股票市場相關性研究

㈠ 如何計算兩個股票的相關系數(correlation）（急）

計算公式為相關系數=協方差/兩個項目標准差之積。
相關系數：度量兩個隨機變數間關聯程度的量。相關系數的取值范圍為(-1，+1)。當相關系數小於0時，稱為負相關；大於0時，稱為正相關；等於0時，稱為零相關。
拓展資料：
1.協方差：如果兩個變數的變化趨勢一致，也就是說如果其中一個大於自身的期望值，另外一個也大於自身的期望值，那麼兩個變數之間的協方差就是正值。 如果兩個變數的變化趨勢相反，即其中一個大於自身的期望值，另外一個卻小於自身的期望值，那麼兩個變數之間的協方差就是負值。
2.標准差（Standard Deviation） ：標准差也稱均方差（mean square error），是各數據偏離平均數的距離的平均數，它是離均差平方和平均後的方根，用σ表示。標准差是方差的算術平方根。標准差能反映一個數據集的離散程度。平均數相同的，標准差未必相同。 格雷厄姆在1949年的著作《聰明的投資者》里說過：「經驗表明在大多事例中，安全依賴於收益能力，如果收益能力不充分的話，資產就會喪失大部分的名譽(或帳面)價值。」
3.相關系數是反映兩種證券之間相關性的統計方法。換句話說，這個統計告訴我們一個證券與另一個證券有多密切相關。當兩種證券向上或向下同向移動時，相關系數為正。當兩種證券向相反方向移動時，相關系數為負。確定兩種證券之間的關系對分析跨市場關系，行業/股票關系以及行業/市場關系很有用。該指標還可以幫助投資者通過識別與股市低或負相關的證券進行多樣化。 解釋 相關系數在-1和+1之間振盪。這不是一個動量振盪器。
4.相反，它從正相關周期移動到周期負相關。+1被認為是完美的正相關，這是罕見的。0到+1之間的任何值表示兩個證券向相同的方向移動。正相關的程度可能隨時間而變化。石油股和石油大部分時間呈正相關。下面的例子顯示了一隻石油股股價和石油價格的關系。不出所料，20日相關系數仍然大幅上漲，經常上探+75。這兩種證券之間顯然存在著積極的關系。一般來說，任何超過0.50的數據都表現出強烈的正相關。

㈡ 在計算出股票之間的相關性之後，這樣一個相關系數對於股民來講有什麼用，我們可以根據這個數字得到什麼

簡單通俗解釋：每個股票組合投資都是風險敞口的，而如果你股票之間相關性較大，則等於把雞蛋放在一個籃子里，那麼一旦你投資相關性非常強的股票組合不是市場熱點（甚至是市場重災區，比如，現在日本福島核爆炸，那麼核電以及核電配套設備公司相關性強，但是目前在市場受到核電利空打擊，你的組合反而面臨較大風險）的話，難以達到市場收益甚至虧損。即便你找的都是貝塔系數較高的股票，但是由於自身相關，很可能是大盤強他們弱，僅僅由於其相關性強，而同時受到一個因素干擾。

㈢ 金融類畢業論文參考文獻

金融類畢業論文參考文獻

參考文獻就是寫論文的時候參考過的書籍或網站，直接關繫到論文的分數和質量高低。以下是我為您整理的金融類畢業論文參考文獻，希望能提供幫助。

篇一 ：參考文獻

[1] 母宇.中國股票市場與全球主要股票市場聯動性研究，[C].西南民族大學:2011.

[2] 於會鵬.中國股票市場板塊及其與國外主要市場間的聯動性實證研究，[C].理工大學:2009

[3] 陳志寧.中外股票市場的聯動分析，[C].農業大學:2009.

[4] 汪波.股票市場波動性網路及其應用[C]華南理工，2012

[5] 徐曉萍. 金融危機下證券網路的復雜性特徵研究[C]華東師范大學，2013

[6] 陳俊華.中國股票市場網路模型動態研究[C]浙江工業大學，2012

[7] 蘭旺森，趙國浩. 應用復雜網路研究板塊內股票的強相關性，[J].中山大學學報:2010(6).20-23

[8] 李耀華，姚洪興.股票市場網路的穩定性研究，[M].江蘇省系統工程學會第十一屆學會:2012.

