计量经济学中的ARMA模型的具体用途，可以运用到哪些方面
一、计量经济学中的ARMA模型的具体用途，可以运用到哪些方面
ARMA 模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。
二、买入期货合约的成本如何计算
买入点位*每点价格
三、怎么通过集合竟价看大盘是放量还是下跌
所谓集合竞价就是在当天还没有成交价的时候，你可根据前一天的收盘价和对当日股市的预测来输入股票价格，而在这段时间里输入计算机主机的所有价格都是平等的，不需要按照时间优先和价格优先的原则交易，而是按最大成交量的原则来定出股票的价位，这个价位就被称为集合竞价的价位，而这个过程被称为集合竞价。直到9：25分以后，你就可以看到证券公司的大盘上各种股票集合竞价的成交价格和数量。 有时某种股票因买入人给出的价格低于卖出人给出的价格而不能成交，那么，9：25分后大盘上该股票的成交价一栏就是空的。当然，有时有的公司因为要发布消息或召开股东大会而停止交易一段时间，那么集合竞价时该公司股票的成交价一栏也是空的。 因为集合竞价是按最大成交量来成交的，所以对于普通股民来说，在集合竞价时间，只要打入的股票价格高于实际的成交价格就可以成交了。所以，通常可以把价格打得高一些，也并没有什么危险。因为普通股民买入股票的数量不会很大，不会影响到该股票集合竞价的价格，只不过此时你的资金卡上必须要有足够的资金。
集合竞价的原则有三：其一成交量最大；其二高于基准价格的买入申报及低于基准价格的卖出申报全部成交；其三在基准价格相同的买卖双方中有一方申报全部成交。能满足以上三原则，则是当日的开盘价。
集合竞价的结果对当日行情走势具有极高的预测价值
四、外汇交易报价是怎么产生的
外汇市场报价的决定者是外汇负债和外汇资产的风险控制标准来决定的。银行的外汇储备给银行带来很大的市场风险，为了防止挤兑或者其他风险，一般的银行针对其特有的每一种外币都会有一个风险控制额度。当某种货币对持有量高出或者少于风险控制允许范围的时候，银行就必须对外平盘，使得货币的持有量处于可控风险之内。此外，
银行会根据当时的市场价格以及自己希望的市场价格和自己所需要的数量，来制定自己对于货币的报价。这个报价对于其他银行的报价可能相近也可能存在差别较大。
当一种货币的汇率对银行非常有利时，银行会考虑按照这个价格来交易。银行向投资者的报价，往往是银行可以接受的、又容易立刻对外平盘的价格，在数量上此报价远远小于自己在这种货币上的风险控制额度。一旦出现交易量过大时，银行又会告诉投资者另外一个价格。
外汇的交易采用的是询价交易，也叫协议交易。银行对外的报价是独立的，投资者对外的报价往往是综合多个银行的报价综合体现出来的，对于交易的独立个体，银行可以单独向这个个体报价，也可以针对某个特定群体报价。
五、logistic回归中该怎样选择‘变量选择方法’
Logistic回归主要分为三类，一种是因变量为二分类得logistic回归，这种回归叫做二项logistic回归，一种是因变量为无序多分类得logistic回归，比如倾向于选择哪种产品，这种回归叫做多项logistic回归。还有一种是因变量为有序多分类的logistic回归，比如病重的程度是高，中，低呀等等，这种回归也叫累积logistic回归，或者序次logistic回归。
二值logistic回归：
选择分析回归二元logistic，打开主面板，因变量勾选你的二分类变量，这个没有什么疑问，然后看下边写着一个协变量。有没有很奇怪什么叫做协变量？在二元logistic回归里边可以认为协变量类似于自变量，或者就是自变量。把你的自变量选到协变量的框框里边。
细心的朋友会发现，在指向协变量的那个箭头下边，还有一个小小的按钮，标着a*b，这个按钮的作用是用来选择交互项的。我们知道，有时候两个变量合在一起会产生新的效应，比如年龄和结婚次数综合在一起，会对健康程度有一个新的影响，这时候，我们就认为两者有交互效应。那么我们为了模型的准确，就把这个交互效应也选到模型里去。我们在右边的那个框框里选择变量a，按住ctrl，在选择变量b，那么我们就同时选住这两个变量了，然后点那个a*b的按钮，这样，一个新的名字很长的变量就出现在协变量的框框里了，就是我们的交互作用的变量。
