股票偏度

A. 靜態分析的概念類別

在計算機科學領域，靜態分析指的是一種在不執行程序的情況下對程序行為進行分析的理論、技術。詳見程序靜態分析。
簡介
靜態分析法是根據既定的外生變數值求得內生變數的分析方法，是對已發生的經濟活動成果，進行綜合性的對比分析的一種分析方法。如研究均衡價格時，舍掉時間、地點等因素，並假定影響均衡價格的其他因素，如消費者偏好、收入及相關商品的價格等靜止不變，單純分析該商品的供求達於均衡狀態的產量和價格的決定。
簡單地說就是抽象了時間因素和具體變動的過程，靜止地孤立地考察某些經濟現象。它一般用於分析經濟現象的均衡狀態以及有關經濟變數達到均衡狀態所需要的條件。 常用的靜態分析法有：相對數分析法、平均數分析法、比較分析法、結構分析法、因素替換分析法、綜合計算分析法、價值系數分析法等。
指標
靜態分析指標有總量指標、相對指標、平均指標、標志變異指標等。 1.總量指標
總量指標又稱絕對指標，或簡稱絕對數，是反映社會經濟現象在一定時間、地點、條件下規模或絕對水平的綜合指標。
(1)總量指標的種類
①按總量指標反映現象總體內容不同分為：單位總量（指總體單位總數）；標志總量（指總體單位某一數量標志值的總和）。
②按總量指標所反映的時間不同分為：時期指標（時期數）和時點指標（時點數），如，總產值、銷售量為時期數；年末人口數、設備台數為時點數。
③按計量單位不同分為：實物指標；價值指標；勞動量指標。
(2)總量指標的計算
①直接計量法：要求對總體所有單位進行登記、匯總。
②推算和估演算法：推演算法有因素關系推演算法、比例關系推演算法和平衡關系推演算法；估演算法是運用抽樣推斷的方法估算總量指標。
2.相對指標
相對指標是兩個有聯系的統計指標進行對比的比值。也稱為相對數。表現形式：①系數和倍數；②成數，無名數；③百分數、千分數、萬分數；④復名數，有名數。
①計劃完成相對數：指一定時期社會經濟現象的實際完成數與計劃數之比。其作用是考核、反映計劃完成的程度（進度）。計算方法為：計劃完成相對數=（實際完成數/計劃數）*100%
超額完成（或未完成）絕對數=實際完成數－計劃數。
派生公式如下：
A產量、產值增長百分數：計劃完成相對數=[（100%+實際增長%）/（100%+計劃增長%）]*100%
B產品成本降低百分數：計劃完成相對數=[（100%-實際降低%）/（100%-計劃規定降低%）]*100%
C計劃執行進度相對數的計算方法：計劃執行進度=（計劃期內某月累計完成數/本期計劃數）*100%
D長期計劃的檢查方法：
第一水平法：將計劃末期實際完成數與同期計劃規定數之比。計算公式為：計劃完成相對數=（計劃期末年實達水平/計劃期末年應達水平）*100%用於檢查計劃期內最後一年應達到的水平 如計劃期末工業總產值、農業總產值、各種產品的產量等。
第二累計法：計劃期內各年累計實際完成數與同期計劃規定的累計數之比。計算公式為：計劃完成相對數=（計劃期內各年累計完成數/同期計劃規定的累計數）*100% 用於檢查計劃期內各年應達到的累計數 如計劃期末基本建設投資額、造林面積、新增生產能力等
②結構相對數：指部分佔全體的比例，其作用是反映事物的內部構成、性質、質量及其變化。計算公式為：結構相對數=（總體某部分的數值/總體的數值）*100%。特點是，各部分所佔比重之和為100%或1。分子與分母位置不能互換。
③比例相對數：指同一總體某一部分數值與另一部分數值對比的比值。其作用是反映總體各部分間的內在聯系與比例關系。（同一總體不同部分比較）計算公式為：比例相對數=（總體中某一部分數值/同一總體另一部分數值）。特點是，分子分母同屬一個總體，而且分子與分母的位置可以互換。
④比較相對數：指同一時間的同類指標在不同空間對比的比值。其作用是反映同類現象在不同空間的數量差異，發現先進與後進。計算公式為：比較相對數=（某地區某一現象數值/另一地區同一現象數值）*100%。特點是，用百分數或倍數表示，分子和分母可以互換。若以數值小的為母項則計算結果大於100%或1，反之小於100%或1。
⑤強度相對數：指兩個性質不同而又相互聯系指標之比。其作用是：①反映一國一地的發展水平、力量強弱。②反映事物存在的密度、普遍程度、運動強度、負擔強度。③反映經濟效益的高低。計算公式為：強度相對數=某一現象數值/另一現象數值。特點是，有正指標和逆指標之分，數值大小與強度成正比為正指標，反之為逆指標。有些指標分子與分母可互換。計量單位常用復名數。
靜態分析的正態分布
3.平均指標同質總體某一數量標志在一定時間、地點、條件下所達到的一般水平，是總體的代表值，它描述分布數列的集中趨勢。
①平均指標的特點：同質性、代表性、抽象性。
②平均指標的作用：可以比較同類現象在不同單位、不同地區間的平均水平；可以比較同類現象在不同時期的平均水平；可用於研究事物之間的依存關系。
③平均指標種類：分為數值平均數（算術平均數，調和平均數，幾何平均數）以及位置平均數（眾數，中位數）。
應用
1. 評價投資效益的靜態分析法
靜態分析流程
(1)投資回收期法 投資回收期法是以企業每年的凈收益來補償全部投資得以回收需要的時間。根據回收期的長短來評價項目的可行性及其效益的高低。計算投資回收期的公式為：Tp=Iv / E
(2) 投資報酬率法
投資報酬率的分析也被廣泛應用於評價各種投資方案，其計算公式如下：R=(E-D)/ Iv
2.財務分析:比率分析法
財務分析有三種基本方法：靜態分析、趨勢分析和同業比較。其中，靜態分析是趨勢分析和同業比較的基礎。財務靜態分析是指對一家上市公司一定時期或時點的財務數據和財務指標進行分析。通過靜態分析，我們尋找上市公司會計報表存在的問題和風險，或者說，尋找調查分析的重點。
在財務分析中，比率分析用途最廣，但也有局限性，突出表現在：比率分析屬於靜態分析，對於預測未來並非絕對合理可靠。比率分析所使用的數據為帳面價值，難以反映物價水準的影響。
比率分析法，是以同一期財務報表上的若乾重要項目間相關數據，互相比較，用一個數據除以另一個數據求出比率，據以分析和評估公司經營活動，以及公司目前和歷史狀況的一種方法。它是財務分析最基本的工具。
