计量经济学能挣钱吗？比如能预测股市或楼市吗？？

1. 计量经济学能挣钱吗？比如能预测股市或楼市吗？？

计算你经济学本身是不能赚钱的，预测股市，楼市也不能赚钱的，因为预测本身不能赚钱，要想赚钱的话，除非你有本金去操作你的预测，举个例子，如果你感觉股市要涨了然后你就重仓去买，涨上去了，你就能赚钱了。这样才能，把你的知识转化为财富。希望对您能有帮助。

2. 证券公司中预测股票行情用的什么软件或者是方法？计量经济学在证券从业人员看来有用吗？

预测股票行情？谈何容易。股票的价格是不能预测的。很多分析软件，比如大智慧等，自称能预测股票价格，它的核心原理是将股票的“道氏理论”量化，以往的道氏理论是纯图像的，而这些软件它将图像信息量化成数字信息，然后给炒股的人一些建议。但实际上，这是不可能的。根据有效市场理论，股票的价格反映的是当时的信息，而如果无法预测会出现什么信息的话，就无法预测股价。一个软件，如何去预测未来会发生什么呢？那些标榜自己能预测股价的软件基本上是骗人。它顶多不多是利用股市暂时的不稳定，赚取少得可怜的一点点蝇头小利。
 
外国的投资大亨们也在预测股价，他们的方法要高明得多，他们使用一种时间序列分析，你去搜ARCH或者GARCH，这就是他们采用的方法。不过外国人现在已不再单纯预测股票价格，他们预测的是股票的波动，然后选择一个对冲组合来赚取利润。
计量经济学本身还是有用的，ARCH或者GARCH就属于时间序列分析的一种，但指望单纯地使用它就能获利，那就犯错了。国内的证券从业人员基本上不使用这方法，一般的经纪人不懂这个，而有名的分析师则要不有内幕消息（提前知道了别人在未来才能知道的消息），要不就是分析宏观经济走势然后分析受宏观经济走势影响某些产业估计会往好/不好方向发展，以此得出股价走势的预测。对于后者，如果你让告诉你下个时刻股价，他绝对做不到，他只是能判断大体的走势。

3. 应用计量经济学时间序列分析在股票预测上有多大的作用？

作用没有想象中的大，你可以用股票的滞后变量来进行回归分析，滞后2~3期就够了，不过数据必须具体点，最好细分到每季度、每月的上证指数，还有时间上怎么也要十年左右吧！ 

我以前在论文附录中做过分析，数据都是自己按季度整理的，挺麻烦的呢，如果需要的话就发给你~ 

还有就是，我觉得写关于股票的预测方面的实际用处并不是很大，毕竟股票的影响因素太多，单单的凭借以前的走势而预期太不好了。。我自己也炒股票，就像那些macd、kdj之类的指标根本就起不到太大的作用，如果那个能预期的话，股市岂不就成了提款机了？现在你做的这个就像是那些指标一样，要知道，股市是活的，人是活的，而指标确实死的！说这么多的意思就是股市不是能简单预测的，你做的那个用处不大。。 

如果你想做的话，建议换个题目，我当时的写的是对弗里德曼的货币需求理论在中国市场的分析。你可以写写货币供应量对通货膨胀的时滞性，分析下在我国市场的滞后期大概是多少~数据在国家统计局和中国人民银行都可以找到的，样本空间一定要足够大，在对滞后变量分析时候主要考虑各自的T检验是否通过，一般从通过之后大概就是那个的滞后期！这个比较直接反而有些许用处~ 
要是能分析出国家的一般性政策对实体市场的影响就更好了，更有用了~ 

