股票月收益率回归分析ppt课件
合集下载
月度个股收益率
北方国际 长城电脑 华侨城A 特发信息 海王生物 盐田港 深圳机场 天健集团 广聚能源 中信海直 TCL集团 宜华健康 中成股份 丰原药业 华数传媒 中联重科 常山股份 国际实业 东方市场 美的集团 潍柴动力 许继电气 冀东水泥 金融街 华意压缩 胜利股份 金谷源 山东地矿 沈阳机床 英特集团 东旭光电 渤海金控 合肥百货 小天鹅A 通程控股 吉林化纤 南京中北 湖北宜化 东阿阿胶 徐工机械 兴业矿业 华天酒店 粤高速A 张家界 晨鸣纸业 山东路桥 鄂武商A 绿景控股 海虹控股 南华生物 中润资源 珠海港 华塑控股 烯碳新材 丽珠集团 渝开发
[Mretnd:不 考虑现金红 利再投资的 月个股回报 率][交易月 份=200906]
0.314168 0.189706 0.032020 0.166960 0.120163 0.244928 0.175421 -0.027174 -0.008989 -0.131856 0.010922 -0.062857 0.160000 0.073842 0.040650 0.035584 0.094720 0.125535 0.145683 0.420489 0.041769 0.048872 0.075269 0.031936 0.200000 0.365196 0.050066 0.317073 0.389130 -0.002020 0.060606 0.115084 0.123077 0.093880 0.357645 -0.055781 0.416903 0.058511 -0.005854 -0.039033 -0.086139 0.025492 0.015595 0.123954 0.138120 0.141677 0.036881
[Mretnd:不 考虑现金红 利再投资的 月个股回报 率][交易月 份=200904]
回归分析实例PPT课件
通过各种统计检验来评估 模型的拟合效果，如残差 分析、R方检验、F检验等。
线性回归分析的应用
预测
使用线性回归模型来预测因变 量的值，基于给定的自变量值
。
解释变量关系
通过线性回归分析来了解自变 量与因变量之间的数量关系和 影响程度。
控制变量效应
在实验或调查中，控制自变量 的影响，以观察因变量的变化 情况。
模型的建立和检验
模型的建立
首先需要收集数据，并进行数据 清洗和预处理，然后选择合适的 自变量和因变量，建立逻辑回归
模型。
模型的检验
通过多种检验方法对模型进行评 估，包括参数估计、假设检验、 模型诊断等，以确保模型的准确
性和可靠性。
模型的优化
根据检验结果对模型进行调整和 优化，包括参数调整、变量筛选
详细描述
收集产品在过去一段时间的销售数据，包括销售额、销售量等，作为自变量， 将未来某一段时间的产品销量作为因变量，建立回归模型。通过模型预测未来 产品销量，为企业制定生产和销售计划提供依据。
实例三：疾病风险预测
总结词
基于个人健康数据和疾病历史，建立回归模型预测疾病风险。
详细描述
收集个人的健康数据和疾病历史，包括血压、血糖、胆固醇等生理指标以及家族 病史等信息，作为自变量，将未来患某种疾病的风险作为因变量，建立回归模型 。通过模型预测个人患某种疾病的风险，为预防和早期干预提供参考。
线性关系的假设
自变量x与因变量y之间存在线性关系， 即随着x的增加（或减少），y也相应 地增加（或减少）。
模型的建立和检验
01
02
03
数据收集与整理
收集相关数据，并进行必 要的整理和清洗，以确保 数据的质量和可靠性。
线性回归分析的应用
预测
使用线性回归模型来预测因变 量的值，基于给定的自变量值
。
解释变量关系
通过线性回归分析来了解自变 量与因变量之间的数量关系和 影响程度。
控制变量效应
在实验或调查中，控制自变量 的影响，以观察因变量的变化 情况。