由於公司的經營活動是錯綜復雜而又相互聯系的。因而比率分析所用的比率種類很多，關鍵是選擇有意義的，互相關系的項目數值來進行比較。同時，進行財務分析的除了股票投資者以外，還有其他債券人、公司管理當局、政府管理當局等，由於他們進行財務分析的目的、用途不盡相同，因而著眼點也不同。作為證券投資者，主要是掌握和運用以下2種比率來進行財務分析：
(1)反映公司獲利能力的比率。主要有資產報酬率、資本報酬率、股價報酬率、股東權益報酬率、股利報酬率、每股帳面價值、每股盈利、價格盈利比率，普通股的利潤率、價格收益率、股利分配率、銷售利潤率、銷售毛利等、營業純利潤率、營業比率、稅前利潤與銷售收入比率等等。
(2)反映公司償還能力的比率。可劃分為兩類：
①反映公司短期償債能力的比率。有流動性比率、速動比率、流動資產構成比率等等；
②反映公司長期償債能力的比率。有股東權益對負債比率、負債比率、舉債經營比率、產權比率、固定比率、固定資產與長期負債比率、利息保障倍數等。
③反映公司擴展經營能力的比率。主要透過再投資率來反映公司內部擴展經營的能力，通過舉債經營比率、固定資產對長期負債比率來反映其擴展經營的能力。
④反映公司經營效率的比率，主要有應收帳款周轉率、存款周轉率、固定資產周轉率、資本周轉率、總資產周轉率等。
3.利率期限結構的靜態分析
利率期限結構均值
以中國的利率期限結構為例。要研究國債的利率期限結構，首先得推導出利率期限結構，從國債的市場價格信息中構建出利率和期限的對應關系。鑒於擬合利率曲線的模型和方法很多，加上中國國債市場自身的特殊性，必須選擇適當的模型來估算出中國國債的利率期限結構曲線。利率期限結構估計可以利用市場上觀察到的債券價格數據來擬合期限結構。最先從國債價格數據估算期限結構的是McCulloch(1971，1975)，他首先應用二次、三次多項式樣條函數的方法來估計利率期限結構，為數量擬合法開創了先河，並引發了很多學者對其樣條方法做一定改進。比較著名的有Vasicek和Fong(1982)的指數樣條法和Steeley(1991)的B樣條和Chambers等(1984)提出的指數多項式模型、Nelson和Siegel(1987)提出的簡約模型、Fama和Bliss(1987)提出的息票剝離法以及Linton等(2001)提出的非參數估計方法。
要求一種方法能構造出連續光滑的收益率曲線，有足夠的靈活度產生不同形狀的利率曲線，而且能很好地擬合市場的交易價格數據。本文基於中國市場的實際情況，採用了Vasicek和Fong(1982)提出的指數樣條法。根據指數樣條法，利用中國上交所2002年4月1日至2005年8月31日國債的現貨交易收盤價和各上市國債的基本信息，對中國國債利率期限結構進行靜態估計，從而得到每天的國債利率期限結構的數據，到期期限從0.5年至20年，每一個到期期限都有相應的即期利率。總共有830個交易日，從而有830天的利率期限結構，這樣就可以得到中國國債利率期限結構的時間序列。
選取即期利率曲線的幾個關鍵利率變數做一個描述性分析，以期對中國國債利率期限結構的靜態特徵有一個初步的認識。選取的關鍵利率變數有0.5年期、1年期、5年期、10年期、20年期的即期利率，分別代表著短期、中期和長期的即期利率水平。選取即期利率的另外兩個重要變數斜度和凸度，在這里斜度定義為S，計算公式為：S=r[,10]-r[,0.5]，即0.5年期和10年期即期利率的差異，凸度定義成C，計算公式為：C=r[,6]-0.5*(r[,2]+r[,10])，即凸度等於6年期即期利率減去2年期和10年期即期利率的等額平均值。
首先，對利率期限結構各個期限的即期利率求均值，從右圖可以看出，在2002年4月1日到2005年8月31日期間，上交所國債平均利率期限結構曲線呈向上傾斜的狀態，和同時期銀行存款利率曲線的傾斜方向基本一致。但是，即期利率曲線傾斜的程度並不大，較低期限溢價反映市場對未來提高利率的謹慎預期，即期利率曲線末端逐漸走平，一定程度上反映了國內市場對長期券種的過度投機。圖1中均值即期利率的上軸線定義為各個期限即期利率的均值加上其一個標准差，均值即期利率的下軸線定義成各個期限即期利率的均值減去其一個標准差。可以看到，0.5年期即期利率范圍大概從1.5%到2.1%，10年期即期利率的范圍大概從2.7%到4.6%，20年期即期利率的范圍大概從3.5%到4.8%。
更加詳細的中國國債即期利率的靜態信息可以看錶1，列舉出關鍵利率變數的一些基本統計特徵，可以看到各個期限的即期利率、斜度和凸度都不服從正態分布。
表1中國國債即期利率的描述性統計特徵
即期利率 均值 最大值 最小值 標准差 偏度 峰度
1年 2.04% 2.99% 1.36% 0.41%0.82688 -0.39487 0.0001
5年 3.34% 4.89% 2.03% 0.87%0.44062 -1.27666 0.0001
10年 3.63% 5.42% 2.43% 0.94%0.38265 -1.35330 0.0001
20年 4.21% 5.58% 3.33% 0.66%0.36016 -1.46935 0.0001
斜度 1.81% 3.64% 0.40% 0.81%0.13720 -1.28996 0.0001
凸度 0.45% 1.17%-0.35% 0.28%0.295765 -0.23896 0.0001
4.損益平衡分析法
損益平衡分析是一種短期靜態分析，它是在分析期間假設一些變數不變，尋找項目對於某一變數而言在什麼點上正好盈虧平衡。
(1)公式推導如下
設產量為Q(額定)，銷售價格為P ,總固定成本為F ,單位變動成本為q則方案收入R = Q * P；方案成本C = F + q * Q
① 求盈虧平衡時的價格P*
令R = C，得到盈虧平衡時的價格
P* = ( F + Q *q )/ Q
② 求盈虧平衡時產量Q*
令R = C，得到盈虧平衡時產量
Q* = F / (P–q )
③ 求盈虧平衡時生產能力的利用率（BEP）
BEP = Q* / Q
(2)尋找優劣平衡點的基本思想
假設兩個方案的總成本受一個共同的變數x的影響，且兩個方案的成本均可表示為x的函數，TC1=f1(x),TC2=f2(x)．當TC1=TC2，即f1(x)=f2(x)，若解出f1(x)=f2(x)時的x值，就得到兩個方案的優劣平衡點。

