期货因子分析法怎么运用
A. 因子分析方法
因子分析是一种多变量化简技术，目的是分解原始变量，从中归纳出潜在的“类别”，相关性较强的指标归为一类，不同类间变量的相关性较低，每一类变量代表了一个“共同因子”，即一种内在结构，因子分析就是要寻找该结构。其分析方法有很多种，最常用的有两种：一是主成分分析方法；另外一种是一般因子分析法。通常所说的因子分析指的就是一般因子分析法，它通过原始变量的方差去构造因子，一般情况下，因子的数量总是要少于变量的数量。所以对于一般因子分析而言，如何正确解释因子将会比主成分分析更困难。
因子分析一般可以分成四步：
考察变量之间的相关性，判断是否要进行因子分析；
进行分析，按一定的标准确定提取的因子数目，一般要求特征值大于1；
考察因子的可解释性，并在必要时进行因子旋转，以寻求最佳解释方式；
计算出因子得分等中间指标，供进一步分析使用。
利用因子分析，可以把搜集到的比较杂乱的原始数据进行压缩，找出最重要的因子，并对其按照成因归类、整理，从中找出几条主线，帮助分析充满度的主要控制因素。
本研究中共统计岩性圈闭354个，参与统计分析和计算的圈闭有249个。由于其中的落空圈闭无法参与因子分析及充满度预测模型的建立，因此实际参与分析和预测的岩性油气藏为222个。初步地质分析后，选取平均孔隙度，%；平均渗透率，10-3μm2；排烃强度，104t/km2；与排烃中心的平面距离，km；与排烃中心的垂直距离，m；地层压力系数；砂体厚度，m；砂体面积，km2；有机质丰度，%；围岩厚度，m；平均埋深，m；共11个地质参数进行因子分析。
本研究按不同的成藏体系进行，建立其充满度预测模型并进行回代验证。同一成藏体系内的岩性油气藏的生、储、盖、圈、运、保等成藏条件相互影响、相互制约，关系密切，将同一成藏体系中的岩性油气藏又分别划分为构造－岩性、透镜体油气藏进行预测。
B. 为什么运用因子分析的方法做投资价值的研究
行业的市场表现受到宏观经济、行业经营周期、行业基本面以及市场本身等因素的影响，行业多因子模型就是通过对这些因素进行量化描述，分析其与行业市场表现的相关性，提取若干具有显著影响的因子构建行业投资价值的分析评估体系。
经济增长、商业周期、通货膨胀、预期收益率等宏观行业因素对各个行业产生不同的影响。周期性行业对于经济增长、货币信贷的敏感性强于消费型行业；成长型行业对于市场预期收益率的敏感性高于收入或价值性行业；可选消费行业对于通货膨胀的敏感度高于必需消费行业。宏观行业指标数据的统计口径往往在表征基本面运行状态上考虑得更多，而对于投资来说这些数据需要进行处理，排除干扰分离出更为有用的信息，或者将数据组合起来进行观察。比如，货币供应量M2和M1的剪刀差反映了货币的活化程度；PPI和原材料购进价格之间的剪刀差反映了制造业盈利空间的变化；原材料库存和产成品库存之间的剪刀差又反映了库存周期缺口等等。国际上著名的宏观因素模型BIRR模型中的宏观指标都经过符合逻辑的处理与调整，用公司债与政府债的息差反映市场的风险偏好，用长期政府债与短期国债的息差反映投资者预期收益率。
受宏观经济周期和产业周期的影响，行业的发展态势不仅反映在成长速度、盈利能力、运营能力、收益质量等基本面指标上，还反映在分析师对行业成份公司的预期和市场估值层面，并最终体现在市场价格上。需要通过对行业的财务指标、市场预期、估值水平等因素的综合分析，寻找行业的投资机会。通常情况下，预期增长快的行业处于行业景气向上的周期中；毛利率高的行业占据着产业链中的优势地位，具有较高的议价能力；周转率较高的行业具有较高的资源使用效率。这也反映了公司经营最关键的因素，即量、价和速度。在过去的几年里，白酒行业从营收增长到毛利率，再到净资产收益率的平均水平都高于多数其他行业，二级市场股价表现持续超越大盘。行业的基本面因素情况决定了行业中长期的市场表现，行业的估值水平则是影响行业短期表现的重要影响因素。由于行业收益的高低以及弹性特征不同，各行业的平均估值水平和波动幅度有着固有的差异，降低行业间固有差异的干扰后，有助于帮助投资者把握短期行业的市场表现。
投资者经常说“强者恒强”和“皮球从高处落下总要弹几下”，分别对应的是量化投资领域中的动量和反转两种不同股价运行模式。在行业层面，看似矛盾的动量与反转效应普遍存在，并对应着不同的市场运行逻辑：宏观及行业周期是行业基本面变化的主要推动因素，因此行业的市场表现具有较强的持续性；在行业投资中也经常遇见先期跌幅较大的行业未来一段时间有相当的涨幅。这种动量和反转效应还夹杂着整个宏观经济冷暖导致的股市整体表现，将将市场整体波动从行业层面剥离，行业之间的动量和反转效应更为明显。
