crosshyou

主にクロス表(分割表)分析をしようかなと思いはじめましたが、あまりクロス表の分析はできず。R言語の練習ブログになっています。

景気ウォッチャー調査データと株価の分析4 - 株価を景気ウォッチャーのデータで回帰分析をする。R言語のlm関数を使用

 

www.crosshyou.info

 の続きです。

今回は、株価を景気ウォッチャーのデータで回帰分析してみたいと思います。

まずは、当月の景気ウォッチャーと当月の株価です。前回の分析で、当月の株価と一番相関の高かったのは、飲食関連関連現状でした。この変数を使って線形回帰分析をしてみようと思います。R言語のlm関数を使います。

f:id:cross_hyou:20190214193102j:plain

(Intercept)の値は、474.667で、飲食関連関連現状の係数は、17.768です。

回帰式は、株価(当月) = 474.667 + 17.768 * 飲食関連関連現状 + 撹乱項
となります。p-value = 9.941e-12と0.05よりも小さい値です。

残差をプロットしてみましょう。

f:id:cross_hyou:20190214193534j:plain

 

f:id:cross_hyou:20190214193548j:plain

こうなります。残差はプラスにもマイナスにも同じくらい分布していますので、特に問題はないような気がします。

株価と飲食関連関連現状の散布図に回帰線を重ねてみましょう。plot関数で散布図を書いて、abline関数で回帰線を重ねます。

f:id:cross_hyou:20190214194155j:plain

f:id:cross_hyou:20190214194206j:plain

こんな感じです。

今度は、4か月前のレジャー施設関連先行きと当月の株価の回帰分析をしてみます。

f:id:cross_hyou:20190214194613j:plain

こうなりました。

回帰式は、

株価(当月) = -44.229 + 25.980 * レジャー施設関連先行き(4か月前) + 撹乱項

となります。p-value < 2e-16 となっていますので、有意な回帰式です。

残差をプロットしてみます。

f:id:cross_hyou:20190214194933j:plain

f:id:cross_hyou:20190214194944j:plain

このようになりました。

散布図と回帰線も描いてみましょう。

f:id:cross_hyou:20190214195154j:plain

f:id:cross_hyou:20190214195206j:plain

こんな感じです。もう少しフィットさせたいですよね。。時間トレンドの項目を加えてみましょう。

f:id:cross_hyou:20190214195714j:plain

上のようにして、1から2, 3, ,,, 215と1ずつ増加するベクトルを作成して、これもモデルに加えます。

f:id:cross_hyou:20190214200207j:plain

こうなりました。

回帰式は

株価(当月) = -56.311 + 23.485 * レジャー施設関連先行き(4か月前) + 1.235 * トレンド + 撹乱項

です。

回帰式全体のp-value は2.2e-16より小さいので回帰式は有意です。レジャー施設関連先行きのp値は1.43e-14なので有意です。trendのp値は4.65e-05なので有意です。

残差をプロットしてみます。

f:id:cross_hyou:20190214200616j:plain

f:id:cross_hyou:20190214200628j:plain

となりました。どうなんでしょうね。。

実際の株価とモデルから予測される株価をグラフにしてみましょう。

回帰式に従って予測される株価を計算します。

f:id:cross_hyou:20190214201448j:plain

 

こうして、yosokuというベクトルの予測された株価が格納さました。

あとはplot関数でグラフにします。

f:id:cross_hyou:20190214202109j:plain

f:id:cross_hyou:20190214202120j:plain

どうでしょうか。。似ていると言われたら似ていますね。。

4か月前のレジャー施設関連先行きの動きを見ていれば株価がどうなるかわかりそうですね。

今回は以上です。

次回は

 

www.crosshyou.info

 です。