[9] 陳花.基於復雜網路的股票之間有向相關性研究，[C].北京郵電大學:2012.

[10] 陳輝煌，高岩，基於復雜網路理論的證券市場網抗毀性分析[J]，金融理論與實:2008(6)154-156

[11] 萬陽松，陳忠基. 加權股票網路模型[J].復雜系統與復雜性科學，2005，1(5) :21-27

[12] 李平，汪秉宏.證券指數的網路動力學模型[J].系統工程，2006，24(3):73-77

[13] TianQiu， Bo Zheng，Guang Chen. Financial networks with static anddynamic thresholds，[J]. New Journal of Physics:2010(12).136-138

[14] Nicola Cetorelli， Stavros Peristiani. Prestigious stock exchanges: A network analysis of international financial centers，[J]. Journal of Banking & Finance:2013(37).21-24

[15] Ram Babu Roy， Uttam Kumar Sarkar. Identifying influential stock indices from global stockmarkets: A social network analysis approach，[J].Procedia Computer Science:2011(5).10-13

[16] Xiao fan Liu， Chi k. Tse.A Complex Network Perspective to Volatility in Stock Markets [J]. International Symposium on Nonlinear Theory and its Applications:2010(9).12-15

[17] Simutis R， MasteikaS.Intelligent stock trading systems using fuzzy-neural networks andevolutionary programming methods[J]. Self Formation Theory And Applications.2004，(97).59-63

[18] Dong-Ming Song， Michele Tumminello， Wei-Xing Zhou， Rosario N. Mantegna. Evolution of worldwide stock markets， correlation structure and correlation basedgraphs，[J]. PACS:2011(3).90-92

[19] Xiangyun Gao， Haizhong An， Weiqiong Zhong. Features of the Correlation Structure of Price Indices，[J]. PLOS ONE:2013(4).34-36

[20] MarekGa??zka. Characteristics of the Polish Stock Market correlations，[J]. International Review of Financial Analysis:2011(1-5).

[21] 楊治輝，賈寒梅.股票收益率相關性的網路結構分析，[M].中國控制學會:2011.

[22] 周艷波，蔡世民，周佩玲.金融市場的無標度特徵研究，[J].中國科學技術大學學報:2009(8).19-22

[23] Barabasia L， Albert R， Jeong H. Mean-field theory for scale-freerandom networks[J].Physica A， 1999( 272).173-187

[24] 李輝，趙海，徐久強，李博，李鵬，王家亮. 基於k-核的大規模軟體核心框架結構抽取與度量，[J].東北大學學報:2010(11).345-347

[25] 李輝，趙海.基於k-核的大規模軟體宏觀拓撲結構層次性研究，[J].電子學報:2010(6).134-136

[26] 李備友，劉思峰. 網路化市場結構下證券市場傳聞的擴散規律研究，[J].華東經濟管理:2012(12).90-92

篇二：參考文獻：

[1]袁申國，陳平，劉蘭鳳，. 匯率制度、金融加速器和經濟波動[J]. 經濟研究，2011，(1).

[2]黃志剛，. 貨幣政策與貿易不平衡的調整[J]. 經濟研究，2011，(3).

[3]George J. Gilboy，鍾寧樺，. 度量中國經濟:購買力平價的適當應用[J]. 經濟研究，2010，(1).

[4]萬曉莉，霍德明，陳斌開，. 中國貨幣需求長期是否穩定?[J]. 經濟研究，2010，(1).

[5]裘駿峰，. 投機資本流入、升值預期和最優升值路徑[J]. 經濟研究，2010，(2).

[6]張屹山，孔靈柱，. 基於權力範式的匯率決定研究[J]. 經濟研究，2010，(3).

[7]李成，王彬，馬文濤，. 資產價格、匯率波動與最優利率規則[J]. 經濟研究，2010，(3).

