金融统计分析及案例.pptVIP

目 录;1952年马克维茨发表了资产组合理论，开启了金融问题定量研究的先河。他利用概率论和数理统计的相关理论，构造了分析证券价格的模型框架。马克维茨资产组合理论的产生和发展显示了统计分析在金融投资领域应用的强大生命力。 不完全统计，诺贝尔经济学奖总计几十位获奖者中，超过半数的获奖经济学家来自于统计计量领域。借用统计理论，将经济理论数学公式化，将经济行为定量化，已成为当今世界经济的热门课题。 对期货投资分析来讲，随着市场日趋复杂，数字已成为传递信息的最直接载体，大量的数学与统计工具在期货分析研究中发挥不可或缺的重要影响。;期货价格预测方法主要有以下几种：;;;沪铜与LME三月期铜价格散点图;相关系数是在直线相关的条件下，说明两个变量之间的相关关系密切程度的统计分析指标。相关系数也称为相关量，是用来描述变量之间变化方向和密切程度的数字特征量，样本间相关一般用ｒ表示，总体间相关一般用ρ表示。 ;相关系数仅仅是x与y之间线性关系的一个度量，它不能用于描述非线性关系。 同时，r虽然是两个变量之间线性关系的一个度量，但并不意味着x与y一定有因果关系。 ;相关性应用—不同品种相关性矩阵（示例2）;二、一元线性回归;二、一元线性回归;由于单点到直线的偏差可正可负，我们选择一条直线，使得观测点偏差的平方总和最小，则此直线可以定义为最优拟合直线，这一方法在统计中称为最小二乘法。;二、一元线性回归;6、一元线性回归方程的显著性检验;6、一元线性回归方程的显著性检验;6、一元线性回归方程的显著性检验;6、一元线性回归方程的显著性检验;二、一元线性回归—示例3;二、一元线性回归—示例3;三、多元线性回归;三、多元线性回归;3、多元线性回归方程的拟合优度;“没有经过实践检验的理论，不管它多么漂亮，都会失去分量，不会为人所承认；没有以有分量的理论作基础的实践一定会遭到失败。” --门捷列夫;检验因变量与所有自变量之间的线性关系是否显著 也被称为总体的显著性检验 检验方法是将回归均方(MSR)同残差均方(MSE)加以比较，应用 F 检验来分析二者之间的差别是否显著 如果是显著的，因变量与自变量之间存在线性关系 如果不显著，因变量与自变量之间不存在线性关系 确定显著性水平?和分子自由度k、分母自由度n-k-1找出临界值 作出决策：若F ，拒绝;三、多元线性回归;三、多元线性回归—示例4;;将一个或多个相关的自变量从模型中剔除，使保留的自变量尽可能不相关； 如果要在模型中保留所有的自变量，则应避免根据 t 统计量对单个参数进行检验 对因变量值的推断(估计或预测)的限定在自变量样本值的范围内 ;自相关是指模型的误差项间存在相关性。一旦发生自相关，意味着数据中存在自变量所没有解释的某种形态。自相关的存在，说明模型并不完善。 自相关存在主要有经济变量的惯性、回归模型的形式设定存在错误以及回归模型漏掉了重要解释变量等原因。 自相关的处理方法如下： 尽量寻找方程中所遗漏的显著解释变量 如果所有可能的解释变量都不能有效改善自相关，尝试其他的函数形式 如果前两个个步骤都不行的话，尝试通过转换来剔除自相关。;由于实际问题是错综复杂的，因而建立的回归分析模型偶尔也会出现某一因素或者一些因素随着解释变量观测值的变化而对解释变量产生不同的影响，导致随机误差项产生不同的方差。异方差的出现会降低回归方程的可靠性。异方差性出现的原因很多，但样本数据位截面数据时容易出现异方差性。 对回归模型存在异方差问题的主要处理方法有：加权最小二乘法与改变模型的数学形式两种方法。