呵呵，以上只是自己的建议~有什么其他的问题就给我留言吧~

4. 证券公司中预测股票行情用的什么软件或者是方法？计量经济学在证券从业人员看来有用吗？

证券公司中预测股票行情没有特定有效的软件与方法，否则股市就不成其为股市了，这也就是为什么当今世界上所有的大学，没有炒股专业的原因。
证券公司中预测股票行情，依赖的是个人的经验和技巧，技术分析软件只是为分析人员提供一些参考，作用有限。因此，你会看到针对同一个市场，不同的公司给出的趋势预测有时是迥异的。
计量经济学在证券业肯定有用。因为，证券业无时无刻都有大量的数据需要统计、分析。
即便预测股票趋势是一门综合艺术，但综合艺术也是由各种学养组合而成的。你懂得越多，各分类学得越精，当然帮助就会越大。我想，计量经济学，也肯定包含其中，你说是吗？
祝愉快！

5. 如何运用计量经济学进行经济预测

经济计量学(Econometrics) 是西方经济学中关于如何计量经济关系实际数值的分支学科，也常译为计量经济学，量读liàng（《现代汉语辞典》2012年6月第6版“计量”条）。这两种译名的区别在于，前者试图从名称上强调它是一门计量经济活动方法论的学科，后者试图通过名称强调它是一门经济学科。经济计量学在20世纪30年代诞生之初，研究多限于计量方法的探讨，实际计量工作还较少，且多集中于需求分析，能够算做实际宏观经济计量分析的，只有丁伯根关于美国经济周期的研究。第二次世界大战以后，美国经济学家克莱因等人不断提高丁伯根开创的宏观经济计量的规模和深度，到20世纪60年代形成一个向出售经济计量预测服务的兴旺行业。
经济计量学的具体计量方法主要包括四个连续工作步骤：

建造模型
把经济学在论述某一特定问题时，对有关的主要经济变量之间存在相互关系的理论作为假说，表述成结构方程式体系，作为研究对象的缩影，便于分析处理，就叫做模型。在每个结构方程式中，列作自变量的只能是起主要作用的少数几个经济变量，但实际影响因变量数值发生变化的，还有未列入方程式的、为数众多但影响细微的其他因素，它们的联合作用往往形成一个随机干扰因素，使得因变量的每一次数值变动不可能全部由列入方程式的自变量的数值变动来解释，而必然留下一个残差由这样的随机干扰因素来承担，从而使因变量成为随机变量。经济变量分为因变量和自变量，只是就它们在一个结构方程式以内的相互关系来说的，如果按照它们的数值在整个模型范围以内如何决定来看，又分为内生变量和外生变量，前者的数值是在模型的范围以内决定的，例如研究某地某时某种农产品的市场局部均衡问题时，该产品的供给量、需求量、价格等都是，后者的数值是在模型的范围以外决定的，它们的数值变化影响前者的数值，但不受前者的影响，例如影响该农产品产量而不反过来受其影响的因素有：自然因素，如雨量；内生变量的过去时期的数值，如该农产品前一年度的价格；政策，如对生产该种产品的限制或鼓励措施等。内生变量在各个结构方程式内不一定都处于因变量的地位，但全部内生变量的数值最终是由整个模型的全体方程式共同决定的，所以又称联合因变量；建造模型就是要用全体外生变量和随机干扰因素作为已知条件来解释全部内生变量的数值最终是怎样决定的。
克莱因

估算参数数值
通常是用普通最小平方法对观测统计资料配合线性回归方程式。这种方法要求回归方程式的因变量是随机变量，自变量是作为已知条件的外生变量。因此要按照代数学解联立方程式的原理，将原模型的结构方程式体系化为以内生变量为因变量、以外生变量为自变量的简化式才能进行。因而要求原模型的结构方程式互相独立，不相矛盾，其数目必须等于内生变量数目，而且能从简化式的系数估算值还原成结构式的参数值，即具备能够被识别的条件。

验证理论
即检验估算结果是否符合模型根据的经济理论，主要是运用数理统计学关于统计假设检验的原理，检验估算的参数值是否显著地大于零。只有大于零，有关变量之间存在相互关系的理论，才得到证明；否则须继续收集资料，再进行估算；或修改模型，甚至修订根据的理论，再进行估算，直到得出显著的参数估算值为止。
库普曼斯

