股票收到什么影响？
我简单的把影响价格的因素分为两类，自变量（explanatory variables）和因变量（response variable）。 自变量指那些我们试图解释的因素。而因变量是这些因素的结果——股票价格是我们所关心的结果。
举例来说，对于因变量Y，如果X1，X2，...，Xk为自变量，则我们建立了如下的模型 Y=f(X1，X2，…，Xk)+ε 其中ε是误差项。 要估计出模型的系数β需要大量的样本数据。一般来说，对每个自变量X；作100次模拟，就得到了100个不同样本量的数据集合。然后利用最小二乘法对这些数据进行线性回归，就可以得到系数β的估计值。
当然，在真实的世界里，情况可能会比较复杂。例如，可能不止一个因变量，每一个因变量都与若干的自变量有关，而且这些自变量可能不是线性相关的。在这种情况下，最可靠的方法是使用广义最小二乘（generalized least squares），同时考虑到异方差性（heteroskedasticity）的问题。
除了数据采样（data sampling）的问题外，另一个需要考虑的问题是时间序列（time series）。有些因素是会“传染”（spread）的，也就是说，今天的影响明天还会持续发挥作用。例如，今天的汇率会影响明天的出口订单。这种“传染”性的因素会构成一个“网络”（network）。对于这类问题，我们需要研究不同的期限结构（term structure），以反映现金流的时间价值。通常而言，在时间序列的分析中，我们要注意滞后期（lags）的问题，以及动态模型的识别问题。这些都是很复杂的问题，在这里我就不详细讨论了。 关于影响价格的因素还有很多，以上只是粗略的介绍了一些基本的原则和方法。希望对大家有所帮助！