期貨相關性矩陣

❶ 親們，這個相關性矩陣怎麼分析

對SPSS來說，直接用原始的數據就可以進行因子分析，相關系數矩陣只是其生成結果的一部分，根本用不著先輸入相關系數矩陣，再去做因子分析，這樣SPSS反而做不出來

❷ 請問怎樣計算期貨和股票的相關性有啥計算公式嘛謝謝

1、下載期貨數據到execl.
2、下載你想研究的相關股票數據到execl。
3、用execl計算他們的協方差等統計數據，如果不會，最簡單可以用execl自動畫出他們的散點圖，看他們是否線性相關。
4、你熟練的話，10分鍾就可以搞定以上工作。我就研究過很多類似的東西。比如美元指數和建行、石油和黃金、上證大盤和倫敦銅的關系等等。很好玩的。

❸ 如何知道兩個商品期貨之間的相似度或者關聯度有多高

商品期貨之間的相關性研究用相關系數表示，是用以反映變數之間相關關系密切程度的統計指標。

相關系數是按積差方法計算，同樣以兩變數與各自平均值的離差為基礎，通過兩個離差相乘來反映兩變數之間相關程度；著重研究線性的單相關系數。

相關系數 r的值介於–1 與+1之間，在二維線形條件下，當 r為1 時，表示兩組變數為完全的正相關；r為-1時則表示完全負相關；r越靠近0軸，兩組變數間相關性越弱。一般來說，|r|在0.66以上屬高度相關。|r|介於0.33至0.66間屬於弱相關。

根據下表可以查看兩個商品期貨之間的相關性或關聯度。

❹ SPSS怎麼做相關性矩陣

分析-降維-因子分析，然後把你想生成的相關矩陣中的變數全部拉入「變數」，點「描述」，在下邊的「相關矩陣」框中，選中「系數」「顯著性」「行列式」，點「確定」「確定」。

❺ SPSS的這個相關系數矩陣是怎麼做出來的

首先：analyze-correlate-bivariate-選擇變數

之後，OK 輸出的就是相關系數矩陣（相關系數下面的Sig是顯著性檢驗結果的P值，越接近0越顯著）

表格下方也有一些相關解釋，記得看明白再做進行下一步

❻ 關於相關系數矩陣的意義

相關矩陣也叫相關系數矩陣，是由矩陣各列間的相關系數構成的。也就是說，相關矩陣第i行第j列的元素是原矩陣第i列和第j列的相關系數。

定義

設（X1,X2,X3...Xn）是一個n維隨機變數,任意Xi與Xj的相關系數ρij（i,j=1,2,...n）存在,則以ρij為元素的n階矩陣稱為該維隨機向量的相關矩陣.記作R,即

性質

相關矩陣的對角元素是1。相關矩陣是對稱矩陣。

應用

收縮范圍。

②技術要素的提出、分類與體系化。

3、產品對技術(P/T)的相關矩陣評價一確定每一產品構成技術要素的等級和權重.

④編制P/P矩陣(即產品對產品的矩陣表用於定義和計算相關度)。

⑤利用P/P矩陣進行分析

❼ 期貨跨期套利中理論價差矩陣怎麼計算

❽ 為什麼我10個指標做主成分分析但是相關性矩陣什麼的圖只顯示8個

說明相關數據都在這八個圖裡面，選擇所需要的結果進行分析即可。
主成分分析(PCA)是一種統計過程，它使用正交變換將一組可能相關變數(實體，每個實體具有不同的數值)的觀察值轉換為一組稱為主成分的線性不相關變數的值。
PCA可以通過數據協方差(或相關性)矩陣的特徵值分解或數據矩陣的奇異值分解來完成，通常在初始數據的歸一化步驟之後。每個貢獻數據的歸一化包括平均居中 _從變數的測量平均值中減去每個數據值，使其經驗平均值(平均值)為零_並可能標准化每個變數的方差，使其等於1；參見Z分數。