B. 金融數據的尖峰厚尾特徵是什麼意思

金融數據的尖峰厚尾特徵是相比較標准正態分布來說的，標准正態分布的偏度為0，峰度為3，通常做實證分析時，會假設金融數據為正態分布，這樣方便建模分析。

但是實證表明，很多數據並不符合正態分布，而更像尖峰厚尾，就是峰度比3大，兩邊的尾巴比正態分布厚，沒有下降得這么快。

厚尾分布主要是出現在金融數據中，例如證券的收益率。 從圖形上說，較正態分布圖的尾部要厚，峰處要尖。

直觀些說，就是這些數據出現極端值的概率要比正態分布數據出現極端值的概率大。因此，不能簡單的用正態分布去擬合這些數據的分布，從而做一些統計推斷。一般來說，通過實證分析發現，自由度為5或6的t分布擬合的較好。

(2)股票偏度擴展閱讀：

基金收益率不服從正態分布，存在顯著的尖峰厚尾特性，我國基金市場還不是有效市場。人民幣匯率收益率波動有集群性效應，不符合正態分布，有尖峰厚尾的特點。結果表明穩定分布能更好的擬和中國股票收益率的實際分布，穩定分布較好的處理中國股票市場中的「尖峰尾」現象。

但很多資本市場上的現象無法用EMH解釋，如證券收益的尖峰厚尾，證券市場的突然崩潰，股價序列的長期記憶性等。對期貨價格數據進行統計分析，發現期貨價格具有「尖峰厚尾」特性。實證結果表明：我國股價波動具有尖峰厚尾特徵、異方差性特徵和波動的持續性和非對稱特徵。

而股票市場的收益率從分布的角度看，並不服從標準的正態分布，而是呈現出一種「尖峰、厚尾」的特徵。

C. 怎麼用matlab的循環語句來批量計算股票每年的峰度和偏度

怎麼用matlab的循環語句來批量計算股票每年的峰度和偏度
shuju=[ ]; % 讀入數據
jun_ = mean(shuju) % 求均值
biao_zhun_cha=std(shuju) % 標准差版

pian_=skewness(shuju) % 偏度：>0 稱為右偏態，權<0，稱為左偏態

feng_=kurtosis(shuju) % 峰度：用作衡量偏離正態分布的尺度之一

D. 服從正態分布的條件

請問你是要定性判斷還是定量判斷？ 一般正態分布判斷方法都是用統計軟體實現內的。 我這里不是意容思讓你很牛的會操作sas和Eviews等這種統計軟體，就是它們可以算出數據偏度峰度，同時為零是正態分布定義吧。 不過這種正態分布挺嚴格的，現實中沒人會就看偏度峰度來判斷的。 至於那些w檢驗t檢驗方差分析非參數檢驗，網上都有，自己看吧，那些才是主流判斷正態分布的工具。 你如果說就看看而不用數據說明問題，那就是胡扯，統計的精髓就是各種檢驗各種算，買本書自己看看吧。 以上個人見解，如要探討學術問題可以再問。

E. 《統計學》期末考試試題

北京信息科技大學 《統計學》課程期末考試試卷(A卷)
2007 ~2008學年第一學期
課程所在學院：經濟管理學院

一、單項選擇題（本大題共15小題，每小題1分，共15分）
在每小題列出的四個備選項中只有一個是符合題目要求的，請將其代碼填寫在題後的括弧內。錯選、多選或未選均無分。
1．下列哪個不屬於一元回歸中的基本假定( D )。
A．對於所有的X，誤差項的方差都相同
B．誤差項 服從正態分布
C．誤差項 相互獨立
D．
2.某組數據分布的偏度系數為負時，該數據的眾數、中位數、均值的大小關系是( A )。
A．眾數>中位數>均值
B．均值>中位數>眾數
C．中位數>眾數>均值
D．中位數>均值>眾數
3．一元回歸方程為y＝11.64一0.25x，則下列說法中正確的是（ C ）。
A．自變數平均增長一個單位，因變數減少0.25個單位
B．自變數和因變數之間成正相關關系
C．
D．
4.有甲乙兩組數列，則（ A ）數列平均數的代表性高。
A． 1＜ 2 1＞ 2，則乙數列平均數的代表性高
B. 1＜ 2 1＞ 2，則乙數列平均數的代表性低
C. 1＝ 2 1＞ 2，則甲數列平均數的代表性高
D. 1＝ 2 1＜ 2，則甲數列平均數的代表性低
5．某連續變數數列，其末組為開口組，下限為500，相鄰組的組中值為480，則末組的組中值為( A )。
A．520 B．510 C．500 D．540
6.不受極端變數值影響的平均數是( D )。
A．算術平均數 B．調和平均數
C．幾何平均數 D．眾數
7.有20個工人看管機器台數資料如下：2，5，4，4，3，4，3，4，4，2，2，4，3，4，6，3，4，5，2，4，如按以上資料編制頻數分布數列應採用（ A ）。
A.單項式分組 B.等距分組 C.不等距分組 D.以上幾種分組均可以
8.若無季節變動，則季節比率應為( B )。
A．0 B． 1 C． 大於1 D. 小於1
9.如果一個定性的變數有m類，則要引進（ C ）個虛擬變數。
A.m B.m+1
C.m-1 D.無法判斷
10.第一組工人的平均工齡為5年，第二組為7年，第三組為10年，第一組工人數占總數的20%，第二組佔60%，則三組工人的平均工齡為( B )
A.8年 B.7.2年 C.5年 D.7.8年
11.某企業2007年各種產品的產量比2006年增長了8%，總生產費用增長了12%，則該廠2007年單位成本( D )
A.減少了0.62% B.增加了0.62%
C.減少了3.7% D.增加了3.7%
12.相關系數r與斜率b2的符號（ A ）。
A.相同 B.不同
C.無法判斷
13.已知小姜買的兩種股票的綜合價格指數上漲了24點，本日股票的平均收盤價格為14元，前日股票的平均收盤價格為( C )
A.10.64 B.10.5
C.11.29 D.無法計算
14.若今年比去年的環比發展速度為112％，去年比前年的環比增長率為3％，那麼今年比前年的平均增長率為( D )。
A．9.0％ B．7.4％
C．7.5％ D．15.4％
15．已知今年增長1％的絕對值為0.54，去年比前年增長的絕對值為5，則去年比前年的增長率為( C )。
A．9.3％ B．8.7％
C．10.2％ D．無法計算

