⑴ spss中主成分分析法的数据如何进行标准化处理
先将x1-x12作为指标名在转置排列，即行为指标名，列为数值。然后打开软件，导入数据，单击分析->数据缩减->因子分析，进入因子分析窗口，选中所有变量加入右边框，点击描述->相关矩阵-，勾选系数，kmo两项单击继续回到因子分析窗口，在选择旋转，勾选无，然后按确定就行了。一般软件会进行标准化处理的，应该不用你自己处理。
这个步骤只是大致的，因为SPSS版本不同，界面也会有所不同，还有中英文版的，所以可能还要你对软件的语言翻译一下。身边现在只有中文版的，不好意思啦~~
⑵ 初一数学问题
1. 统计学的三个基本发展趋势及其启示
朱永平 文献来自: 中国统计 2001年 第08期 CAJ下载 PDF下载
与统计学中的判别分析也存在一些可相互借鉴的方面。特别是关于质度函数与可拓变换理论,都有可能应用于统计指标的计算,目前也有文献在这方面取得了一定的成绩。神经网络方法被广泛应用于统计预测与多指标统计综合评价。此外,管 ...
被引用次数: 6 文献引用-相似文献-同类文献
2. 评价判别模型诊断效果的ROC分析
李康,林一帆 文献来自: 中国卫生统计 1996年 第03期 CAJ下载 PDF下载
判别模型,累积比数模型ROC分析已成为评价诊断试验的一种重要方法。本文介绍了ROC分析的基本思想,提出用ROC分析评价判别模型的优劣,给出了ROC曲线回归估计的方法,并且导出了估计ROC曲线下面积A及标准误SE ...
被引用次数: 13 文献引用-相似文献-同类文献
3. 基于Fisher准则的判别分析
陈峰,祝绍琪 文献来自: 中国卫生统计 1994年 第03期 CAJ下载 PDF下载
基于Fisher准则的判别分析@陈峰@祝绍琪$南通医学院医学统计学教研室$华西医科大学卫生统计学教研室Fisher准则,多类判别本文较全面地阐述了Fisher准则下的多类判别,及其与Bayes判别、回归分析之关系。由于Fisher判 ...
被引用次数: 4 文献引用-相似文献-同类文献
4. 基于PCA与LDA的说话人识别研究
章万锋 文献来自: 浙江大学 2004年 硕士论文 CAJ下载 在线阅读 分章下载 分页下载
判别分析方法有多种,包括距离判别、Bayes判别以及线性判别。其中 线性判别分析(LDA),又称费歇判别分析、基于类的K一L变换,由Fisher第一次提出,可以表 示不同的特征变量,在多元统计分析中 ...
被引用次数: 1 文献引用-相似文献-同类文献
5. 综合评价的多元统计分析方法
祁洪全 文献来自: 湖南大学 2001年 硕士论文 CAJ下载 在线阅读 分章下载 分页下载
本文针对主成分分析、因子分析两种紧密相关的多元统计分析方法, 从理论和实践两方面作了一定的研究;除了分析和改进两种多元分析方法 之外,还建立了应用它们进行综合评价的数学模型,并且应用这些模型对 实际问题进行了综合评价 ...
被引用次数: 3 文献引用-相似文献-同类文献
6. 分析化学计量学
吴海龙,梁逸曾,俞汝勤 文献来自: 分析试验室 1999年 第06期 CAJ下载 PDF下载
罗宏杰编著成《中国古陶瓷与多元统计分析》一书[B4],从多元统计的数学方法入手,侧重于对应分析、聚类分析以及判别分析等数学方法在中国古陶瓷研究中的应用。3 试验设计与优化正交试验设计和单纯形优化法目前仍然是试验设计和优化的主要方法。其目 ...
被引用次数: 12 文献引用-相似文献-同类文献
7. 综合评价的多元统计分析方法
祁洪全 文献来自: 湖南大学 2001年 硕士论文 CAJ下载 在线阅读 分章下载 分页下载
本文针对主成分分析、因子分析两种紧密相关的多元统计分析方法, 从理论和实践两方面作了一定的研究;除了分析和改进两种多元分析方法 之外,还建立了应用它们进行综合评价的数学模型,并且应用这些模型对 实际问题进行了综合评价 ...