使用模型
估算出参数值的模型，主要用于三个方面：①对所研究的经济体系内潜在的相互关系进行结构分析，以便了解和解释有关的经济现象。常用的方法是利用偏微分原理进行所谓比较静态分析，即对模型的两个均衡点进行对比：一个是原来假定达到的均衡点，另一个是假定只有一个外生变量（或结构参数）的数值发生变化而其他情况不变时，模型达到的新的均衡点，两点对比可以看出外生变量或参数值变化时对内生变量发生多大影响。通常所谓各种弹性和乘数等都是用的这种分析方法。②用于预测。可利用已经估算出系数值的简化式进行，因为简化式的因变量都是内生变量，自变量都是外生变量，把预期将来某时期外生变量可能达到的数值代入简化式，就可以得到有关的内生变量在将来同时期的预测值。③用于规划政策。即对各种政策方案的后果进行评价，以供决策人择优。常用办法是把代表各种政策方案的外生变量（又称政策变量，如税收）在将来某时期的各种不同数值代入模型，然后计算作为因变量的内生变量（即政策目标，如国民收入）的各种相应预测值，以便对比。这叫做模拟运算，实际上是一种以政策变量的给定数值为条件的预测。

6. 在计量经济学预测GDP的时候用ARMA模型和用回归方程有什么不同? 哪个精度高?

GDP=C+I+G+NX是个会计恒等式，在任何条件下都应该得到满足，各个账户之间是自动适应的，它们总是满足这个等式。所以，GDP=β1C+β2I+β3G+β4NX+u是不成立的，它不应该有随机干扰项。实际上，GDP=C+I+G+NX已经是个现成的方程，不需要估计任何参数，它的所有数据都是现成的，只有极少的误差（误差源自于统计上的差错、地下交易等）在计量分析中，这个等式往往是用来和其他方程（比如消费方程，投资方程）联立，建立联立方程组模型，用此等式去化简方程得到简化式或者消去某个内生变量。

7. 外推和预测有什么区别？在计量经济学的分析中有什么不一样。。求详解！不要只是定义。。

个人是这样理解的，外推还属于建立预测模型的一部分，也就是说在建模时，预留一定的数据或样本，对照用建立的预测模型进行外推的值，如果外推的值和预留的实际数据的误差在可接受范围内，即可用这个模型进行预测，反之不然。比如，你用1990年到2010年的样本建立预测模型，想预测2011年的数字，那么在你建模时，你应该先用1990到2009进行建模，并用该模型对2010年的值进行外推，对外推的值和实际的值进行假设检验，评估模型的预测效果，如果好，才可以进行预测。

8. 计量经济学中多个模型如何选择？用什么指标？如何判断

模型选择标准
1、精度原则
  在实际应用中,往往用预测的准确性来评价一个模型。精度是选择模型时所考虑的十分重要的
因素,众多关于预测模型选择的文献都是预测精度对各种模型进行比较。一般认为增加模型的显含变量、采取联立方程可以提高预测精度,但也不能过分精确化,否则模型可能很复杂从而无法进行实际的参数估计。实践表明,如果对内生变量的外生变量不加选择、不加分析地包含进来并不能提高精度。相反影响微弱或作用不大的变拉入模型倒影响计量模型的稳定性和使用效果,选择模型时应适当权衡。
2、简单性原则
 对于任意两个模型,若都能同样地表达所研究问题,具有相同的精度应选择较小模型方程、选择较简单方程形式和较少的经济变量。
3、费用原则
 预测的准确性与进行预测所投入的人力、物力、财力密切相关,高的预测精度常伴随着高的费用,在选择计量模型时应对提高精度所获得的利益及由此所花费的代价进行权衡,有时为较低
费用不得不牺牲一些精度,选择较简单的模型
4、建模目的原则
 到底选择哪一类计量模型,往往取决于模型将具体用于什么目的,对于这个目的,模型的最优结构是什么以及怎样来衡量。一般来说,当模型用于预测时,R2及估计值方差较重要,倾向于选较复杂模型;当模型应用于结构分析和政策评价时,则模型参数偏差程度及标准误差较重要,在样本一定的情况下倾向于选较简单的模型。