金融统计分析及案例ppt课件

n
xi
n
i1 i1
yi
xixi
n n xi2 n xi 2
i1
i1
ˆ0 y ˆ1x
精品课件
二、一元线性回归
6、一元线性回归方程的显著性检验
回归系数的检验步骤
1. 提出假设 – H0: 1 = 0(没有线性关系) – H1: 1 0(有线性关系)
2. 计算检验的统计量
ts ˆ ˆ1 1 ~t(n2)， S1
y
x
精品课件
二、一元线性回归
5、用最小二乘法进行最优拟合
根据最小二乘法的要求，可得求解
Q
ˆ0
2(1)
n i1
yi
ˆ0
ˆ1xi
0
Q
ˆ1
n
2
i1
yi
ˆ0
ˆ1xi
(xi
)
0
从理论上讲，最小二乘法可获得最佳估值
ˆ1
计算绝对偏差要比计算平方偏差和难度要大
xi yi
n
n xiyi
i1
r (xx)(yy) (xx)2(yy)2
பைடு நூலகம்
也可简化为
r
n x y x y
n x2 x2 n y2 y2
精品课件
二、一元线性回归
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。
相关系数与相关程度表一览表
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。
精品课件
一、统计分析对金融投资分析的意义
2、统计分析在期货价格分析中的应用
期货价格预测方法主要有以下几种：
德尔菲法
介于定性与定量之间的分析方法，也即将专家个人调查法和专家会议调查法结合的一种新 型专家预测方法，由于此法属于直观预测法，在及时性和准确性方面存在缺陷，实际中较 少运用。
回归分析法
期货价格分析中最为常用的方法。包括一元线性回归和多元线性、非线性回归模型。思路 是围绕价格的影响因素建立计量模型。
相关分析就是对变量之间的相关关系的分析， 主要就是对变量之间是否存在必然的联系， 联系的形式，变动的方向作出符合实际的判 断，并测定他们联系的密切程度，检验其有 效性。
精品课件
完全正线性相关
完全负线性相关
正线性相关
负线性相关
精品课件
零相关
二、一元线性回归—散点图（示例1）
沪铜与LME三月期铜价格 散点图
LME三月期铜价格与美元 指数散点图
精品课件
二、一元线性回归
2、相关系数的计算
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。
– 线性部分反映了由于 x 的变化而引起的 y 的变化 – 误差项 是随机变量
• 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响 • 是不能由 x 和 y 之间的线性关系所解释的变异性 – 0和 1称为模型的参数
精品课件
二、一元线性回归
4、一元线性回归的基本假设？
一元线性回归分析是建立在一系列假设基础上的，这些假设为： 回归模型因变量y与自变量x之间是具有线性关系 在重复抽样中自变量x值是固定的。即假定x是非随机的 误差项ε是一个服从正态分布的随机变量，且相互独立。即ε～N( 0 , σ2 )
完全负相关
无线性相关
完全正相关
-1.0 -0.5
0 +0.5 +1.0
r
负相关程度增加 正相关程度增加
精品课件
相关性应用—不同品种相关性矩阵（示例2）
精品课件
二、一元线性回归
3、如何理解一元线性回归分析？
只有一个因变量和一个自变量的线性回归模型，叫一元线性回归模型。 一元线性回归模型可表示为
y = 0 + 1 x + y 是 x 的线性函数(部分)加上误差项
时间序列法
根据历史数据去找出事物随时间发展的轨迹，并预测未来发展状况的定量分析方法。时间 序列研究方法主要集中于研究趋势变动和周期变动。
精品课件
二、一元线性回归
1、如何理解相关关系？
相关关系是指变量之间的不确定的依存关系。 在经济领域，社会和经济变量受随机因素的 影响很大，它们之间的关系主要表现为相关 关系。
金融统计分析及案例
中期研究院 常务副院长 王红英
精品课件
目录
1 统计分析对金融投资分析的意义
2
一元线性回归
3
多元线性回归
精品课件
一、统计分析对金融投资分析的意义
1、统计分析对金融投资分析的重要性
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。
S (xx)2
3. 确定显著性水平，并进行决策
▪ t>t，拒绝H0； t<t，不拒绝H0
精品课件
二、一元线性回归
6、一元线性回归方程的显著性检验
y
(xi , yi )
{ } y yˆ
yy
} yˆ y
yˆˆ0 ˆ1x
y
x
精品课件
二、一元线性回归
6、一元线性回归方程的显著性检验
n
n
n
yiy2 y ˆy2 yiy ˆ2
回归分析方法的最基本假设是因变量和自变量的关系为线性。 在仅有一个解释变量的情况下，一元线性回归方程是一条直线，可以用下式表示：
y = 0 + 1 x 其中0和1为常数，也成为回归系数。
精品课件
二、一元线性回归
5、用最小二乘法进行最优拟合
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。
i 1
i 1
i 1
{ { {
总平方和
回归平方和
(SST)
(SSR)
SST = SSR + SSE
残差平方和
(SSE)
精品课件
二、一元线性回归
6、一元线性回归方程的显著性检验
回归平方和占总离差平方和的比例
n
n
R2
SSR SST
yˆy2
i1 n
yi y2
yi
1in1
yi
yˆ2 y2
i1
i1
反映回归直线的拟合程度 取值范围在 [ 0 , 1 ] 之间 R2 1，说明回归方程拟合的越好；R20，说明回归方程拟合的越差 判定系数等于相关系数的平方，即R2＝r2