用离散系数分析股票收盘价

Ⅰ 平均数越大说明数据的离散程度越大对吗

不对，表示数据离散程度的是方差。方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。

在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。总体方差计算公式：

（当且仅当X取常数值E（X）时的概率为1时，D（X）=0。）

注：不能得出X恒等于常数，当x是连续的时候X可以在任意有限个点取不等于常数c的值。

5、D（aX+bY）=a2DX+b2DY+2abCov（X，Y）。

Ⅱ 股票的波动性是按什么指标算的

股票的波动性是按波动率指数算的，芝加哥期权交易所(Chicago Board Options Exchange，CBOE)的波动率指数(Volatility Index，VIX)或者称之为“恐惧指数”，衡量标准普尔500指数(S&P 500 Index)期权的隐含波动率。VIX指数每日计算，代表市场对未来30天的市场波动率的预期。
类型：
1、实际波动率
实际波动率又称作未来波动率，它是指对期权有效期内投资回报率波动程度的度量，由于投资回报率是一个随机过程，实际波动率永远是一个未知数。或者说，实际波动率是无法事先精确计算的，人们只能通过各种办法得到它的估计值。
2、历史波动率
历史波动率是指投资回报率在过去一段时间内所表现出的波动率，它由标的资产市场价格过去一段时间的历史数据（即St的时间序列资料）反映。这就是说，可以根据{St}的时间序列数据，计算出相应的波动率数据，然后运用统计推断方法估算回报率的标准差，从而得到历史波动率的估计值。显然，如果实际波动率是一个常数，它不随时间的推移而变化，则历史波动率就有可能是实际波动率的一个很好的近似。
3、预测波动率
预测波动率又称为预期波动率，它是指运用统计推断方法对实际波动率进行预测得到的结果，并将其用于期权定价模型，确定出期权的理论价值。因此，预测波动率是人们对期权进行理论定价时实际使用的波动率。这就是说，在讨论期权定价问题时所用的波动率一般均是指预测波动率。需要说明的是，预测波动率并不等于历史波动率，因为前者是人们对实际波动率的理解和认识，当然，历史波动率往往是这种理论和认识的基础。除此之外，人们对实际波动率的预测还可能来自经验判断等其他方面。
4、隐含波动率
隐含波动率是期权市场投资者在进行期权交易时对实际波动率的认识，而且这种认识已反映在期权的定价过程中。从理论上讲，要获得隐含波动率的大小并不困难。由于期权定价模型给出了期权价格与五个基本参数（St，X，r，T-t和σ）之间的定量关系，只要将其中前4个基本参数及期权的实际市场价格作为已知量代入期权定价模型，就可以从中解出惟一的未知量σ，其大小就是隐含波动率。因此，隐含波动率又可以理解为市场实际波动率的预期。
期权定价模型需要的是在期权有效期内标的资产价格的实际波动率。相对于当期时期而言，它是一个未知量，因此，需要用预测波动率代替之，一般可简单地以历史波动率估计作为预测波动率，但更好的方法是用定量分析与定性分析相结合的方法，以历史波动率作为初始预测值，根据定量资料和新得到的实际价格资料，不断调整修正，确定出波动率。

Ⅲ 在离中趋势的分析下,为什么要计算变异系数

1.标志变异指标（如：全距、四分位差、平均差、标准差等）是绝对指标，都有与平均指标相同的计量单位。
2.各种标志变动度的数值大小不仅受离散程度的影响，而且还受数列水平高低的影响。
3.在分析时不宜直接采用标志变异指标来比较不同水平的数列之间的标志离散程度，必须用反应标志变异程度的相对指标来比较，即用变异系数也称离散系数来比较。