二、多項選擇題(每小題2分，共16分)
在每小題列出的若干選項中有多個選項是符合題目要求的，請將正確選項前的字母填在題後的括弧內。多選、少選、錯選均無分。
1.下列變數，屬於離散變數的有（ A D E F ）。
A.庫存產品數量 B.流動資產對流動負債的比率
C.貨物總重量 D.按個計量的貨物數量
E.一條收費公路上的交通量 F.公司年會的出席人數
2.指出下列數據收集屬於通過實驗的方法收集數據的有（A B E ）
A.培訓航空機票代理人的新方法與傳統方法的比較結果
B.通過讓兩組可以比較的孩子分別使用兩種不同的組裝說明組裝玩具來比較這兩種組裝說明
C.一份產品評價雜志給它的訂閱者郵寄調查問卷，請他們為近期購買的產品排名
D.采訪一個購物中心的顧客，詢問他們為什麼在那裡購物
E.通過在兩個可比較地區分別採用不同的方法，比較兩種不同的養老金促銷方法
3.下列組限的表示方法哪些是對的( A B D )。
A.按職工人數分組，相鄰組的組限可以重疊,也可以間斷
B.職工按工資分組，其組限必須重疊
C.學生按成績分組，其組限必須間斷
D.人按身高分組，其組限必須重疊
4.下列屬於質量指標指數的有( A B D E )。
A.價格指數 B.單位成本指數
C.銷售量指數 D.工資水平指數
E.勞動生產率指數
5.具體地說，如果出現下列（ A B C ）情況，暗示多元回歸模型有可能存在多重共線性。
A.模型中各對自變數之間顯著相關
B.線形關系顯著，回歸系數 的t檢驗卻不顯著
C.回歸系數的正負號與預期相反
D.
6.算術平均數具有下列哪些性質( B C )。
A. (X－ ）＝最小值 B. (X－ ）＝0
C. (X－ ）2＝最小值 D. (X－ ）2＝0
E. (X－ )＝1
7．在頻數分布數列中（ C D E ）。
A.總次數一定，頻數和頻率成反比 B.各組的頻數之和等於100
C.各組頻率大於0，頻率之和等於1 D.頻率越小，則該組數值所起作用越小
E.頻率表明各組變數值對總體的相對作用程度
8．標准差（ C E ）。
A.表明總體單位標志值的一般水平 B.反映總體單位的一般水平
C.反映總體單位標志值的離散程度 D.反映總體分布的集中趨勢
E.反映總體分布的離中趨勢

三、簡答題（本大題共2題，每題5分，共10分）
1.什麼是年度化增長率?它有何用途?
2.數值型數據的分組方法有哪些？簡述組距分組的步驟。
（1）可分為單變數值分組和組距分組兩種分組方法。
單變數值分組：將一個變數值作為一組；適合於離散變數；適合於變數值較少的情況（+1）
組距分組：將變數值的一個區間作為一組；適合於連續變數；適合於變數值較多的情況；需要遵循「不重不漏」的原則；可採用等距分組，也可採用不等距分組。（+1）
（2）A．確定組數：

（+1）
B．確定組距：組距(class width)是一個組的上限與下限之差，可根據全部數據的最大值和最小值及所分的組數來確定（+1）
C.統計出各組的頻數並整理成頻數分布表。（+1）

四、判斷題（本大題共5小題，每小題1分，共5分）
1.相關系數為+1時，說明兩變數完全相關，相關系數為-1時，說明兩個變數不相關。（ 錯 ）
2.如果各種商品價格平均上漲5%，銷售量平均下降5%，則銷售額指數不變。（ 錯 ）
3.連續型變數和離散型變數在進行組距式分組時，均可採用相鄰組組距重疊的方法確定組限。（ 對 ）
4.根據建立的直線回歸方程，不能判斷出兩個變數之間相關的密切程度。（ 對 ）
5.設P表示單位成本，q表示產量，則∑p1q1—∑p0q1表示由於產品單位成本的變動對總產量的影響。（ 錯 ）

四、計算分析題（共54分）
1.將某郵局中外發郵包樣本的重量近似到盎司為：21，18，30，12，14，17，28，10，16，25。計算這組數據的均值，中位數，眾數，極差，四分位間距，從偏斜度的角度描述數據的分布形狀(10分)。

2.表1中列出了在一個為期三周的商務統計課程中學生課外學習的小時數和他們在課程結束時的測試分數的樣本數據如下：
表1 學生課外學習時間及考試分數統計表
學生樣本 1 2 3 4 5 6 7 8
學習時間，X 20 16 34 23 27 32 18 22
考試分數，Y 64 61 84 70 88 92 72 77
利用EXCEL進行回歸，結果如下表：(共15分)
SUMMARY OUTPUT
回歸統計
Multiple R 0.862109
R Square 0.743232
Adjusted R Square 0.700437
標准誤差 6.157605
觀測值 8
方差分析
df SS MS F Significance F
回歸分析 1 658.5034 658.5034 17.36738233 0.005895457
殘差 6 227.4966 37.9161
總計 7 886
Coefficients 標准誤差 t Stat P-value
Intercept 40.08163265 8.889551 4.50884785 0.004065471
X Variable 1 1.496598639 0.359119 4.16741915 0.005895457