模型的建立和检验
模型的建立
首先需要收集数据，并进行数据 清洗和预处理，然后选择合适的 自变量和因变量，建立逻辑回归
模型。
模型的检验
通过多种检验方法对模型进行评 估，包括参数估计、假设检验、 模型诊断等，以确保模型的准确
性和可靠性。
模型的优化
根据检验结果对模型进行调整和 优化，包括参数调整、变量筛选
详细描述
收集产品在过去一段时间的销售数据，包括销售额、销售量等，作为自变量， 将未来某一段时间的产品销量作为因变量，建立回归模型。通过模型预测未来 产品销量，为企业制定生产和销售计划提供依据。
实例三：疾病风险预测
总结词
基于个人健康数据和疾病历史，建立回归模型预测疾病风险。
详细描述
收集个人的健康数据和疾病历史，包括血压、血糖、胆固醇等生理指标以及家族 病史等信息，作为自变量，将未来患某种疾病的风险作为因变量，建立回归模型 。通过模型预测个人患某种疾病的风险，为预防和早期干预提供参考。
线性关系的假设
自变量x与因变量y之间存在线性关系， 即随着x的增加（或减少），y也相应 地增加（或减少）。
模型的建立和检验
01
02
03
数据收集与整理
收集相关数据，并进行必 要的整理和清洗，以确保 数据的质量和可靠性。
股票收益.ppt
51 -0.31 3.39 96.9 105.07 -42.44
资料来源：浪潮资讯，中证指数有限公司，中国债券信息网
104.66 102.14 112.91 115.88 113.78 130.72
47 -2.42 10.55 2.62 -1.81 14.89
技能训练
模块一 证券投资收益
1.实训目标：股票、债券、基金收益分析 2.环境要求：网络、电脑、证券行情软件 3.情景描述：
请任选一只股票、债券、基金，查找某 年度三种证券各自收益分配情况，初步判断 股票、债券、基金收益的特点及水平。 4.操作步骤： 1）打开证券行情软件，查找股票分红年度分红 方案、查找债券付息年度付息情况、查找基 金年度分红方案。 2）登录 晨星网， 查看不同类型基金的业绩排行榜。 3）对以上查找的信息进行汇总。 4）参考资料表10-2，表10-3对股票、债券、基 金收益的特点及水平进行对比总结。
第一，知晓自身的风险承受能力和资金实力； 第二，掌握所投资产品的特性和机理； 第三，合理分配自己的资金，结合收益性、风险性和流动性分配自 身资产等等，投资者只有做好了充分的准备，才能判断自己是否适合从 事该产品的投资，才能在投资过程中实现收益和风险的最佳匹配。
引例
模块一 证券投资收益
张先生的手中有10万元积蓄，最初计划拿5万元投资股票，剩 下5万元为家庭救急之用。刚开始，随着股市的上涨，他的5万元 钱获得了20%的投资回报。张先生一看这么容易赚钱，就把家中所 有的积蓄投入了股市，结果股市下跌，张先生一下被套住了。而 这个时候，他母亲生病住院，急需2万元钱，张先生不得不割肉卖 出股票，却正好卖了个最低点，等他卖出后，股市调整结束，开 始上涨，张先生只怨自己命不好，怎么偏偏这个时候家里急用钱 呢？
回归线方程ppt课件
果关系。
变量筛选
在多元回归分析中，利用回归线 方程筛选对因变量有显著影响的
自变量，简化模型。
控制质量
过程控制
在生产过程中，通过建立回归线方程，监控关键工艺参数对产品 质量的影响，确保产品质量稳定。
质量控制
利用回归线方程分析产品质量检测数据，找出影响产品质量的因素 ，制定相应的质量控制措施。
质量改进
求解回归系数
01
02
03
计算回归系数
根据回归方程，计算每个 自变量的回归系数。
分析回归系数
分析回归系数的符号、大 小和显著性，了解自变量 对因变量的影响程度。
检验回归系数
通过假设检验等方法，检 验回差分布情况，检查 是否存在异常值或离群点 。
拟合优度检验
通过计算判定系数、调整 判定系数等方法，评估回 归方程的拟合优度。
显著性检验
