用场景
当你想了解数据的中心趋 势时，可以使用平均值。
注意事项
平均值对异常值敏感，异 常值会显著影响平均值的 计算结果。
中位数
中位数
将数据集从小到大排序后，位于中间位置的数 值。
适用场景
当你想了解数据的中等水平时，可以使用中位 数。
柱状图
总结词
比较不同类别数据的大小
详细描述
柱状图通过不同高度的柱子来比较不同类别数据的大小。每个柱子代表一个类别，高度代表该类别的数值。柱状 图可以清晰地展示不同类别之间的数值差异，便于我们进行数据的直观比较。
事件分析法(Event Study).ppt
（一）研究步骤
1 事件定义（Event definition）
• 确定所要研究的事件 • 明确事件所涉及公司证券价格的研究期
括行业指数)
只当针对具有共同特征的样本时才值得考 虑。
（三 ）Example（以市场模型为例）
1 求正常收益
Ri Xii i
从估计窗中运用OLS得到 i
2 把 i代入事件窗中求非正常收益AR
* i
Ri*
X
* i
i
3 计算累计非正常收益率CAR与标准化非 正常收益率SCAR
CARi 1, 2 i*
事件分析法（Event Study)
Outline
• 简介 • 标准事件分析法步骤. • 标准事件分析法总结 • 标准事件分析法的拓展
简介
事件分析概述
• 定义 指运用金融市场的数据资料来测定某一特定经 济事件对一公司价值的影响。
• 基本原理 假设市场理性，则有关事件的影响将会立即反 映在证券价格之中。于是，运用相对来说比较 短期所观察到的证券价格就可以测定某一事件 的经济影响。
即假定某一证券的平均收益不随时间的改变而
改变。
Rit i it
Eit 0
VARit
2
i
本模型虽然简单，但是却可得到与复杂的模型相 近的结果Brown and Warner （1980、1985）。
评论：模型的选择缺乏敏感性，可能是由于即使 采用了更为复杂的模型也未能降低ARs的方差。
2市场模型(market model)
计量经济软件eviews使用指导及示例演示(收藏精品)
第一部分 Eviews简介Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。
1、Eviews是什么Eviews是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。
使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。
Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。
Eviews是专门为大型机开发的、用以处理时间序列数据的时间序列软件包的新版本。
Eviews的前身是1981年第1版的Micro TSP。
目前最新的版本是Eviews4.0。
我们以Eviews3.1版本为例，介绍经济计量学软件包使用的基本方法和技巧。
虽然Eviews是经济学家开发的，而且主要用于经济学领域，但是从软件包的设计来看，Eviews的运用领域并不局限于处理经济时间序列。
即使是跨部门的大型项目，也可以采用Eviews进行处理。
Eviews处理的基本数据对象是时间序列，每个序列有一个名称，只要提及序列的名称就可以对序列中所有的观察值进行操作，Eviews允许用户以简便的可视化的方式从键盘或磁盘文件中输入数据，根据已有的序列生成新的序列，在屏幕上显示序列或打印机上打印输出序列，对序列之间存在的关系进行统计分析。
Eviews具有操作简便且可视化的操作风格，体现在从键盘或从键盘输入数据序列、依据已有序列生成新序列、显示和打印序列以及对序列之间存在的关系进行统计分析等方面。
Eviews具有现代Windows软件可视化操作的优良性。
可以使用鼠标对标准的Windows 菜单和对话框进行操作。
操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。
此外，Eviews还拥有强大的命令功能和批处理语言功能。
在Eviews的命令行中输入、编辑和执行命令。
在程序文件中建立和存储命令，以便在后续的研究项目中使用这些程序。
Eviews统计第四章
第四章 EViews与统计分析
单序列统计量的计算及检验 2.单序列描述统计量的检验
单序列单击View| Descriptive Statistics & Tests命令后， 其下一级菜单中第二部分和第三部分就是对序列描述统计 量的检验，包括Simple Hypothesis Tests（简单假设检 验）、Equality Test of Classification（分组齐性检验） 和Empirical Distribution Tests（经验分布检验）。
第四章 EViews与统计分析
单序列统计量的计算及检验
1.单序列的描述性统计量 单击View| Descriptive Statistics & Tests命令， Descriptive Statistics & Tests下一级菜单中包含三部分。 第一部分就是此序列的描述性统计量，Histogram and Stats 是序列的直方图及有关统计量，Stata Table是序列 有关统计量的表格，Stats by Classification 是序列的分 组统计量。
第四章 EViews与统计分析
单序列统计量的计算及检验 单序列统计量的计算、检验与图形操作通过序列对
象窗口工作栏的View键实现。如图4-1所示的View 键下拉菜单分为四个部分。
第四章 EViews与统计分析
单序列统计量的计算及检验
引入案例4.1用于之后的序列统计分析操作。案例4.1记录 了从1990年至2007年的我国国民生产总值和第三产业增 加值的相关数据，单位为亿元。
窗口单击View|Descriptive Stats|Common Sample命令，即可输出序列组各序列的基本描述性 统计量。
EVIEWS计量经济学多种方法模型分析