分析並回答下列問題：
(1)學習時間與考試分數之間的相關系數是多少，考試分數的變差中有多少是由於學習時間的變動引起的? 86.21% 74.32%
(2) 根據EXCEL回歸輸出結果，寫出估計的回歸方程並解釋回歸系數的實際意義。
(3) 檢驗線性關系的顯著性 。
(4) 根據標准化殘差圖判斷關於隨機誤差項正態分布的假定是否成立。
標准化殘差分布在-2~2之間，因此關於隨機誤差項服從正態分布的假定成立
3.隨機抽取了15家大型商場銷售的同類產品的有關數據(單位：元)，利用EXCEL進行回歸，結果如下表：(共15分)
SUMMARY OUTPUT
回歸統計
Multiple R 0.593684
R Square 0.35246
Adjusted R Square 0.244537
標准誤差 69.75121
觀測值 15
方差分析
df SS MS F Significance F
回歸分析 2 31778.15 15889.08 3.265842 0.073722186
殘差 12 58382.78 4865.232
總計 14 90160.93
Coefficients 標准誤差 t Stat P-value
Intercept 375.6018288 339.410562 1.10662976 0.290145025
X Variable 1 0.537840951 0.21044674 2.55571054 0.02519961
X Variable 2 1.457193542 0.667706586 2.18238606 0.049681066
相關系數矩陣
Y X1 X2
Y 1
X1 0.308952067 1
X2 0.001214062 -0.8528576 1
註：X Variable 1為購進價格/元
X Variable 2為銷售費用/元
因變數Y為銷售價格/元
（1）指出Y與X1，Y與X2之間的相關系數，是否有證據表明購進價格、銷售價格與銷售費用之間存在線性關系？ 0.3089 0.0012 沒有，因為相關系數較小
（2）根據上訴結果，你認為用購進價格與銷售費用來預測是否有用？沒用
（3）根據EXCEL回歸輸出結果，寫出估計的回歸方程並檢驗線性關系是否顯著（ ）。不顯著
（4）解釋判定系數R2，所得結論與問題（2）中是否一致？ R2=35.25% , 在銷售價價格的總變差中，被估計的回歸方程所解釋的比例是35.25%，一致。（+3）
（5）X1與X2之間的相關系數是什麼？意味著什麼？高度相關
（6）模型中是否存在多重共線性？你對模型有何特長建議？可能存在多重共線性；進一步檢驗是否存在多重共線性，對X1與X2的樣本相關系數進行顯著性檢驗（rx1x2=-0.8529），如果是顯著，即可確定為存在多重共線性。（+2）
對模型有何特長建議：根據研究目的，刪掉相對次要的解釋變數。（+1）
4.一公司生產的三種產品的有關如下數據如下表所示 (共14分)：
商品 計量單位 銷售量 單價（萬元）
2005年 2006年 2005年 2006年
甲 公斤 400 480 0.8 0.82
乙 噸 80 88 1.15 1.05
丙 件 50 60 1.20 1.38

(1)計算三種產品的銷售額指數;
(2)計算三種產品的銷售量指數;
(3)計算三種產品的單位價格指數;
(4)計算分析產量和單位價格的變動對銷售額影響的相對數和絕對數。

北京信息科技大學
2007 ~2008學年第一學期
《統計學》課程期末考試試卷標准答案(A卷)
一、 單項選擇題（本大題共15小題，每小題1分，共15分）
在每小題列出的四個備選項中只有一個是符合題目要求的，請將其代碼填寫在題後的括弧內。錯選、多選或未選均無分。
1.(A) 2.(A) 3.( C) 4.(A) 5.(D)
6.(D) 7(A) 8( B) 9.(C) 10.(B)
11.(D) 12.(A) 13.(C) 14.(D) 15.(C)

二、 多項選擇題(每小題2分，共16分)
在每小題列出的五個選項中有二至五個選項是符合題目要求的，請將正確選項前的字母填在題後的括弧內。多選、少選、錯選均無分。
1.（ADEF） 2.（ABE ） 3. (ABD ) 4.(ABDE) 5.（ABC）
6．(BC ) 7．（CDE） 8．（CE）

三、 簡答題（本大題共2題，每題5分，共10分）
1. 什麼是年度化增長率?它有何用途?
(1)增長率以年來表示時，稱為年度化增長率或年率,（+2）
其計算公式為:
m 為一年中的時期個數；n 為所跨的時期總數
季度增長率被年度化時，m ＝4
月增長率被年度化時，m ＝12
當m ＝ n 時，上述公式就是年增長率 （+2）
(2)可將月度增長率或季度增長率轉換為年度增長率，實現增長率之間的可比性。（+1）

2. 數值型數據的分組方法有哪些？簡述組距分組的步驟。
（1）可分為單變數值分組和組距分組兩種分組方法。
單變數值分組：將一個變數值作為一組；適合於離散變數；適合於變數值較少的情況（+1）
組距分組：將變數值的一個區間作為一組；適合於連續變數；適合於變數值較多的情況；需要遵循「不重不漏」的原則；可採用等距分組，也可採用不等距分組。（+1）
（2）A．確定組數：

（+1）
B．確定組距：組距(class width)是一個組的上限與下限之差，可根據全部數據的最大值和最小值及所分的組數來確定（+1）
C.統計出各組的頻數並整理成頻數分布表。（+1）

四、判斷題（本大題共5小題，每小題1分，共5分）
1.相關系數為+1時，說明兩變數完全相關，相關系數為-1時，說明兩個變數不相關。（×）
2.如果各種商品價格平均上漲5%，銷售量平均下降5%，則銷售額指數不變。（×）
3.連續型變和離散型變數在進行組距式分組時，均可採用相鄰組組距重疊的方法確定組限。（√）
4.根據建立的直線回歸方程，不能判斷出兩個變數之間相關的密切程度。（√）
5.設P表示單位成本，q表示產量，則∑p1q1—∑p0q1表示由於產品單位成本的變動對總產量的影響。（×）

五、計算分析題（共55分）
中位數的位置：（10+1）/2=5.5
中位數
從偏斜度的角度描述數據的分布形狀：均值＞中位數，正向（右）偏
(+2)

2．(1)學習時間與考試分數之間的相關系數是多少，考試分數的變差中有多少是由於學習時間的變動引起的?
r=0.862109, （+1）
R2=0.743232, 考試分數的變差中有74.3232%是由於學習時間的變動引起的。（+2）
(2) 根據EXCEL回歸輸出結果，寫出估計的回歸方程並解釋回歸系數的實際意義。
（+3）
回歸系數的含義表明學習時間每增加一個小時, 考試分數平均增加1.497分。（+2）
(3) 檢驗線形關系的顯著性
Significance F=0.005895457〈 =5%
線性關系顯著。（+3）
(4) 根據標准化殘差圖判斷關於隨機誤差項服從正態分布的假定是否成立。
標准化殘差分布在-2~2之間，因此關於隨機誤差項服從正態分布的假定成立。（+4）
3. （1）指出Y與X1，Y與X2之間的相關系數，是否有證據表明購進價格、銷售價格與銷售費用之間存在線性關系
（1）ryxi =0.308952067 ryx2=0.001214062,
沒有證據。（+2）
（2）根據上述結果，你認為用購進價格與銷售費用來預測是否有用？
沒有用。（+2）
（3）根據EXCEL回歸輸出結果，寫出估計的回歸方程並檢驗線性關系是否顯著（ ）。

