㈠ 求助一道eviews的股票题。。实物感谢
关于eviews这个系统，实在是帮不上忙。
这里是优酷的相关视频，希望你能完成。
http://www.soku.com/search_video/type_tag_q_Eviews
㈡ eviews中对股票收盘价建模
可以试一下二阶或三阶差分，差分后通过单位根检验，判断是否平稳，判断拖尾截尾，确定模型及阶数。实在不能判断的情况下可以初步确定自相关偏自相关几步衰减到0，先拟合ARMA(p，q)，根据回归结果的参数估计能否通过t检验来提出，不合理的变量，多次建模比较R^2,AIC,SC等确定最优模型。
㈢ 请问怎么用eviews研究股票市场周内效应
是自相关模型，需要建立因变量，导入数据，然后通过相关分析得出结论
㈣ 求谁能帮帮我，如何用EVIEWS软件，分析股票指数。用最小二乘法和自回归条件异方差用CAPM模型算风险
不好意思，我不知道是你的表达有问题，还是我没学精。
如果说你要分析股指，我想到的不是capm，而是影响证券市场的各因素。因为capm考虑的就是市场上不能被分散的系统性风险……
如果你说你要用capm我想到的是，你可能要求的是股票指数的收益率，但是我不明白的是，如果股指的波动是你要测算的，而我们一般都把股指的波动看作是系统性风险，那么capm中很重要的市场风险你用啥度量？
另外，你说你用最小二乘法，我直接理解就是你的自变量是（市场风险-无风险利率），因变量是股指的波动。你想做的事就是单变量的线形规划……去确定beta。
最后，自回归是检验和对模型的修正……
如果你不介意，你可以把问题说得再清楚点……否则真的很难揣测……
㈤ 关于用eviews软件分析股票的hedge ratio，哪位大神可以帮忙啊～
那model很多的，具体操作很多，虽然不是太复杂
㈥ 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
㈦ 如何在eviews中用garch计算股票波动率
garch模型有一个下拉选项的，两个方程只要会解读就没问题
㈧ 用eviews软件计算股票波动率，garch（1,1）模型估计出来的结果如下图，请问那些数值是表示波动率的
c————欧米伽
RESID(-1)^2——阿尔法
GARCH（-1）——贝塔
带入下面方程式
㈨ 急要一份计量经济学使用Eviews软件分析的案例模型
饿