行业多因子模型的关键在于因子的选择，不仅需要有普适的逻辑关系，还要有对指标的含义进行深度解读，更要使用合适的数学方法进行规整，才能从繁杂的影响因素里发现市场的规律，分析行业投资价值，制定更为客观可靠的投资决策。
C. 探索性因子分析法的运用
1、顾客满意度调查。
2、服务质量调查。
3、个性测试。
4、形象调查。
5、市场划分识别。
6、顾客、产品及行为分类。
D. 怎么用期货套利的分析方法做分析
以下资料来源参考：
中金网
。
在进行
套利交易
前，首先应对目前的套利关系用图表加以分析。在普通的交易方面，图表是决定时点的主要工具，它对价格的波动提供了历史性资料。套利图表与一般的价格图表不同在于它记载着不同月份的合约之间彼此相互的关系。所以，套利图表作为分析、预测行情的工具，它并不注重绝对的
价格水平
，而是在图表中标出
价差
的数值，以历史价差作为进行套利分析的依据。
另外，套利常常会显示出季节性的关系，即在一个特定的时间显示出价格变动幅度的宽窄差异，实践证明其符合性的程度相当高，此种套利即为季节性套利，并且在
期货交易
中提供了最佳获利机会。为了利用季节性进行套利，必须回溯分析多年前的价格资料和研究此种套利，并且必须将现在的供求加以考虑，然后研究确定过去的
市场行为
是否能够应用在未来的几年。这种
类比研究
法是以多种市场分析方法综合而得的分析技术，此类方法是用来证明最初激励因素能否在套利季节再度发生。为了使这种季节性的趋势增加可信度，重要的是确定明显的等量使得激励因素能发生作用。
在收集以往套利资料时，不要将不同期间的资料拿来做比较。在期间相似的情形下，通常相同的供求力量会引起类似的套利。因此，在价格剧烈上涨的期间里，参考同期的
利多
市场可得到相似的
价格行为
。例如美国在20世纪70年代初，“逆转市场”主宰了整个行情，后来比较正常的
市场结构
引导市场走向，但有的供给量较吃紧的
商品期货
如咖啡、可可仍保持着逆转形式。了解这些引起市场不均衡的因素及特定商品对这些不均衡状况的反应，可在后来的套利中有所参考和借鉴。
据分析，糖市存在套利机会。因为白糖
现货市场
、
近月合约
受到明确而较强的支撑，但是远月合约则遭遇较强的压力，原糖因为其基本面不利变动而下跌破位，又会给国内糖市带来不小压力，这些压力也相对集中于远月合约。因此，远月合约将重现并持续
贴水
格局，在1209与1301合约价差绝对值缩小时，可以关注多1209合约、空1301合约的套利。预计远月合约最大贴水可达300～400元/吨。
E. 因子分析法分析方法，学习资料，问题求助
F. 怎么进行期货基本分析
基本分析法，是指通过分析期货商品的供求状况及其影响因素，来解释并预测未来期货价格变化趋势的方法。基本面析主要分析的是中长期价格走势，并以此为依据中长期持有合约，并不太注意日常价格的反复波动。
从长期看，商品价格最终反映的是供求力量均衡点的价格。所以，商品供求状况对期货价格具有重要的影响。基本因素分析法分析的就是供求关系。商品价格与供给成反比，供给增加，价格下降；供给减少，价格上升。商品价格与需求成正比，需求增加，价格上升；需求减少，价格下降。
其他因素不变的条件下，供给和需求的任何变化，都可能影响商品价格变化。这种供求与价格互相影响，使商品供求分析更加复杂化。
但是，期货价格不仅受商品供求状况的影响，而且还受其他许多非供求因素的影响。例如金融货币因素、政治因素、投机因素、政策因素、心理预期等。基本因素分析需要综合地考虑这些因素的影响。
(一)商品供给分析
决定一种商品供给的主要因素有：商品价格、生产技术水平、生产成本、其他商品价格水平、市场预期等等。
商品市场的供给量则主要由期初库存量、本期产量和本期进口量三部分构成。
期初库存量是指上年度或上季度积存下来可供社会继续消费的商品实物量；本期产量是指本年度或本季度的商品生产量。它是市场商品供给量的主体，其影响因素也甚为复杂；本期进口量是对国内生产量的补充，通常会随着国内市场供求平衡状况的变化而变化。
(二)商品需求分析
决定商品需求的主要因素有：商品价格、消费者收入、消费者偏好、相关商品价格变化、消费者预期等等。
商品市场的需求量通常由国内消费量、出口量和期末商品结存量三部分构成。