❾ 因素分析法及其特點

因素分析法
方法功用
應用范圍
使用方法
運用程序
評價
注意事項
目錄
1摘要
2基本信息
3方法功用
4應用范圍
因素
經濟
5使用方法
連環替代
差額分析
指標分解
定基替代
6運用程序
一般程序
使用原理
7評價
8注意事項
9參考資料
因素分析法。又稱經驗分析法，是一種定性分析方法。該方法主要指根據價值工程對象選擇應考慮的各種因素，憑借分析人員的知識和經驗集體研究確定選擇對象。該方法簡單易行，要求價值工程人員對產品熟悉，經驗豐富，在研究對象彼此相差較大或時間緊迫的情況下比較適用，缺點是無定量分析、主觀影響大。

因素分析法是利用統計指數體系分析現象總變動中各個因素影響程度的一種統計分析方法，包括連環替代法、差額分析法、指標分解法等。 因素分析法是現代統計學中一種重要而實用的方法，它是多元統計分析的一個分支。使用這種方法能夠使研究者把一組反映事物性質、狀態、特點等的變數簡化為少數幾個能夠反映出事物內在聯系的、固有的、決定事物本質特徵的因素。

基本信息

中文名
因素分析法
別名
指數因素分析法
分類
連環替代法、差額分析法等
方法功用
因素分析法的最大功用，就是運用數學方法對可觀測的事物在發展中所表現出的外部特徵和聯系進行由表及裡、由此及彼、去粗取精、去偽存真的處理，從而得出客觀事物普遍本質的概括。其次，使用因素分析法可以使復雜的研究課題大為簡化，並保持其基本的信息量。

應用范圍
因素

通過分析期貨商品的供求狀況及其影響因素，來解釋和預測期貨價格變化趨勢的方法。期貨交易是以現貨交易為基礎的。期貨價格與現貨價格之間有著十分緊密的聯系。商品供求狀況及影響其供求的眾多因素對現貨市場商品價格產生重要影響，因而也必然會對 期貨價格重要影響。所以，通過分析商品供求狀況及其影響因素的變化，可以幫助期貨交易者預測和把握商品期貨價格變化的基本趨勢。在現實市場中，期貨價格不僅受商品供求狀況的影響，而且還受其他許多非供求因素的影響。這些非供求因素包括：金融貨幣因素，政治因素、政策因素、投機因素、心理預期等。因此，期貨價格走勢基本因素分析需要綜合地考慮這些因素的影響。[1]

經濟

商品供求狀況對商品期貨價格具有重要的影響。基本因素分析法主要分析的就是供求關系。商品供求狀況的變化與價格的變動是互相影響、互相制約的。商品價格與供給成反比，供給增加，價格下降；供給減少，價格上升。商品價格與需求成正比，需求增加，價格上升；需求減少，價格下降。在其他因素不變的條件下，供給和需求的任何變化，都可能影響商品價格變化，一方面，商品價格的變化受供給和需求變動的影響；另一方面，商品價格的變化又反過來對供給和需求產生影響：價格上升，供給增加，需求減少；價格下降，供給減少，需求增加。這種供求與價格互相影響、互為因果的關系，使商品供求分析更加復雜化，即不僅要考慮供求變動對價格的影響，還要考慮價格變化對供求的反作用。

使用方法
連環替代

它是將分析指標分解為各個可以計量的因素，並根據各個因素之間的依存關系，順次用各因素的比較值（通常即實際值）替代基準值（通常為標准值或計劃值），據以測定各因素對分析指標的影響。

