证券分析师考点复习二

31.货币政策和财政政策、收入政策、产业政策等,共同组成了国家宏观经济调控体系。金融宏观调控是宏观调控的重要组成部分。具体讲,金融宏观调控是以中央银行或货币当局为主体,以货币政策为核心,借助于各种金融工具调节货币供给量或信用量,影响社会总需求进而实现社会总供求均衡,促进金融与经济协调稳定发展的机制与过程。

32.在我国,铁路、邮政属于政府垄断;小麦等农产品市场接近于完全竞争市场;钢铁行业有若干大的生产商,接近于寡头垄断市场;啤酒、糖果等市场,生产者较多,接近于垄断竞争市场。

33.回归模型存在自相关问题带来的后果有:①不影响参数估计量的线性和无偏性,但是参数估计量失去有效性;②变量的显著性检验失去意义,在关于变量的显著性检验中,当存在序列相关时,参数的OLS估计量的方差增大,标准差也增大,因此实际的t统计量变小,从而接受原假设βi=0的可能性增大,检验就失去意义,采用其他检验也是如此;③模型的预测失效。

34.回归分析是期货投资分析中重要的统计分析方法,而线性回归模型是回归分析的基础。线性回归模型的基本假设是(D.I、Ⅱ、Ⅲ、Ⅳ)。I.被解释变量与解释变量之间具有线性关系Ⅱ.随机误差项服从正态分布Ⅲ.各个随机误差项的方差相同Ⅳ.各个随机误差项之间不相关

解析:一元线性回归模型为:Yi=α+βxi+ui,(i=1,2,3,…,凡),其中Yi为被解释变量,xi为解释变量,ui是一个随机变量,称为随机项。要求随机项ui和自变量xi满足的统计假定如下:①每个ui均为独立同分布,服从正态分布的随机变量,且E(ui)=0,V(ui)=σ2=常数;②随机项ui与自变量的任一观察值xi不相关,即C0v(ui,xi)=0.

35.消费指标主要包括三类:①社会消费品零售总额;②城乡居民储蓄存款余额;③居民可支配收入。

欢迎关注微信公众号  金融类考试资料分享:jq527672718

36.在现代信用货币制度下,决定一国货币供给的基本因素是国家财政收支与银行信贷收支。

37.国际储备的构成包括:①黄金储备;②外汇储备③储备头寸;④特别提款权。

38.财政政策手段主要包括国家预算、税收、国债、财政补贴、财政管理体制、转移支付制度等。

39.演绎法是从一般到个别,从逻辑或者理论上预期的模式到观察检验预期的模式是否确实存在。第一步是提出假设;第二步是进行观察;第三步是对假设和实际观察结果进行比较,以确定两者之间是否足够吻合,确定接受或者拒绝这个假设。

40.道•琼斯分类法下,工业部门包括了采掘业、制造业和商业。

41.常用的资产价值估值方法包括重置成本法和清算价值法,分别适用于可以持续经营的企业和停止经营的企业。

42.Alpha套利又称事件套利,是利用市场中的一些事件,如利用成分股特别是权重大的股票停牌、除权、涨跌停板、分红、摘牌、股本变动、停市、上市公司股改、成分股调整、并购重组和封闭式基金封转开等事件,使股票(组合)和指数产生异动,以产生超额收益。

43.影响行业景气的外因是经济周期、宏观经济指标波动、上下游产业链的供需变动;内因是行业的产品需求变动、技术水平变化、生产能力变动、产业政策的变化等。分析行业景气变化时,通常会关注以下重要因素:供应、需求、价格、产业政策。

44.通常使用的反映公司盈利能力的指标主要有营业净利率、营业毛利率、资产净利率和净资产收益率等

45.净资产收益率反映公司所有者权益的投资报酬率,具有很强的综合性。净资产收益率高表明资产具有较强的获利能力,说明公司资产质量高。

46.头肩形态在实际股价形态中出现最多,也是最著名和最可靠的反转突破形态。它一般可分为三种类型,即:头肩顶、头肩底以及复合头肩形态。

欢迎关注微信公众号  金融类考试资料分享:jq527672718

47.在多元线性回归模型中,如果存在多重共线性,将会给回归方程的应用带来严重的后果,具体包括:①多重共线性使得参数估计值不稳定,并对于样本非常敏感;②使得参数估计值的方差增大;③由于参数估值的方差增加,导致对于参数进行显著性t检验时,会出现接受零假设的可能性增加,可能会出现舍去对因变量有显著影响的变量,导致模型错误;④由于参数估计值的方差增大,做预测时,会导致预测的置信区间过大,降低预测精度。

48.计量经济学模型一旦出现异方差性,如果仍采用普通最小二乘法估计模型参数,会产生下列不良后果:①参数估计量非有效,0LS估计量仍然具有无偏性,但不具有有效性;②变量的显著性检验失去意义;③模型的预测失效,当模型出现异方差性时,参数OLS估计值的变异程度增大,从而造成对被解释变量的预测误差变大,降低预测精度,预测功能失效。

49.若模型经检验证明存在序列相关性,常采用广义差分法、一阶差分法、科克伦一奥克特迭代法和德宾两步法等方法估计模型。

50.DW检验的假设条件有:DW检验假设条件为:解释变量x为非随机变量,随机扰动项满足一阶自回归形式ui=ρμi-1+vi,回归模型中不应含有滞后因变量作为解释变量,且回归模型含有不为零的截距项。

51.EVA®也被称为“经济利润”,它衡量了减除资本占用费用后企业经营产生的利润,是反映企业经营效率和资本使用效率的综合指标。

52.根据《国有资产评估管理办法》,我国国有资产在兼并、出售、股份经营、资产拍卖、清算、转让时的评估方法包括:①收益现值法;②重置成本法;③现行市价法;④清算价格法;⑤国务院国有资产管理主管行政部门规定的其他评估方法。

53.资产重组时,按市场法评估资产的优点有从统计的角度总结出相同类型公司的财务特征,得出的结论有一定的可靠性。简单易懂,容易使用。

54.运用重置成本法进行资产评估的优点有:比较充分地考虑了资产的损耗,评估结果更加公平合理;有利于单项资产和特定用途资产的评估;在不易计算资产未来收益或难以取得市场参照物条件下可广泛地应用;有利于企业资产保值

55.消极投资策略包括指数化投资策略、久期免疫策略、现金流匹配策略、阶梯形组合策略、哑铃型组合策略等

56.在证券市场中,价格、成交量、时间和空间是进行技术分析的要素。这几个因素的具体情况和相互关系是进行正确分析的基础。例题:证券投资技术分析方法的要素包括(I.证券市场价格的波动幅度Ⅱ.证券的交易量Ⅲ证券的市场价格)

57.量化投资策略中量化择时的方法有:①趋势择时;②市场情绪择时;③有效资金模型;④牛熊线等。

58.量化选股就是采用数量的方法选择公司股票,期望能获得超额收益的行为。量化选股的方法主要有:①公司估值法;②趋势法;③资金法。

59.量化投资技术的应用范围包含估值与选股。数量化选股策略具体包括的选股方法有(I.基本面选股Ⅱ.多因素选股Ⅲ.动量选股Ⅳ.反向选股 )

欢迎关注微信公众号  金融类考试资料分享:jq527672718

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,189评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,577评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,857评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,703评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,705评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,620评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,995评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,656评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,898评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,639评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,720评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,395评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,982评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,953评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,195评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,907评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,472评论 2 342

推荐阅读更多精彩内容