获取股票数据并回归分析_002054

A. 股票的貝塔系數怎么算用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 的標準差；σm為市場的標準差。

貝塔系數利用回歸的方法計算: 貝塔系數等于1即證券的價格與市場一同變動。

貝塔系數高于1即證券價格比總體市場更波動，貝塔系數低于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。

金融學運用了貝塔系數來計算在一只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于大盤，即受整體經濟因素影響的程度甚于大盤。

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于景氣循環股(cyclicals)，如地產股和耐用消費品股；低貝塔的股票亦稱防御類股(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數據庫方式存儲的

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toolfunny/#/打開就可以直接使用，還可以大批量下載，方便省事！

C. 程序員怎么獲取股票實時數據，并進行技術指

歷史數據可以從市面上眾多股票行情軟件獲取
實時數據可以訪問新浪財經的接口

D. 如何用爬蟲抓取股市數據并生成分析報表

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。然后又跌到10.1元，那么現在的強弱應該是5：4=1.25。都是以次類推

E. excel回歸分析 估計股票β

tipdm,這是一個在線的數據分析軟件，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

可以去數據庫里下載數據，如果數據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。采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（例如網絡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. 怎么獲取股票數據c++ api

基本都是自己封裝CTP接口，程序端實現多賬戶、多策略的行情信號接收和委托提交/回報處理。也可以用 QuantBox/QuantBox_XAPI · GitHub 這樣的封裝的比較好、多接口統一API的項目直接整合到程序化平臺的項目中使用。

通過程序接口用證券、期貨賬號登錄后訂閱品種的行情，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）。然后交易平臺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臺，平臺把各個帳號各個品種中策略的邏輯持倉匯總為實際持倉，然后通過接口提交委托，并且處理委托回報。
行情數據一方面廣播給策略程序，一方面自己存數據庫，存下來的數據通過完整性檢測后，可以自己合成低頻率的數據，如
1分鐘、30分鐘、1小時、日度等等，這些數據會被用于策略回測，也可以用于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程序化交易接口實現實盤平臺，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，用單機并行或集群實現批量回測。