1. 如何計算股票的殘差
這個要看你的指數模型選什麼指標做變數，通常如果兩個高度競爭的公司，那麼它們存在高度相關性，你如果用單指數模型，會導致殘差高估。
2. 股票的一系列計算，能有詳解和說明最好
解答如下：
90.(30-1*e^-(6%*2/12)-1*e^-(6%*5/12))*e^(6%*6/12)=28.89 選擇B
91.此時為平值期權0元 選擇A
92.折現到當前時間點計算 28.89-35*e^(-6%/4)=-5.55 選B （不太確定）
93.由ESS/TSS=0.95可知道，RSS/TSS=0.05,所以，TSS=120.5/0.05=2410,選擇B
94.多重共線性，使得OLS參數估計不確定性增大，方差增大 選擇A
3. 股指期貨如何對沖股市，具體如何操作
股指期貨的應用策略主要包括對沖性操作和趨勢操作。特別是對沖操作，更成為機構投資者應用研究的重點。本文就對沖操作效果和效率的關聯關系、關聯系數方面的研究作一探討。
一、對沖的概念
對沖作為股指期貨應用的一種策略，分為防禦性對沖、主動性對沖和綜合性對沖。防禦性對沖又叫被動性對沖，是把對沖操作作為一種避險措施來使用，目的是保護現貨利益，規避系統風險。主要包括完全套期保值和留有敞口風險的不完全套期保值。主動性對沖，是把收益最大化或效率最大化作為目標的對沖策略。主要包括套利策略和系統性投機策略。綜合性對沖又稱混合性對沖，是上述策略的綜合運用，比如把股指期貨的綜合功用融合進股票組合中，形成包含股指期貨的組合投資策略，把股指期貨策略當作風險控制器和效率放大器，從而使得夏普比率最大化，來實現不同時期、不同市場背景下的綜合效果。
二、關聯和系數
研究對沖基本策略，首先要著重研判關聯。股票組合，標的指數，期貨指數客觀上形成一個三維關聯關系。在這個三維體系中，研究方向是兩組關聯關系。即單品種（包括股票組合）和標的指數的關聯，現貨指數和期貨指數的關聯。研究重點是標的指數，因為其「一肩挑兩頭」。
（一）股票組合（包括單品種）和標的指數的關聯
股指期貨標的物有別於商品期貨標的物的主要特徵之一是不可完全復制性。商品現貨可以完全復制標准倉單，只要按照標准倉單的要求去生成，二者不僅可以消滅質量離差而且可以消滅價格離差。股票組合與股指之間的離差是永遠存在的，即使某指數基金嚴格按照滬深300指數的構成比例去組建這個組合，也不可能做到完全「復制」，因為滬深300指數以分級靠檔派許加權法計算的權重比例，每個撮合節都在變，是個序列變數。所以只能做到「逼近」，比如跟蹤指數的ETF基金。機構投資組合的品種中通常包括滬深300成分股之外的股票，收益率離差就更難以避免了。這個特徵可以派生出兩個概念：第一，商品期貨對沖操作的目標是價格風險，而股指期貨對沖的目標是價格風險中的系統性風險；第二，由於股指期貨的現貨價格形成於證券市場，是集中交易的結果，具有權威性、准確性、動態性和唯一性，因此更方便於建立數學模型來研判他們之間的關聯系數。而關聯系數就是對沖紐帶中的第一個環節。股票組合和標的指數的關聯可以用三個指標做定量化研究：撬動系數、貝塔系數、樣本誤差系數。
1.撬動系數。
單品種和指數的關聯研究一般有兩個實現途徑：一是動因分析，二是常態（現象）分析。動因分析主要著眼於股指的波動構成因素和反作用，常態分析主要著眼於通常狀態下的關聯程度的概念。動因分析是主動性對沖的關鍵，常態分析是防衛性對沖的要點。撬動系數是動因分析的一個基本指標。
滬深300指數計算公式為，報告期指數=報告期成分股的總調整市值/基期×1000，其中，總調整市值=∑（市價×樣本股調整股本數）。可見影響指數波動的直接動因是成分個股波動。我們把這種對造成指數波動的直接影響力進行解析稱為動因分析。根據滬深300指數的形成機制，可以逆運算撬動系數，表達式為：撬動系數=（市價×樣本股調整股本數）×指數市價/∑（市價×樣本股調整股本數）。
撬動系數是一個構成滬深300指數成分的重要性程度對比指標，是該品種或者股票組合收益率占指數收益率的百分比，靜態意義是在某一時間尺度，我們對其他品種做靜止替代，該品種或組合收益率波動1%對滬深300指數撬動多少個點，也可以表達為撬動幅度，即該品種或組合收益率波動1%對滬深300指數收益率撬動的百分比。此系數可以用來分析指數的歷史波動，也可以通過因素解析研判和預測指數未來的波動
4. 什麼是量化交易，未來前景如何知道的講講。
