我也我还sas，作为版主，会强烈支持你。留个qq吧，交个朋友。

r这两年越来越流行了，而且免费，sas也很好用，极其强大，加油

这是要开讲座吗？

你可以把他弄到一个文库里，每一天发一贴学习日记。    估计写个一段时间，就可以印书大卖了吧？  哈哈~~

目前不准备用R，主要是因为不懂R。

谢谢，181078519，交个朋友。

这一次更新说说数据的事情。数据的重要性再怎么强调也不过分。数据的准确性，粒度，纬度和干净与否很大程度决定后期建模的结果。数据挖掘领域有个说法叫“garbage in, garbage out”。一定要非常重视数据质量。我这两天基本上在寻找合适的数据。原本觉得数据应该比较好弄，但是发现找到的大部分数据都不是很满意。大部分是数据量不够，有些是维度不够，各种原因。淘宝上发现几个卖数据的网店，由于要分享给大家，不希望带来额外的成本。最后发现大智慧365操盘软件的数据相对比较全面一些，而且可以比较容易的截取。具体的做法就是打开某个股指的分时图，这里我用到的是日线，调整到你希望分析的时间区间，然后右键复制数据再粘贴到Excel里面就可以。最后通过SAS Base的import功能可以很容易的把数据导入成SAS数据集。附件是我导出的数据，包括上证指数和华侨城A到从设立起到今天的日线数据。其中华侨城的数据因为是除权了，所以最早的数据是负数。

如何获取数据就说这些，下次的内容包括简单的数据处理和用描述统计的方法来观察一下这两部分数据都有什么特点。

非常感谢楼主的分享

好好好好好

dillonhao，建议您另外写一个新帖子，大家才能看到哈

谢谢提醒，因为我会定期更新。如果每次都起一个新的帖子的话不好整理。另外有个功能叫只看作者可以过滤掉其他回复。

恩 您想得很周到。这样吧，你每次发一个帖子，我给您做个汇总贴。

第三次更新。如果大家希望看到完整的内容，可以进入帖子后，点击只看作者，这样会忽略掉一些无关的回复。
本次更新会简单处理一下数据，并进行一些描述性分析。看看数据都有那些特征。本次分析会用到上次更新的上证指数和华侨城A的日线数据。
上证指数数据字段：

日期

开盘

最高

最低

收盘

成交量

成交额

涨数

跌数

华侨城A数据字段：

日期

开盘

最高

最低

收盘

成交量

成交额

成交笔数

我希望从收益率入手，这个数据原来的数据里面没有，需要计算生成，比较简单，具体计算过程你可以在附件的SAS程序中找到。这个新生成的收益率字段名叫return。我学习FRM的时候知道，大部分的金融产品return一般是正态分布，接下来我们画一个histogram看看上证指数和华侨城A的return的分布究竟是不是正态分布。
上证指数histogram：

图上fit了一条正态分布的曲线，可以发现上证综指的峰值大大高过正态分布的峰值，应该不完全符合正态分布。我们再画一个QQ图验证一下我们的观察。
QQ图曲线明显偏离对角线，基本上可以判断上证指数的return不完全符合正态分布。
接下来再看一下return变量的统计值。

[td]

矩
N	5794	权重总和	5794
均值	0.00037113	观测总和	2.15034032
标准差	0.01899815	方差	0.00036093
偏度	0.81269355	峰度	13.9442306
未校平方和	2.09166448	校正平方和	2.09086642
变异系数	5118.97103	标准误差均值	0.00024959

不考虑成交量的情况下，均值大于零，但是小的可怜。按照一年220个交易日来算，年回报也只有7%。这还比不过通货膨胀率，A股看来确实不挣钱。以上是上证综指的一些基本情况。你也可以在附件的SAS程序中找到华侨城的数据。