被引用次数: 3 文献引用-相似文献-同类文献
8. 逐步判别分析法的计算机实现
常进荣,任翔,赵磊峰 文献来自: 云南农业大学学报 1995年 第03期 CAJ下载 PDF下载
摘要用汉字Foxbase开发一个操作界面好、通用性强的逐步判别分析计算程序.关键词逐步判别分析,算法,程序本国分类号TP311.52逐步判别分析法是多元统计学中的一类重要方法。它在生物学、农学、医学等领域中有着广泛的应用,以前的多元统计分析计算程序大多是在pc-150 ...
被引用次数: 2 文献引用-相似文献-同类文献
9. 小样本数据信用风险评估研究
王春峰,李汶华 文献来自: 管理科学学报 2001年 第01期 CAJ下载 PDF下载
普通的判别分析方法可能导致较大的判别误差 ,因此采用本文提出的CV方法来构建判别分析模型 ,试图提高判别精度 ...
被引用次数: 29 文献引用-相似文献-同类文献
10. 研发项目中止决策分析与判别
侯强 文献来自: 辽宁工程技术大学 2003年 硕士论文 CAJ下载 在线阅读 分章下载 分页下载
从项目中止决策内涵入手,结合国内外研究现状,以直观经 济分析和投资可靠性分析为切入点,分析了项目中止决策的必要 性,从价值评估理论角度分析了项目中止决策的价值基础,从自 主开发和委托代理角度分析了项目中止决策的运行机制。 依据研究与开发项目的...
被引用次数: 2 文献引用-相似文献-同类文献
查判别分析 的定义
查统计学 的定义
搜多元统计 的学术趋势
搜思想 的学术趋势
搜索相关数字
股票交易统计上市股票数目
股票交易统计上市公司数目
股票交易统计股票流通市值
⑶ 如何看股票型基金仓位
如何看待股票型基金仓位?
基金仓位的意思是基金投入股市的资金占基金所能运用的资产的比例。下限就是最低的比例。投入股市的资金如何计算：是股票成本或是股票市值？基金所能运用的资产是净资产还是现金
以前通用的仓位是基金每季公布的股票市值与净值之比。这种算法有一个问题是：股票市值及净值中含估值增值部分，即股价增长数额，并不代表基金在股价增长之前投入的实际资金。估值增值部分的计入，虚增了基金投入股市的资金，也加大了投资前的资金量，是不太科学的。
股票市值与基金净值之比并不能准确地表示基金的仓位。股票成本与扣除估值增值后的净值之比是比较准确的。这个概念中，股票以成本计，净值也扣除了估值增值部分。这个算法等于股票成本与股票成本及可用流动资金之比所计算出的仓位，其包含的真实意思有：基金短期内可动用的资金也包括在内(银行存款加各项应收款与应付款之差)，反映的是基金可支配的总体资金状况。这应该是较为准确全面的仓位计算方法。
目前股票型基金按照证监会的要求最低不能低于80%的股票仓位，所以在目前股市单边上涨行情中，股票型基金的基金净值上升是较多的。因为必须保持60以上的股票仓位。而混合型基金就相对灵活一些，可以在债券和股票中来回转换仓位。与此同时，下跌时混合型基金风险也相对较小一些。
基金仓位测算方法有哪些？
基金收益率=基金BETA*市场收益率+alpha 用多日数据可以拟合出BETA和alpha。然后根据Beta就可以知道基金的仓位变化了。
一、直接用比例来做。用基金涨跌幅度比上指数的涨跌幅度。简单易行，粗糙。
二、用回归来做。基本原理就是P=aX+bY+cZ，P是基金的净值，X，Y，Z选择的是不同的指数来回归，但不限于三个。最后用回归来确定a，b，c的值，合起来就是基金的仓位。后来对于基金仓位预测的分歧主要集中在X，Y，Z的选择上，一些研究报告里面所谓的第二代第三代模型就是这点区别，本质都是回归，用excel下个叫megastat的插件都能做。所谓第二代就是X，Y，Z选的是大盘股、中盘股、小盘股等指数，第三代则为不同行业的指数，医药、银行、房地产等。问题是：