例如，設某一分析指標M是由相互聯系的A、B、C三個因素相乘得到，報告期（實際）指標和基期（計劃）指標為：

報告期（實際）指標M1=A1 * B1 * C1

基 期（計劃）指標 M0=A0 * B0 * C0

在測定各因素變動指標對指標R影響程度時可按順序進行：

基 期（計劃）指標M0=A0 * B0 * C0……（1）

第一次替代 A1 * B0 * C0……（2）

第二次替代 A1 * B1 * C0……（3）

第三次替代 A1 * B1 * C1……（4）

分析如下：

（2）-（1）→A變動對M的影響。

（3）-（2）→B變動對M的影響。

（4）-（3）→C變動對M的影響。

把各因素變動綜合起來，總影響：△M = M1 - M0 =（4）-（3）+（3）-（2）+（2）-（1）

差額分析

它是連環替代法的一種簡化形式，是利用各個因素的比較值與基準值之間的差額，來計算各因素對分析指標的影響。

例如，某一個財務指標及有關因素的關系由如下式子構成：實際指標：Po=Ao×Bo×Co;標准指標：Ps=As×Bs×Cs；實際與標準的總差異為Po-Ps,Po-Ps 這一總差異同時受到A、B、C三個因素的影響，它們各自的影響程度可分別由以下式子計算求得：

A因素變動的影響：（Ao-As）×Bs×Cs；

B因素變動的影響；Ao×（Bo-Bs）×Cs；

C因素變動的影響：Ao×Bo×（Co-Cs）。

最後，可以將以上三大因素各自的影響數相加就應該等於總差異Po-Ps。

指標分解

例如資產利潤率，可分解為資產周轉率和銷售利潤率的乘積。

定基替代

分別用分析值替代標准值，測定各因素對財務指標的影響，例如標准成本的差異分析。

運用程序
一般程序

1、確定需要分析的指標;

2、確定影響該指標的各因素及與該指標的關系;

3、計算確定各個因素影響的程度數額。

使用原理

人的心理現象是復雜的，由許多因素有機結合而成，而每種心理因素又同時受到各種條件的制約，它如同一個龐大的多維系統，調節、控制著人的行為。傳統的單變數和雙變數分析往往在信息的處理上要麼失去有用的信息，要麼引入無用的信息，使研究者分不出現象的主次或得出不恰當的甚至是錯誤的結論。因素分析法則可在多變數觀測分析的基礎上較全面地反映出事物的各個不同側面。在心理學研究中，研究者用因素分析從眾多的變數中提取幾種具有決定性意義的因素，建立理論假設，然後又用因素分析法反復驗證假設，直至成功。因此，因素分析法是用來形成科學概念，進而建構思想模型和理論體系的強有力的認識手段和輔助工具。

因素分析法的數學運算主要是建立在矩陣運算的基礎之上。它的基本運算過程如下：

首先是收集一定的測量資料，將資料數據標准化。在心理測量中，常需將測驗分數轉化成標准分數，並排列成數據矩陣。

其次，通過相關運算求出每個因素和其它因素的相關矩陣。

第三，用特定的運算方法，如主成分分析、影像分析、α因素分析、最小殘余因素分析、最大可能解、重心法等求出因素載荷矩陣。

第四，為了使載荷矩陣的意義比較清晰，易於分析，要用直角旋轉法和斜角旋轉法等對載荷矩陣進行轉軸處理，使每個變數只在少數幾個因素上有較大的載荷，而使一些變數載荷接近零。這就有可能使每個變數在總方差中的因素更集中，從而表現出變數中最具有意義的特徵主因素。

第五，對主因素進行定義並加以解釋。主因素定義是否准確，解釋是否恰當，不但取決於因素分析是否做得成功，而且在很大程度上取決於主觀判斷過程。在因素分析結果不明確的情況下更是如此。

因素分析法在智力測驗中的應用

因素分析法的應用始自對智力的研究。1904年斯皮爾曼發表了《客觀測定的智力》一文，開了用因素分析法研究智力的先河。斯皮爾曼在對學生考試成績的分析過程中，注意到分數之間的相關矩陣存在一定的系統影響。其相關矩陣如下：??表中的課程是按照相關系數從左到右遞減排列的，在每一行中，數值大體上均按照同一程度減少。斯皮爾曼經過分析指出，每一門課程的考試成績都可以看作是由一個一般因子（與一般智力相一致）與一個特殊因子（與特殊智力相一致）之和組成的。他對多種多樣的測驗進行反復計算，大都得出類似的結果。因此，他認為任何智力因素都是由一般因素G和特殊因素S組合而成的，這就是著名的智力二因素理論。

