期货相关性矩阵

❶ 亲们，这个相关性矩阵怎么分析

对SPSS来说，直接用原始的数据就可以进行因子分析，相关系数矩阵只是其生成结果的一部分，根本用不着先输入相关系数矩阵，再去做因子分析，这样SPSS反而做不出来

❷ 请问怎样计算期货和股票的相关性有啥计算公式嘛谢谢

1、下载期货数据到execl.
2、下载你想研究的相关股票数据到execl。
3、用execl计算他们的协方差等统计数据，如果不会，最简单可以用execl自动画出他们的散点图，看他们是否线性相关。
4、你熟练的话，10分钟就可以搞定以上工作。我就研究过很多类似的东西。比如美元指数和建行、石油和黄金、上证大盘和伦敦铜的关系等等。很好玩的。

❸ 如何知道两个商品期货之间的相似度或者关联度有多高

商品期货之间的相关性研究用相关系数表示，是用以反映变量之间相关关系密切程度的统计指标。

相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。

相关系数 r的值介于–1 与+1之间，在二维线形条件下，当 r为1 时，表示两组变量为完全的正相关；r为-1时则表示完全负相关；r越靠近0轴，两组变量间相关性越弱。一般来说，|r|在0.66以上属高度相关。|r|介于0.33至0.66间属于弱相关。

根据下表可以查看两个商品期货之间的相关性或关联度。

❹ SPSS怎么做相关性矩阵

分析-降维-因子分析，然后把你想生成的相关矩阵中的变量全部拉入“变量”，点“描述”，在下边的“相关矩阵”框中，选中“系数”“显著性”“行列式”，点“确定”“确定”。

❺ SPSS的这个相关系数矩阵是怎么做出来的

首先：analyze-correlate-bivariate-选择变量

之后，OK 输出的就是相关系数矩阵（相关系数下面的Sig是显著性检验结果的P值，越接近0越显著）

表格下方也有一些相关解释，记得看明白再做进行下一步

❻ 关于相关系数矩阵的意义

相关矩阵也叫相关系数矩阵，是由矩阵各列间的相关系数构成的。也就是说，相关矩阵第i行第j列的元素是原矩阵第i列和第j列的相关系数。

定义

设（X1,X2,X3...Xn）是一个n维随机变量,任意Xi与Xj的相关系数ρij（i,j=1,2,...n）存在,则以ρij为元素的n阶矩阵称为该维随机向量的相关矩阵.记作R,即

性质

相关矩阵的对角元素是1。相关矩阵是对称矩阵。

应用

收缩范围。

②技术要素的提出、分类与体系化。

3、产品对技术(P/T)的相关矩阵评价一确定每一产品构成技术要素的等级和权重.

④编制P/P矩阵(即产品对产品的矩阵表用于定义和计算相关度)。

⑤利用P/P矩阵进行分析

❼ 期货跨期套利中理论价差矩阵怎么计算

❽ 为什么我10个指标做主成分分析但是相关性矩阵什么的图只显示8个

说明相关数据都在这八个图里面，选择所需要的结果进行分析即可。
主成分分析(PCA)是一种统计过程，它使用正交变换将一组可能相关变量(实体，每个实体具有不同的数值)的观察值转换为一组称为主成分的线性不相关变量的值。
PCA可以通过数据协方差(或相关性)矩阵的特征值分解或数据矩阵的奇异值分解来完成，通常在初始数据的归一化步骤之后。每个贡献数据的归一化包括平均居中 _从变量的测量平均值中减去每个数据值，使其经验平均值(平均值)为零_并可能标准化每个变量的方差，使其等于1；参见Z分数。

❾ 因素分析法及其特点

因素分析法
方法功用
应用范围
使用方法
运用程序
评价
注意事项
目录
1摘要
2基本信息
3方法功用
4应用范围
因素
经济
5使用方法
连环替代
差额分析
指标分解
定基替代
6运用程序
一般程序
使用原理
7评价
8注意事项
9参考资料
因素分析法。又称经验分析法，是一种定性分析方法。该方法主要指根据价值工程对象选择应考虑的各种因素，凭借分析人员的知识和经验集体研究确定选择对象。该方法简单易行，要求价值工程人员对产品熟悉，经验丰富，在研究对象彼此相差较大或时间紧迫的情况下比较适用，缺点是无定量分析、主观影响大。

因素分析法是利用统计指数体系分析现象总变动中各个因素影响程度的一种统计分析方法，包括连环替代法、差额分析法、指标分解法等。 因素分析法是现代统计学中一种重要而实用的方法，它是多元统计分析的一个分支。使用这种方法能够使研究者把一组反映事物性质、状态、特点等的变量简化为少数几个能够反映出事物内在联系的、固有的、决定事物本质特征的因素。