[8]劉堯成，周繼忠，徐曉萍，. 人民幣匯率變動對我國貿易差額的動態影響[J]. 經濟研究，2010，(5).

[9]黃志剛，陳曉傑，. 人民幣匯率波動彈性空間評估[J]. 經濟研究，2010，(5).

[10]路繼業，杜兩省，. 貨幣政策可信性與匯率制度選擇:基於新政治經濟學的分析[J]. 經濟研究，2010，(8).

[11]卞世博，賈德奎，. 後金融危機背景下的中國經濟運行風險管理——第四屆中國立信風險管理論壇綜述[J]. 經濟研究，2010，(12).

[12]趙志君，陳增敬，. 大國模型與人民幣對美元匯率的評估[J]. 經濟研究，2009，(3).

[13]伍戈，. 中國的貨幣需求與資產替代:1994—2008[J]. 經濟研究，2009，(3).

[14]王晉斌，李南，. 中國匯率傳遞效應的實證分析[J]. 經濟研究，2009，(4).

[15]張瀛，. 匯率制度、經濟開放度與中國需求政策的有效性[J]. 經濟研究，2008，(3).

[16]中國經濟增長與宏觀穩定課題組，張平，劉霞輝，張曉晶，汪紅駒，. 外部沖擊與中國的通貨膨脹[J]. 經濟研究，2008，(5).

[17]唐翔，. “富人社區效應”還是巴拉薩-薩繆爾森效應?——一個基於外生收入的實際匯率理論[J]. 經濟研究，2008，(5).

[18]龔剛，高堅，何學中，. 匯率制度與貨幣政策——發展中國家和小國經濟的思考[J]. 經濟研究，2008，(6).

[19]管漢暉，. 浮動本位兌換、雙重匯率與中國經濟:1870—1900[J]. 經濟研究，2008，(8).

[20]施建淮，傅雄廣，許偉，. 人民幣匯率變動對我國價格水平的傳遞[J]. 經濟研究，2008，(7).

篇三：參考文獻：

[1] 方毅，桂鵬. 亞太地區股票市場的聯動程度—基於次級貸沖擊的`研究[J]世界經濟研究，2010(8).27-30

[2] BarabásiA L， Albert R. Emergence of scaling in random networks[J].Science， 1999(286). 509-512

[3] Kim H J.Kim I M.Scale-free network in stock market[J].J KorPhys Soc，2002，40(6)：105-108.

[4] Newman M E J.The structure and function of complex networks[J].SIAM Review，2003(3).167-256

[5] Jukka-Pekka Onnela， Jari Saram?ki， Kimmo Kaski. A comparative study of social network models: Network evolution models and nodal attribute models[J]. Social Networks:2009(4)13-16

[6] 汪小帆，李翔，陳關榮.復雜網路理論及其應用[M].北京：清華大學出版社，2006(1).9-14.

[7] 任卓明，劉建國，邵鳳，胡兆龍，郭強. 復雜網路中最小K-核節點的傳播能力分析，[J].物理學報:2011(7).90-93

[8] 韓定定，復雜網路的拓撲、動力學行為及其實證研究，華東師范大學無線電物理博士論文[C]，2007

[9] Simutis R， MasteikaS.Intelligent stock trading systems using fuzzy-neural networks andevolutionary programming methods[J].Self Formation Theory And Applications.2004(97)59-63

[10] Xiao fan Liu， Chi k. Tse.AComplex Network Perspective of World Stock Markets:synchronization and volatility，[J]. International Journal of Bifurcation and Chaos:2012(6).62-66

[11] Ram Babu Roy， Uttam Kumar Sarkar. Capturing Early Warning Signal for Financial Crisis from the Dynamics of Stock Market Networks: Evidence from North American and Asian Stock Markets[J].Journal of Indian Institute of Management Calcutta:2009(8).57-59

