㈠ 求助一道eviews的股票題。。實物感謝
關於eviews這個系統，實在是幫不上忙。
這里是優酷的相關視頻，希望你能完成。
http://www.soku.com/search_video/type_tag_q_Eviews
㈡ eviews中對股票收盤價建模
可以試一下二階或三階差分，差分後通過單位根檢驗，判斷是否平穩，判斷拖尾截尾，確定模型及階數。實在不能判斷的情況下可以初步確定自相關偏自相關幾步衰減到0，先擬合ARMA(p，q)，根據回歸結果的參數估計能否通過t檢驗來提出，不合理的變數，多次建模比較R^2,AIC,SC等確定最優模型。
㈢ 請問怎麼用eviews研究股票市場周內效應
是自相關模型，需要建立因變數，導入數據，然後通過相關分析得出結論
㈣ 求誰能幫幫我，如何用EVIEWS軟體，分析股票指數。用最小二乘法和自回歸條件異方差用CAPM模型算風險
不好意思，我不知道是你的表達有問題，還是我沒學精。
如果說你要分析股指，我想到的不是capm，而是影響證券市場的各因素。因為capm考慮的就是市場上不能被分散的系統性風險……
如果你說你要用capm我想到的是，你可能要求的是股票指數的收益率，但是我不明白的是，如果股指的波動是你要測算的，而我們一般都把股指的波動看作是系統性風險，那麼capm中很重要的市場風險你用啥度量？
另外，你說你用最小二乘法，我直接理解就是你的自變數是（市場風險-無風險利率），因變數是股指的波動。你想做的事就是單變數的線形規劃……去確定beta。
最後，自回歸是檢驗和對模型的修正……
如果你不介意，你可以把問題說得再清楚點……否則真的很難揣測……
㈤ 關於用eviews軟體分析股票的hedge ratio，哪位大神可以幫忙啊～
那model很多的，具體操作很多，雖然不是太復雜
㈥ 用GARCH(1,1)模型對股票收盤價收益率序列建模，如何在eviews軟體中得出收益率序列的波動性方差
接分啦。。。找到一篇不錯的文章
樓主看下，參考資料：
2.關聯規則挖掘過程、分類及其相關演算法
2.1關聯規則挖掘的過程
關聯規則挖掘過程主要包含兩個階段：第一階段必須先從資料集合中找出所有的高頻項目組(Frequent Itemsets)，第二階段再由這些高頻項目組中產生關聯規則(Association Rules)。
關聯規則挖掘的第一階段必須從原始資料集合中，找出所有高頻項目組(Large Itemsets)。高頻的意思是指某一項目組出現的頻率相對於所有記錄而言，必須達到某一水平。一項目組出現的頻率稱為支持度(Support)，以一個包含A與B兩個項目的2-itemset為例，我們可以經由公式(1)求得包含項目組的支持度，若支持度大於等於所設定的最小支持度(Minimum Support)門檻值時，則稱為高頻項目組。一個滿足最小支持度的k-itemset，則稱為高頻k-項目組(Frequent k-itemset)，一般表示為Large k或Frequent k。演算法並從Large k的項目組中再產生Large k+1，直到無法再找到更長的高頻項目組為止。
關聯規則挖掘的第二階段是要產生關聯規則(Association Rules)。從高頻項目組產生關聯規則，是利用前一步驟的高頻k-項目組來產生規則，在最小信賴度(Minimum Confidence)的條件門檻下，若一規則所求得的信賴度滿足最小信賴度，稱此規則為關聯規則。例如：經由高頻k-項目組所產生的規則AB，其信賴度可經由公式(2)求得，若信賴度大於等於最小信賴度，則稱AB為關聯規則。
就沃爾馬案例而言，使用關聯規則挖掘技術，對交易資料庫中的紀錄進行資料挖掘，首先必須要設定最小支持度與最小信賴度兩個門檻值，在此假設最小支持度min_support=5% 且最小信賴度min_confidence=70%。因此符合此該超市需求的關聯規則將必須同時滿足以上兩個條件。若經過挖掘過程所找到的關聯規則「尿布，啤酒」，滿足下列條件，將可接受「尿布，啤酒」的關聯規則。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%於此應用範例中的意義為:在所有的交易紀錄資料中，至少有5%的交易呈現尿布與啤酒這兩項商品被同時購買的交易行為。Confidence(尿布，啤酒)>=70%於此應用範例中的意義為:在所有包含尿布的交易紀錄資料中，至少有70%的交易會同時購買啤酒。因此，今後若有某消費者出現購買尿布的行為，超市將可推薦該消費者同時購買啤酒。這個商品推薦的行為則是根據「尿布，啤酒」關聯規則，因為就該超市過去的交易紀錄而言，支持了「大部份購買尿布的交易，會同時購買啤酒」的消費行為。
從上面的介紹還可以看出，關聯規則挖掘通常比較適用與記錄中的指標取離散值的情況。如果原始資料庫中的指標值是取連續的數據，則在關聯規則挖掘之前應該進行適當的數據離散化（實際上就是將某個區間的值對應於某個值），數據的離散化是數據挖掘前的重要環節，離散化的過程是否合理將直接影響關聯規則的挖掘結果。
2.2關聯規則的分類
按照不同情況，關聯規則可以進行分類如下：
1.基於規則中處理的變數的類別，關聯規則可以分為布爾型和數值型。
布爾型關聯規則處理的值都是離散的、種類化的，它顯示了這些變數之間的關系；而數值型關聯規則可以和多維關聯或多層關聯規則結合起來，對數值型欄位進行處理，將其進行動態的分割，或者直接對原始的數據進行處理，當然
㈦ 如何在eviews中用garch計算股票波動率
garch模型有一個下拉選項的，兩個方程只要會解讀就沒問題
㈧ 用eviews軟體計算股票波動率，garch（1,1）模型估計出來的結果如下圖，請問那些數值是表示波動率的
c————歐米伽
RESID(-1)^2——阿爾法
GARCH（-1）——貝塔
帶入下面方程式
㈨ 急要一份計量經濟學使用Eviews軟體分析的案例模型
餓