基本信息

中文名
因素分析法
别名
指数因素分析法
分类
连环替代法、差额分析法等
方法功用
因素分析法的最大功用，就是运用数学方法对可观测的事物在发展中所表现出的外部特征和联系进行由表及里、由此及彼、去粗取精、去伪存真的处理，从而得出客观事物普遍本质的概括。其次，使用因素分析法可以使复杂的研究课题大为简化，并保持其基本的信息量。

应用范围
因素

通过分析期货商品的供求状况及其影响因素，来解释和预测期货价格变化趋势的方法。期货交易是以现货交易为基础的。期货价格与现货价格之间有着十分紧密的联系。商品供求状况及影响其供求的众多因素对现货市场商品价格产生重要影响，因而也必然会对 期货价格重要影响。所以，通过分析商品供求状况及其影响因素的变化，可以帮助期货交易者预测和把握商品期货价格变化的基本趋势。在现实市场中，期货价格不仅受商品供求状况的影响，而且还受其他许多非供求因素的影响。这些非供求因素包括：金融货币因素，政治因素、政策因素、投机因素、心理预期等。因此，期货价格走势基本因素分析需要综合地考虑这些因素的影响。[1]

经济

商品供求状况对商品期货价格具有重要的影响。基本因素分析法主要分析的就是供求关系。商品供求状况的变化与价格的变动是互相影响、互相制约的。商品价格与供给成反比，供给增加，价格下降；供给减少，价格上升。商品价格与需求成正比，需求增加，价格上升；需求减少，价格下降。在其他因素不变的条件下，供给和需求的任何变化，都可能影响商品价格变化，一方面，商品价格的变化受供给和需求变动的影响；另一方面，商品价格的变化又反过来对供给和需求产生影响：价格上升，供给增加，需求减少；价格下降，供给减少，需求增加。这种供求与价格互相影响、互为因果的关系，使商品供求分析更加复杂化，即不仅要考虑供求变动对价格的影响，还要考虑价格变化对供求的反作用。

使用方法
连环替代

它是将分析指标分解为各个可以计量的因素，并根据各个因素之间的依存关系，顺次用各因素的比较值（通常即实际值）替代基准值（通常为标准值或计划值），据以测定各因素对分析指标的影响。

例如，设某一分析指标M是由相互联系的A、B、C三个因素相乘得到，报告期（实际）指标和基期（计划）指标为：

报告期（实际）指标M1=A1 * B1 * C1

基 期（计划）指标 M0=A0 * B0 * C0

在测定各因素变动指标对指标R影响程度时可按顺序进行：

基 期（计划）指标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变动对M的影响。

（3）-（2）→B变动对M的影响。

（4）-（3）→C变动对M的影响。

把各因素变动综合起来，总影响：△M = M1 - M0 =（4）-（3）+（3）-（2）+（2）-（1）

差额分析

它是连环替代法的一种简化形式，是利用各个因素的比较值与基准值之间的差额，来计算各因素对分析指标的影响。

例如，某一个财务指标及有关因素的关系由如下式子构成：实际指标：Po=Ao×Bo×Co;标准指标：Ps=As×Bs×Cs；实际与标准的总差异为Po-Ps,Po-Ps 这一总差异同时受到A、B、C三个因素的影响，它们各自的影响程度可分别由以下式子计算求得：

A因素变动的影响：（Ao-As）×Bs×Cs；

B因素变动的影响；Ao×（Bo-Bs）×Cs；

C因素变动的影响：Ao×Bo×（Co-Cs）。

最后，可以将以上三大因素各自的影响数相加就应该等于总差异Po-Ps。

指标分解

例如资产利润率，可分解为资产周转率和销售利润率的乘积。

定基替代

分别用分析值替代标准值，测定各因素对财务指标的影响，例如标准成本的差异分析。

运用程序
一般程序

1、确定需要分析的指标;

2、确定影响该指标的各因素及与该指标的关系;

3、计算确定各个因素影响的程度数额。

使用原理

人的心理现象是复杂的，由许多因素有机结合而成，而每种心理因素又同时受到各种条件的制约，它如同一个庞大的多维系统，调节、控制着人的行为。传统的单变量和双变量分析往往在信息的处理上要么失去有用的信息，要么引入无用的信息，使研究者分不出现象的主次或得出不恰当的甚至是错误的结论。因素分析法则可在多变量观测分析的基础上较全面地反映出事物的各个不同侧面。在心理学研究中，研究者用因素分析从众多的变量中提取几种具有决定性意义的因素，建立理论假设，然后又用因素分析法反复验证假设，直至成功。因此，因素分析法是用来形成科学概念，进而建构思想模型和理论体系的强有力的认识手段和辅助工具。

因素分析法的数学运算主要是建立在矩阵运算的基础之上。它的基本运算过程如下：

首先是收集一定的测量资料，将资料数据标准化。在心理测量中，常需将测验分数转化成标准分数，并排列成数据矩阵。

其次，通过相关运算求出每个因素和其它因素的相关矩阵。

第三，用特定的运算方法，如主成分分析、影像分析、α因素分析、最小残余因素分析、最大可能解、重心法等求出因素载荷矩阵。

第四，为了使载荷矩阵的意义比较清晰，易于分析，要用直角旋转法和斜角旋转法等对载荷矩阵进行转轴处理，使每个变量只在少数几个因素上有较大的载荷，而使一些变量载荷接近零。这就有可能使每个变量在总方差中的因素更集中，从而表现出变量中最具有意义的特征主因素。