[12] 李耀華，姚洪興.金融危機下股票市場網路的結構特性研究[J].信息工程學院學報，2010(1).23-26

[13] Benjamin M. Tabak， Thiago R. Serra， Daniel O. Cajueiro. Topological properties of stockmarket networks:The case of Brazil[J]. Physica ，2010(389).3240-3249

[14] Chi K.Tse，JingLiu，Francis C， M. Lau. A network perspective of stock market[J].Journal ofEmpirica Finance.2010，4(17).659-667

[15] 閔志鋒.上海證券市場的復雜網路特性分析 [J].東北大學學報 (自然科學版).2007 (7).1053-1056

[16] 黃瑋強，姚爽，中國股票關聯網路拓撲性質與聚類結構分析[J]，管理科學:2008(3).92-95

[17] 高雅純，魏宗文，汪秉宏.Dynamic Evolution of Financial Network and Its Relation to Economic Crises，[J].World Scientific:2013(2).142-141

[18] 陳守東，韓廣哲，荊偉.主要股票市場指數與我國股票市場指數間的協整分析，[J].數量經濟技術經濟研究:2003(5).35-37

[19] 文圭炫，洪正孝.太平洋地區國家的聯動性，[J].商務管理研究:2003(2).111-113

[20] RosylinMohd.Yusof&M.ShabriAbd.Majid，Who moves the Malaysian stock market-the U.S.or Japan[J]，International Journal of Business，2006(8)367-406

[21]Terence，Tai-Leung Chong，Ying-Chiu Wong，Isabel，Kit-Ming Yan，Internationallinkagesof the Japanese stock market，Japan and the World Economy，2007(20)773-786

[22] 周珺. 我國大陸股票市場與周邊主要股票市場的聯動分析[J]企業經濟，2007(1).77-79

[23] Woo-Sung Jung ，SeungbyungChae， Jae-Suk Yang，Hie-Tae Moon. Characteristics of the Korean stock marketcorrelations，[J]. Elsevier Science:2008(2).90-93

[24] Sunil Kumar， NiveditaDeo. Correlation and network analysis of global financial indices，[J]. American Physical Society:2012(8).21-23

篇四：參考文獻

[1] Michael Grahama，JarnoKiviahob，JussiNikkinenb， Mohammed Omranc. Global and regional co-movement of the MENA stockmarkets，[J]. Journal of Economics and Business:2013(1). 165-167

[2] 高瑩，靳莉莉.滬深300指數與世界主要股票指數的關聯性分析[J].金融管理，2008(2). 3-8.

[3] Hwahsin Cheng， John L. Glascock. Stock Market Linkages Before and After the AsianFinancial Crisis: Evidence from Three Greater ChinaEconomic Area Stock Markets and the US，[J]. Pacific Basin Financial Markets and Policies:2006(2).125-127

[4] Ma.BelindaS.Mandigma.Stock market linkages and the global financial crisis，[J].Journal of University of Santo Tomas:2009(8).278-280

[5] Ugur Ergun. How does Turkish stock market respond to the externalshocks Pre- and post- crises analyses，[J]. African Journal of Business Management:2012(2).34-37

[6] 趙勇. 金融危機背景下中美歐股票市場聯動性研究[C]上海社會科學院，2012(5).76-79

[7] 洪天國. 歐洲股票市場與中國股票市場之間的波動溢出效應研究[C]江西財經大學，2013(1).29-34

[8] 金融市場穩定性的判別與度量[C]山西大學，2012(2).192-196

[9] 陳守東，陳雷，劉艷武.中國滬深股票市場收益率及波動性相關分析，[J].金融研究:2003(7).230-235

[10] 劉存緒.論中國股票市場的國際化，[J].資本市場:2000(4).30-32

;

㈣ 如何快速比較股票間的相關性

。。。。。
這個問題嘿嘿我的畢設就是這個，你可以先去期刊網去找找其他人怎麼做的，我記得我在01年做的時候，樣本剔除後只有300多支股票，分析來分析去，做了很多調整相關性做到了90%以上，可是以前知名學者的全面分析下來只有50%多，當時沒有wind之類的東西，全手工excel，現在用wind 方便多了。但是由於我國證券市場從初始到現在因政策5次重大變動產生了較大的變化，我建議你不妨從時間和市場兩個角度縮小樣本選取（可以選中小板為樣本），針對性更強。