1、选择大盘股、中盘股、小盘股等指标(当然可以是别的，也可以用A股，创业板，中小板)，做出的回归实际投资指导意义不大。
2、所以很多模型选择用行业指数来进行回归，常见的就是中证、申万的行业指数，网上可以下到。
3、回归类的模型要考虑两个问题，首先，基金并不是全部投资股票的，会投资债券等，但是当一只基金投资债券时，它的仓位预测出来就可能很低，而政府对于基金有最低仓位要求的，不符合实际，所以再选择基金类型上有甄别，或者要做出相应的调整。其次，回归使用的指数一般会有非常强的多重共线性(就是这些指数一起涨一起跌，很难分辨基金买了哪类股票)，需要对多重共线进行处理，目前能使用的方法主要由差分法、岭回归、主成分提取。岭回归我还没试过，差分法效果不显著，主成分提取还不错，但是也有很大的缺陷。更多使用的方法还是主成分分析法，虽然在分行业的仓位计算有缺陷，但是基金的总体仓位预测误差不大，所录的基金仓位最高为85%左右，最低60%左右，基本和能看到的报道、法规一致。
⑷ IPO抑价现象及其解释
IPO抑价(IPO underpricing)现象是指首次公开发行的股票上市后(一般指第一天)的市场交易价格远高于发行价格，发行市场与交易市场出现了巨额的价差，导致首次公开发行存在较高的超额收益率。
我国IPO抑价发行原因：
1.流通股比例低 有关实证研究表明.新股抑价与流通股比例成负相关关系.流通股在企业所有股票中所占比例越大.IPO抑价程度越低流通股比例主要从下面两个方面来影响新股上市抑价程度：一是流通股比例低，即投资者持股比例小.难以在公司股东大会上行使自己的权利，也难以获得企业内部的信息.在二级市场上承担更大的风险.所以需要较高的发行抑价来补偿投资者的投资风险 另一方面.如果流通股比例很小的话，容易引起市场的操纵行为发生.小股东的利益受到侵害.在客观上迫使中小投资者以投机为目的参与市场交易.增加了股票抑价程度
2.新股发行存在体制缺陷 由于我国股票市场成立时间比较短.发展也不成熟.市场化程度不高，我国股市仍是一个弱势有效市场 自2001年3月起.新股发行将取消沿用了十年的审批制，实施核准制。核准制对监管机构、券商、上市公司等的规范运作都提出了更高的要求.是我国股票发行制度的一次重大改革.与带有较强的行政色彩的审批制相比.核准制的行政色彩要少一些 但是核准制在实质上仍是批准制的一种.仍然需要管理层又“核”又“准”.与先进的注册制还有很大的差距。体制缺陷造成了证券市场严重的供求矛盾，引起TiPO严重抑价现象
3.投资者结构不合理，市场投机气氛较浓。 机构投资者具有稳定市场的作用.一方面可以使得市场定价率更高.价格更趋合理；另一方面可以使得市场价格的波动频率更少.波幅更小。但在中国证券市场上.投资者结构以个人投资者为主，机构投资者为辅。根据中国证券登记结算有限公.-3统计.截至2009年6月30日.中国证券市场投资者总数~16017.84万户(包括A股、B股和基金账户).其中个人投资者15962.49万户，占99.65%，机构者55-35万户.仅0.35%。由于投资知识结构以及投资理念的差异.个人投资者与机构投资者相比，投资心理不成熟.投机心理较重.不利于证券市场价格发现功能的发挥我国股市的换手率过高.意味着市场中非理性成分占上风、投机气氛较浓。发达国家证券市场的首日换手率为8.2%，而我国中小企业板的新股上市首日换手率平均约为33.32%。 2006年6月19日.全流通首只新股“中工国际”在中小企业板挂牌上市后.最高涨幅达576%.换手率高达75.24%。新股发行过程中如此高的换手率.说明市场中过度投机行为严重.一级市场的投资者目的在于谋取短期回报，而不是长期投资。
⑸ 在主成分分析里，如何提取主成分
因子分析---选项中有一项是特征根植大于1 或者说是指定主成分个数，默认是提取的特征根植为1， 你改成 下面的指定主成分个数那一项就可以了 你想指定几项都可以 不过要小于所有变量个数
