期貨因子分析法怎麼運用
A. 因子分析方法
因子分析是一種多變數化簡技術，目的是分解原始變數，從中歸納出潛在的「類別」，相關性較強的指標歸為一類，不同類間變數的相關性較低，每一類變數代表了一個「共同因子」，即一種內在結構，因子分析就是要尋找該結構。其分析方法有很多種，最常用的有兩種：一是主成分分析方法；另外一種是一般因子分析法。通常所說的因子分析指的就是一般因子分析法，它通過原始變數的方差去構造因子，一般情況下，因子的數量總是要少於變數的數量。所以對於一般因子分析而言，如何正確解釋因子將會比主成分分析更困難。
因子分析一般可以分成四步：
考察變數之間的相關性，判斷是否要進行因子分析；
進行分析，按一定的標准確定提取的因子數目，一般要求特徵值大於1；
考察因子的可解釋性，並在必要時進行因子旋轉，以尋求最佳解釋方式；
計算出因子得分等中間指標，供進一步分析使用。
利用因子分析，可以把搜集到的比較雜亂的原始數據進行壓縮，找出最重要的因子，並對其按照成因歸類、整理，從中找出幾條主線，幫助分析充滿度的主要控制因素。
本研究中共統計岩性圈閉354個，參與統計分析和計算的圈閉有249個。由於其中的落空圈閉無法參與因子分析及充滿度預測模型的建立，因此實際參與分析和預測的岩性油氣藏為222個。初步地質分析後，選取平均孔隙度，%；平均滲透率，10-3μm2；排烴強度，104t/km2；與排烴中心的平面距離，km；與排烴中心的垂直距離，m；地層壓力系數；砂體厚度，m；砂體面積，km2；有機質豐度，%；圍岩厚度，m；平均埋深，m；共11個地質參數進行因子分析。
本研究按不同的成藏體系進行，建立其充滿度預測模型並進行回代驗證。同一成藏體系內的岩性油氣藏的生、儲、蓋、圈、運、保等成藏條件相互影響、相互制約，關系密切，將同一成藏體系中的岩性油氣藏又分別劃分為構造－岩性、透鏡體油氣藏進行預測。
B. 為什麼運用因子分析的方法做投資價值的研究
行業的市場表現受到宏觀經濟、行業經營周期、行業基本面以及市場本身等因素的影響，行業多因子模型就是通過對這些因素進行量化描述，分析其與行業市場表現的相關性，提取若干具有顯著影響的因子構建行業投資價值的分析評估體系。
經濟增長、商業周期、通貨膨脹、預期收益率等宏觀行業因素對各個行業產生不同的影響。周期性行業對於經濟增長、貨幣信貸的敏感性強於消費型行業；成長型行業對於市場預期收益率的敏感性高於收入或價值性行業；可選消費行業對於通貨膨脹的敏感度高於必需消費行業。宏觀行業指標數據的統計口徑往往在表徵基本面運行狀態上考慮得更多，而對於投資來說這些數據需要進行處理，排除干擾分離出更為有用的信息，或者將數據組合起來進行觀察。比如，貨幣供應量M2和M1的剪刀差反映了貨幣的活化程度；PPI和原材料購進價格之間的剪刀差反映了製造業盈利空間的變化；原材料庫存和產成品庫存之間的剪刀差又反映了庫存周期缺口等等。國際上著名的宏觀因素模型BIRR模型中的宏觀指標都經過符合邏輯的處理與調整，用公司債與政府債的息差反映市場的風險偏好，用長期政府債與短期國債的息差反映投資者預期收益率。
受宏觀經濟周期和產業周期的影響，行業的發展態勢不僅反映在成長速度、盈利能力、運營能力、收益質量等基本面指標上，還反映在分析師對行業成份公司的預期和市場估值層面，並最終體現在市場價格上。需要通過對行業的財務指標、市場預期、估值水平等因素的綜合分析，尋找行業的投資機會。通常情況下，預期增長快的行業處於行業景氣向上的周期中；毛利率高的行業占據著產業鏈中的優勢地位，具有較高的議價能力；周轉率較高的行業具有較高的資源使用效率。這也反映了公司經營最關鍵的因素，即量、價和速度。在過去的幾年裡，白酒行業從營收增長到毛利率，再到凈資產收益率的平均水平都高於多數其他行業，二級市場股價表現持續超越大盤。行業的基本面因素情況決定了行業中長期的市場表現，行業的估值水平則是影響行業短期表現的重要影響因素。由於行業收益的高低以及彈性特徵不同，各行業的平均估值水平和波動幅度有著固有的差異，降低行業間固有差異的干擾後，有助於幫助投資者把握短期行業的市場表現。
投資者經常說「強者恆強」和「皮球從高處落下總要彈幾下」，分別對應的是量化投資領域中的動量和反轉兩種不同股價運行模式。在行業層面，看似矛盾的動量與反轉效應普遍存在，並對應著不同的市場運行邏輯：宏觀及行業周期是行業基本面變化的主要推動因素，因此行業的市場表現具有較強的持續性；在行業投資中也經常遇見先期跌幅較大的行業未來一段時間有相當的漲幅。這種動量和反轉效應還夾雜著整個宏觀經濟冷暖導致的股市整體表現，將將市場整體波動從行業層面剝離，行業之間的動量和反轉效應更為明顯。