通过F检验、t检验等方法 ，检验回归方程的显著性 和可信度。
REPORT
CATALOG
DATE
ANALYSIS
SUMMAR Y
04
回归线方程的应用
预测未来趋势
股票价格预测
通过分析历史股票数据，利用回 归线方程建立模型，预测未来股
最小二乘法通过最小化误差的 平方和来找到最佳拟合直线， 使得所有数据点到直线的垂直 距离最小。
最小二乘法的计算过程
计算误差
计算每个数据点到拟合线的垂 直距离，即误差。
最小化误差平方和
通过最小化所有数据点到直线 的垂直距离的平方和来找到最 佳拟合直线。
收集数据
收集自变量（X）和因变量（Y ）的数据点。
数据来源的可靠性
02
数据来源必须可靠，避免使用不可靠的数据源可能导致错误的
变量筛选
在多元回归分析中，利用回归线 方程筛选对因变量有显著影响的
自变量，简化模型。
控制质量
过程控制
在生产过程中，通过建立回归线方程，监控关键工艺参数对产品 质量的影响，确保产品质量稳定。
质量控制
利用回归线方程分析产品质量检测数据，找出影响产品质量的因素 ，制定相应的质量控制措施。
质量改进
求解回归系数
01
02
03
计算回归系数
根据回归方程，计算每个 自变量的回归系数。
分析回归系数
分析回归系数的符号、大 小和显著性，了解自变量 对因变量的影响程度。
检验回归系数
通过假设检验等方法，检 验回差分布情况，检查 是否存在异常值或离群点 。
拟合优度检验
通过计算判定系数、调整 判定系数等方法，评估回 归方程的拟合优度。
显著性检验
通过F检验、t检验等方法 ，检验回归方程的显著性 和可信度。
REPORT
CATALOG
DATE
ANALYSIS
SUMMAR Y
04
回归线方程的应用
预测未来趋势
股票价格预测
通过分析历史股票数据，利用回 归线方程建立模型，预测未来股
最小二乘法通过最小化误差的 平方和来找到最佳拟合直线， 使得所有数据点到直线的垂直 距离最小。
最小二乘法的计算过程
计算误差
计算每个数据点到拟合线的垂 直距离，即误差。
最小化误差平方和
通过最小化所有数据点到直线 的垂直距离的平方和来找到最 佳拟合直线。
收集数据
收集自变量（X）和因变量（Y ）的数据点。
数据来源的可靠性
02
数据来源必须可靠，避免使用不可靠的数据源可能导致错误的
股票价格和收益率及相关概念精品PPT课件
该公司的每股价值V由VT-和VT+两部分组成,即:
从零息增长模型到多元增长模型是一个不断释 放限制条件的过程。公式已经比较贴近现实, 但它的烦琐之处在于必须逐一估计VT-时段内每 年的现金流量。实际研究过程中,证券分析师有 时使用二元或三元模型作为对多元增长模型的 简化。
pT
dT1 1k
1dTk22
由以上两式，可得：
V1d 1k1 d2 k2
t1
dt 1kt
一、股息折现模型
不管投资者购入股票后永久持有，还是 在未来某一时期卖掉，股票的内在价值都 可以用统一的公式来决定，该模型常常被 称为股息折现模型(dividend discount models, 简称DDMs)。
解： Vd 1 1 .8 0 (10 .0 5 )3 1 .5 0 (元 ) kg 0 .1 10 .0 5
假 定 同 方 公 司 去 年 每 股 支 付 股 利 (D0) 为 0.5 元,预计未来的无限期限内,每股股利 支付额将以每年10%的比率(g)增长,同方 公司的必要收益率为12%。根据公式,同方 公司每股价值为:
一、股息折现模型
◆常数增长模型(constant-growth model)
常数增长模型又称戈登模型(Gordon model)
，该模型有三个假定条件：
(1)股息的支付在时间上是永久的；
(2)各期的股息增长率恒等于常数g；
(3)模型中的折现率大于股息增长率，即k>g。
根据以上三个假设条件，我们可以得到：