国内消费量主要受消费者的收入水平或购买能力、消费者人数、消费结构变化、商品新用途发现、替代品的价格及获取的方便程度等因素的影响；出口量是本国生产和加工的商品销往国外市场的数量，它是影响国内需求总量的重要因素之一；期末结存量具有双重的作用。一方面是商品需求的组成部分，是正常的社会再生产的必要条件；另外还在一定程度上起着平衡短期供求的作用。
(三)经济波动周期
期货市场价格波动不仅受国内经济波动周期的影响，而且还受世界经济的景气状况影响。经济周期主要是依靠一些指标进行判断的，如GDP增长率，失业率、价格指数、汇率等。这些都是期货交易者应密切注意的。
(四)金融货币因素
商品期货交易与金融货币市场有着紧密的联系。利率的高低、汇率的变动都直接影响商品期货价格变动。
(五)政治、政策因素
对国际国内政治气候、相关政策的变化，期货市场价格表现的十分敏感。例如，国际国内政治局势、国际性政治事件的爆发及国际关系格局的变化、各种国际性经贸组织的建立及有关商品协议的达成、政府对经济干预所采取的各种政策和措施等。
某种上市品种往往受到其相关的国家政策影响，例如，农业政策、食品政策、贸易政策、储备政策等。
(六)自然因素
主要是指气候条件、地理变化和自然灾害等。
(七)投机和心理因素
投机者目的就是利用期货价格上下波动来获利。与投机因素相关的是心理因素，即投机者对市场的信心。对市场信心十足时，即使没有什么利好消息，价格也可能上涨；反之，当人们对市场推动信心时，即使没有什么利空因素，价格也会下跌。
基本面分析要求的能力比较高，除非资深的，可以获得多种途径信息的专业人士。普通投资者是非常难以把握的，但是也非常有必要借助基本面的分析出去一定的行情引导。
G. 因子分析的基本步骤
因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。因子分析的前提条件
由于因子分析的主要任务之一是对原有变量进行浓缩，即将原有变量中的信息重叠部分提取和综合成因子，进而最终实现减少变量个数的目的。因此它要求原有变量之间应存在较强的相关关系。否则，如果原有变量相互独立，相关程度很低，不存在信息重叠，它们不可能有共同因子，那么也就无法将其综合和浓缩，也就无需进行因子分析。本步骤正是希望通过各种方法分析原有变量是否存在相关关系，是否适合进行因子分析。SPSS提供了四个统计量可帮助判断观测数据是否适合作因子分析：
（1）计算相关系数矩阵Correlation Matrix
在进行提取因子等分析步骤之前，应对相关矩阵进行检验，如果相关矩阵中的大部分相关系数小于0.3，则不适合作因子分析；当原始变量个数较多时，所输出的相关系数矩阵特别大，观察起来不是很方便，所以一般不会采用此方法或即使采用了此方法，也不方便在结果汇报中给出原始分析报表。
（2）计算反映象相关矩阵Anti-image correlation matrix
反映象矩阵重要包括负的协方差和负的偏相关系数。偏相关系数是在控制了其他变量对两变量影响的条件下计算出来的净相关系数。如果原有变量之间确实存在较强的相互重叠以及传递影响，也就是说，如果原有变量中确实能够提取出公共因子，那么在控制了这些影响后的偏相关系数必然很小。观察反映象相关矩阵，如果反映象相关矩阵中除主对角元素外，其他大多数元素的绝对值均小，对角线上元素的值越接近1，则说明这些变量的相关性较强，适合进行因子分析。与方法（1）中最后所述理由相同，一般少采用此方法
（3）巴特利特球度检验Bartlett test of sphericity
Bartlett球体检验的目的是检验相关矩阵是否是单位矩阵（identity matrix），如果是单位矩阵，则认为因子模型不合适。Bartlett球体检验的虚无假设为相关矩阵是单位阵，如果不能拒绝该假设的话，就表明数据不适合用于因子分析。一般说来，显著水平值越小（<0.05）表明原始变量之间越可能存在有意义的关系，如果显著性水平很大（如0.10以上）可能表明数据不适宜于因子分析。
（4）KMO（Kaiser-Meyer-OklinMeasure of Smapling Adequacy）
KMO是Kaiser-Meyer-Olkin的取样适当性量数。KMO测度的值越高（接近1.0时），表明变量间的共同因子越多，研究数据适合用因子分析。通常按以下标准解释该指标值的大小：KMO值达到0.9以上为非常好，0.8～0.9为好，0.7～0.8为一般，0.6～0.7为差，0.5～0.6为很差。如果KMO测度的值低于0.5时，表明样本偏小，需要扩大样本。