A. 股票的貝塔系數怎麼算用excel的回歸分析
Cov(ra,rm) = ρamσaσm。
其中ρam為證券 a 與市場的相關系數；σa為證券 a 的標准差；σm為市場的標准差。
貝塔系數利用回歸的方法計算: 貝塔系數等於1即證券的價格與市場一同變動。
貝塔系數高於1即證券價格比總體市場更波動，貝塔系數低於1即證券價格的波動性比市場為低。
如果β = 0表示沒有風險，β = 0.5表示其風險僅為市場的一半，β = 1表示風險與市場風險相同，β = 2表示其風險是市場的2倍。
(1)獲取股票數據並回歸分析擴展閱讀
金融學運用了貝塔系數來計算在一隻股票上投資者可期望的合理風險回報率： 個股合理回報率 =無風險回報率*+β×(整體股市回報率-無風險回報率) *可用基準債券的收益率代表。
貝塔系數=1，代表該個股的系統風險等同大盤整體系統風險，即受整體經濟因素影響的程度跟大盤一樣; 貝塔系數>1則代表該個股的系統風險高於大盤，即受整體經濟因素影響的程度甚於大盤。
貝塔系數越高，投資該股的系統風險越高，投資者所要求的回報率也就越高。高貝塔的股票通常屬於景氣循環股(cyclicals)，如地產股和耐用消費品股；低貝塔的股票亦稱防禦類股(defensive stocks)，其表現與經濟景氣的關聯度較低，如食品零售業和公用事業股。
個股的貝塔系數可能會隨著大盤的升或跌而變動，有些股票在跌市中可能會較在升市具更高風險。
B. 如何獲取股票數據與歷史數據以資料庫方式存儲的
股票歷史數據查詢有個很不錯的網頁工具可以推薦，地址是http://tool.cnfunny.cn/#/打開就可以直接使用，還可以大批量下載，方便省事！
C. 程序員怎麼獲取股票實時數據，並進行技術指
歷史數據可以從市面上眾多股票行情軟體獲取
實時數據可以訪問新浪財經的介面
D. 如何用爬蟲抓取股市數據並生成分析報表
就是當天這個股票上漲和下跌的比比如說這個股票開盤是10元，開盤他就漲，漲到了10.5元。然後又跌到10.1元，那麼現在的強弱應該是5：4=1.25。都是以次類推
E. excel回歸分析 估計股票β
www.tipdm.cn,這是一個在線的數據分析軟體，對股票的回歸分析也有
F. 如何獲取金融數據 來做回歸分析
可以去資料庫里下載數據，如果資料庫需要付費賬號才能下載的話，可以推薦去上海證券交易所和深圳證券交易所的官網上下載股票相關數據。
G. java 如何實現 獲取實時股票數據
一般有三種方式：
網頁爬蟲。採用爬蟲去爬取目標網頁的股票數據，去GitHub或技術論壇（如CSDN、51CTO）上找一下別人寫的爬蟲集成到項目中。
請求第三方API。會有專門的公司（例如網路API市場）提供股票數據，你只需要去購買他們的服務，使用他們提供的SDK，仿照demo開發實現即可。如下圖所示：
H. 怎麼獲取股票數據c++ api
基本都是自己封裝CTP介面，程序端實現多賬戶、多策略的行情信號接收和委託提交/回報處理。也可以用 QuantBox/QuantBox_XAPI · GitHub 這樣的封裝的比較好、多介面統一API的項目直接整合到程序化平台的項目中使用。
通過程序介面用證券、期貨賬號登錄後訂閱品種的行情，證券、商品期貨、股指期貨、期權（全真模擬，9號就有實盤行情）都可以接收交易所的快照數據（例如商
品、股指都是500ms一個快照，數據結構也比較完整）。然後交易平台可以把行情數據廣播給各個策略程序，程序根據量化策略的邏輯判斷是否下單？掛單的方
式如何？掛單失敗是否追單？如何追單？
策略程序判斷要下單，則提交指令到程序化交易平台，平台把各個帳號各個品種中策略的邏輯持倉匯總為實際持倉，然後通過介面提交委託，並且處理委託回報。
行情數據一方面廣播給策略程序，一方面自己存資料庫，存下來的數據通過完整性檢測後，可以自己合成低頻率的數據，如
1分鍾、30分鍾、1小時、日度等等，這些數據會被用於策略回測，也可以用於市場微觀結構的觀察和研究，例如可以通過優化掛單方式來降低交易滑點。
Matlab可以做一些回測，實盤可能是比較不易用的。一般可以用C++, Java, C#來利用CTP程序化交易介面實現實盤平台，策略研究推薦用R做數據分析、統計、處理、可視化、策略分析、自動報告，用Rcpp（R調用C++）或者直接C++實現高性能回測，用單機並行或集群實現批量回測。