股息流可以分为两个部分： 第一部分包括在股息无规则变化时期的所有预期 股息的现值，用 V T 表示， 第二部分包括在时点T之后即股息增长率不变时 期的所有预期股息的现值，用V T 表示。
从零息增长模型到多元增长模型是一个不断释 放限制条件的过程。公式已经比较贴近现实, 但它的烦琐之处在于必须逐一估计VT-时段内每 年的现金流量。实际研究过程中,证券分析师有 时使用二元或三元模型作为对多元增长模型的 简化。
pT
dT1 1k
1dTk22
由以上两式，可得：
V1d 1k1 d2 k2
t1
dt 1kt
一、股息折现模型
不管投资者购入股票后永久持有，还是 在未来某一时期卖掉，股票的内在价值都 可以用统一的公式来决定，该模型常常被 称为股息折现模型(dividend discount models, 简称DDMs)。
解： Vd 1 1 .8 0 (10 .0 5 )3 1 .5 0 (元 ) kg 0 .1 10 .0 5
假 定 同 方 公 司 去 年 每 股 支 付 股 利 (D0) 为 0.5 元,预计未来的无限期限内,每股股利 支付额将以每年10%的比率(g)增长,同方 公司的必要收益率为12%。根据公式,同方 公司每股价值为:
一、股息折现模型
◆常数增长模型(constant-growth model)
常数增长模型又称戈登模型(Gordon model)
，该模型有三个假定条件：
(1)股息的支付在时间上是永久的；
(2)各期的股息增长率恒等于常数g；
(3)模型中的折现率大于股息增长率，即k>g。
根据以上三个假设条件，我们可以得到：
股息流可以分为两个部分： 第一部分包括在股息无规则变化时期的所有预期 股息的现值，用 V T 表示， 第二部分包括在时点T之后即股息增长率不变时 期的所有预期股息的现值，用V T 表示。
《基本回归模型》课件
01
多元线性回归模型是一种预测模型，通过多个自变 量来预测因变量的值。
02
它基于最小二乘法原理，通过最小化预测值与实际 值之间的残差平方和来估计参数。
03
多元线性回归模型假设因变量与自变量之间存在线 性关系，且自变量之间不存在多重共线性。
多元线性回归模平方和来估计参 数，使得预测值与实际值之间的 差距最小。
详细描述
在股票市场中，股票价格的波动受到多种因素的影响，如公司财务状况、宏观经济指标、市场情绪等 。通过收集历史股票数据，利用回归分析方法建立模型，可以预测未来股票价格的走势。这种预测可 以帮助投资者制定更合理的投资策略，提高投资收益。
预测房地产价格
总结词
利用回归模型分析房地产市场的相关因 素，如地理位置、建筑年代、周边环境 等，预测未来房地产价格走势，为购房 者和投资者提供决策依据。
调整R方值
考虑到自变量数量的拟合优度指标，用于比 较不同模型之间的优劣。
AIC准则
用于选择最优模型，AIC值越小表示模型越 优。
回归模型的扩展
04
岭回归和套索回归
岭回归（Ridge Regression）
岭回归是一种通过增加一个惩罚项来防止过拟合的线性回归方法。它通过增加一个与系数大小相关的项来调整系 数，以减少模型复杂度并提高预测的稳定性。
1
深度学习与回归模型的结合，旨在利用深度学习 的特征学习和抽象能力，提升回归模型的预测精 度和泛化能力。
2
研究重点在于设计适合回归任务的深度神经网络 结构，以及优化训练算法，以实现更高效和准确 的回归预测。
3
代表性研究包括使用卷积神经网络（CNN）处理 图像数据，循环神经网络（RNN）处理序列数据 等。
02
多元线性回归模型是一种预测模型，通过多个自变 量来预测因变量的值。
02
它基于最小二乘法原理，通过最小化预测值与实际 值之间的残差平方和来估计参数。
03
多元线性回归模型假设因变量与自变量之间存在线 性关系，且自变量之间不存在多重共线性。
多元线性回归模平方和来估计参 数，使得预测值与实际值之间的 差距最小。
详细描述