此後，瑟斯頓等人通過對60多種不同類型智力測驗的因素分析，將60多種因素進行因素提取，找出7種較為穩定的因素：計算、詞的流暢性、言語意義、記憶、推理、空間知覺和知覺速度，稱之為「基本的心理能力」，這就是瑟期頓的智力群因素理論。瑟斯頓及其同事對每種穩定的能力因素都做了測驗，並預計這些能力應有負相關。然而，每種能力都和其它能力有正相關。看來，各種能力之間仍存在一般因素。他們編制了PMAT測驗，對PMAT測驗所得數據進行因素分析發現還存在二級群因素，即語言教育能力、空間機械能力和實際活動能力。弗農在1950年通過因素分析研究使各種因素形成了不同層次的分支，最高層是一般因素G，其次是語言教育能力、空間機械能力和實際活動能力群，然後是較小的PMAT次級群因素，最後是特殊因素S。他們通過對測量結果的因素分析，將智力分成了層級結構。

吉爾福特的智力結構理論也得益於因素分析法。他提出了三維智力結構模式，認為智力是由操作、內容和結果3個變項構成，這3個變項又分別包括5個、4個和6個方面，共120種智力因素。後來，他又把120種智力因素增加為150種。為了證明這150種智力因素存在，他設計了智力測驗，並用因素分析加以驗證。他聲稱已找到100種以上的智力因素，要進行如此眾多獨立變數的提取，離開因素分析幾乎不可能。

卡特爾（Cattel）和霍恩（Horn）通過對測驗的因素分析，提出了自己的智力結構理論，認為一般智力因素是流體型智力GF和晶體型智力GC。GF負載於數能力、空間能力、推理能力中，GC負載於語言能力、推理能力、記憶能力、詞的流暢性中。他的這一理論支持了斯皮爾曼的智力二因素說。

韋克斯勒智力測驗的理論基礎直接來源於斯皮爾曼的智力二因素論及瑟斯頓的群因素論。韋氏認為，人的一般智力是多種能力的綜合，因此他的智力測驗受益於因素分析。庫恩（Cohen）對韋氏成人智力量表的前身W—B、韋氏成人智力量表（WAIS）和韋氏學齡兒童智力量表（WISC）作了因素分析，發現韋氏智力量表包含5個共同因素：言語理解Ⅰ因素、知覺組織因素、記憶或集中注意因素、言語

❿ 如何用stata 做一個相關性分析的矩陣

在stata里help cor。

stata的命令名是correlate [varlist] [if] [in] [weight] [, correlate_options]

stata 裡面分析相關性的命令是

pwcorr a b c d e , sig

結果就有了包括了顯著性的判斷標准，stata裡面沒有星星，直接根據sig，也就是p的值來判斷是否顯著就好。

(10)期貨相關性矩陣擴展閱讀：

作圖功能

Stata的作圖模塊，主要提供如下八種基本圖形的製作 : 直方圖（histogram），條形圖（bar），百分條圖 （oneway），百分圓圖（pie），散點圖（two way），散點圖矩陣（matrix），星形圖（star），分位數圖。

這些圖形的巧妙應用，可以滿足絕大多數用戶的統計作圖要求。在有些非繪圖命令中，也提供了專門繪制某種圖形的功能，如在生存分析中，提供了繪制生存曲線圖，回歸分析中提供了殘差圖等。

Stata的矩陣運算功能

矩陣代數是多元統計分析的重要工具， Stata提供了多元統計分析中所需的矩陣基本運算，如矩陣的加、積、逆、 Cholesky分解、 Kronecker內積等；還提供了一些高級運算，如特徵根、特徵向量、奇異值分解等。

在執行完某些統計分析命令後，還提供了一些系統矩陣，如估計系數向量、估計系數的協方差矩陣等。