DBC的持仓中有5.85%的布伦特原油期货、5.8%的汽油期货、4.86%的黄金期货，3.38%的原糖期货，3.11%的小麦期货、2.91%的大豆期货
收盘价数据下载后，选择adjustedclose即经调整后的收盘价，因为交易所交易基金会定期发放收益，就像股票的股息一样，故需要对以前的报价数据进行除权处理，否则数据就会失真，adjustedclose就是这么来的。下图为跟踪美国金融板块股价走势的交易所交易基金XLF的报价，在2019年12月19日每个单位的XLF分红0.156美元，在此之前的12月1日XLF的报价为30.78美元，除权后该基金的报价=30.78-0.156=30.624美元，图中数字为四舍五入后的30.62美元；继续往前，11月1日XLF的报价为30.15美元，除权后该基金的报价=30.15-0.156=29.994美元，图中数字为为四舍五入后的30.00美元。
需要注意的是，收盘价数据我先用的是月度数据，根据经验，如果观察期间比较长更适合使用月度数据，因为可以很好的屏蔽一些短期异常价格波动的影响。
。。。。。。
月度涨跌幅的计算用的是Excel的LN函数，即LN（本月收盘价/前月收盘价），当然也可以用最简单的方法“本月收盘价/前月收盘价-1”算出，这两个结果差异不大，都可以接受。
这样就可以得出各只交易所交易基金自2010年4月至2020年3月这10年期间的月度回报率：
使用Excel的数据分析工具选项中的“回归分析”功能可对两个数据系列之间的关系进行进一步的分析。
以加拿大元/美元的汇率FXC与石油价格USO为例，
在回归分析的界面中，Y值输入区域选的是加元汇率所在单元格，X值输入区域是油价所在单元格，因为Y是X的函数，这样做是要看油价变化对加元汇率的波动有多大影响，因为回归分析本质上研究的是因变量对自变量的依赖关系，目的是通过自变量的给定值来预测因变量的变化。红色圈定区域为需要输入或勾挑的选项，“输出区域”选择Excel中的一个空白单元格即可。
回归分析的结果如下，可分成三个部分：
第二部分“方差分析”中，关键的是“SignificanceF”即显著性分析的结果，该数值需要﹤0.05才有意义，越低越好，计算结果远远低于0.05，说明自变量油价的T检验是显著的。
第三部分中，InterceptCoefficients即截距的回归值等于-0.0002，下面的USO处数值为0.15262，代表自变量USO的斜率。
线性拟合图表示如下，可据此建立回归模型为：加元/美元即期汇率的波幅=西德克萨斯轻质原油期货合约报价的变化幅度*0.15262-0.0002，即西德克萨斯轻质原油期货合约的报价每发生1%的变化，加元/美元的即期汇率就会同方向波动0.1526%。
再看加元/美元的即期汇率与基本金属价格变动之间的关系，DBB的持仓中有7.85%的铜期货、3%的铝期货、30%的锌期货。
“SignificanceF”的值远远低于0.05，说明显著性分析的结果有效。
截距的回归值等于-0.002，自变量DBB的斜率为0.2729。
线性拟合图表示如下，回归模型为：加元/美元即期汇率的波幅=基本金属期货合约报价的变化*0.2729-0.0015，即DBB的报价每发生1%的变化，加元/美元的即期汇率就会同方向波动0.2729%。
下面是加元/美元的即期汇率与农产品价格变动之间的关系，DBA的持仓中有7%的原糖、6.27%的可可、6%的大豆、6%的棉花。
线性拟合图表示如下，回归模型为：加元/美元即期汇率的波幅=农产品期货合约报价的变化*0.2901-0.0012，即DBB的报价每发生1%的变化，加元/美元的即期汇率就会同方向波动0.29%。