Fp = a1i*ZX1 + a2i*ZX2 + …… + api*ZXp
其中a1i, a2i, ……,api(i=1,……,m)为X的协方差阵Σ的特征值所对应的特征向量，ZX1, ZX2, ……, ZXp是原始变量经过标准化处理的值，因为在实际应用中，往往存在指标的量纲不同，所以在计算之前须先消除量纲的影响，而将原始数据标准化，本文所采用的数据就存在量纲影响[注：本文指的数据标准化是指Z标准化。
A = (aij)p×m = (a1,a2,…am,)，
Rai = λiai，
R为相关系数矩阵，λi、ai是相应的特征值和单位特征向量, λ1 ≥ λ2 ≥ …≥ λp ≥ 0 。
进行主成分分析主要步骤如下：
1. 指标数据标准化（SPSS软件自动执行）；
2. 指标之间的相关性判定；
3. 确定主成分个数m；
4. 主成分Fi表达式；
5. 主成分Fi命名；
主成分分析法的计算步骤
⑹ 对于一个具有多指标的问题，有哪几种评价方法就是如何删选指标，类似主成分分析法的方法
多指标评价方法 很多的啊。你可以看看多准则评价方法。
⑺ 主成分分析中如何将高优指标转化为低优指标
不知道你这个会不会是为了推荐某个网站的广告贴，如果不是，强烈推荐你网络 NEW 星星 老师博客 老师博客写的股票投资知识非常实用，实战性强。是普通投资者学习的天堂。
⑻ 量化投资
没有你想的书
我多年来都有关注这方面的书 可是也没有在国内找到
数量化投资是将投资理念及策略通过具体指标、参数的设计，体现到具体的模型中，让模型对市场进行不带任何情绪的跟踪；相对于传统投资方式来说，具有快速高效、客观理性、收益与风险平衡和个股与组合平衡等四大特点。量化投资技术几乎覆盖了投资的全过程，包括估值与选股、资产配置与组合优化、订单生成与交易执行、绩效评估和风险管理等，在各个环节都有不同的方法及量化模型：
一、估值与选股
估值：对上市公司进行估值是公司基本面分析的重要方法，在“价值投资”的基本逻辑下，可以通过对公司的估值判断二级市场股票价格的扭曲程度，继而找出价值被低估或高估的股票，作为投资决策的参考。对上市公司的估值包括相对估值法和绝对估值法，相对估值法主要采用乘数方法，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等；绝对估值法主要采用折现的方法，如公司自由现金流模型、股权自由现金流模型和股利折现模型等。相对估值法因简单易懂，便于计算而被广泛使用；绝对估值法因基础数据缺乏及不符合模型要求的全流通假设而一直处于非主流地位。随着全流通时代的到来和国内证券市场的快速发展，绝对估值法正逐渐受到重视。
选股：在当前品种繁多的资本市场中，从浩瀚复杂的数据背后选出适合自己投资风格的股票变得越加困难。在基本面研究的基础上结合量化分析的手段就可以构建数量化选股策略，主流的选股方法如下：
资产配置方法与模型
资产配置类别 资产配置层次 资产配置方法 资产配置模型
战略资产配置 全球资产配置 大类资产配置 行业风格配置 收益测度 风险测度 估计方法 马克维茨 MV 模型 均值 -LPM 模型 VaR 约束模型 Black-Litterman 模型
战术资产配置 ( 动态资产配置 ) 周期判断 风格判断 时机判断 行业轮动策略 风格轮动策略 Alpha 策略 投资组合保险策略
基本面选股：通过对上市公司财务指标的分析，找出影响股价的重要因子，如：与收益指标相关的盈利能力、与现金流指标相关的获现能力、与负债率指标相关的偿债能力、与净资产指标相关的成长能力、与周转率指标相关的资产管理能力等。然后通过建立股价与因子之间的关系模型得出对股票收益的预测。股价与因子的关系模型分为结构模型和统计模型两类：结构模型给出股票的收益和因子之间的直观表达，实用性较强，包括价值型(本杰明·格雷厄姆—防御价值型、查尔斯·布兰迪—价值型等)、成长型(德伍·切斯—大型成长动能、葛廉·毕克斯达夫—中大型成长股等)、价值成长型(沃伦·巴菲特—优质企业选择法、彼得·林奇—GARP价值成长法等)三种选股方法；统计模型是用统计方法提取出近似线性无关的因子建立模型，这种建模方法因不需先验知识且可以检验模型的有效性，被众多经济学家推崇，包括主成分法、极大似然法等。