行業多因子模型的關鍵在於因子的選擇，不僅需要有普適的邏輯關系，還要有對指標的含義進行深度解讀，更要使用合適的數學方法進行規整，才能從繁雜的影響因素里發現市場的規律，分析行業投資價值，制定更為客觀可靠的投資決策。
C. 探索性因子分析法的運用
1、顧客滿意度調查。
2、服務質量調查。
3、個性測試。
4、形象調查。
5、市場劃分識別。
6、顧客、產品及行為分類。
D. 怎麼用期貨套利的分析方法做分析
以下資料來源參考：
中金網
。
在進行
套利交易
前，首先應對目前的套利關系用圖表加以分析。在普通的交易方面，圖表是決定時點的主要工具，它對價格的波動提供了歷史性資料。套利圖表與一般的價格圖表不同在於它記載著不同月份的合約之間彼此相互的關系。所以，套利圖表作為分析、預測行情的工具，它並不注重絕對的
價格水平
，而是在圖表中標出
價差
的數值，以歷史價差作為進行套利分析的依據。
另外，套利常常會顯示出季節性的關系，即在一個特定的時間顯示出價格變動幅度的寬窄差異，實踐證明其符合性的程度相當高，此種套利即為季節性套利，並且在
期貨交易
中提供了最佳獲利機會。為了利用季節性進行套利，必須回溯分析多年前的價格資料和研究此種套利，並且必須將現在的供求加以考慮，然後研究確定過去的
市場行為
是否能夠應用在未來的幾年。這種
類比研究
法是以多種市場分析方法綜合而得的分析技術，此類方法是用來證明最初激勵因素能否在套利季節再度發生。為了使這種季節性的趨勢增加可信度，重要的是確定明顯的等量使得激勵因素能發生作用。
在收集以往套利資料時，不要將不同期間的資料拿來做比較。在期間相似的情形下，通常相同的供求力量會引起類似的套利。因此，在價格劇烈上漲的期間里，參考同期的
利多
市場可得到相似的
價格行為
。例如美國在20世紀70年代初，「逆轉市場」主宰了整個行情，後來比較正常的
市場結構
引導市場走向，但有的供給量較吃緊的
商品期貨
如咖啡、可可仍保持著逆轉形式。了解這些引起市場不均衡的因素及特定商品對這些不均衡狀況的反應，可在後來的套利中有所參考和借鑒。
據分析，糖市存在套利機會。因為白糖
現貨市場
、
近月合約
受到明確而較強的支撐，但是遠月合約則遭遇較強的壓力，原糖因為其基本面不利變動而下跌破位，又會給國內糖市帶來不小壓力，這些壓力也相對集中於遠月合約。因此，遠月合約將重現並持續
貼水
格局，在1209與1301合約價差絕對值縮小時，可以關注多1209合約、空1301合約的套利。預計遠月合約最大貼水可達300～400元/噸。
E. 因子分析法分析方法，學習資料，問題求助
F. 怎麼進行期貨基本分析
基本分析法，是指通過分析期貨商品的供求狀況及其影響因素，來解釋並預測未來期貨價格變化趨勢的方法。基本面析主要分析的是中長期價格走勢，並以此為依據中長期持有合約，並不太注意日常價格的反復波動。
從長期看，商品價格最終反映的是供求力量均衡點的價格。所以，商品供求狀況對期貨價格具有重要的影響。基本因素分析法分析的就是供求關系。商品價格與供給成反比，供給增加，價格下降；供給減少，價格上升。商品價格與需求成正比，需求增加，價格上升；需求減少，價格下降。
其他因素不變的條件下，供給和需求的任何變化，都可能影響商品價格變化。這種供求與價格互相影響，使商品供求分析更加復雜化。
但是，期貨價格不僅受商品供求狀況的影響，而且還受其他許多非供求因素的影響。例如金融貨幣因素、政治因素、投機因素、政策因素、心理預期等。基本因素分析需要綜合地考慮這些因素的影響。
(一)商品供給分析
決定一種商品供給的主要因素有：商品價格、生產技術水平、生產成本、其他商品價格水平、市場預期等等。
商品市場的供給量則主要由期初庫存量、本期產量和本期進口量三部分構成。
期初庫存量是指上年度或上季度積存下來可供社會繼續消費的商品實物量；本期產量是指本年度或本季度的商品生產量。它是市場商品供給量的主體，其影響因素也甚為復雜；本期進口量是對國內生產量的補充，通常會隨著國內市場供求平衡狀況的變化而變化。
(二)商品需求分析
決定商品需求的主要因素有：商品價格、消費者收入、消費者偏好、相關商品價格變化、消費者預期等等。
商品市場的需求量通常由國內消費量、出口量和期末商品結存量三部分構成。
國內消費量主要受消費者的收入水平或購買能力、消費者人數、消費結構變化、商品新用途發現、替代品的價格及獲取的方便程度等因素的影響；出口量是本國生產和加工的商品銷往國外市場的數量，它是影響國內需求總量的重要因素之一；期末結存量具有雙重的作用。一方面是商品需求的組成部分，是正常的社會再生產的必要條件；另外還在一定程度上起著平衡短期供求的作用。