在股票市场中，股票价格的波动受到多种因素的影响，如公司财务状况、宏观经济指标、市场情绪等 。通过收集历史股票数据，利用回归分析方法建立模型，可以预测未来股票价格的走势。这种预测可 以帮助投资者制定更合理的投资策略，提高投资收益。
预测房地产价格
总结词
利用回归模型分析房地产市场的相关因 素，如地理位置、建筑年代、周边环境 等，预测未来房地产价格走势，为购房 者和投资者提供决策依据。
调整R方值
考虑到自变量数量的拟合优度指标，用于比 较不同模型之间的优劣。
AIC准则
用于选择最优模型，AIC值越小表示模型越 优。
回归模型的扩展
04
岭回归和套索回归
岭回归（Ridge Regression）
岭回归是一种通过增加一个惩罚项来防止过拟合的线性回归方法。它通过增加一个与系数大小相关的项来调整系 数，以减少模型复杂度并提高预测的稳定性。
1
深度学习与回归模型的结合，旨在利用深度学习 的特征学习和抽象能力，提升回归模型的预测精 度和泛化能力。
2
研究重点在于设计适合回归任务的深度神经网络 结构，以及优化训练算法，以实现更高效和准确 的回归预测。
3
代表性研究包括使用卷积神经网络（CNN）处理 图像数据，循环神经网络（RNN）处理序列数据 等。
02
股票月收益率回归分析课件
股票月收益率的波动具有一定的规律性和趋势，投资者可 以通过分析这些规律和趋势来制定投资策略和风险控制措 施。
不同行业的股票月收益率存在差异，投资者可以根据自己 的投资目标和风险偏好选择合适的行业和个股进行投资。
对投资者的建议
投资者应该关注市场整体走势和 宏观经济状况，以便更好地把握
股票市场的整体风险和机会。
研究目的
通过对股票月收益率 进行回归分析，揭示 影响股票收益率的主 要因素。
探讨回归分析在股票 市场研究中的应用前 景和局限性。
建立有效的预测模型 ，为投资者提供决策 支持。
研究意义
本研究有助于投资者更好地理解股票市场的运行 规律，提高投资收益。
对于金融监管机构和政策制定者而言，本研究有 助于评估市场风险和制定相关政策。
股票月收益率回归分析课 件
CATALOGUE
目 录
• 引言 • 股票月收益率基础知识 • 回归分析理论 • 股票月收益率回归分析 • 结论与建议
01
CATALOGUE
引言
研究背景
01
股票市场是全球金融体系的重要 组成部分，股票收益率的预测和 分析对于投资者和研究者具有重 要意义。
02
随着大数据和机器学习技术的发 展，利用回归分析方法对股票月 收益率进行研究成为一种有效手 段。
，ε是误差项。
逐步回归分析法
逐步回归分析法是一种用于建立最优回归模型的方法，它通过逐步添加或删除自变 量来优化模型的拟合效果。
在逐步回归分析法中，我们通常根据变量的重要性、相关性或预测能力来选择自变 量，以构建最优的回归模型。
逐步回归分析法的步骤包括：选择初始自变量、进行变量筛选、评估模型的拟合效 果等。
VS
市场走势对月收益率的影响较大，如 果市场整体上涨，大部分股票的月收 益率也会随之上涨。公司业绩也是影 响月收益率的重要因素，良好的公司 业绩通常会带来正面的月收益率。此 外，宏观经济状况、政策变化、国际 形势等因素也会对月收益率产生影响 。
不同行业的股票月收益率存在差异，投资者可以根据自己 的投资目标和风险偏好选择合适的行业和个股进行投资。
对投资者的建议
投资者应该关注市场整体走势和 宏观经济状况，以便更好地把握
股票市场的整体风险和机会。
研究目的
通过对股票月收益率 进行回归分析，揭示 影响股票收益率的主 要因素。
探讨回归分析在股票 市场研究中的应用前 景和局限性。
建立有效的预测模型 ，为投资者提供决策 支持。
研究意义
本研究有助于投资者更好地理解股票市场的运行 规律，提高投资收益。
对于金融监管机构和政策制定者而言，本研究有 助于评估市场风险和制定相关政策。
股票月收益率回归分析课 件
CATALOGUE
