典型相关分析是主成分分析和因子分析的进一步发展，是研究两组变量间的相互依赖关系，把两组变量之间的相互关系变为研究两个新的变量之间的相关，而且又不抛弃原来变量的信息，这两个新的变量分别由第一组变量和第二组变量的线性组合构成，并且两组变量的个数可以是不同的，两组变量所代表的内容也可以是不同的。因此，典型相关分析在实际问题中应用是十分广泛的。 股票的涨跌，从长期来看，是某些因素共同作用的结果。本文以股票中国银行(601988)为例，构建了股票的涨跌及其影响因素的典型相关分析模型，找出了影响股票涨跌的主要因素，并将该模型应用于股票工商银行(601398)。 本文借助股票分析软件获取股票的开盘价、收盘价、最高价、最低价、成交量等基本数据；利用VF语言编程，对这些数据进行初步处理，得到了大量的股票衍生数据，如：日K线上影线长度、日K线下影线长度等；借助SPSS统计分析软件，先将这些数据与股票的涨跌进行相关分析；对相关性大的数据，再采用典型相关分析的方法，对股票的涨跌及其影响因素进行分析。 本文以中国银行(601988)为例，对影响股票涨跌的部分因素进行了初步分析，选取了股票的日涨跌幅、日最大升幅、日最大降幅、日涨跌幅的100日均值作为因变量组变量，选取上证指数日涨跌幅、股票的昨收盘价、股票的日成交量、股票的收盘价减去股票的平均成本价、股票日K线的上影线长度、股票日K线的下影线的长度、股票的日高开低开率等作为自变量组变量，以2006年7月5日到2007年8月10日共270个交易日的数据为样本，进行了典型相关分析，其结论是：采用典型相关分析方法可以揭示股票的涨跌及其影响因素的相互关系，以指导股票投资。 全文共分四部分：第一章介绍了选题的背景、目的、研究的方法和主要结论；第二章介绍了典型相关分析的基本思想、步骤和计算；第三章介绍了自变量组和因变量组数据的选取；第四章给出了典型相关分析的实例分析、典型相关分析模型的应用、本文的创新点和有待进一步解决的问题。文中引入了股票日涨跌幅均值的概念，并将其作为因变量组变量，进行了典型相关分析，最后对股票投资者给出了投资建议。