两只股票的协方差公式字母意思（股票与市场组

1、协方差公式看不懂..如何求解？

即便退市，也不是马上，会有一段缓冲期的。如果公司业绩扭转，随时可以摘帽的。目前来看，该股近期有小涨的行情。
600556 ST北生 最近一次突破阻力价位是在2009-4-29，该日阻力价位4.063，短期19交易日内看涨。
后市预测报告 >>>
交易日期2009-5-4
阻力价位4.193 元
20交易日内平均盈利概率91.16%
20交易日内平均盈利额度26.88%
如果该股票在2009-5-4交易日价位突破4.193，说明接下来20个交易日之内有91.16%的可能性上涨。
【操作提示】
1. 股价若没有突破阻力价位，则按兵不动；
2. 股价突破阻力价位，即可按照阻力价位买进。股价突破阻力价位后又跌破，可择机加仓；
3. 股价在阻力价位之上，不建议追涨加仓，以避免收益折损；
4. 设定止盈观察点，一旦达到该点，可考虑适时离场，资产落袋为安，然后瞄准其他个股；
5. 设定止损观察点，一旦股价跌该点，应在20交易日之内观察，获利即出局，杜绝贪念，以免下跌行情带来损失。
6. 推荐设置
止盈观察点 = 实际买入价格 （1 + 个股20个交易日之内的平均赢利额度 / 6.18 ）
止损观察点 = 阻力价位 ( 1 - 6.18% )
【重要说明】
• 本方法只适用于20个交易日之内的超短线投资，不适用于中长线

2、协方差公式

协方差的性质（1）COV(X，Y)=COV(Y，X)； （2）COV(aX，bY)=abCOV(X，Y)，（a，b是常数）； （3）COV(X1+X2，Y)=COV(X1，Y)+COV(X2，Y)。
由性质（3）展开
cov(x-2y,2x+3y)
=cov(x-2y,2x)+cov（x-2y,3y)
=cov(x,2x)-cov(2y,2x)+cov(x,3y)-cov(2y,3y)
又有COV(X，Y)=E(XY)-E(X)E(Y)。以上四式可分别写成
cov(x,2x)=E(2x^2)-E(x)E(2x)=2Ex^2-2ExEx=2Dx --1
cov(2y,3y)=E(6y^2)-E(2y)E(3y)=6Ey^2-6EyEy=6Dy --2
cov(2y,2x)=E(4xy)-E(2y)E(2x)=4Exy-4ExEy --3
cov(x,3y)=E(3xy)-E(x)E(3y)=3Exy-3ExEy --4
（x^2的意思是 x的二次方
y^2的意思是 y的二次方）
由以上四式得
cov(x-2y,2x+3y)=2Dx-（4Exy-4ExEy）+ （3Exy-3ExEy）-6Dy
=2Dx-6Dy-(Exy-ExEy)
=2Dx-cov(x,y)-6Dy
协方差性质 参考http://baike.baidu./vie/121095.htm