目 录
• 引言 • 股票月收益率基础知识 • 回归分析理论 • 股票月收益率回归分析 • 结论与建议
01
CATALOGUE
引言
研究背景
01
股票市场是全球金融体系的重要 组成部分，股票收益率的预测和 分析对于投资者和研究者具有重 要意义。
02
随着大数据和机器学习技术的发 展，利用回归分析方法对股票月 收益率进行研究成为一种有效手 段。
，ε是误差项。
逐步回归分析法
逐步回归分析法是一种用于建立最优回归模型的方法，它通过逐步添加或删除自变 量来优化模型的拟合效果。
在逐步回归分析法中，我们通常根据变量的重要性、相关性或预测能力来选择自变 量，以构建最优的回归模型。
逐步回归分析法的步骤包括：选择初始自变量、进行变量筛选、评估模型的拟合效 果等。
VS
市场走势对月收益率的影响较大，如 果市场整体上涨，大部分股票的月收 益率也会随之上涨。公司业绩也是影 响月收益率的重要因素，良好的公司 业绩通常会带来正面的月收益率。此 外，宏观经济状况、政策变化、国际 形势等因素也会对月收益率产生影响 。
股票分析PPT课件
凯恩斯说过选股如选美， 如果要找选一个温柔美丽的姑娘为妻， 至少要追身边最温柔美丽的姑娘， 动手还要快，虽然成本会高一点， 但是如果选得对又不轻意离婚，会幸福一生
2021/6/24
1
日本近海3月11日发生了里氏8.9级地震，首都 东京震感强烈
2021/6/24
2
新闻与资本市场
2021/6/24
第三招、看实体大小 实体大小代表内在动力，实体越大，上涨或下跌的趋势越是明显，反 之趋势则不明显
可是要注意啦：
单根K线图对未来走势作的判断往往有一定的偏差，但K线组合分析的准确性则 相对较高。例如单纯的十字星并不能说一定是反转信号！
2021/6/24
36
K线种类分析
大阳线--收盘价 明显高于开盘价， 表明大市在短期 内趋于上升
2021/6/24
浙江金融职业学院
22
澄海种业 （002041） 06和05年中期业绩指标对比
第二季主营收 入
第二季净利润
2006年中期 2174
-1765
2005年中期 12466
3089
变化% -82
转亏
公司概况：公司是玉米种子行业中的龙头企业，位居中国种业五十强第三位，位 居中国种业五十强第三位，是“国家认定企业技术中心”、“国家玉米工程技术 研究中心（山东）”。2006.5.12，一家大型机构发布《自主创新能力终将带来业 绩的大幅增长》，股价从12上升至20，与基本面数据相背离。
50
（3）早晨之星：长阴线+实体较小的阴线或阳线+中阳线 长期先跌过程中的反转信号，成交量温和放大，见底信号
（4）黄昏十字星：相反，卖出和短线回避的时机
2021/6/24
51
2021/6/24
1
日本近海3月11日发生了里氏8.9级地震，首都 东京震感强烈
2021/6/24
2
新闻与资本市场
2021/6/24
第三招、看实体大小 实体大小代表内在动力，实体越大，上涨或下跌的趋势越是明显，反 之趋势则不明显
可是要注意啦：
单根K线图对未来走势作的判断往往有一定的偏差，但K线组合分析的准确性则 相对较高。例如单纯的十字星并不能说一定是反转信号！
2021/6/24
36
K线种类分析
大阳线--收盘价 明显高于开盘价， 表明大市在短期 内趋于上升
2021/6/24
浙江金融职业学院
22
澄海种业 （002041） 06和05年中期业绩指标对比
第二季主营收 入
第二季净利润
2006年中期 2174
-1765
2005年中期 12466
3089
变化% -82
转亏
公司概况：公司是玉米种子行业中的龙头企业，位居中国种业五十强第三位，位 居中国种业五十强第三位，是“国家认定企业技术中心”、“国家玉米工程技术 研究中心（山东）”。2006.5.12，一家大型机构发布《自主创新能力终将带来业 绩的大幅增长》，股价从12上升至20，与基本面数据相背离。
