① 股票怎樣區間統計
在K線圖和分時圖里都能統計區間內的漲跌、振幅、換手等數據，幫助投資者迅速地統計出一個股票在一段時間內的各項數據，而且還提供階段統計表格，這樣就能對一個時間段內的數據在不同股票之間進行排序、比較。點擊「工具」菜單下的「區間統計」，滑鼠變成「統計」字樣，按住滑鼠左鍵，點住測量起點拖動到終點，就會拉出一個框，系統將對這個框所對應時間段里股票的漲跌幅、總成交量、換手率等指標做出統計，讓您簡單、快捷地分析股票的走勢。在出現「區間統計表格」之後只用在空白處點擊滑鼠，表格就會自動消失。滑鼠點中起點或者終點的邊框線上，「區間統計表格」又會出現。點中起點或者終點邊框線，點擊滑鼠右鍵選擇「刪除」即可刪除。「區間統計」功能在分時走勢頁面和技術分析頁面都可以使用。在K線圖頁面使用滑鼠右鍵拖動也可以選擇使用「區間統計」功能，還有一個「放大」K線的功能。在分時圖使用滑鼠右鍵拖動則只實現「區間統計」功能。
技術分析是指以市場行為為研究對象，以判斷市場趨勢並跟隨趨勢的周期性變化來進行股票及一切金融衍生物交易決策的方法的總和。技術分析認為市場行為包容消化一切信息、價格以趨勢方式波動、歷史會重演。
自股票市場產生以來，人們就開始了對於股票投資理論的探索，形成了多種多樣的理論成果。實際上，技術分析是100多年前蒙昧時期創建的股票投資理論（ Stock Investment Theory），是精明的投資者對股價變化進行長期觀察並積累經驗，逐步歸納總結出來的有關股市波動的若干所謂的「規律」。
經過長期發展和演變，技術分析形成了眾多的門類，其中有代表性的是道氏理論和波浪理論。
② 利用EVIEWS如何算EGARCH模型參數
eviews中使用GARCH(1,1)模型計算股票波動率時，首先需要將數據導入。導入完成後，可以進行如下步驟：
1. 在Quick菜單中選擇Estimate Equation，輸入log(p) log(p(-1))作為變數，然後在Method選項中選擇ARCH。此時，GARCH(1,1)模型將被默認設置。點擊OK按鈕後，eviews將進行模型估計。
2. 在模型估計完成後，eviews將展示估計結果的圖表。此時，可以通過Make GARCH Variance Series命令生成條件方差序列，也可以通過Conditional SD Graph得到標准差序列。此外，還可以通過Make Resial Series命令生成殘差序列。
3. 在進行GARCH模型估計時，還可以通過設置不同的參數，如調整GARCH項和ARCH項的系數，來優化模型的表現。同時，還可以通過殘差序列來檢驗模型的擬合效果，確保模型能夠准確反映股票波動率的變化趨勢。
4. GARCH模型是一種用於描述時間序列數據波動性的模型，它特別適用於分析股票市場等金融時間序列數據的波動性。通過GARCH(1,1)模型，可以較好地捕捉到市場波動性的自相關性和條件異方差性。
5. 在實際應用中，投資者和分析師可以通過GARCH(1,1)模型參數的估計結果，來預測未來的波動率水平，從而進行有效的風險管理。例如，通過估計GARCH(1,1)模型參數，可以預測未來一段時間內的波動率水平，進而調整投資組合中的資產配置，以應對潛在的風險。
6. 除了GARCH(1,1)模型，還可以嘗試使用EGARCH模型，它能更好地捕捉波動率的不對稱效應。EGARCH模型允許波動率的變化對正向和負向的沖擊反應不同，這在實際的金融市場中更為常見。
7. 總之，通過eviews軟體中GARCH(1,1)和EGARCH模型的參數估計，可以深入分析股票市場的波動性特徵，為投資者和分析師提供有力的數據支持。
③ 這是一份直接就能上手操作的eviews上機實用指南 -----------回歸模型診斷及修正
建立回歸模型之後，我們首先要進行異方差性，自相關性及多重共線性的檢驗。這些內容在實際操作中需要一定的理解與實踐。下面，我將以股票價格指數與GDP數據作為案例進行具體說明，僅涉及數據錄入與檢驗步驟，其他概念與理論理解將在此省略。
數據採集方面，選取的是1981-2006年期間的股票價格指數與GDP數據作為分析對象。按照數據輸入流程，將這些信息錄入至Eviews軟體，運用最小二乘法建立起基礎的一元線性回歸模型。
隨後，將數據輸入Eviews並進行回歸分析，以觀察模型建立後的表現。在這一階段，我們通常使用懷特檢驗來檢測異方差性問題，以確定模型是否存在方差變化。具體操作是通過觀察F值和nR2值來判斷是否有顯著異方差。
當結果顯示存在異方差性時，需要進一步調整模型以修正這一問題。通過採用加權最小二乘法，我們試圖使模型更准確地反映實際情況。回歸分析後，再次進行懷特檢驗以確認問題是否得到解決。
解決異方差性後，緊接著進行自相關性的檢驗。首先，通過計算自相關系數p值（p=1-dw/2），了解是否存在序列相關性。若檢測到自相關性，應使用廣義差分法調整模型，以消除序列相關問題。
在引入廣義差分後，再次進行自相關性檢驗，通過觀測DW值的變化來判斷問題是否得到妥善處理。如果DW值位於適宜范圍，初步判斷自相關性問題得到了解決。
若初步檢驗仍未消除自相關性問題，我們繼續進行更高階的檢驗，如LM檢驗，以確定確切的自相關性階次。根據檢測結果，採用相應的廣義差分法（如二階廣義差分法）估計模型參數。
整個過程中，通過持續的檢驗與調整，確保回歸模型的准確性和可靠性。通過上述步驟，不僅能夠有效診斷並修正模型中存在的問題，還能夠更精確地反映實際經濟關系。