3、求A、B两股票标准差和协方差，要有计算步骤

• 不会做

4、期望收益率、方差、协方差、相关系数的计算公式

期望收益率，又称为持有期收益率（HPR）指投资者持有一种理财产品或投资组合期望在下一个时期所能获得的收益率。这仅仅是一种期望值，实际收益很可能偏离期望收益。 HPR=（期末价格 -期初价格+现金股息）/期初价格
方差是各个数据与平均数之差的平方的平均数
比如1.2.3.4.5 这五个数的平均数是3
方差就是 1/5[（1-3）²+（2-3）²+（3-3）²+（4-3）²+（5-3）²]=2
协方差定义1变量xk和xl如果均取n个样本，则它们的协方差定义为 ，这里 分别表示两变量系列的平均值。协方差可记为两个变量距平向量的内积，它反映两气象要素异常关系的平均状况。
定义2度量两个随机变量协同变化程度的方差。
协方差分析是建立在方差分析和回归分析基础之上的一种统计分析方法。
E[(X-E(X))(Y-E(Y))]称为随机变量X和Y的协方差，记作COV(X，Y)，即COV(X，Y)=E[(X-E(X))(Y-E(Y))]。
协方差与方差之间有如下关系 D(X+Y)=D(X)+D(Y)+2COV(X，Y) D(X-Y)=D(X)+D(Y)-2COV(X，Y) ，COV(X，Y)=E(XY)-E(X)E(Y)。
协方差的性质
（1）COV(X，Y)=COV(Y，X)； （2）COV(aX，bY)=abCOV(X，Y)，（a，b是常数）； （3）COV(X1+X2，Y)=COV(X1，Y)+COV(X2，Y)。 由协方差定义，可以看出COV(X，X)=D(X)，COV(Y，Y)=D(Y)。
相关系数是变量之间相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值范围为[-1,1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。 相关系数又称皮（尔生）氏积矩相关系数，说明两个现象之间相关关系密切程度的统计分析指标。 相关系数用希腊字母γ表示，γ值的范围在-1和+1之间。 γ＞0为正相关，γ＜0为负相关。γ＝0表示不相关； γ的绝对值越大，相关程度越高。 两个现象之间的相关程度，一般划分为四级 如两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相关。完全正相关或负相关时，所有图点都在直线回归线上；点子的分布在直线回归线上下越离散，r的绝对值越小。当例数相等时，相关系数的绝对值越接近1，相关越密切；越接近于0，相关越不密切。当r=0时，说明X和Y两个变量之间无直线关系。通常|r|大于0.8时，认为两个变量有很强的线性相关性。
编辑本段相关系数的计算公式
其中xi为自变量的标志值；i＝1，2，…n；■为自变量的平均值， 为因变量数列的标志值；■为因变量数列的平均值。 为自变量数列的项数。对于单变量分组表的资料，相关系数的计算公式为 相关系数计算公式
[1]? r=n(写上面)∑i=1(写下面)(Xi-X的平均数)(Yi-Y平均数)/根号下[∑(样子同上)(Xi-X平均数）的平方∑（样子同上）（Yi-Y平均数）的平方 其中fi为权数，即自变量每组的次数。在使用具有统计功能的电子计算机时，可以用一种简捷的方法计算相关系数，其公式为 使用这种计算方法时，当计算机在输入x、y数据之后，可以直接得出n、■、∑xi、∑yi、∑■、∑xiy1、γ等数值，不必再列计算表。

5、协方差怎么计算，请举例说明

cov(x,y)=EXY－EXEY

协方差的定义，EX为随机变量X的数学期望，同理，EXY是XY的数学期望，挺麻烦的，建议你看一下概率论cov(x,y)=EXY－EXEY

举例

Xi 1.1 1.9 3
Yi 5.0 10.4 14.6
E(X) = (1.1+1.9+3)/3=2
E(Y) = (5.0+10.4+14.6)/3=10
E(XY)=(1.1×5.0+1.9×10.4+3×14.6)/3=23.02　

Cov(X,Y)=E(XY)-E(X)E(Y)=23.02-2×10=3.02

还可以计算D(X)=E(X^2)-E^2(X)=(1.1^2+1.9^2+3^2)/3 - 4=4.60-4=0.6 σx=0.77
D(Y)=E(Y^2)-E^2(Y)=(5^2+10.4^2+14.6^2)/3-100=15.44 σy=3.93
X,Y的相关系数
r(X,Y)=Cov(X,Y)/(σxσy)=3.02/(0.77×3.93) = 0.9979　

表明这组数据X,Y之间相关性很好。

扩展资料

协方差（Covariance）在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。

协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，一个也大于自身的期望值，那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反，即其中一个大于自身的期望值，一个却小于自身的期望值，那么两个变量之间的协方差就是负值。

期望值分别为E[X]与E[Y]的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为

从直观上来看，协方差表示的是两个变量总体误差的期望。

如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值时一个也大于自身的期望值，那么两个变量之间的协方差就是正值；如果两个变量的变化趋势相反，即其中一个变量大于自身的期望值时一个却小于自身的期望值，那么两个变量之间的协方差就是负值。

如果X与Y是统计独立的，那么二者之间的协方差就是0，因为两个独立的随机变量满足E[XY]=E[X]E[Y]。

，反过来并不成立。即如果X与Y的协方差为0，二者并不一定是统计独立的。

协方差Cov(X,Y)的度量单位是X的协方差乘以Y的协方差。而取决于协方差的相关性，是一个衡量线性独立的无量纲的数。

协方差为0的两个随机变量称为是不相关的。

参考资料百度百科协方差

6、股票的组合收益率，组合方差怎么求？

ρAB = - 0.8

7、求A、B两股票标准差和协方差，要有计算步骤

• 不会做