使用回归分析法来提高预测水平
股票价格的波动的确在很大程度上是受预期收益或预期现金流变化的影响。正如我将在第二十章中讨论到的那样，这些因素一定不是影响股票价格的唯一因素， 但却值得我们特别关注。因此，能对预测未来有帮助的模型就是一个至关重要的工具。证券分析师至少可以在以下两个方面运用统计学来提高他们的预测水平:
●找到可以帮助其 预测某一公司因素的宏观要素。
●找到公司的财务预测中哪些 内容是独立的，哪些会在预测中随着其他因素的改变而发生变化。
下面的例子向我们说明了应该怎样才能达到这两个效果。
专业统计学家可以使用强大的独立软件进行统计分析，但是大多数证券分析师除了Microsoft Excel 之外,在工作中不需要使用别的软件。当然，如果你的统计学知识较为丰富，或者当你在处理-套大型数据或棘手数据时，你可能会想起来使用比较复杂的软件。很多学院派的统计学家都在使用R软件，可以免费下载，而且只要你愿意花上几个小时的时间来研究一下，也是非常好上手的。但是在本章中，我将只就Excel软件进行讲解。如果你正在使用，那么请确保Anadysis ToolPak 或Data Analysis 已经安装在工具栏上(这取决于你使用的Excel软件的版本,在某些版本中它们可能已经被安装好了)。
如果你对统计回归略知一二，你也许就想立刻着手开始工作。但是，这个领域内还有一个广为人知的概念一探索性数据分析， 这对于了解你手上的数据的特点是很有帮助的。特别是在你把这些数据放在不同类型的图表中时，很多信息可能就会突然浮现出来，而这些信息是数据在表格里时不易被立刻察觉到的。首先，要使用散点图，这是含金量非常高的一种工具，可以帮助你找到两个变量之间的潜在关系。从传统意义上来说，横轴x上的是解释变量，纵轴y上的是反应变量。
散点图可能会揭示一个非随机的模式，反映出解释变量和反应变量之间的联系。在收集数据进行分析时，通常来说最好能尽可能多地收集到之前的数据，以此确保你至少能研究两个经济周期，并且尽可能使用最小的时间间隔(比如，至少10年的公司季度数据)。
在图的例子中，该散点图显示任何解释变量和反应变量之间都只存在较弱的关系，或者也许根本无任何关系。从图中可以看出，x轴上的位于-10到+15之间的不同值几乎可以对应y轴上一10到+ 20之间的任何值。我们确实可以通过这个图看出，当x在+15到+20之间的时候，所有y轴上的观察值都是正值,但是由于我们只有四组数据，还尚无法确认两者之间有着紧密的关系。总的来说，通过这个散点图我们应该知道统计分析也许并不总是能带来显著效果的。
通常，你使用的是经过一段时间才得到的数据，比如每季度的收人状况或每月的产量统计。在这样的情况下，你可能会想把这些数据按时间顺序排列，以便看出长期走势，或者发现其中是否存在着季节性。
在检查两个变量之间是否存在某种联系的众多统计方法中，最常教授给大家的就是线性回归法，有时候也被叫做普通最小二乘法(ordinaryleastsquares, OLS)。 正如字面所示，线性回归假设x和y的关系接近直线,类似图12-2中左边的散点图。当散点图像右边的图一样存在一定曲率时， 也许应该把其中的一个或两个变量都进行转化，这样它们之间就能大致呈直线关系了(Mills, 1991)。如果你要做类似的转化，那么使用回归法也许就能得到充分的细节性分析，帮助你作出预测。