Significance F=0.073722> =5%
線性關系不顯著。（+3）
（4）解釋判定系數R2，所得結論與問題（2）中是否一致
R2=35.25% , 在銷售價價格的總變差中，被估計的回歸方程所解釋的比例是35.25%，一致。（+3）
（5）X1與X2之間的相關系數是什麼？意味著什麼？
rx1x2=-0.8529，高度相關（+2）
（6）模型中是否存在多重共線性？你對模型有何特長建議？
可能存在多重共線性；進一步檢驗是否存在多重共線性，對X1與X2的樣本相關系數進行顯著性檢驗（rx1x2=-0.8529），如果是顯著，即可確定為存在多重共線性。（+2）
對模型有何特長建議：根據研究目的，刪掉相對次要的解釋變數。（+1）

4. (1)三種產品的銷售額指數; （+3）
三種產品的銷售額指數=∑q1p1/∑q0p0
=568.8/472=120.51%
∑q1p1-∑q0p0==568.8-472=96.8萬元
(2)三種產品的銷售量指數; （+3）
Iq=∑q1p01/∑q0p0
=557.2/472=118.05%
∑q1p0-∑q0p0
=557.2-472=85.2萬元
(3)三種產品的價格指數; （+3）
Ip=∑q1p1/∑q1p0
=568.8/557.2=1.0208=12.08%
∑q1p1-∑q1p0
=568.8-557.2=11.6萬元
(4) 分析產量和單位價格的變動對銷售額影響的相對數和絕對數。（+5）
120.51%=118.05%*102.08% （+3）
96.8萬元萬元=85.2萬元+11.6萬元 （+2）

F. 證明密度函數關於期望對稱時,偏度為0

G. 證券組合投資的收益與風險計算

β系數在證券投資中的應用
06級金融班 冷松

β系數常常用在投資組合的各種模型中，比如馬柯維茨均值-方差模型、夏普單因素模型（Shape Single-Index Model）和多因素模型。具體來說，β系數是評估一種證券系統性風險的工具，用以量度一種證券或一個投資證券組合相對於總體市場的波動性，β系數利用一元線性回歸的方法計算。
（一）基本理論及計算的意義
經典的投資組合理論是在馬柯維茨的均值——方差理論和夏普的資本資產定價模型的基礎之上發展起來的。在馬柯維茨的均值——方差理論當中是用資產收益的概率加權平均值來度量預期收益，用方差來度量預期收益風險的：
E(r)=∑p(ri) ri (1)
σ2=∑P(ri)[ri—E(r)]2 (2)
上述公式中p(ri)表示收益ri的概率，E(r)表示預期收益，σ2表示收益的風險。夏普在此基礎上通過一些假設和數學推導得出了資本資產定價模型(CAPM)：
E(ri)=rf +βi [E(rM)—rf] (3)
公式中系數βi 表示資產i的所承擔的市場風險，βi=cov(r i , r M)/var(r M) (4)
CAPM認為在市場預期收益rM 和無風險收益rf 一定的情況下，資產組合的收益與其所分擔的市場風險βi成正比。
CAPM是基於以下假設基礎之上的：
(1)資本市場是完全有效的(The Perfect Market);
(2)所有投資者的投資期限是單周期的;
(3)所有投資者都是根據均值——方差理論來選擇有效率的投資組合;
(4)投資者對資產的報酬概率分布具有一致的期望。
以上四個假設都是對現實的一種抽象，首先來看假設(3)，它意味著所有的資產的報酬都服從正態分布，因而也是對稱分布的；投資者只對報酬的均值(Mean)和方差(Variance)感興趣，因而對報酬的偏度(Skewness)不在乎。然而這樣的假定是和實際不相符的!事實上，資產的報酬並不是嚴格的對稱分布，而且風險厭惡型的投資者往往具有對正偏度的偏好。正是因為這些與現實不符的假設，資本資產定價模型自1964年提出以來，就一直處於爭議之中，最為核心的問題是：β系數是否真實正確地反映了資產的風險？
如果投資組合的報酬不是對稱分布，而且投資者具有對偏度的偏好，那麼僅僅是用方差來度量風險是不夠的，在這種情況下β系數就不能公允的反映資產的風險，從而用CAPM模型來對資產定價是不夠理想的，有必要對其進行修正。
β系數是反映單個證券或證券組合相對於證券市場系統風險變動程度的一個重要指標。通過對β系數的計算，投資者可以得出單個證券或證券組合未來將面臨的市場風險狀況。
β系數反映了個股對市場(或大盤)變化的敏感性，也就是個股與大盤的相關性或通俗說的"股性"，可根據市場走勢預測選擇不同的β系數的證券從而獲得額外收益，特別適合作波段操作使用。當有很大把握預測到一個大牛市或大盤某個不漲階段的到來時，應該選擇那些高β系數的證券，它將成倍地放大市場收益率，為你帶來高額的收益；相反在一個熊市到來或大盤某個下跌階段到來時，你應該調整投資結構以抵禦市場風險，避免損失，辦法是選擇那些低β系數的證券。為避免非系統風險，可以在相應的市場走勢下選擇那些相同或相近β系數的證券進行投資組合。比如：一支個股β系數為1.3，說明當大盤漲1%時，它可能漲1.3%，反之亦然；但如果一支個股β系數為-1.3%時，說明當大盤漲1%時，它可能跌1.3%，同理，大盤如果跌1%，它有可能漲1.3%。β系數為1，即說明證券的價格與市場一同變動。β系數高於1即證券價格比總體市場更波動。β系數低於1即證券價格的波動性比市場為低。
（二）數據的選取說明
（1）時間段的確定
一般來說對β系數的測定和檢驗應當選取較長歷史時間內的數據，這樣才具有可靠性。但我國股市17年來，也不是所有的數據均可用於分析，因為CAPM的前提要求市場是一個有效市場：要求股票的價格應在時間上線性無關，而2006年之前的數據中，股份的相關性較大，會直接影響到檢驗的精確性。因此，本文中，選取2005年4月到2006年12月作為研究的時間段。從股市的實際來看，2005年4月開始我國股市擺脫了長期下跌的趨勢，開始進入可操作區間，吸引了眾多投資者參與其中，而且人民幣也開始處於上升趨勢。另外，2006年股權分置改革也在進行中，很多上市公司已經完成了股改。所以選取這個時間用於研究的理由是充分的。
（2）市場指數的選擇
目前在上海股市中有上證指數，A股指數，B股指數及各分類指數，本文選擇上證綜合指數作為市場組合指數，並用上證綜合指數的收益率代表市場組合。上證綜合指數是一種價值加權指數，符合CAPM市場組合構造的要求。
（3）股票數據的選取
這里用上海證券交易所（SSE）截止到2006年12月上市的4家A股股票的每月收盤價等數據用於研究。這里遇到的一個問題是個別股票在個別交易日內停牌，為了處理的方便，本文中將這些天該股票的當月收盤價與前一天的收盤價相同。
（4）無風險收益（rf）
在國外的研究中，一般以3個月的短期國債利率作為無風險利率，但是我國目前國債大多數為長期品種，因此無法用國債利率作為無風險利率，所以無風險收益率（rf）以1年期銀行定期存款利率來進行計算。
（三）系數的計算過程和結果
首先打開「大智慧新一代」股票分析軟體，得到相應的季度K線圖，並分別查詢魯西化工（000830），首鋼股份（000959），宏業股份（600128）和吉林敖東（000623）的收盤價。打開Excel軟體，將股票收盤價數據粘貼到Excel中，根據公式：月收益率＝[（本月收盤價－上月收盤價）/上月收盤價]×100%，就可以計算出股票的月收益率，用同樣的方法可以計算出大盤收益率。將股票收益率和市場收益率放在同一張Excel中，這樣在Excel表格中我們得到兩列數據：一列為個股收益率，另一列為大盤收益率。選中某一個空白的單元格，用Excel的「函數」－「統計」－「Slope()函數」功能，計算出四支股票的β系數。