Ⅳ 用GARCH(1,1)模型对股票收盘价收益率序列建模，如何在eviews软件中得出收益率序列的波动性方差

接分啦。。。找到一篇不错的文章
楼主看下，参考资料：
2.关联规则挖掘过程、分类及其相关算法
2.1关联规则挖掘的过程
关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组(Frequent Itemsets)，第二阶段再由这些高频项目组中产生关联规则(Association Rules)。
关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(Large Itemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含项目组的支持度，若支持度大于等于所设定的最小支持度(Minimum Support)门槛值时，则称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequent k-itemset)，一般表示为Large k或Frequent k。算法并从Large k的项目组中再产生Large k+1，直到无法再找到更长的高频项目组为止。
关联规则挖掘的第二阶段是要产生关联规则(Association Rules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小信赖度(Minimum Confidence)的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。例如：经由高频k-项目组所产生的规则AB，其信赖度可经由公式(2)求得，若信赖度大于等于最小信赖度，则称AB为关联规则。
就沃尔马案例而言，使用关联规则挖掘技术，对交易资料库中的纪录进行资料挖掘，首先必须要设定最小支持度与最小信赖度两个门槛值，在此假设最小支持度min_support=5% 且最小信赖度min_confidence=70%。因此符合此该超市需求的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则「尿布，啤酒」，满足下列条件，将可接受「尿布，啤酒」的关联规则。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%于此应用范例中的意义为:在所有的交易纪录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)>=70%于此应用范例中的意义为:在所有包含尿布的交易纪录资料中，至少有70%的交易会同时购买啤酒。因此，今后若有某消费者出现购买尿布的行为，超市将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据「尿布，啤酒」关联规则，因为就该超市过去的交易纪录而言，支持了“大部份购买尿布的交易，会同时购买啤酒”的消费行为。
从上面的介绍还可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。
2.2关联规则的分类
按照不同情况，关联规则可以进行分类如下：
1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。
布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然

Ⅳ 如何用这些数据算季度的股票收益风险和变异系数

这些东西没用的 股票上涨是因为钱进去了 跌是因为钱出来了 和这些报表无关的
看报表做股票 呵呵
你去看看 中铝的报表就知道了 按着报表做 死翘翘的

Ⅵ 全国单证员考试中有没有计算题

一、关于边际产量。

边际产量=总产量1—总产量2。

例题：当企业投入劳动的数量为3个单位时，其总产量和平均产量分别为3500、1167；当投入劳动数量为4个单位时，其总产量和平均产量分别为3800、950。则该企业的边际产量为——3800减去3500，等于300。

二、关于平均产量。

平均产量=总产量÷单位个数

例如：当企业投入劳动的数量为2个单位时，其总产量和平均产量分别为3000、1000；当投入劳动数量为3个单位时，其总产量和平均产量分别为3500、500。则该企业的投入劳动数量为3个单位时的平均产量是——3500÷5等于1167。

三、关于边际成本。

边际成本=总成本1—总成本2。

例题：当某企业的产量为2个单位时，其总成本、总固定成本、总可变成本、平均成本分别为2000、1200、800、1000元。当产量为3个单位时，其总成本、总固定成本、总可变成本、平均成本分别为2100、1300、900、700元。则该企业的边际成本为——2100减去2000等于100。

三、关于全要素生产率。

全要素生产率=经济增长率—（劳动份额 乘以 劳动增加率）—（资本份额 乘以 资本增长率）

例题：如果一国在一定时期内经济增长率为7%，劳动增长率为2%，资本增长率为3%。劳动产出弹性和资本产出弹性分别为0.65和0.35。根据索洛余值法，在7%的经济增长率中，全要素生产率对经济的贡献约为——百分之7减去 （0.65乘以2%）减去（0.35乘以3%）=4.65%约等于4.7%。

四、关于货币量。

记住两个例题。

第一个例题：已知全社会现有货币供应量为24亿元。中央银行又重新放出基础货币2亿元。当时的货币乘数为4.5，则全社会将形成的最高货币供应量为——24+2乘以4.5=33亿元。

第二个例题：当存款准备金率为6%，货币供给比例为14%时，中央银行放出1000万元信用，最终形成的货币供应量为——1000乘以（6%加上14%之和的倒数）=5000万元。

五、关于众数、中位数。

弄清楚概念。众数就是一组数据组出现次数最多的那个。中位数就是位置在中间的那个。

当一组数据为奇数个数时，中位数好分辨。当一组数据为偶数时，则把最中间的两个数字相加后除以2即可。（均需要先从小到大排序）

例题：某中学高一年级8个班学生人数从小到大排列后为：40人、42人、42人、42人、44人、44人、45人、36人。则众数为42人，中位数为42加上44后除以2，等于43人。