居民消费水平与居民家庭课支配收入、CPI、税收及GDP之间关联度的实证分析姓名：司武俊班级：093物流一班学号：20093089013摘要在中国经济发展进程中，消费是伴随其发展的一个重要内容，伴随着经济增长的加快，消费形式的变化也越来越快，消费作为我国经济增长的三驾马车之一，起着不可替代的作用，只有把经济增长转变为依靠内容的增长，才能真正实现惠国惠民国策。
凯恩斯认为，短期影响个人消费的因素比较稳定，消费者的消费主要取决于收入的多少。
但是大家都知道，收入的变化并非影响消费的全部因素。
尤其，在短期内，有时边际消费倾向可以为负数，即收入增加时消费反而减少，收入减少时消费反而增加；有时边际消费倾向会大于1，即消费增加额大于收入增加额。
这些现象告诉我们，在日常生活中，除了收入，还有其他一些因素会影响消费行为。
本文利用1990年—2009的二十年数据，选取了居民可支配收入、CPI、税收、GDP四个因素分析对居民消费的影响，旨在说明其中的相互关系，为国家政策的制定与实施提供参考意见。
目录摘要·····················································一，引言·················································二，模型建设与参数估计···································三，假设检验··············································四，确定解释变量个数·····································五，结构稳定性检验·······································六，多重共线性的诊断及相应的补救措施·····················七，自相关诊断及相应的补救措施···························八，异方差诊断及相应的补救措施···························九，预测模型选择·········································十，小结·················································一，引言改革开放以来，我国居民收入与消费水平不断提高，居民消费结构升级和消费需求扩张成为我国经济高速增长的主要动力，特别是进入20世纪90年代以来，居民消费需求对国民经济发展的影响不断增大，对国民经济产生了拉动作用。
Eviews基本操作学习（图示版）
Eviews基本操作学习（图⽰版）⽬录⽬录 (1)1、EViews简介 (3)1.1 什么是EViews (3)1.2 启动和运⾏EViews (3)1.3 EViews窗⼝ (3)1.4关闭EViews (4)2、EViews基本操作 (5)2.1⼯作⽂件与对象 (5)2.1.1⼯作⽂件 (5)2.1.2对象 (7)2.2数据处理 (10)2.2.1数据对象与样本 (10)2.2.2数据的输⼊和输出 (12)2.3图形与表格 (14)2.3.1图的创建 (14)2.3.2图的修改 (14)2.3.3多个图 (16)2.3.4图的打印和输出 (17)2.3.5表格对象 (18)2.3.6表的输出 (18)2.3.7⽂本对象 (19)3、基本回归模型 (19)3.1估计和⽅程对象 (19)3.1.1⽅程对象 (19)3.1.2在EViews中对⽅程进⾏说明 (20)3.1.3在EViews中估计⽅程 (20)3.2⽅程输出 (20)3.3⽅程操作 (22)3.3.1⽅程视图 (22)3.3.2⽅程过程 (24)3.3.3缺省⽅程 (24)4、基本检验 (24)4.1多重共线性的检验 (24)4.2异⽅差的检验 (25)4.3 ⾃相关的检验 (26)5、时间序列模型 (27)5.1时间序列平稳性的单位根检验 (27)5.1.1单位根的ADF检验 (27)5.1.2Phillips-Perron(PP)检验 (27)5.2协整 (28)6、案例分析 (29)6.1多元线性回归及多重共线性的检验 (29)6.2异⽅差的检验 (31)6.3⾃相关的检验 (34)6.4时间序列的单位根和协整检验 (36)1、EViews简介1.1什么是EViewsEViews 是在⼤型计算机的TSP (Time Series Processor)软件包基础上发展起来的新版本，是⼀组处理时间序列数据的有效⼯具，是当今世界上最流⾏的计量经济学软件之⼀。
Eviews统计第十九章
研究背景和目的
自从资本资产定价模型诞生以来，β系数就是用于测量证券市场系 统风险的一个重要概念。就方法论而言，β系数须要从过去证券市场 的收益率数据中进行估计，而过去的数据估计出来的只能是过去的β 系数。过去的β系数要能用于反映现在或将来的风险，必须具有一定 的稳定性。因此，β系数的稳定性检验就显得非常重要。
浙江东方
辽宁成大
1207
1194
600739
600704
中大股份
上海物贸 中国高科 中化国际
1111
1192 1199 1205
600822
600730 600500
研究的数据选择 2.股票样本时间跨度选择
为了研究β系数的稳定性特征，提高检验的准确性，需要较长的样本 观测时间段。本案例选取了尽可能长的时间窗口，最终选取了2005 年1月4日-2010年2月22日超过五年的日交易样本数据，并剔除各 股停牌的交易日数据。研究的单支股票观测样本达到1100个以上， 16支股票的总观测样本达到了19068个
EViews操作 前期序列对象建立 （1）创建工作文件 （2）建立序列对象 回归模型的建立和β系数的估计 β系数的Chow稳定性检验
前期序列对象建立
回归模型的建立和β系数的估计
股票名称 东方创业 时代万恒 弘业股份 五矿发展 建发股份 厦门国贸 江苏舜天 申达股份 新华锦 兰生股份 浙江东方 辽宁成大 中大股份 上海物贸 β系数 1.227 0.972 1.181 1.305 1.115 1.246 1.253 1.152 0.800 1.167 1.223 1.313 1.284 1.093 伴随概率 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00