股票市场相关性研究

㈠ 如何计算两个股票的相关系数(correlation）（急）

计算公式为相关系数=协方差/两个项目标准差之积。
相关系数：度量两个随机变量间关联程度的量。相关系数的取值范围为(-1，+1)。当相关系数小于0时，称为负相关；大于0时，称为正相关；等于0时，称为零相关。
拓展资料：
1.协方差：如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
2.标准差（Standard Deviation） ：标准差也称均方差（mean square error），是各数据偏离平均数的距离的平均数，它是离均差平方和平均后的方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。 格雷厄姆在1949年的著作《聪明的投资者》里说过：“经验表明在大多事例中，安全依赖于收益能力，如果收益能力不充分的话，资产就会丧失大部分的名誉(或帐面)价值。”
3.相关系数是反映两种证券之间相关性的统计方法。换句话说，这个统计告诉我们一个证券与另一个证券有多密切相关。当两种证券向上或向下同向移动时，相关系数为正。当两种证券向相反方向移动时，相关系数为负。确定两种证券之间的关系对分析跨市场关系，行业/股票关系以及行业/市场关系很有用。该指标还可以帮助投资者通过识别与股市低或负相关的证券进行多样化。 解释 相关系数在-1和+1之间振荡。这不是一个动量振荡器。
4.相反，它从正相关周期移动到周期负相关。+1被认为是完美的正相关，这是罕见的。0到+1之间的任何值表示两个证券向相同的方向移动。正相关的程度可能随时间而变化。石油股和石油大部分时间呈正相关。下面的例子显示了一只石油股股价和石油价格的关系。不出所料，20日相关系数仍然大幅上涨，经常上探+75。这两种证券之间显然存在着积极的关系。一般来说，任何超过0.50的数据都表现出强烈的正相关。

㈡ 在计算出股票之间的相关性之后，这样一个相关系数对于股民来讲有什么用，我们可以根据这个数字得到什么

简单通俗解释：每个股票组合投资都是风险敞口的，而如果你股票之间相关性较大，则等于把鸡蛋放在一个篮子里，那么一旦你投资相关性非常强的股票组合不是市场热点（甚至是市场重灾区，比如，现在日本福岛核爆炸，那么核电以及核电配套设备公司相关性强，但是目前在市场受到核电利空打击，你的组合反而面临较大风险）的话，难以达到市场收益甚至亏损。即便你找的都是贝塔系数较高的股票，但是由于自身相关，很可能是大盘强他们弱，仅仅由于其相关性强，而同时受到一个因素干扰。

㈢ 金融类毕业论文参考文献

金融类毕业论文参考文献

参考文献就是写论文的时候参考过的书籍或网站，直接关系到论文的分数和质量高低。以下是我为您整理的金融类毕业论文参考文献，希望能提供帮助。

篇一 ：参考文献

[1] 母宇.中国股票市场与全球主要股票市场联动性研究，[C].西南民族大学:2011.

[2] 于会鹏.中国股票市场板块及其与国外主要市场间的联动性实证研究，[C].理工大学:2009

[3] 陈志宁.中外股票市场的联动分析，[C].农业大学:2009.

[4] 汪波.股票市场波动性网络及其应用[C]华南理工，2012

[5] 徐晓萍. 金融危机下证券网络的复杂性特征研究[C]华东师范大学，2013

[6] 陈俊华.中国股票市场网络模型动态研究[C]浙江工业大学，2012

[7] 兰旺森，赵国浩. 应用复杂网络研究板块内股票的强相关性，[J].中山大学学报:2010(6).20-23

[8] 李耀华，姚洪兴.股票市场网络的稳定性研究，[M].江苏省系统工程学会第十一届学会:2012.

[9] 陈花.基于复杂网络的股票之间有向相关性研究，[C].北京邮电大学:2012.

[10] 陈辉煌，高岩，基于复杂网络理论的证券市场网抗毁性分析[J]，金融理论与实:2008(6)154-156

[11] 万阳松，陈忠基. 加权股票网络模型[J].复杂系统与复杂性科学，2005，1(5) :21-27

[12] 李平，汪秉宏.证券指数的网络动力学模型[J].系统工程，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] 杨治辉，贾寒梅.股票收益率相关性的网络结构分析，[M].中国控制学会:2011.

