stock prices of Korean financial companies--"sh"."kb" and "wr"

stock indices "KS" and "DJ".

下面是我用R做的，可是我不会分析结果，谁能告诉我

> ( res<- lm(shm~ksm+djm,data=mdata ) )
Call:
lm(formula = shm ~ ksm + djm, data = mdata)
Coefficients:
(Intercept)          ksm          djm  
    -1.1057       0.3272       1.0115  
> anova(res)
Analysis of Variance Table
Response: shm
           Df Sum Sq Mean Sq F value    Pr(>F)   
ksm         1 33.825  33.825  5175.8 < 2.2e-16 ***
djm         1 10.559  10.559  1615.7 < 2.2e-16 ***
Residuals 715  4.673   0.007                     
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> coef(res)
(Intercept)         ksm         djm
-1.1056836   0.3271607   1.0115317
> prx<-exp(predict(res))
> matplot(cbind(sh,prx),type="ll",col=c("red","black"))
> ( res<- lm(kbm~ksm+djm,data=mdata ) )
Call:
lm(formula = kbm ~ ksm + djm, data = mdata)
Coefficients:
(Intercept)          ksm          djm  
     -2.495        0.349        1.172  
> anova(res)
Analysis of Variance Table
Response: kbm
           Df Sum Sq Mean Sq F value    Pr(>F)   
ksm         1 43.528  43.528  2434.2 < 2.2e-16 ***
djm         1 14.173  14.173   792.6 < 2.2e-16 ***
Residuals 715 12.786   0.018                     
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> coef(res)
(Intercept)         ksm         djm
-2.4950005   0.3489978   1.1719284
> prx<-exp(predict(res))
> matplot(cbind(kb,prx),type="ll",col=c("red","black"))
> ( res<- lm(wrm~ksm+djm,data=mdata ) )
Call:
lm(formula = wrm ~ ksm + djm, data = mdata)
Coefficients:
(Intercept)          ksm          djm  
    -7.9184       0.6368       1.3835  
> anova(res)
Analysis of Variance Table
Response: wrm
           Df Sum Sq Mean Sq F value    Pr(>F)   
ksm         1 78.156  78.156  2877.6 < 2.2e-16 ***
djm         1 19.754  19.754   727.3 < 2.2e-16 ***
Residuals 715 19.420   0.027                     
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> coef(res)
(Intercept)         ksm         djm
-7.9184349   0.6367976   1.3835410
> prx<-exp(predict(res))
> matplot(cbind(wr,prx),type="ll",col=c("red","black"))
>