用GARCH(1,1)模型对股票收盘价收益率序列建模，如何在eviews软件中得出收益率序列的波动性方差？

1. 用GARCH(1,1)模型对股票收盘价收益率序列建模，如何在eviews软件中得出收益率序列的波动性方差？

接分啦。。。找到一篇不错的文章
楼主看下，参考资料：
2.关联规则挖掘过程、分类及其相关算法
2.1关联规则挖掘的过程
关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组(Frequent Itemsets)，第二阶段再由这些高频项目组中产生关联规则(Association Rules)。
关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(Large Itemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含项目组的支持度，若支持度大于等于所设定的最小支持度(Minimum Support)门槛值时，则称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequent k-itemset)，一般表示为Large k或Frequent k。算法并从Large k的项目组中再产生Large k+1，直到无法再找到更长的高频项目组为止。
关联规则挖掘的第二阶段是要产生关联规则(Association Rules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小信赖度(Minimum Confidence)的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。例如：经由高频k-项目组所产生的规则AB，其信赖度可经由公式(2)求得，若信赖度大于等于最小信赖度，则称AB为关联规则。
就沃尔马案例而言，使用关联规则挖掘技术，对交易资料库中的纪录进行资料挖掘，首先必须要设定最小支持度与最小信赖度两个门槛值，在此假设最小支持度min_support=5% 且最小信赖度min_confidence=70%。因此符合此该超市需求的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则「尿布，啤酒」，满足下列条件，将可接受「尿布，啤酒」的关联规则。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%于此应用范例中的意义为:在所有的交易纪录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)>=70%于此应用范例中的意义为:在所有包含尿布的交易纪录资料中，至少有70%的交易会同时购买啤酒。因此，今后若有某消费者出现购买尿布的行为，超市将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据「尿布，啤酒」关联规则，因为就该超市过去的交易纪录而言，支持了“大部份购买尿布的交易，会同时购买啤酒”的消费行为。
从上面的介绍还可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。
2.2关联规则的分类
按照不同情况，关联规则可以进行分类如下：
1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。
布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然

2. 两个序列，期货价格（x）和股价（y），怎么用eviews进行GARCH模型回归？该输入什么？

你这个问题有问题。最近我也在这方面的论文。GARCH和回归是两码事，而且这两个之间回归没有意义。
你可以使用Granger因果检验对两者之间的领先滞后关系探讨。GARCH只能对一个序列进行研究，它是研究波动聚集性的，你要么对股价要么对期货价格进行GARCH建模，从平稳性检验开始一步一步往下做。

3. 用eviews软件计算股票波动率，garch（1,1）模型估计出来的结果如下图，请问那些数值是表示波动率的？

c————欧米伽
RESID(-1)^2——阿尔法
GARCH（-1）——贝塔
带入下面方程式

4. eviews中运用某个股票的价格拟合ARIMA模型，如何处理其中的缺失值？

eviews拟合ARIMA模型问题均可＋名中我QQ来给以解决。

5. 股票收盘价数据转化成对数收益率之后再导入Eviews 如何操作呢？

直接import就可以

6. 如何用eviews软件对站上5日线的股票统计

股票中的MA5，就是5日移动平均线,是k线图的一个组成部分。移动平均线是用统计处理的方式，将若干天的股票价格加以平均，然后连接成一条线，用以观察股价趋势。移动平均线的理论基础是道.琼斯的“平均成平”概念。通常有5日、10日、20日、30日、60日、120日等均线。其目的在取得某一段时间的平均成本，而以此平均成本的移动曲线配合每日收盘价的线路变化分析某一时期多空的优劣形势，以研判股价的可能变化。一般来说，现行价格在平均价之上，意味着市场需求较大，行情看好；反之，则表明买压较重，行情看淡。 
     下面以5日移动平均线为例说明均线的由来： 
将第1日至第5日的5个收盘价求算术平均值，得到第1平均价；将第2日至第6日的5个收盘价求算术平均值，得到第2个平均价。以此类推，可以得到一系列平均价，将这些5日均价用一条曲线连起来就成为5日移动平均线。

7. eviews怎么读取股票数据

一般是excel等格式，直接读取即可

8. 用eviews导入股票开盘价数据，新建workfile时选择frequency应该选那一项呢

你导入foreign 数据即可
我替别人做这类的数据分析蛮多的