㈤ 股票市場相關性包含哪些內容

從總體相關性來看，股票市場和債券市場存在蹺蹺板效應，但是，這種效應在不同時期表現不一致。我們發現，在不同期間，股票價格波動和債券價格波動時而同向變化，時而反向變化。在2002年初到2004年底期間，股票價格波動與債券價格波動基本呈現出同向的變化趨勢；但是從2005年開始，兩者表現出非常明顯的反向變化。在前一個階段，兩者的相關系數為0.92，在後一個階段兩者的相關系數是-0.63。因此，股市和債市在2002年到2004年的3年時間里表現出強烈的協同效應；而在2005年初到2009年9月這將近5年時間里，表現出較強烈的蹺蹺板效應。對這種差別一種可能的解釋是，在前一段時期中，股市波動性相對不劇烈.計算得到，2002年到2004年期間，上證指數的波動標准差是20.9，只有全樣本波動性的三分之一。這種股票市場的較低波動性不足以引起投資者的股票和債券的資產組合發生大規模的變化。而這種協同效應主要由影響股市和債市的共同因素所致，比如利率的變化和經濟增長率的變化，這兩者的變化通常會帶來股市和債市的協同波動。因為股票和債券一樣都是資產，資產的價格通常同其收益率呈正比，與其貼現率成反比。經濟增長使得股票和債券的收益率都上升，市場利率的提高使得股票和債券的貼現率同時上升。為了更加詳細的分析兩者之間的關系，我們將股市的大起大落的階段作為參考期。顯示了在股市大漲大跌時期，債券市場價格的漲跌狀況。我們發現，除了2002年7月至2003年1月這段股市下跌時期中，債券市場出現同方向的下跌趨勢外，其它5個股市大波動時期，債券市場都表現出與股市變化相反的變動趨勢。在同向變化的這個時期，股價的漲跌幅最小。這組數據支持了股市與債市之間的「蹺蹺板效應」。表3的數據中表現出一個明顯的特徵是，股市漲跌幅越大，債市相反方向的漲跌幅也越大；並且，股市下跌時債市漲幅更加明顯。前一個特徵表現出投資者在資產組合選擇中對於風險的敏感性較高。後一個特徵主要是由於股市通常上漲較慢，而下跌較快。因此，在股市上漲時期，債市資金總是通過緩慢的方式撤離；而一旦股市出現大跌，投資者為了避免損失，會快速從股市撤出資金，大量資金從股市流入債市帶來的債券需求的突然增長，通常會較快的拉高債券價格。

㈥ 上證綜指和深圳成指相關性分析的研究目的和意義！

你看看下面的知識能不能幫助你。
）股票市場的波動有狀態持續性
赫斯特 （指數 均大於 ， 表明黑噪音， 故上證綜合指數和深圳成分股的收益率構
成的時間序列均存在著狀態的持續性。深圳成分股的 指數明顯大於上證綜合指數股票
市場的 指數， 說明深圳成分股趨勢增強的強度大， 且持續性更強。
） 股票市場的波動有關聯性
深圳股票市場的關聯尺度明顯大於上證綜合指數股票市場， 說明深圳成分股股票收盤價
波動的關聯性高， 股價的波動受歷史信息的影響程度更大。
） 股票市場的波動呈現規律性
由分析結果知， 股票市場的收盤價構成的時間序列得到的 指數不等於 ， 因而此
時間序列並不是一個隨機游動的過程， 而是一個有偏的隨機過程， 即前一段時間的走勢會影響
後一階段的股票收盤價， 因而可以對收盤價的走勢進行預測。