多因素选股：通过寻找引起股价共同变动的因素，建立收益与联动因素间线性相关关系的多因素模型。影响股价的共同因素包括宏观因子、市场因子和统计因子(通过统计方法得到)三大类，通过逐步回归和分层回归的方法对三类因素进行选取，然后通过主成分分析选出解释度较高的某几个指标来反映原有的大部分信息。多因素模型对因子的选择有很高的要求，因子的选择可依赖统计方法、投资经验或二者的结合，所选的因子要有统计意义上或市场意义上的显著性，一般可从动量、波动性、成长性、规模、价值、活跃性及收益性等方面选择指标来解释股票的收益率。
动量、反向选股：动量选股策略是指分析股票在过去相对短期的表现，事先对股票收益和交易量设定条件，当条件满足时买进或卖出股票的投资策略，该投资策略基于投资者对股票中期的反应不足和保守心理，在投资行为上表现为购买过去几个月表现好的股票而卖出过去几个月表现差的股票。反向选股策略则基于投资者的锚定和过度自信的心理特征，认为投资者会对上市公司的业绩状况做出持续过度反应，形成对业绩差的公司业绩过分低估和业绩的好公司业绩过分高估的现象，这为投资者利用反向投资策略提供了套利机会，在投资行为上表现为买进过去表现差的股票而卖出过去表现好的股票。反向选股策略是行为金融学理论发展至今最为成熟，也是最受关注的策略之一。
二、资产配置
资产配置指资产类别选择、投资组合中各类资产的配置比例以及对这些混合资产进行实时管理。资产配置一般包括两大类别、三大层次，两大类别为战略资产配置和战术/动态资产配置，三大层次为全球资产配置、大类资产配置和行业风格配置。资产配置的主要方法及模型如下：
战略资产配置针对当前市场条件，在较长的时间周期内控制投资风险，使得长期风险调整后收益最大化。战术资产配置通常在相对较短的时间周期内，针对某种具体的市场状态制定最优配置策略，利用市场短期波动机会获取超额收益。因此，战术资产配置是在长期战略配置的过程中针对市场变化制定的短期配置策略，二者相互补充。战略资产配置为未来较长时间内的投资活动建立业务基准，战术资产配置通过主动把握投资机会适当偏离战略资产配置基准，获取超额收益。
三、股价预测
股价的可预测性与有效市场假说密切相关。如果有效市场假说成立，股价就反映了所有相关的信息，价格变化服从随机游走，股价的预测就毫无意义，而我国的股市远未达到有效市场阶段，因此股价时间序列不是序列无关，而是序列相关的，即历史数据对股价的形成起作用，因此可以通过对历史信息的分析来预测股价。
主流的股价预测模型有灰色预测模型、神经网络预测模型和支持向量机预测模型(SVM)。灰色预测模型对股价的短期变化有很强的预测能力，近年发展起来的灰色预测模型包括GM(1, 1)模型、灰色新陈代谢模型和灰色马尔可夫模型。人工神经网络模型具有巨量并行性、存储分布性、结构可变性、高度非线性和自组织性等特点，且可以逼近任何连续函数，目前在金融分析和预测方面已有广泛的应用，效果较好。支持向量机模型在解决小样本、非线性及高维模式识别问题中有许多优势，且结构简单，具有全局优化性和较好的泛化能力，比神经网络有更好的拟合度。
四、绩效评估
作为集合投资、风险分散、专业化管理、变现性强等特点的投资产品，基金的业绩虽然受到投资者的关注，但要对基金有一个全面的评价，则需要考量基金业绩变动背后的形成原因、基金回报的来源等因素，绩效评估能够在这方面提供较好的视角与方法，风险调整收益、择时/股能力、业绩归因分析、业绩持续性及Fama的业绩分解等指标和方法可从不同的角度对基金的绩效进行评估。