國外量化交易已經發展了40年左右，量化交易程序換交易佔比60%，量化基金規模達到30個億美元，而國內量化交易起步較晚第一隻量化基金在2004年左右，至今量化交易規模不過2萬億RMB，國內現在的量化人才也很缺失，隨著過來一批量化交易的海龜回來從事量化交易會一定程度帶動行業的發展，但是仍需一定時間，加上國內量化交易政策還不夠明朗，整體來說量化交易在國內還是一年藍海，但是路途並非坦途。
5. 對沖交易是什麼意思
對沖交易對沖交易即同時進行兩筆行情相關、方向相反、數量相當、盈虧相抵的交易。行情相關是指影響兩種商品價格行情的市場供求關系存在同一性，供求關系若發生變化，同時會影響兩種商品的價格，且價格變化的方向大體一致。方向相反指兩筆交易的買賣方向相反，這樣無論價格向什麼方向變化，總是一盈一虧。當然要做到盈虧相抵，兩筆交易的數量大小須根據各自價格變動的幅度來確定，大體做到數量相當。市場經濟中，可以做對沖的交易有很多種，外匯對沖，期權對沖，但最適宜的還是期貨交易。首先是因為期貨交易採用保證金制度，同樣規模的交易，只需投入較少的資金，這樣同時做兩筆交易成本增加不多。其次是期貨可以買空賣空，合約平倉的虛盤對沖和實物交割的實盤對沖都可以做，完成交易的條件比較靈活，所以對沖交易也是在期貨這種金融衍生工具誕生以後才得以較快發展。
商務印書館《英漢證券投資詞典》解釋：對沖交易 hedge。亦作：套利交易。名。為了避免金融產品投資損失所採用的交易措施。最基本的方式為採用買進現貨賣出期貨或賣出現貨買進期貨，廣泛使用於股票、外匯、期貨等領域。對沖或套利交易的初衷是降低市場波動給投資品種帶來的風險，鎖定已有投資成果，但很多專業投資經理和公司將其用來投機盈利。單純進行對沖投機的風險很大。另為：hedging。
下面以期貨對沖舉例說明其操作方法。
期貨市場的對沖交易大致有四種。其一是期貨和現貨的對沖交易，即同時在期貨市場和現貨市場上進行數量相當、方向相反的交易，這是期貨對沖交易的最基本的形式，與其他幾種對沖交易有明顯的區別。首先，這種對沖交易不僅是在期貨市場上進行，同時還要在現貨市場上進行交易，而其他對沖交易都是期貨交易。其次，這種對沖交易主要是為了迴避現貨市場上因價格變化帶來的風險，而放棄價格變化可能產生的收益，一般被稱為套期保值。而其他幾種對沖交易則是為了從價格的變化中投機套利，一般被稱為套期圖利。當然，期貨與現貨的對沖也不僅限於套期保值，當期貨與現貨的價格相差太大或太小時也存在套期圖利的可能。只是由於這種對沖交易中要進行現貨交易，成本較單純做期貨高，且要求具備做現貨的一些條件，因此一般多用於套期保值。
其二是不同交割月份的同一期貨品種的對沖交易。因為價格是隨著時間而變化的，同一種期貨品種在不同的交割月份價格的不同形成價差，這種價差也是變化的。除去相對固定的商品儲存費用，這種價差決定於供求關系的變化。通過買入某一月份交割的期貨品種，賣出另一月份交割的期貨品種，到一定的時點再分別平倉或交割。因價差的變化，兩筆方向相反的交易盈虧相抵後可能產生收益。這種對沖交易簡稱跨期套利。
其三是不同期貨市場的同一期貨品種的對沖交易。因為地域和制度環境不同，同一種期貨品種在不同市場的同一時間的價格很可能是不一樣的，並且也是在不斷變化的。這樣在一個市場做多頭買進，同時在另一個市場做空頭賣出，經過一段時間再同時平倉或交割，就完成了在不同市場的對沖交易。這樣的對沖交易簡稱跨市套利。
其四是不同的期貨品種的對沖交易。這種對沖交易的前提是不同的期貨品種之間存在某種關聯性，如兩種商品是上下游產品，或可以相互替代等。品種雖然不同但反映的市場供求關系具有同一性。
6. 股票的二階段三階段定價法的基本思想
(三)組合的構造與收益率計算
對CAPM的總體性檢驗是檢驗風險與收益的關系，由於單個股票的非系統性風險較大，用於收益和風險的關系的檢驗易產生偏差。因此，通常構造股票組合來分散掉大部分的非系統性風險後進行檢驗。構造組合時可採用不同的標准，如按個股b系數的大小，股票的股本大小等等，本文按個股的b系數大小進行分組構造組合。將所有股票按b系數的大小劃分為15個股票組合，第一個股票組合包含b系數最小的一組股票，依次類推，最後一個組合包含b數子最大的一組股票。組合中股票的b系數大的組合被稱為"高b系數組合"，反之則稱為"低b系數組合"。
構造出組合後就可以計算出組合的收益率了，並估計組合的b系數用於檢驗。這樣做的一個缺點是用同一歷史時期的數據劃分組合，並用於檢驗，會產生組合b值估計的偏差，高b系數組合的b系數可能會被高估，低b系數組合的b系數可能被低估，解決此問題的方法是應用Black,Jenson與Scholes研究組合模型時的方法（下稱BJS方法），即如下四步：