下面列示數據說明：
魯西化工000830 首鋼股份000959 弘業股份600128 吉林敖東000623 上證 市場收益率 市場超額收益率 市場無風險收益率
統計時間 收盤價 收益率 超額 收盤價 收益率 超額 收盤價 收益率 超額 收盤價 收益率 超額 指數
收益率 收益率 收益率 收益率
05年4月 4.51 基期 3.77 基期 3.29 基期 4.69 基期 1159.14
05年5月 3.81 -6.23% -8.65% 3.68 7.54% 5.12% 3.48 4.53% 2.11% 7.02 -7.77% -10.19% 1060.73 -2.56% -4.98% 2.42%
05年6月 3.98 8.33% 5.91% 3.35 -18.39% -20.81% 3.3 4.39% 1.97% 8.49 15.07% 12.65% 1080.93 8.03% 5.61% 2.42%
05年7月 4.76 -9.07% -11.49% 3.12 -13.10% -15.52% 3.02 -30.67% -33.09% 9.96 -11.30% -13.72% 1083.03 -8.72% -11.14% 2.42%
05年8月 3.33 -19.28% -21.70% 3.57 -12.97% -15.39% 4.11 -16.93% -19.35% 8.17 -0.87% -3.29% 1162.79 -14.16% -16.58% 2.42%
05年9月 3.45 -2.71% -5.03% 3.35 8.19% 5.87% 3.73 13.08% 10.76% 9.86 36.64% 34.32% 1155.61 11.26% 8.94% 2.32%
05年10月 3.32 -7.62% -9.94% 3.15 -10.33% -12.65% 3.51 4.66% 2.34% 8.17 27.03% 24.71% 1092.81 -1.63% -3.95% 2.32%
05年11月 3.46 -15.45% -17.77% 2.41 -9.21% -11.53% 3.38 -18.34% -20.66% 9.86 -1.68% -4.00% 1099.26 -8.00% -10.32% 2.32%
05年12月 3.48 3.41% 1.09% 2.46 -8.88% -11.20% 3.39 10.49% 8.17% 16.55 17.79% 15.47% 1161.05 9.50% 7.18% 2.32%
06年1月 3.6 45.66% 43.14% 2.75 23.67% 21.15% 3.86 3.13% 0.61% 19.25 8.28% 5.76% 1258.04 16.34% 13.82% 2.52%
06年2月 4.67 -57.66% -60.18% 2.79 -12.57% -15.09% 3.75 -19.06% -21.58% 21.73 -42.86% -45.38% 1299.03 -19.66% -22.18% 2.52%
06年3月 4.57 9.47% 6.95% 3.05 0.43% -2.09% 2.95 -3.41% -5.93% 24.51 -8.22% -10.74% 1298.29 -0.18% -2.70% 2.52%
06年4月 2.65 -5.54% -8.06% 2.96 -7.26% -9.78% 3.28 -17.55% -20.07% 50.00 -39.26% -41.78% 1440.22 -9.32% -11.84% 2.52%
06年5月 3.22 -0.23% -3.60% 2.8 -13.13% -16.50% 3.81 -1.14% -4.51% 65.34 -9.05% -12.42% 1641.3 -6.73% -10.10% 3.37%
06年6月 3.37 -21.41% -24.78% 2.84 -5.57% -8.94% 3.69 10.55% 7.18% 49.75 -0.46% -3.83% 1672.21 -8.49% -11.86% 3.37%
06年7月 3.48 21.26% 17.89% 2.91 4.21% 0.84% 4.48 8.50% 5.13% 62.3 20.00% 16.63% 1612.73 6.91% 3.54% 3.37%
06年8月 3.37 3.70% 0.33% 2.97 -8.36% -11.73% 4.78 17.47% 14.10% 74.1 -35.85% -39.22% 1658.63 0.47% -2.90% 3.37%
06年9月 3.27 14.29% 11.15% 3.13 -17.94% -21.08% 4.73 11.38% 8.24% 7.01 5.44% 2.30% 1752.42 11.82% 8.68% 3.14%
06年10月 3.17 67.50% 64.36% 3.41 10.75% 7.61% 4.39 -18.97% -22.11% 91.28 67.91% 64.77% 1837.99 28.80% 25.66% 3.14%
06年11月 3.12 -32.71% -35.85% 4.35 -4.21% -7.35% 4.2 58.86% 55.72% 60.02 -11.09% -14.23% 2099.29 4.80% 1.66% 3.14%
06年12月 3.16 24.21% 21.07% 5.01 22.30% 19.16% 4.43 52.43% 49.29% 68.28 56.81% 53.67% 2675.47 52.67% 49.53% 3.14%
魯西化工（000830）的β系數＝0.89
首鋼股份（000959）的β系數＝1.01
弘業股份（600128）的β系數＝0.78
吉林敖東（000623）的β系數＝1.59
（三）結論
計算出來的β值表示證券的收益隨市場收益率變動而變動的程度，從而說明它的風險度，證券的β值越大，它的系統風險越大。β值大於0時，證券的收益率變化與市場同向，即以極大可能性，證券的收益率與市場同漲同跌。當β值小於0時，證券收益率變化與市場反向，即以極大可能性，在市場指數上漲時，該證券反而下跌；而在市場指數下跌時，反而上漲。（在實際市場中反向運動的證券並不多見）
根據上面對四隻股票β值的計算分析說明：首鋼股份和吉林敖東的投資風險大於市場全部股票的平均風險；而魯西化工和宏業股份的投資風險小於市場全部股票的平均風險。那我們在具體的股票投資過程中就可以利用不同股票不同的β值進行投資的決策，一般來說，在牛市行情中或者短線交易中我們應該買入β系數較大的股票，而在震盪市場中或中長線投資中我們可以選取β值較小的股票進行風險的防禦。

