Risk and Return in Transportation and Other US and Global Industries

نوع روش های تحقیق مورد استفاده در تجزیه و تحلیل بازده سهام در کتاب در این فصل فنی تشریح شده است. فصل با تعاریف آمار خلاصه مفید، مانند میانگین، انحراف معیار، ضریب تغییرات و تفسیر آنها آغاز می شود. آمار آزمون برای استنباط بر میانگین جمعیت، نسبت ها و تفاوت میانگین ها، در میان دیگران، نیز ارائه شده است. خلاصه‌ای از تکنیک‌های رگرسیون معادله منفرد و روشی که از طریق تخمین و استنتاج اعمال می‌شوند، با تمرکز بر تفسیر خروجی استاندارد و تست‌های تشخیصی، تشریح شده‌اند. متدولوژی معادله تک سپس به سیستم های معادله چندگانه بسط داده می شود. روشهای حداقل مربعات چند متغیره (MLSQ) معادلات رگرسیون به ظاهر نامرتبط (SURE) رگرسیون هستند و همچنین آنهایی که در نظر گرفته شده اند. سری های زمانی، ARlMA، مدل ها نیز بخشی از بحث را تشکیل می دهند. این فصلی است که هدف آن خوانندگانی است که علاقه مند به درک پیشینه فنی مورد استفاده در استخراج نتایج بعد از کتاب هستند. 2.2. آمار خلاصه برای مجموعه‌ای از داده‌ها مجموعه‌ای از اعدادی که توسط اقدامات عامل‌ها در بازار تولید می‌شوند و در صورتی که عامل‌ها اعمال خود را تکرار کنند، می‌توانند مقادیر متفاوتی داشته باشند، به عنوان متغیرهای تصادفی شناخته می‌شوند. به عنوان مثال، قیمت سهام در بورس اوراق بهادار در هر برهه از زمان از طریق اقدامات جمعی عوامل فعال در بازار از طریق تصمیمات تقاضا و عرضه آنها تعیین می شود. بنابراین قیمت یک سهم یک متغیر تصادفی است و بازده سهم نیز همینطور است.

The type of research methodologies used in analysing stock returns in the book is outlined in this technical chapter. The chapter begins with definitions of useful summary statistics, such as the mean, standard deviation, coefficient of variation, and their interpretation. Tests statistics for inferences on population means, proportions and differences of means, among others, are also presented. A summary of single equation regression techniques and the way these are applied through estimation and inference are outlined, focusing on the interpretation of standard output and diagnostic tests. The single equation methodology is then extended to multiple equation systems; the methods of Multivariate Least Square (MLSQ) of Seemingly Unrelated Regression Equations (SURE) are Regressions as well as those considered. Time series, ARlMA, models form also part of the discussion. This is a chapter, which is aimed at readers who are interested in understanding the technical background used in deriving results later in the book. 2.2. Summary Statistics for a set of Data A set of numbers which are generated by agents' actions in the market, and which can take different values if the agents were to repeat their actions, are known as random variables. For example, prices of shares in the stock exchange are determined at each point in time from the collective actions of agents operating in the market through their demand and supply decisions. The price of a share is thus a random variable, and so is the return of the share.