[22] 周艳波，蔡世民，周佩玲.金融市场的无标度特征研究，[J].中国科学技术大学学报: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] 李辉，赵海，徐久强，李博，李鹏，王家亮. 基于k-核的大规模软件核心框架结构抽取与度量，[J].东北大学学报:2010(11).345-347

[25] 李辉，赵海.基于k-核的大规模软件宏观拓扑结构层次性研究，[J].电子学报:2010(6).134-136

[26] 李备友，刘思峰. 网络化市场结构下证券市场传闻的扩散规律研究，[J].华东经济管理:2012(12).90-92

篇二：参考文献：

[1]袁申国，陈平，刘兰凤，. 汇率制度、金融加速器和经济波动[J]. 经济研究，2011，(1).

[2]黄志刚，. 货币政策与贸易不平衡的调整[J]. 经济研究，2011，(3).

[3]George J. Gilboy，钟宁桦，. 度量中国经济:购买力平价的适当应用[J]. 经济研究，2010，(1).

[4]万晓莉，霍德明，陈斌开，. 中国货币需求长期是否稳定?[J]. 经济研究，2010，(1).

[5]裘骏峰，. 投机资本流入、升值预期和最优升值路径[J]. 经济研究，2010，(2).

[6]张屹山，孔灵柱，. 基于权力范式的汇率决定研究[J]. 经济研究，2010，(3).

[7]李成，王彬，马文涛，. 资产价格、汇率波动与最优利率规则[J]. 经济研究，2010，(3).

[8]刘尧成，周继忠，徐晓萍，. 人民币汇率变动对我国贸易差额的动态影响[J]. 经济研究，2010，(5).

[9]黄志刚，陈晓杰，. 人民币汇率波动弹性空间评估[J]. 经济研究，2010，(5).

[10]路继业，杜两省，. 货币政策可信性与汇率制度选择:基于新政治经济学的分析[J]. 经济研究，2010，(8).

[11]卞世博，贾德奎，. 后金融危机背景下的中国经济运行风险管理——第四届中国立信风险管理论坛综述[J]. 经济研究，2010，(12).

[12]赵志君，陈增敬，. 大国模型与人民币对美元汇率的评估[J]. 经济研究，2009，(3).

[13]伍戈，. 中国的货币需求与资产替代:1994—2008[J]. 经济研究，2009，(3).

[14]王晋斌，李南，. 中国汇率传递效应的实证分析[J]. 经济研究，2009，(4).

[15]张瀛，. 汇率制度、经济开放度与中国需求政策的有效性[J]. 经济研究，2008，(3).

[16]中国经济增长与宏观稳定课题组，张平，刘霞辉，张晓晶，汪红驹，. 外部冲击与中国的通货膨胀[J]. 经济研究，2008，(5).

[17]唐翔，. “富人社区效应”还是巴拉萨-萨缪尔森效应?——一个基于外生收入的实际汇率理论[J]. 经济研究，2008，(5).

[18]龚刚，高坚，何学中，. 汇率制度与货币政策——发展中国家和小国经济的思考[J]. 经济研究，2008，(6).

[19]管汉晖，. 浮动本位兑换、双重汇率与中国经济:1870—1900[J]. 经济研究，2008，(8).

[20]施建淮，傅雄广，许伟，. 人民币汇率变动对我国价格水平的传递[J]. 经济研究，2008，(7).

篇三：参考文献：

[1] 方毅，桂鹏. 亚太地区股票市场的联动程度—基于次级贷冲击的`研究[J]世界经济研究，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，陈关荣.复杂网络理论及其应用[M].北京：清华大学出版社，2006(1).9-14.

[7] 任卓明，刘建国，邵凤，胡兆龙，郭强. 复杂网络中最小K-核节点的传播能力分析，[J].物理学报:2011(7).90-93

[8] 韩定定，复杂网络的拓扑、动力学行为及其实证研究，华东师范大学无线电物理博士论文[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] 李耀华，姚洪兴.金融危机下股票市场网络的结构特性研究[J].信息工程学院学报，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] 闵志锋.上海证券市场的复杂网络特性分析 [J].东北大学学报 (自然科学版).2007 (7).1053-1056

[16] 黄玮强，姚爽，中国股票关联网络拓扑性质与聚类结构分析[J]，管理科学:2008(3).92-95

[17] 高雅纯，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] 陈守东，韩广哲，荆伟.主要股票市场指数与我国股票市场指数间的协整分析，[J].数量经济技术经济研究:2003(5).35-37

[19] 文圭炫，洪正孝.太平洋地区国家的联动性，[J].商务管理研究: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. 我国大陆股票市场与周边主要股票市场的联动分析[J]企业经济，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