50
（3）早晨之星：长阴线+实体较小的阴线或阳线+中阳线 长期先跌过程中的反转信号，成交量温和放大，见底信号
（4）黄昏十字星：相反，卖出和短线回避的时机
2021/6/24
51
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
股票月收益率回归分析
与大盘及宏观变量的相关性分析
1
与指数的相关性
• 选出行业中具有代表性的个股。用其月收 益率同大盘股票指数进行回归分析。
• 由于基础数据有限，数据时间范围为： 2003.4-2006.12
• 选择当期一年期存款利率为无风险利率 • 结论：个股月收益率同指数月涨幅，均保
持了良好的相关性。
-0.1
-0.05
0
-0.1
0.05
0.1
0.15
0.2
0.25
0.3
-0.2 X Variable 1
Beta=0.952
Y
Predicted Y
7
南钢股份（600282）
X Variable 1 Line Fit Plot
0.25
0.2
0.15
0.1
0.05
0
-0.15
-0.1
-0.05
0
-0.05
X Variable 1 Line Fit Plot
0.4
0.3
0.2
0.1
0
-0.15
-0.1
-0.05
0
-0.1
0.05
0.1
0.15
0.2
0.25
0.3
-0.2 X Variable 1
Beta=0.757
Y
Predicted Y
Y
5
申能股份(600642)
X Variable 1 Line Fit Plot
0.4
0.3
0.2
0.1
0
-0.15
-0.1
-0.05
0
-0.1
0.05
0.1
0.15
0.2
0.25
0.3
-0.2 X Variable 1
Beta=0.781
Y
Predicted Y
Y
6
宝钢股份（600019）
X Variable 1 Line Fit Plot
0.4
0.3
0.2
0.1
Y
0
-0.15
2
华能国际(600011)
X Variable 1 Line Fit Plot
0.25
0.2
0.15
0.1
0.05
0
-0.15
-0.1
-0.05
0
-0.05
Y
Predicted Y
0.05
0.1
0.15
0.2
0.25
0.3
-0.1
-0.15
Beta=0.735
-0.2 X Variable 1
Y
3
长江电力(600900)
X Variable 1 Line Fit Plot
0.3
0.25
0.2
0.15
0.1
0.05
0
-0.15 -0.1 -0.05
0
-0.05
-0.1
-0.15
0.05
0.1
0.15
0.2
0.25
0.3
X Variable 1
Beta=0.670
Y
Predicted Y
Y
4
国电电力（600795）
0.05
0.1
0.15
0.2
0.25
0.3
-0.2
-0.3 X Variable 1
Beta=1.245
Y
Predicted Y
Y
9
大冶特钢（000708）
Y
X Variable 1 Line Fit Plot
0.4
0.3
0.2
0.1
0
-0.15
-0.1
-0.05
0
-0.1
0.05
0.1
0.15
0.2
0.25
0.3
-0.2
-0.3 X Variable 1
Beta=0.897
Y
Predicted Y
10
与宏观量的相关性
• 选取月GDP，CPI月增长，一年期存、贷款 利率作为参数
• 时间范围如前 • 初步结果如下，进一步分析有待进行相关
检验
11
Y
-0.1
0.05
0.1
0.15
0.2
0.25
0.3
Y
Predicted Y
-0.15
-0.2 X Variable 1Βιβλιοθήκη Beta=0.6148