H. 怎樣用SAS對股市數據進行單變數描述統

SAS需要變成 你把數據整理好 用proc means過程對數據集進行統計分析，可以得到版非缺失權值數、缺失值數、權重和、均值、總和、最小值、最大值、全距、未校正平方和、校正平方和、方差、標准差、標准誤、變異系數、偏度、t值、大於t值概率，共17個統計量

I. 如何用GARCH(1,1)求股票的具體波動率數據

以哈飛股份(600038)為例，運用GARCH（1,1）模型計算股票市場價值的波動率。

GARCH（1,1）模型為：

(1)

(2)

其中， 為回報系數， 為滯後系數， 和 均大於或等於0。

（1）式給出的均值方程是一個帶有誤差項的外生變數的函數。由於是以前面信息為基礎的一期向前預測方差，所以稱為條件均值方程。

（2）式給出的方程中： 為常數項， （ARCH項）為用均值方程的殘差平方的滯後項， （GARCH項）為上一期的預測方差。此方程又稱條件方差方程，說明時間序列條件方差的變化特徵。

通過以下六步進行求解：

本文選取哈飛股份2009年全年的股票日收盤價，採用Eviews 6.0的GARCH工具預測股票收益率波動率。具體計算過程如下：

第一步：計算日對數收益率並對樣本的日收益率進行基本統計分析，結果如圖1和圖2。

日收益率採用JP摩根集團的對數收益率概念，計算如下：

其中Si，Si-1分別為第i日和第i-1日股票收盤價。

圖1 日收益率的JB統計圖

對圖1日收益率的JB統計圖進行分析可知：

（1）標准正態分布的K值為3，而該股票的收益率曲線表現出微量峰度（Kurtosis=3.748926>3），分布的凸起程度大於正態分布，說明存在著較為明顯的「尖峰厚尾」形態；

（2）偏度值與0有一定的差別，序列分布有長的左拖尾，拒絕均值為零的原假設，不屬於正態分布的特徵；

（3）該股票的收益率的JB統計量大於5%的顯著性水平上的臨界值5.99，所以可以拒絕其收益分布正態的假設，並初步認定其收益分布呈現「厚尾」特徵。

以上分析證明，該股票收益率呈現出非正態的「尖峰厚尾」分布特徵，因此利用GARCH模型來對波動率進行擬合具有合理性。

第二步：檢驗收益序列平穩性

在進行時間序列分析之前，必須先確定其平穩性。從圖2日收益序列的路徑圖來看，有比較明顯的大的波動，可以大致判斷該序列是一個非平穩時間序列。這還需要嚴格的統計檢驗方法來驗證，目前流行也是最為普遍應用的檢驗方法是單位根檢驗，鑒於ADF有更好的性能，故本文採用ADF方法檢驗序列的平穩性。

從表1可以看出，檢驗t統計量的絕對值均大於1%、5％和10%標准下的臨界值的絕對值，因此，序列在1%的顯著水平下拒絕原假設，不存在單位根，是平穩序列，所以利用GARCH（1,1）模型進行檢驗是有效的。

圖2 日收益序列圖

表1ADF單位根檢驗結果

第三步：檢驗收益序列相關性

收益序列的自相關函數ACF和偏自相關函數PACF以及Ljung-Box-Pierce Q檢驗的結果如表3（滯後階數 =15）。從表4.3可以看出，在大部分時滯上，日收益率序列的自相關函數和偏自相關函數值都很小，均小於0.1，表明收益率序列並不具有自相關性，因此，不需要引入自相關性的描述部分。Ljung-Box-Pierce Q檢驗的結果也說明日收益率序列不存在明顯的序列相關性。

表2自相關檢驗結果

第四步：建立波動性模型

由於哈飛股份收益率序列為平穩序列，且不存在自相關，根據以上結論，建立如下日收益率方程：

(3)

(4)

第五步：對收益率殘差進行ARCH檢驗

平穩序列的條件方差可能是常數值，此時就不必建立GARCH模型。故在建模前應對收益率的殘差序列εt進行ARCH檢驗，考察其是否存在條件異方差，收益序列殘差ARCH檢驗結果如表3。可以發現，在滯後10階時，ARCH檢驗的伴隨概率小於顯著性水平0.05，拒絕原假設，殘差序列存在條件異方差。在條件異方差的理論中，滯後項太多的情況下，適宜採用GARCH（1,1）模型替代ARCH模型，這也說明了使用GARCH（1,1）模型的合理性。

表3日收益率殘差ARCH檢驗結果

第六步：估計GARCH模型參數，並檢驗

建立GARCH（1,1）模型，並得到參數估計和檢驗結果如表4。其中，RESID(-1)^2表示GARCH模型中的參數α，GARCH（-1）表示GARCH模型中的參數β，根據約束條件α+β<1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，滿足約束條件。同時模型中的AIC和SC值比較小，可以認為該模型較好地擬合了數據。

表4日收益率波動率的GARCH（1,1）模型的參數估計