六、关于关于离散系数。

离散系数=（标准差÷算数平均数）×100%。

例题：某学校学生平均年龄为20岁，标准差为3岁，该学校老师平均年龄为38岁，标准差为3岁。比较该学校学生年龄和教师年龄离散程度是——

学生年龄离散程度计算=（3÷20）×100%,教师的=（3÷38）×100%，比较一下结果，学生的大于老师的。

七、关于平均产量。

所有产量之和除以月份数。

例如：某地区1999年——2003年原煤产量如下：

年份 1999 2000 2001 2002 2003
产量（万吨） 45 46 59 68 72

该地区1999年——2003年平均每年原煤产量是：

34+46+59+68+72的和除以5=58

关于平均人数

例题：某企业各月月初员工人数见下表：该企业一季度员工平均人数为（）人、

月份 一月 二月 三月 四月 每次登记时间间隔相等。
月初员工人数 40 44 46 46 公式：见下面。

计算如下：平均人数=（二分之40+44+46+二分之46）除以（4-1）=44。3

说明：公式：平均数=第一个数据和第二个数据的二分之一加上所有剩余的数据后，再除以（n-1）

一般最后一列不算。例如以上题目中的4月份。但是数据要算的。不然无法计算平均人数。

关于登记时间间隔不相等的平均数计算。

（比较难，一般不大会考）如果有时间，请看书上P212——P213页的例题。

八、关于环比发展速度。

环比发展速度=定基发展速度相除。

例题：以2002年为基期，我国2002年和2003年广义货币供应量的定基发展速度分别为137.4%和164.3%。则2003年和2002年相比的环比发展速度为164.3%除以137.4%=119.6%

平均增长速度=平均发展速度—1

例题：1994年至1998年我国第三产业国内生产总值的平均发展速度是114.99%。则这期间平均增长速度是（14.99%）

商品销售量指数=销售额指数 除以 价格指数

例题：某商品销售额指数为110.21%，价格指数为107%，则商品销售量指数为：110.21%除以107%

单位成本指数=生产费用指数 除以 产量指数

例题：某企业总生产费用今年比去年上升50%，产量增加25%，则单位成本提高了%？

今年费用指数为150%，产量指数为125%。150%除以125%—1，就等于成本提高的百分数。

关于应精简职工数，我觉得比较难，放弃。呵呵。

关于实际工资：实际工资=名义工资 除以（居民消费价格指数加上1）

例题：某职工2008年8月领取工资3000元，当月的消费价格指数为8%，则该职工实际工资为（）

3000除以108%=2777.78元

关于企业利润额的比较，我觉得很烦，放弃了。 ：）

第五部分，会计部分。

1．
资产负债表。记住例题。

某公司2003年末营收账款所属科目借方余额合计为6000元。预收账款所属科目借方余额合计为2000元。2003年末应收账款计提坏账准备的贷方余额为200元。则在资产负债表上应收账款项目应填列的金额为（ ）原则，两个借方相加减去贷方数据。所以应该6000+2000—200=7800。

例题：某企业年末账户余额表中，“预付账款”借方余额是3000元，“应收账款”借方余额是2000元。那么在该企业年末资产负债表中“预付账款”项目应填列的金额为（两个数字相加）

关于现金流量表。放弃了。

关于应收账款周转天数=

360

销售收入净额÷（年初应收账款加上年末应收账款的二分之一）

例题：某企业年度销售收入净额为1000万元。年初应收账款为480万元，年末的为240万元。则该企业本年度应收账款的周转天数为：360÷（1000÷（480+240）
）=129.6天

2

股票收盘价市盈率=收盘价÷每股收益。

例题：假定2009年2月9日，某上市公司的股票收盘价为28元。该企业2008年年报披露的每股收益为0.27元，该企业2月9日收盘时的市盈率为28除以0.27=25

Ⅶ 如何使用excel或spss计算数据的离散系数

spss----analyze----descriptive statistics

Ⅷ spss离散系数在哪里

可使用在线SPSSAU的描述分析，输出指标都是标准格式，复制粘贴到word即可使用。