太钢不锈（000825）
X Variable 1 Line Fit Plot
0.6
0.5
0.4
0.3
0.2
0.1
0
-0.15 -0.1 -0.05
0
-0.1
与大盘及宏观变量的相关性分析
1
与指数的相关性
• 选出行业中具有代表性的个股。用其月收 益率同大盘股票指数进行回归分析。
• 由于基础数据有限，数据时间范围为： 2003.4-2006.12
• 选择当期一年期存款利率为无风险利率 • 结论：个股月收益率同指数月涨幅，均保
持了良好的相关性。
-0.1
-0.05
0
-0.1
0.05
0.1
0.15
0.2
0.25
0.3
-0.2 X Variable 1
Beta=0.952
Y
Predicted Y
7
南钢股份（600282）
X Variable 1 Line Fit Plot
0.25
0.2
0.15
0.1
0.05
0
-0.15
-0.1
-0.05
0
-0.05
X Variable 1 Line Fit Plot
0.4
0.3
0.2
0.1
0
-0.15
-0.1
-0.05
0
-0.1
0.05
0.1
0.15
0.2
0.25
0.3
-0.2 X Variable 1
Beta=0.757
Y
Predicted Y
Y
5
申能股份(600642)
X Variable 1 Line Fit Plot
0.4
0.3
0.2
0.1
0
-0.15
-0.1
-0.05
0
-0.1
0.05
0.1
0.15
0.2
0.25
0.3
-0.2 X Variable 1
Beta=0.781
Y
Predicted Y
Y
6
宝钢股份（600019）
X Variable 1 Line Fit Plot
0.4
0.3
0.2
0.1
Y
0
-0.15
2
华能国际(600011)
X Variable 1 Line Fit Plot
0.25
0.2
0.15
0.1
0.05
0
-0.15
-0.1
-0.05
0
-0.05
Y
Predicted Y
0.05
0.1
0.15
0.2
0.25
0.3
-0.1
-0.15
Beta=0.735
-0.2 X Variable 1
Y
3
长江电力(600900)
X Variable 1 Line Fit Plot
0.3
0.25
0.2
0.15
0.1
0.05
0
-0.15 -0.1 -0.05
0
-0.05
-0.1
-0.15
0.05
0.1
0.15
0.2
0.25
0.3
X Variable 1
Beta=0.670
Y
Predicted Y
Y
4
国电电力（600795）
0.05
0.1
0.15
0.2
0.25
0.3
-0.2
-0.3 X Variable 1
Beta=1.245
Y
Predicted Y
Y
9
大冶特钢（000708）
Y
X Variable 1 Line Fit Plot
0.4
0.3
0.2
0.1
0
-0.15
-0.1
-0.05
0
-0.1
0.05
0.1
0.15
0.2
0.25
0.3
-0.2
-0.3 X Variable 1
Beta=0.897
Y
Predicted Y
10
与宏观量的相关性
• 选取月GDP，CPI月增长，一年期存、贷款 利率作为参数
• 时间范围如前 • 初步结果如下，进一步分析有待进行相关
检验
11
Y
-0.1
0.05
0.1
0.15
0.2
0.25
0.3
Y
Predicted Y
-0.15
-0.2 X Variable 1Βιβλιοθήκη Beta=0.6148
太钢不锈（000825）
X Variable 1 Line Fit Plot
0.6
0.5
0.4
0.3
0.2
0.1
0
-0.15 -0.1 -0.05
0
-0.1