(三)經濟波動周期
期貨市場價格波動不僅受國內經濟波動周期的影響，而且還受世界經濟的景氣狀況影響。經濟周期主要是依靠一些指標進行判斷的，如GDP增長率，失業率、價格指數、匯率等。這些都是期貨交易者應密切注意的。
(四)金融貨幣因素
商品期貨交易與金融貨幣市場有著緊密的聯系。利率的高低、匯率的變動都直接影響商品期貨價格變動。
(五)政治、政策因素
對國際國內政治氣候、相關政策的變化，期貨市場價格表現的十分敏感。例如，國際國內政治局勢、國際性政治事件的爆發及國際關系格局的變化、各種國際性經貿組織的建立及有關商品協議的達成、政府對經濟干預所採取的各種政策和措施等。
某種上市品種往往受到其相關的國家政策影響，例如，農業政策、食品政策、貿易政策、儲備政策等。
(六)自然因素
主要是指氣候條件、地理變化和自然災害等。
(七)投機和心理因素
投機者目的就是利用期貨價格上下波動來獲利。與投機因素相關的是心理因素，即投機者對市場的信心。對市場信心十足時，即使沒有什麼利好消息，價格也可能上漲；反之，當人們對市場推動信心時，即使沒有什麼利空因素，價格也會下跌。
基本面分析要求的能力比較高，除非資深的，可以獲得多種途徑信息的專業人士。普通投資者是非常難以把握的，但是也非常有必要藉助基本面的分析出去一定的行情引導。
G. 因子分析的基本步驟
因子分析是指研究從變數群中提取共性因子的統計技術。最早由英國心理學家C.E.斯皮爾曼提出。他發現學生的各科成績之間存在著一定的相關性，一科成績好的學生，往往其他各科成績也比較好，從而推想是否存在某些潛在的共性因子，或稱某些一般智力條件影響著學生的學習成績。因子分析可在許多變數中找出隱藏的具有代表性的因子。將相同本質的變數歸入一個因子，可減少變數的數目，還可檢驗變數間關系的假設。因子分析的前提條件
由於因子分析的主要任務之一是對原有變數進行濃縮，即將原有變數中的信息重疊部分提取和綜合成因子，進而最終實現減少變數個數的目的。因此它要求原有變數之間應存在較強的相關關系。否則，如果原有變數相互獨立，相關程度很低，不存在信息重疊，它們不可能有共同因子，那麼也就無法將其綜合和濃縮，也就無需進行因子分析。本步驟正是希望通過各種方法分析原有變數是否存在相關關系，是否適合進行因子分析。SPSS提供了四個統計量可幫助判斷觀測數據是否適合作因子分析：
（1）計算相關系數矩陣Correlation Matrix
在進行提取因子等分析步驟之前，應對相關矩陣進行檢驗，如果相關矩陣中的大部分相關系數小於0.3，則不適合作因子分析；當原始變數個數較多時，所輸出的相關系數矩陣特別大，觀察起來不是很方便，所以一般不會採用此方法或即使採用了此方法，也不方便在結果匯報中給出原始分析報表。
（2）計算反映象相關矩陣Anti-image correlation matrix
反映象矩陣重要包括負的協方差和負的偏相關系數。偏相關系數是在控制了其他變數對兩變數影響的條件下計算出來的凈相關系數。如果原有變數之間確實存在較強的相互重疊以及傳遞影響，也就是說，如果原有變數中確實能夠提取出公共因子，那麼在控制了這些影響後的偏相關系數必然很小。觀察反映象相關矩陣，如果反映象相關矩陣中除主對角元素外，其他大多數元素的絕對值均小，對角線上元素的值越接近1，則說明這些變數的相關性較強，適合進行因子分析。與方法（1）中最後所述理由相同，一般少採用此方法
（3）巴特利特球度檢驗Bartlett test of sphericity
Bartlett球體檢驗的目的是檢驗相關矩陣是否是單位矩陣（identity matrix），如果是單位矩陣，則認為因子模型不合適。Bartlett球體檢驗的虛無假設為相關矩陣是單位陣，如果不能拒絕該假設的話，就表明數據不適合用於因子分析。一般說來，顯著水平值越小（<0.05）表明原始變數之間越可能存在有意義的關系，如果顯著性水平很大（如0.10以上）可能表明數據不適宜於因子分析。
（4）KMO（Kaiser-Meyer-OklinMeasure of Smapling Adequacy）
KMO是Kaiser-Meyer-Olkin的取樣適當性量數。KMO測度的值越高（接近1.0時），表明變數間的共同因子越多，研究數據適合用因子分析。通常按以下標准解釋該指標值的大小：KMO值達到0.9以上為非常好，0.8～0.9為好，0.7～0.8為一般，0.6～0.7為差，0.5～0.6為很差。如果KMO測度的值低於0.5時，表明樣本偏小，需要擴大樣本。