绩效评估模型 / 指标
绩效评估准则
择时 / 股能力
业绩归因分析
风险调整收益
业绩持续性
Fama 业绩分解
模型 / 指标
T-M 模型
H-M 模型
GII 模型
C-L 模型
资产配置收益
证券选择收益
行业选择收益
行业内个股选择收益
RAROC
Sharp, Stutzer
Treynor, Jensen
, ,
双向表分析
时间序列相关性
总风险收益
系统风险收益
分散化投资收益
五、基于行为金融学的投资策略
上世纪50～70年代，随着马科维茨组合理论、CAPM模型、MM定理及有效市场假说的提出，现代金融经济学建立了一套成熟的理论体系，并且在学术界占据了主导地位，也被国际投资机构广泛应用和推广，但以上传统经济学的理论基石是理性人假设，在理性人假设下，市场是有效率的，但进入80年代以后，关于股票市场的一系列研究和实证发现了与理性人假设不符合的异常现象，如：日历效应、股权溢价之谜、期权微笑、封闭式基金折溢价之谜、小盘股效应等。面对这些金融市场的异常现象，诸多研究学者从传统金融理论的基本假设入手，放松关于投资者是完全理性的严格假设，吸收心理学的研究成果，研究股市投资者行为、价格形成机制与价格表现特征，取得了一系列有影响的研究成果，形成了具有重要影响力的学术流派－行为金融学。
行为金融学是对传统金融学理论的革命，也是对传统投资实践的挑战。随着行为金融理论的发展，理论界和投资界对行为金融理论和相关投资策略作了广泛的宣传和应用，好买认为，无论机构投资者还是个人投资者，了解行为金融学的指导意义在于：可以采取针对非理性市场行为的投资策略来实现投资目标。在大多数投资者认识到自己的错误以前，投资那些定价错误的股票，并在股价正确定位之后获利。目前国际金融市场中比较常见且相对成熟的行为金融投资策略包括动量投资策略、反向投资策略、小盘股策略和时间分散化策略等。
六、程序化交易与算法交易策略
根据NYSE的定义，程序化交易指任何含有15只股票以上或单值为一百万美元以上的交易。程序化交易强调订单是如何生成的，即通过某种策略生成交易指令，以便实现某个特定的投资目标。程序化交易主要是大机构的工具，它们同时买进或卖出整个股票组合，而买进和卖出程序可以用来实现不同的目标，目前程序化交易策略主要包括数量化程序交易策略、动态对冲策略、指数套利策略、配对交易策略和久期平均策略等。
算法交易，也称自动交易、黑盒交易或无人值守交易，是使用计算机来确定订单最佳的执行路径、执行时间、执行价格及执行数量的交易方法，主要针对经纪商。算法交易广泛应用于对冲基金、企业年金、共同基金以及其他一些大型的机构投资者，他们使用算法交易对大额订单进行分拆，寻找最佳路由和最有利的执行价格，以降低市场的冲击成本、提高执行效率和订单执行的隐蔽性。任何投资策略都可以使用算法交易进行订单的执行，包括做市、场内价差交易、套利及趋势跟随交易。算法交易在交易中的作用主要体现在智能路由、降低冲击成本、提高执行效率、减少人力成本和增加投资组合收益等方面。主要的算法包括：交易量加权平均价格算法(VWAP)、保证成交量加权平均价格算法(Guaranteed VWAP)、时间加权平均价格算法(TWAP)、游击战算法(Guerrilla)、狙击手算法(Sniper)、模式识别算法(Pattern Recognition)等。
综上所述，数量化投资技术贯穿基金的整个投资流程，从估值选股、资产配置到程序化交易与绩效评估等。结合量化投资的特点及我国证券市场的现状，好买认为量化投资技术在国内基金业中的应用将主要集中在量化选股、资产配置、绩效评估与风险管理、行为金融等方面，而随着包括基金在内的机构投资者占比的不断提高、衍生品工具的日渐丰富(股指期货、融资融券等)以及量化投资技术的进步，基金管理人的投资策略将会越来越复杂，程序化交易(系统)也将有快速的发展。