在风险管理中，我们有时候会将某个股票或者资产组合和大盘进行相关性比较，尤其是国内现在没有个股的期货，只有股指期货。如果我们能够得到股票或者资产组合与大盘之间的相关性，我们就能够利用股指期货来对冲股票或者资产组合的风险。接下来我们看一下华侨城和上证综指之间的相关性是多少？
[td]

Pearson 相关系数, N = 4006 Prob > |r| under H0: Rho=0
	stock_close	index_close
stock_close close	1.00000	0.69286 <.0001
index_close close	0.69286 <.0001	1.00000

从相关矩阵我们可以发现，华侨城A和上证指数之间的相关性还是比较强，达到0.69。我理解这应该是大盘蓝筹股票，基本上随着大盘波动而变化。有了这个数据，我们就可以达到一个对冲比例，利用股指期货来对冲华侨城风险。今天就介绍这些。下次更新会用不同的角度分析这些数据，敬请期待。

谢谢。

感谢你发布自己的学习过程，统计的应用上有很多欠缺的，希望能多向你学习

关注一下~！

第四次更新。发现把程序放在附件里面不是很方便。从今天开始，我会把关键SAS代码直接贴在正文里面，完整的代码也会贴在附件里面，以供查阅。本次更新继续用描述分析来观察数据，并且做一个简单的回归分析。
之前一直使用的是上证指数和华侨城从上市到现在的数据。上证指数有二十多年，华侨城有十几年。这样做好处是数据比较多，但是缺点也很明显。原因就是过去十几年中，国内股市经历过几次大的政策变化，上证指数的成份股也发生很多变化。数据前后跨度太大，一致性就受影响。本次更新了一下数据处理程序，加入了时间选择能力，可以自由决定选择多长时间的数据进行分析。

%let datapath="D:\quant\data";
%let stock = hqc; /*the name of the index to be analysed*/
%let index = sh; /*the name of the index*/
%let rundate = '22AUG2014'd; ;/*the cut off time */
%let backdays = 1000; /*how many days back to the past*/

libname quant &datapath;

/*calculate stock return*/
data stock_return;
set quant.&stock;
if date gt (&rundate - &backdays);
format return d6.5;
return = (close - open)/open;
run;

/*calculate index return*/
data index_return;
set quant.&index;
if date gt (&rundate - &backdays);
format return d6.5;
return = (close - open)/open;
run;

通过设置一下两个变量（rundate，backdays）来控制时间区间，这里我选择2014年8月22日往前推1000天开始到2014年8月22日。你也可以根据你的需要修改这两个时间。
然后在看一下上证指数和华侨城在价格上有没有相关性。
[td]

Pearson 相关系数, N = 663 Prob > |r| under H0: Rho=0
	stock_close	index_close
stock_close close	1.00000	0.47553 <.0001
index_close close	0.47553 <.0001	1.00000

可以看到，相比之前使用完整的数据，他们两者之间的相关性降低了，但是相关性还是显著的。
有了这个结论，我们希望用上证指数去估计华侨城的价格，这里我们建立一个线性模型。
proc reg data=corr_price;
model stock_close=index_close;
run;
quit;
以下是分析结果。


[td]

方差分析
源	自由度	平方和	均方	F 值	Pr > F
模型	1	58.87574	58.87574	193.14	<.0001
误差	661	201.49083	0.30483
校正合计	662	260.36657

均方根误差	0.55211	R 方	0.2261
因变量均值	5.53979	调整 R 方	0.2250
变异系数	9.96629

[td]

参数估计
变量	标签	自由度	参数 估计	标准 误差	t 值	Pr > |t|
Intercept	Intercept	1	0.41154	0.36962	1.11	0.2659
index_close	close	1	0.00236	0.00016957	13.90	<.0001

大家能看出来这些图都表示什么意思么？我们的模型做的怎么样？欢迎抢答，明天给大家分析。睡觉去了。

期待下文呀。

谢谢lz的分享，关注中。。。

搬个板凳和大牛学习。

没了？请继续。