第五，对主因素进行定义并加以解释。主因素定义是否准确，解释是否恰当，不但取决于因素分析是否做得成功，而且在很大程度上取决于主观判断过程。在因素分析结果不明确的情况下更是如此。

因素分析法在智力测验中的应用

因素分析法的应用始自对智力的研究。1904年斯皮尔曼发表了《客观测定的智力》一文，开了用因素分析法研究智力的先河。斯皮尔曼在对学生考试成绩的分析过程中，注意到分数之间的相关矩阵存在一定的系统影响。其相关矩阵如下：??表中的课程是按照相关系数从左到右递减排列的，在每一行中，数值大体上均按照同一程度减少。斯皮尔曼经过分析指出，每一门课程的考试成绩都可以看作是由一个一般因子（与一般智力相一致）与一个特殊因子（与特殊智力相一致）之和组成的。他对多种多样的测验进行反复计算，大都得出类似的结果。因此，他认为任何智力因素都是由一般因素G和特殊因素S组合而成的，这就是著名的智力二因素理论。

此后，瑟斯顿等人通过对60多种不同类型智力测验的因素分析，将60多种因素进行因素提取，找出7种较为稳定的因素：计算、词的流畅性、言语意义、记忆、推理、空间知觉和知觉速度，称之为“基本的心理能力”，这就是瑟期顿的智力群因素理论。瑟斯顿及其同事对每种稳定的能力因素都做了测验，并预计这些能力应有负相关。然而，每种能力都和其它能力有正相关。看来，各种能力之间仍存在一般因素。他们编制了PMAT测验，对PMAT测验所得数据进行因素分析发现还存在二级群因素，即语言教育能力、空间机械能力和实际活动能力。弗农在1950年通过因素分析研究使各种因素形成了不同层次的分支，最高层是一般因素G，其次是语言教育能力、空间机械能力和实际活动能力群，然后是较小的PMAT次级群因素，最后是特殊因素S。他们通过对测量结果的因素分析，将智力分成了层级结构。

吉尔福特的智力结构理论也得益于因素分析法。他提出了三维智力结构模式，认为智力是由操作、内容和结果3个变项构成，这3个变项又分别包括5个、4个和6个方面，共120种智力因素。后来，他又把120种智力因素增加为150种。为了证明这150种智力因素存在，他设计了智力测验，并用因素分析加以验证。他声称已找到100种以上的智力因素，要进行如此众多独立变量的提取，离开因素分析几乎不可能。

卡特尔（Cattel）和霍恩（Horn）通过对测验的因素分析，提出了自己的智力结构理论，认为一般智力因素是流体型智力GF和晶体型智力GC。GF负载于数能力、空间能力、推理能力中，GC负载于语言能力、推理能力、记忆能力、词的流畅性中。他的这一理论支持了斯皮尔曼的智力二因素说。

韦克斯勒智力测验的理论基础直接来源于斯皮尔曼的智力二因素论及瑟斯顿的群因素论。韦氏认为，人的一般智力是多种能力的综合，因此他的智力测验受益于因素分析。库恩（Cohen）对韦氏成人智力量表的前身W—B、韦氏成人智力量表（WAIS）和韦氏学龄儿童智力量表（WISC）作了因素分析，发现韦氏智力量表包含5个共同因素：言语理解Ⅰ因素、知觉组织因素、记忆或集中注意因素、言语

❿ 如何用stata 做一个相关性分析的矩阵

在stata里help cor。

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

stata 里面分析相关性的命令是

pwcorr a b c d e , sig

结果就有了包括了显著性的判断标准，stata里面没有星星，直接根据sig，也就是p的值来判断是否显著就好。

(10)期货相关性矩阵扩展阅读：

作图功能

Stata的作图模块，主要提供如下八种基本图形的制作 : 直方图（histogram），条形图（bar），百分条图 （oneway），百分圆图（pie），散点图（two way），散点图矩阵（matrix），星形图（star），分位数图。

这些图形的巧妙应用，可以满足绝大多数用户的统计作图要求。在有些非绘图命令中，也提供了专门绘制某种图形的功能，如在生存分析中，提供了绘制生存曲线图，回归分析中提供了残差图等。

Stata的矩阵运算功能

矩阵代数是多元统计分析的重要工具， Stata提供了多元统计分析中所需的矩阵基本运算，如矩阵的加、积、逆、 Cholesky分解、 Kronecker内积等；还提供了一些高级运算，如特征根、特征向量、奇异值分解等。

在执行完某些统计分析命令后，还提供了一些系统矩阵，如估计系数向量、估计系数的协方差矩阵等。