然后在下边有一个方法的下拉菜单。默认的是进入，就是强迫所有选择的变量都进入到模型里边。除去进入法以外，还有三种向前法，三种向后法。一般默认进入就可以了，如果做出来的模型有变量的p值不合格，就用其他方法在做。再下边的选择变量则是用来选择你的个案的。一般也不用管它。
选好主面板以后，单击分类（右上角），打开分类对话框。在这个对话框里边，左边的协变量的框框里边有你选好的自变量，右边写着分类协变量的框框则是空白的。你要把协变量里边的字符型变量和分类变量选到分类协变量里边去（系统会自动生成哑变量来方便分析，什么事哑变量具体参照前文）。这里的字符型变量指的是用值标签标注过得变量，不然光文字，系统也没法给你分析啊。选好以后，分类协变量下边还有一个更改对比的框框，我们知道，对于分类变量，spss需要有一个参照，每个分类都通过和这个参照进行比较来得到结果，更改对比这个框框就是用来选择参照的。默认的对比是指示符，也就是每个分类都和总体进行比较，除了指示符以外还有简单，差值等。这个框框不是很重要，默认就可以了。
点击继续。然后打开保存对话框，勾选概率，组成员，包含协方差矩阵。点击继续，打开选项对话框，勾选分类图，估计值的相关性，迭代历史，exp（B）的CI，在模型中包含常数，输出在每个步骤中。如果你的协变量有连续型的，或者小样本，那还要勾选Hosmer-Lemeshow拟合度，这个拟合度表现的会较好一些。
继续，确定。
然后，就会输出结果了。主要会输出六个表。
第一个表是模型系数综合检验表，要看他模型的p值是不是小于0.05，判断我们这个logistic回归方程有没有意义。
第二个表示模型汇总表。这个表里有两个R^2，叫做广义决定系数，也叫伪R^2，作用类似于线性回归里的决定系数，也是表示这个方程能够解释模型的百分之多少。由于计算方法不同，这两个广义决定系数的值往往不一样，但是出入并不会很大。
在下边的分类表则表述了模型的稳定性。这个表最后一行百分比校正下边的三个数据列出来在实际值为0或者1时，模型预测正确的百分比，以及模型总的预测正确率。一般认为预测正确概率达到百分之五十就是良好（标准真够低的），当然正确率越高越好。
在然后就是最重要的表了，方程中的变量表。第一行那个B下边是每个变量的系数。第五行的p值会告诉你每个变量是否适合留在方程里。如果有某个变量不适合，那就要从新去掉这个变量做回归。根据这个表就可以写出logistic方程了：P=Exp(常量+a1*变量1+a2*变量2.。。。)/(1+Exp(常量+a1*变量1+a2*变量2.。。。))。如果大家学过一点统计，那就应该对这个形式的方程不陌生。提供变量，它最后算出来会是一个介于0和1的数，也就是你的模型里设定的值比较大的情况发生的概率，比如你想推算会不会治愈，你设0治愈，1为没有治愈。那你的模型算出来就是没有治愈的概率。如果你想直接计算治愈的概率，那就需要更改一下设定，用1去代表治愈。
此外倒数后两列有一个EXP（B），也就是OR值，哦，这个可不是或者的意思，OR值是优势比。在线性回归里边我们用标准化系数来对比两个自变量对于因变量的影响力的强弱，在logistic回归里边我们用优势比来比较不同的情况对于因变量的影响。举个例子。比如我想看性别对于某种病是否好转的影响，假设0代表女，1代表男，0代表不好转，1代表好转。发现这个变量的OR值为2.9，那么也就是说男人的好转的可能是女人好转的2.9倍。注意，这里都是以数值较大的那个情况为基准的。而且OR值可以直接给出这个倍数。如果是0,1,2各代表一类情况的时候，那就是2是1的2.9倍，1是0的2.9倍，以此类推。OR值对于方程没什么贡献，但是有助于直观的理解模型。在使用OR值得时候一定要结合它95%的置信区间来进行判断。
