A. 如何用Eviews預測股市波動率
用具體數據，可以做garch模型
B. 求助，用eviews算股票的貝塔系數
E（Rp）表示投資組合的期望收益率，Rf為無風險報酬率，E（RM）表示市場組合期望收益率，β為某一組合的系統風險系數，CAPM模型主要表示單個證券或投資組合同
C. 運用EVIEWS來分析 股票交易日數據（數據就自然不是每天都有），建立workfile選擇數據類型是選擇什麼
dated-structure frequency應選擇選擇unstructured/undated。
D. 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
E. 用Eviews怎麼求股票的收益率急！
在eviews里新建文件，輸入股票價格s，然後在quick 里選genrate series，輸入rs=@pch（s），點擊確定，出來的結果即為收益率
F. 如何用eviews軟體對站上5日線的股票統計
股票中的MA5，就是5日移動平均線,是k線圖的一個組成部分。移動平均線是用統計處理的方式，將若干天的股票價格加以平均，然後連接成一條線，用以觀察股價趨勢。移動平均線的理論基礎是道.瓊斯的「平均成平」概念。通常有5日、10日、20日、30日、60日、120日等均線。其目的在取得某一段時間的平均成本，而以此平均成本的移動曲線配合每日收盤價的線路變化分析某一時期多空的優劣形勢，以研判股價的可能變化。一般來說，現行價格在平均價之上，意味著市場需求較大，行情看好；反之，則表明買壓較重，行情看淡。
下面以5日移動平均線為例說明均線的由來：
將第1日至第5日的5個收盤價求算術平均值，得到第1平均價；將第2日至第6日的5個收盤價求算術平均值，得到第2個平均價。以此類推，可以得到一系列平均價，將這些5日均價用一條曲線連起來就成為5日移動平均線。
G. Eviews軟體操作 測試股票表現
那麼你要給出具體市場表現的數據才能比較和判斷、
H. 如何用Eviews6，通過某隻股票以前的價格數據，分析未來的價格走勢，用Eviews什麼分析可以做到。
做一下時間序列模型分析
I. 如何用eviews進行GARCH模型測股票波動性，要具體步驟
Eviews是Econometrics Views的縮寫，直譯為計量經濟學觀察，通常稱為計量經濟學軟體包。它的本意是對社會經濟關系與經濟活動的數量規律，採用計量經濟學方法與技術進行「觀察」。另外Eviews也是美國QMS公司研製的在Windows下專門從事數據分析、回歸分析和預測的工具。使用Eviews可以迅速地從數據中尋找出統計關系，並用得到的關系去預測數據的未來值。Eviews的應用范圍包括：科學實驗數據分析與評估、金融分析、宏觀經濟預測、模擬、銷售預測和成本分析等。
GARCH模型是一個專門針對金融數據所量體訂做的回歸模型，除去和普通回歸模型相同的之處，GARCH對誤差的方差進行了進一步的建模。特別適用於波動性的分析和預測，這樣的分析對投資者的決策能起到非常重要的指導性作用，其意義很多時候超過了對數值本身的分析和預測。
一般的GARCH模型可以表示為：
Y（t）=h（t）^1/2*a（t） ⑴
h（t）=h（t-1）+a（t-1）^2 ⑵
其中ht為條件方差，at為獨立同分布的隨機變數，ht與at互相獨立，at為標准正態分布。⑴式稱為條件均值方程；⑵式稱為條件方差方程，說明時間序列條件方差的變化特徵。為了適應收益率序列經驗分布的尖峰厚尾特徵，也可假設 服從其他分布，如Bollerslev （1987）假設收益率服從廣義t-分布，Nelson（1991）提出的EGARCH模型採用了GED分布等。另外，許多實證研究表明收益率分布不但存在尖峰厚尾特性，而且收益率殘差對收益率的影響還存在非對稱性。當市場受到負沖擊時，股價下跌，收益率的條件方差擴大，導致股價和收益率的波動性更大；反之，股價上升時，波動性減小。股價下跌導致公司的股票價值下降，如果假設公司債務不變，則公司的財務杠桿上升，持有股票的風險提高。因此負沖擊對條件方差的這種影響又被稱作杠桿效應。由於GARCH模型中，正的和負的沖擊對條件方差的影響是對稱的，因此GARCH模型不能刻畫收益率條件方差波動的非對稱性。
J. 用eviews做分析時股票日收盤價需要補齊嗎
不需要
這是一個時間序列數據，在右邊選擇時間的分類，然後輸入時間的起始點和中指點，就可以建立一個workflle了
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。