篇四：参考文献

[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] 高莹，靳莉莉.沪深300指数与世界主要股票指数的关联性分析[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] 赵勇. 金融危机背景下中美欧股票市场联动性研究[C]上海社会科学院，2012(5).76-79

[7] 洪天国. 欧洲股票市场与中国股票市场之间的波动溢出效应研究[C]江西财经大学，2013(1).29-34

[8] 金融市场稳定性的判别与度量[C]山西大学，2012(2).192-196

[9] 陈守东，陈雷，刘艳武.中国沪深股票市场收益率及波动性相关分析，[J].金融研究:2003(7).230-235

[10] 刘存绪.论中国股票市场的国际化，[J].资本市场:2000(4).30-32

;

㈣ 如何快速比较股票间的相关性

。。。。。
这个问题嘿嘿我的毕设就是这个，你可以先去期刊网去找找其他人怎么做的，我记得我在01年做的时候，样本剔除后只有300多支股票，分析来分析去，做了很多调整相关性做到了90%以上，可是以前知名学者的全面分析下来只有50%多，当时没有wind之类的东西，全手工excel，现在用wind 方便多了。但是由于我国证券市场从初始到现在因政策5次重大变动产生了较大的变化，我建议你不妨从时间和市场两个角度缩小样本选取（可以选中小板为样本），针对性更强。

㈤ 股票市场相关性包含哪些内容

从总体相关性来看，股票市场和债券市场存在跷跷板效应，但是，这种效应在不同时期表现不一致。我们发现，在不同期间，股票价格波动和债券价格波动时而同向变化，时而反向变化。在2002年初到2004年底期间，股票价格波动与债券价格波动基本呈现出同向的变化趋势；但是从2005年开始，两者表现出非常明显的反向变化。在前一个阶段，两者的相关系数为0.92，在后一个阶段两者的相关系数是-0.63。因此，股市和债市在2002年到2004年的3年时间里表现出强烈的协同效应；而在2005年初到2009年9月这将近5年时间里，表现出较强烈的跷跷板效应。对这种差别一种可能的解释是，在前一段时期中，股市波动性相对不剧烈.计算得到，2002年到2004年期间，上证指数的波动标准差是20.9，只有全样本波动性的三分之一。这种股票市场的较低波动性不足以引起投资者的股票和债券的资产组合发生大规模的变化。而这种协同效应主要由影响股市和债市的共同因素所致，比如利率的变化和经济增长率的变化，这两者的变化通常会带来股市和债市的协同波动。因为股票和债券一样都是资产，资产的价格通常同其收益率呈正比，与其贴现率成反比。经济增长使得股票和债券的收益率都上升，市场利率的提高使得股票和债券的贴现率同时上升。为了更加详细的分析两者之间的关系，我们将股市的大起大落的阶段作为参考期。显示了在股市大涨大跌时期，债券市场价格的涨跌状况。我们发现，除了2002年7月至2003年1月这段股市下跌时期中，债券市场出现同方向的下跌趋势外，其它5个股市大波动时期，债券市场都表现出与股市变化相反的变动趋势。在同向变化的这个时期，股价的涨跌幅最小。这组数据支持了股市与债市之间的“跷跷板效应”。表3的数据中表现出一个明显的特征是，股市涨跌幅越大，债市相反方向的涨跌幅也越大；并且，股市下跌时债市涨幅更加明显。前一个特征表现出投资者在资产组合选择中对于风险的敏感性较高。后一个特征主要是由于股市通常上涨较慢，而下跌较快。因此，在股市上涨时期，债市资金总是通过缓慢的方式撤离；而一旦股市出现大跌，投资者为了避免损失，会快速从股市撤出资金，大量资金从股市流入债市带来的债券需求的突然增长，通常会较快的拉高债券价格。

㈥ 上证综指和深圳成指相关性分析的研究目的和意义！

你看看下面的知识能不能帮助你。
）股票市场的波动有状态持续性
赫斯特 （指数 均大于 ， 表明黑噪音， 故上证综合指数和深圳成分股的收益率构
成的时间序列均存在着状态的持续性。深圳成分股的 指数明显大于上证综合指数股票
市场的 指数， 说明深圳成分股趋势增强的强度大， 且持续性更强。
） 股票市场的波动有关联性
深圳股票市场的关联尺度明显大于上证综合指数股票市场， 说明深圳成分股股票收盘价
波动的关联性高， 股价的波动受历史信息的影响程度更大。
） 股票市场的波动呈现规律性
由分析结果知， 股票市场的收盘价构成的时间序列得到的 指数不等于 ， 因而此
时间序列并不是一个随机游动的过程， 而是一个有偏的随机过程， 即前一段时间的走势会影响
后一阶段的股票收盘价， 因而可以对收盘价的走势进行预测。