(1)利用第一期的數據計算股票的b系數。
(2)利用第一期的b系數大小劃分組合
(3)採用第一期的數據，對組合的收益與市場收益率進行回歸，估計組合的b系數
(4)將第一期估計出的組合b值作為自變數，以第二期的組合周平均收益率進行回歸檢驗。
在計算組合的平均周收益率時，我們假設每個組合中的十隻股票進行等額投資，這樣對平均周收益率 只需對十隻股票的收益率進行簡單平均即可。由於股票的系統風險測度，即真實的貝塔系數無法知道，只能通過市場模型加以估計。為了使估計的貝塔系數更加靈敏，本研究用上一年的數據估計貝塔系數，下一年的收益率檢驗模型。
(四)組合貝塔系數和風險的確定
對組合的周收益率求標准方差，我們可以得到組合的總風險sp
組合的b值的估計，採用下面的時間序列的市場模型：
Rpt =ap+bpRmp+ept
其中：Rpt表示t時期投資組合的收益率
：為估計的系數
Rmt表示t期的市場組合收益率
ept為回歸的殘差
對組合的每周收益率與市場指數收益率回歸殘差分別求標准差即可以得到組合sep值。
表1：組合周收益率回歸的b值與風險（1997.01.01～1997.12.31)
組合 組合b值 組合а值 相關系數平方 總風險 非系統風險
1 0.781 0.001 0.888 0.063 0.021
2 0.902 0.000 0.943 0.071 0.017
3 0.968 0.000 0.934 0.076 0.02
4 0.989 0.000 0.902 0.079 0.025
5 1 0.000 0.945 0.078 0.018
6 1.02 0.000 0.958 0.079 0.016
7 1.04 0.002 0.935 0.082 0.021
8 1.06 0.000 0.925 0.084 0.023
9 1.08 0.000 0.938 0.085 0.021
10 1.1 0.000 0.951 0.086 0.019
11 1.11 0.000 0.951 0.087 0.019
12 1.12 0.000 0.928 0.089 0.024
13 1.13 0.000 0.937 0.089 0.022
14 1.16 0.000 0.912 0.092 0.027
15 1.17 0.000 0.922 0.092 0.026
(五)組合平均收益率的確定
對組合按前面的構造方法，用第98年的周收益率求其算術平均收益率。
表2：組合的平均收益率（1998.1.1-1998.12.31）
組合 組合b 平均周收益率
1 0.781 0.0031
2 0.902 -0.0004
3 0.968 0.0048
4 0.989 0.0052
5 1 0.0005
6 1.02 -0.002
7 1.04 0.0038
8 1.06 0.003
9 1.08 0.0016
10 1.1 0.0026
11 1.11 0.005
12 1.12 0.0065
13 1.13 0.0044
14 1.16 0.0067
15 1.17 0.0074
(六)風險與收益關系檢驗
以97年的組合收益率估計b，以98年的組合收益率求周平均收益率。對15組組合得到的周平均收益率與各組合b系數按如下模型進行回歸檢驗：
Rpj=g0+g1bpj
其中 : Rpj 是組合 j的98年平均周收益率
bpj 是組合j的b系數
g0，g1為估計參數
按照CAPM應有假設：
1.g0的估計應為Rf的均值，且大於零，表明存在無風險收益率。
2.g1的估計值應為Rm-Rf>0,表明風險與收益率是正相關系，且市場風險升水大於零。
回歸結果如下：
g0 g1 R2
均值 -0.0143 0．0170 0.4867
T值 -2.8078 3.5114
查表可知，在5%顯著水平下回歸系數g1顯著不為0，即在上海股市中收益率與風險之間存在較好的線性相關關系。論文在實踐檢驗初期，發現當以93年至97年的數據估計b，而用98年的周收益率檢驗與風險b關系時，回歸得到的結論是5%顯著水平下不能拒絕回歸系數g1顯著為0的假設。這些結果表明，在上海股市中系統性風險b與周收益率基本呈現正線性相關關系。同時，上海股市仍為不成熟證券市場，個股b十分不穩定，從相關系數來看,尚有其他的風險因素在股票的定價中起著不容忽視的作用。本文將在下面進行CAPM模型的修正檢驗。
