如何计算股票的截距——两条平行直线3x+4y-6=0与3x+4y+12=0之间的距离为? 网上很多说18/5 。 9根号2对吗？

一、如何使用EXCEL计算股票的贝塔值

可以直接设计一个有截距值的线性回归来计算。
把股票收益率设为因变量，市场收益率设为自变量。
在Excel的“工具”中，选择“加载宏”，选中“分析数据库”，然后就可以在“工具”中找到“数据分析”，点击那个，选中“回归”，在弹出的界面中按要求选取自变量区域和因变量区域就可以了。
回归得出的斜率值就是贝塔系数了。

二、怎么正确计算股票Beta值的线性回归，计算感觉有问题

这个你回归出来的方程是 Y=-0.174+0.59X 你的beta是0.59 置信度很小，说明beta显著不为0但你的截距 -0.174的置信度是0.486，可以认为是0了。
所以回归的没错，只是你对这个表还不熟悉。
你说的beta为0.762是先把数据标准化再做回归，标准化的数据就没有截距（或者截距为0），所以第一行标准系数是空的。

三、已知动点P到定点F（√2，0）的距离与点P到定直线l：x=2√2的距离之比为√2/2。

根据椭圆的定义可得到P点的轨迹：c/a=√2/2 c=√2 a=2 b²=a²-c² b=√2x²/4+y²/2=1或者直接算：(（x-√2）²－y²)÷(x-2√2)²=1/2化简的x²+2y²=4设x+√2y=t，可得直线l：y=-√2/2x+√2/2t，√2/2t为截距画图可知，当直线l与椭圆C相切且截距在x轴上方时，t最大，此时切点为M可得l的垂线y=√2x，且与椭圆C相较于切点M解得M（√2，1），t=x+√2y=√2+√2=2√2 或者4=x²+2y²≥2√2xyxy≤√2x+√2y=√(x²+2y²+畅珐扳貉殖股帮瘫爆凯2√2xy)因为b=√a为单增函数且x²+2y²=4x+√2y=√(4+2√2xy)xy≦√2故当xy=√2时有最大值x+√2y=√(4+2√2×√2）=2√2

四、两条平行直线3x+4y-6=0与3x+4y+12=0之间的距离为? 网上很多说18/5 。 9根号2对吗？

不对。
如果设定横轴为3x，纵轴为4y，那就相当于一开始就把横纵截距扭曲了，整个图形也就变了（原来是个勾3股4弦5的三角形整成了一个等腰直角三角形，能不扭曲么），算出来的就不是原来的距离的。
两平行直线间距离直接有公式可以套的啊、AX+BY+C1=0，AX+BY+C2=0，d=丨c1-c2丨/√（A²+B²）        18/5是对的

五、计量经济学中的零均值什么意思

计量经济学中的零均值是一组数据，其中每一个都减去这组的平均值。
计量经济学中零条件均值假设能得出：在总体中，u与x不相关。
假定E(U)=0 ，这个假定无非是定义了截距。
E（u|x）=E（u），u均值独立于x两者合并既可以称为零条件均值假定，由这个假定可以得到一个非常重要的总体回归函数（PRF）的性质：E(y|x)=beta0+beta1x，在这个式子中，U便消失了。
扩展资料计量经济学趋向于把数学、统计学和经济学结合得更紧密近年来，由于计量经济学中的面板数据等研究越来越丰富，经济学者逐渐利用数学等计数方法将经济学科的理论知识体系变为一定的方程和系统来更形象的表现，最后通过数学等统计方法来估算。
这样的方法结合和流程转变，也更加促进我国计算GDP，以及各个行业的基准价格、利率、股票价格等很多经济数据的规律和变化。
所以，新发展的趋势是经常采取经济学、数学和统计学的结合，使得现代计量经济学趋向于把数学、统计学和经济学结合得更紧密。
参考资料来源：股票百科-计量经济学

六、贝塔系数问题

这是一个很常见的股价分析模型。
主要用于讨论会计报表中的值与股价回报之间有无关系。
通常，会计报表中的值越好，股价回报也应该越高，如果市场投资者是能够正确分析会计报表所代表的意义并将其反映到股价上。


各系数代表意义如下：
截距：
α-当UEPS，DIV，CH，BV均为0时，CAR的预测值。

这个在此模型中意义不大，因为显而易见UEPS，DIV，CH，BV不可能同时为0，特别是CF和BV。


斜率：
β1-当DIV，CH，BV均不变的情况下，UEPS每升高一个（看你的单位，这里应该是0.01元或1元），CAR相应升高的百分比。

举例：如果β1^=0.5，假设单位是1元，那么，UEPS每升高1元，CAR相应升高0.5%，前提是DIV，CH，BV均保持不变。


下面同理：
β2-当UEPS，CH，BV均不变的情况下，DIVS每升高一个（看你的单位，这里应该是0.01元或1元），CAR相应升高的百分比。


β3-当UEPS，DIV，BV均不变的情况下，CH每升高一个（看你的单位，这里应该是0.01元或1元），CAR相应升高的百分比。


β4-当UEPS，DIV，CH均不变的情况下，BV每升高一个（看你的单位，这里应该是0.01元或1元），CAR相应升高的百分比。


最后，
εit-随机误差。
回归模型中一定有的。
通常是一个服从正态分布的随机变量，且相互独立

参考文档