请问下各位高手们，如何在Eviews6.0中获得一个股票收益率序列的残差序列呢？详细一点最好，初学~~

1. 请问下各位高手们，如何在Eviews6.0中获得一个股票收益率序列的残差序列呢？详细一点最好，初学~~

在proc/equation后得到结果，再点击proc/make residual series就可以了，想看残差序列图点击view/gragh就可以了。

2. 求助，用eviews算股票的贝塔系数

E（Rp）表示投资组合的期望收益率，Rf为无风险报酬率，E（RM）表示市场组合期望收益率，β为某一组合的系统风险系数，CAPM模型主要表示单个证券或投资组合同

3. 你好，在用eviews做上证收益率时候，收益率有正有负，怎么做log？这个问题困扰我很久了，十分感谢您的帮助

可以使用“线性变换”，使用一个线性变换把受益于变换到非负值上面。比如使用x(t)/x(t-1)来做为收益率。那么在取对数时就不涉及到负数了。这种顶一下的收益率与通常的收益率是一一对应的，而且也有它自己的经济意义，同时在计量模型中使用方便，很多文献都是这么定义的。

4. 如何用eviews5.0求沪深300与上证50的收益率相关系数？

相关系数很大0.98以上，区别很小的。

5. 用GARCH(1,1)模型对股票收盘价收益率序列建模，如何在eviews软件中得出收益率序列的波动性方差？

接分啦。。。找到一篇不错的文章
楼主看下，参考资料：
2.关联规则挖掘过程、分类及其相关算法
2.1关联规则挖掘的过程
关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组(Frequent Itemsets)，第二阶段再由这些高频项目组中产生关联规则(Association Rules)。
关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(Large Itemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含项目组的支持度，若支持度大于等于所设定的最小支持度(Minimum Support)门槛值时，则称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequent k-itemset)，一般表示为Large k或Frequent k。算法并从Large k的项目组中再产生Large k+1，直到无法再找到更长的高频项目组为止。
关联规则挖掘的第二阶段是要产生关联规则(Association Rules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小信赖度(Minimum Confidence)的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。例如：经由高频k-项目组所产生的规则AB，其信赖度可经由公式(2)求得，若信赖度大于等于最小信赖度，则称AB为关联规则。
就沃尔马案例而言，使用关联规则挖掘技术，对交易资料库中的纪录进行资料挖掘，首先必须要设定最小支持度与最小信赖度两个门槛值，在此假设最小支持度min_support=5% 且最小信赖度min_confidence=70%。因此符合此该超市需求的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则「尿布，啤酒」，满足下列条件，将可接受「尿布，啤酒」的关联规则。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%于此应用范例中的意义为:在所有的交易纪录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)>=70%于此应用范例中的意义为:在所有包含尿布的交易纪录资料中，至少有70%的交易会同时购买啤酒。因此，今后若有某消费者出现购买尿布的行为，超市将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据「尿布，啤酒」关联规则，因为就该超市过去的交易纪录而言，支持了“大部份购买尿布的交易，会同时购买啤酒”的消费行为。
从上面的介绍还可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。
2.2关联规则的分类
按照不同情况，关联规则可以进行分类如下：
1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。
布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然

6. 用EVIEWS分析沪深300指数收益率序列

因为回归和garch模型根本就是两个方法，米必要一起比较
我经常帮别人做这类的数据分析的

7. 怎样用月度股票收益率计算年度股票收益率？急急急！

　　个股月收益率＝[（本月末该股市值－上月末该股市值）/上月末该股市值]×100%
　　假设我们现在的选股软件在过去或以后的一年或十年里，分别选出了500只或5000只不同涨跌幅的股票，我们基金公司或个人投资者在未来一年或几年里将要预测操作100只或500只股票的年收益率，如何正确计算出其年收益率？（到目前为止世界上可查到的资料没有现成计算公式）。
　　用复利计算公式：Pn=Po（1+r）n 计算炒股年收益率是算术平均，结果与实际交易结果差距巨大。（需加入一个推导出的修正参数才能和实际交易结果一致，这是《波段选股王》世界首创公式）。
　　把每年度245个交易日，作为标准计算：
　　1、计算出选出股票总只数；
　　2、计算出每只选出的股票完成买卖所需平均天数；
　　3、计算出一年可做几只股票；
　　4、计算出选出的上涨和平盘股票的总涨幅和下跌股票的总跌幅，当总跌幅小于总涨幅时，每只下跌股票需加入修正参数，如跌幅为5%或3%的股票，加入修正参数后为：
　　5%+5%*5%=5.25% 或 3%+3%*3%=3.09% 等等，
　　当总跌幅大于总涨幅时，大于总涨幅部分股票不需再加修正参数；
　　5、计算出每只股票平均涨幅。（计算每只股票的平均涨幅方法：先算出上涨股票和平盘股票的总涨幅，减去每只下跌股票加上修正参数后的总跌幅，再除以总股票只数）。
　　式中：Pn为终值，Po为本金，r为每只股票的平均涨幅,n为一年可做的股票只数。
　　（此公式的前提是每天要有选出股票，全仓买卖一只或多只股票）

8. 请问怎么用eviews研究股票市场周内效应？

是自相关模型，需要建立因变量，导入数据，然后通过相关分析得出结论