做logistic regression回国前准备：

1. independent variable：国外金融论坛有关交易词汇的统计：比如“trader，indicator, long, short, market, crazy”等有160个词汇的每日出现的相对频率，经过normalization，比如trader 的出现的次数除以当天总的帖子数目。
2. 预测对象：binary variable： 明日的volatility是否是top 15%， 比如大于60%这个值。 这样1 为大于，0 为小于。

用sas的logistic regression做回国，方法backward，因为不可能160个词汇都有预测能力，所以希望削减variable数量。
模型stay的标准0.05，

结果如下：



问题，最后sas给我选出来的可预测的词汇有52个之多，如上图，df比较高，可是其结论是这样的模型fit最好，这里是否有overfit的隐私存在呢，或者其他的一些明显的缺点呢？谢谢大家了