趨勢性回歸分析的研究對象是單個品種價格軌迹C¡在時間軸T¡上的趨勢。

思考一下，自變量和因變量分别是什麼？

自變量是時間T¡，或者說是數據的序号。所以，對于任意一個方程，T¡都是相同的：自然數序列。因變量是價格軌迹C¡。回歸方程為：

對于任意一張K線圖，我們隻要确定了起止時間，就可以根據《線性回歸分析的幾何解釋》文中的公式計算出a和b。

其實，隻要弄清楚了邏輯，計算是非常簡單的。而且，所有的軟件提供回歸分析函數幫你完成計算。

我們對焦炭2016年9月19日至2016年11月11日，共35天，的收盤價數據進行回歸分析，可以得到方程：

該方程在K線圖上是一條直線：

圖中的直線是在2016年11月11日計算出來最近35個數據的回歸方程之後，使用未來函數在曆史數據上畫線得到的效果。

如果你在文華軟件上使用FORCAST(C,35)函數計算回歸方程，得到的是一條曲線。

這是因為，在K線圖上固定周期的回歸分析是一個動态的過程。

在樣本集中新增一個數據時，同時抛棄一個，每個數據的序号也會發生變化。

下圖展示了這個動态過程：

其中，豎虛線與回歸直線交點的軌迹就是你在K線圖上看到的FORCAST(C,35)曲線。

相關性回歸分析的研究對象是1和2兩個品種價格的線性相關性。

雖然可以用收盤價，但是，建議研究漲跌幅。回歸方程：

雖然1和2兩個品種都可以作為因變量，另外一個作為自變量。這對計算相關系數并沒有影響。

但是，當相關系數高時，需要确定1和2的因果關系之後，“因”作為自變量，“果”作為因變量，然後再用自變量解釋因變量。否則就本末倒置了。

如果 X¡ 和 Y¡ 相關性比較高，那麼 ( X¡ , Y¡ ) 在平面内的圖形是直線。

但是我們通常看的K線圖，水平方向是時間軸。

所以，相關性的高低與合約在時間軸上是否以趨勢發展沒有關系。盤整走勢也可以有很強的相關性。

我們以股指IF加權指數和文華商品指數在2012年1月至2016年12月期間的相關性作為一個簡單的例子：

從圖中相關系數曲線可以看出，股指IF加權指數與文華商品指數總體相關水平比價低，平均在0.3附近。

2016年股災期間，股指和商品的相關系數在0.5至0.6之間，屬較高水平。

2016年6月，相關系數達到最低水平。此前兩年時間内，股指和商品形成了完全相反的走勢。

在投資組合中加入相關性低的品種，對提高風報比是有利的。關于投資組合的知識，以後會有介紹。

（正文完）

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!