㈦ a股和美股的相關性

A股、港股、美股內在的聯動性如果我們仔細研究一些關於A股、港股和美股的相關數據（比如三個指數的日K線圖），就不難發現，這三個市場有著明顯的內在相關性和聯動性。首先來說一說內地股市和香港股市的聯動性，這兩個股票市場之間的相關性和兩地資本的融通和實體經濟的相互滲入有著非常大的關系。1997年，香港與內地的貿易就佔到了香港外貿的36%，後來的十年間兩地的貿易更是愈加頻繁，佔香港外貿的比重也越來越大。另外，大型國企回歸A股也使得兩地的上市公司結構趨於一致，含有H股的公司在A股市場上的影響力也大大增加，上證綜指排名靠前的權重股有許多都是A+H股，所以香港H股的走勢對A股市場的影響自然很大。（H股指的是注冊在內地，上市地在香港的股票）。其次，美國作為最大的經濟體，其股市的漲跌自然也是牽一發而動全身，美國股市對全球股市都有影響，香港股市自然也包括在內。所以，美國股市影響香港股市，香港股市進而又會影響內地股市，這樣，A股、港股和美股的聯動性就很好理解了。根據這三個市場內在的聯動性，我們可以得出的經驗是，判斷股市的整體運行趨勢最重要的參考和根據是美國經濟的發展趨勢。 從近年出現的情況來看，美股和A股的關系會出現以下四種情況。第一種情況是美股下跌，A股也下跌。這又分為兩種可能，第一，可能是市場擔憂美國經濟、企業的表現不佳會影響到A股。簡單來說，A股中存在諸如蘋果概念、特斯拉概念等與國外大型公司掛鉤的上市公司，如果這些國外公司的業績不及預期或經營、戰略調整等因素導致公司股價下降，就有可能會導致國內相關概念股受到影響。營收主要來源越是和這些海外企業掛鉤，受到的影響就越大。由於美國經濟目前依然在全球經濟中占重要地位，因此如果美股因為經濟情況不及預期出現下跌，導致市場認為美國經濟的不佳會影響各國經濟，就極有可能導致各國資本市場受到影響，A股市場也會如此。第二，可能是美股出現技術性調整，且這種調整和美國經濟沒有太多的關系。這種非基本面的因素會影響到投資者信心，也會對美國上市公司的經營情況產生影響，繼而也會影響到海外市場。如果A股在此時顯得「蕭條」、缺失信心，那麼也會跟隨美股的技術調整而向下調整。第二種情況是美股下跌，A股上漲。近期的行情就是如此，美股近期的一連串下跌，並不是因為其經濟表現不佳，從各類經濟數據來看，美國經濟並沒有什麼問題，而且美國上市公司的業績也表現不錯，但道指近期的回調已經完全收回了今年的漲幅。簡單來看，道瓊斯工業指數今年10月再度刷新歷史新高，但此次新高之前，道瓊斯工業指數經歷了一次回調，形成了大跨度的二次見頂，形成了中期壓力。這種非基本面的因素會影響到投資者信心，但由於A股一是處於歷史低點位置、二是高層多次釋放信心、三是監管層今年下半年多次釋放大招，加上A股相對封閉，這種技術型的調整沒有太多地打擊到投資者對A股的信心。第三種情況是美股上漲，A股下跌。這也有多種可能，第一，可能是美國經濟在增長的過程中，影響到其他國家經濟的發展，導致其他國家的經濟發展不及預期，即形成美股經濟增長強勁、推動美股上漲，其他國家資本市場增長乏力的情況。第二，可能是美國經濟在增長過程中，中國經濟也增長強勁，但由於美股穩定性、收益情況均要強於A股市場以及A股賺錢效應不強等情況，導致一部分資金從A股流入美股，使得A股未能在經濟向好過程中走高；第三，可能是在美股走高的過程中，A股市場依然因為資金對其預期、信心等方面的不足，導致A股即便是估值達到了極佳狀態也難以獲得上漲的力量。第四種情況是美股上漲，A股上漲。這種行情在2014年至2015年期間持續了較長一段時間，當時幾乎所有國家和地區的股市都在上漲，上證指數、深證成指、創業板指這三大股指均擠入領漲的前十，但A股當時過於強勢的表現透支了其動力。