㈦ a股和美股的相关性

A股、港股、美股内在的联动性如果我们仔细研究一些关于A股、港股和美股的相关数据（比如三个指数的日K线图），就不难发现，这三个市场有着明显的内在相关性和联动性。首先来说一说内地股市和香港股市的联动性，这两个股票市场之间的相关性和两地资本的融通和实体经济的相互渗入有着非常大的关系。1997年，香港与内地的贸易就占到了香港外贸的36%，后来的十年间两地的贸易更是愈加频繁，占香港外贸的比重也越来越大。另外，大型国企回归A股也使得两地的上市公司结构趋于一致，含有H股的公司在A股市场上的影响力也大大增加，上证综指排名靠前的权重股有许多都是A+H股，所以香港H股的走势对A股市场的影响自然很大。（H股指的是注册在内地，上市地在香港的股票）。其次，美国作为最大的经济体，其股市的涨跌自然也是牵一发而动全身，美国股市对全球股市都有影响，香港股市自然也包括在内。所以，美国股市影响香港股市，香港股市进而又会影响内地股市，这样，A股、港股和美股的联动性就很好理解了。根据这三个市场内在的联动性，我们可以得出的经验是，判断股市的整体运行趋势最重要的参考和根据是美国经济的发展趋势。 从近年出现的情况来看，美股和A股的关系会出现以下四种情况。第一种情况是美股下跌，A股也下跌。这又分为两种可能，第一，可能是市场担忧美国经济、企业的表现不佳会影响到A股。简单来说，A股中存在诸如苹果概念、特斯拉概念等与国外大型公司挂钩的上市公司，如果这些国外公司的业绩不及预期或经营、战略调整等因素导致公司股价下降，就有可能会导致国内相关概念股受到影响。营收主要来源越是和这些海外企业挂钩，受到的影响就越大。由于美国经济目前依然在全球经济中占重要地位，因此如果美股因为经济情况不及预期出现下跌，导致市场认为美国经济的不佳会影响各国经济，就极有可能导致各国资本市场受到影响，A股市场也会如此。第二，可能是美股出现技术性调整，且这种调整和美国经济没有太多的关系。这种非基本面的因素会影响到投资者信心，也会对美国上市公司的经营情况产生影响，继而也会影响到海外市场。如果A股在此时显得“萧条”、缺失信心，那么也会跟随美股的技术调整而向下调整。第二种情况是美股下跌，A股上涨。近期的行情就是如此，美股近期的一连串下跌，并不是因为其经济表现不佳，从各类经济数据来看，美国经济并没有什么问题，而且美国上市公司的业绩也表现不错，但道指近期的回调已经完全收回了今年的涨幅。简单来看，道琼斯工业指数今年10月再度刷新历史新高，但此次新高之前，道琼斯工业指数经历了一次回调，形成了大跨度的二次见顶，形成了中期压力。这种非基本面的因素会影响到投资者信心，但由于A股一是处于历史低点位置、二是高层多次释放信心、三是监管层今年下半年多次释放大招，加上A股相对封闭，这种技术型的调整没有太多地打击到投资者对A股的信心。第三种情况是美股上涨，A股下跌。这也有多种可能，第一，可能是美国经济在增长的过程中，影响到其他国家经济的发展，导致其他国家的经济发展不及预期，即形成美股经济增长强劲、推动美股上涨，其他国家资本市场增长乏力的情况。第二，可能是美国经济在增长过程中，中国经济也增长强劲，但由于美股稳定性、收益情况均要强于A股市场以及A股赚钱效应不强等情况，导致一部分资金从A股流入美股，使得A股未能在经济向好过程中走高；第三，可能是在美股走高的过程中，A股市场依然因为资金对其预期、信心等方面的不足，导致A股即便是估值达到了极佳状态也难以获得上涨的力量。第四种情况是美股上涨，A股上涨。这种行情在2014年至2015年期间持续了较长一段时间，当时几乎所有国家和地区的股市都在上涨，上证指数、深证成指、创业板指这三大股指均挤入领涨的前十，但A股当时过于强势的表现透支了其动力。