7. 請教，stata 如何定義時間序列 股票交
reg y x1 x2 x3predict e,r就可以生成變數命為e的殘差
8. 如何用GARCH(1,1)求股票的具體波動率數據
以哈飛股份(600038)為例，運用GARCH（1,1）模型計算股票市場價值的波動率。
GARCH（1,1）模型為：
(1)
(2)
其中， 為回報系數， 為滯後系數， 和 均大於或等於0。
（1）式給出的均值方程是一個帶有誤差項的外生變數的函數。由於是以前面信息為基礎的一期向前預測方差，所以稱為條件均值方程。
（2）式給出的方程中： 為常數項， （ARCH項）為用均值方程的殘差平方的滯後項， （GARCH項）為上一期的預測方差。此方程又稱條件方差方程，說明時間序列條件方差的變化特徵。
通過以下六步進行求解：
本文選取哈飛股份2009年全年的股票日收盤價，採用Eviews 6.0的GARCH工具預測股票收益率波動率。具體計算過程如下：
第一步：計算日對數收益率並對樣本的日收益率進行基本統計分析，結果如圖1和圖2。
日收益率採用JP摩根集團的對數收益率概念，計算如下：
其中Si，Si-1分別為第i日和第i-1日股票收盤價。
圖1 日收益率的JB統計圖
對圖1日收益率的JB統計圖進行分析可知：
（1）標准正態分布的K值為3，而該股票的收益率曲線表現出微量峰度（Kurtosis=3.748926>3），分布的凸起程度大於正態分布，說明存在著較為明顯的「尖峰厚尾」形態；
（2）偏度值與0有一定的差別，序列分布有長的左拖尾，拒絕均值為零的原假設，不屬於正態分布的特徵；
（3）該股票的收益率的JB統計量大於5%的顯著性水平上的臨界值5.99，所以可以拒絕其收益分布正態的假設，並初步認定其收益分布呈現「厚尾」特徵。
以上分析證明，該股票收益率呈現出非正態的「尖峰厚尾」分布特徵，因此利用GARCH模型來對波動率進行擬合具有合理性。
第二步：檢驗收益序列平穩性
在進行時間序列分析之前，必須先確定其平穩性。從圖2日收益序列的路徑圖來看，有比較明顯的大的波動，可以大致判斷該序列是一個非平穩時間序列。這還需要嚴格的統計檢驗方法來驗證，目前流行也是最為普遍應用的檢驗方法是單位根檢驗，鑒於ADF有更好的性能，故本文採用ADF方法檢驗序列的平穩性。
從表1可以看出，檢驗t統計量的絕對值均大於1%、5％和10%標准下的臨界值的絕對值，因此，序列在1%的顯著水平下拒絕原假設，不存在單位根，是平穩序列，所以利用GARCH（1,1）模型進行檢驗是有效的。
圖2 日收益序列圖
表1ADF單位根檢驗結果
第三步：檢驗收益序列相關性
收益序列的自相關函數ACF和偏自相關函數PACF以及Ljung-Box-Pierce Q檢驗的結果如表3（滯後階數 =15）。從表4.3可以看出，在大部分時滯上，日收益率序列的自相關函數和偏自相關函數值都很小，均小於0.1，表明收益率序列並不具有自相關性，因此，不需要引入自相關性的描述部分。Ljung-Box-Pierce Q檢驗的結果也說明日收益率序列不存在明顯的序列相關性。
表2自相關檢驗結果
第四步：建立波動性模型
由於哈飛股份收益率序列為平穩序列，且不存在自相關，根據以上結論，建立如下日收益率方程：
(3)
(4)
第五步：對收益率殘差進行ARCH檢驗
平穩序列的條件方差可能是常數值，此時就不必建立GARCH模型。故在建模前應對收益率的殘差序列εt進行ARCH檢驗，考察其是否存在條件異方差，收益序列殘差ARCH檢驗結果如表3。可以發現，在滯後10階時，ARCH檢驗的伴隨概率小於顯著性水平0.05，拒絕原假設，殘差序列存在條件異方差。在條件異方差的理論中，滯後項太多的情況下，適宜採用GARCH（1,1）模型替代ARCH模型，這也說明了使用GARCH（1,1）模型的合理性。
表3日收益率殘差ARCH檢驗結果
第六步：估計GARCH模型參數，並檢驗
建立GARCH（1,1）模型，並得到參數估計和檢驗結果如表4。其中，RESID(-1)^2表示GARCH模型中的參數α，GARCH（-1）表示GARCH模型中的參數β，根據約束條件α+β<1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，滿足約束條件。同時模型中的AIC和SC值比較小，可以認為該模型較好地擬合了數據。
表4日收益率波動率的GARCH（1,1）模型的參數估計