数据挖掘中一种新的聚类方法--基于对应分析与因子旋转

本文基于Q型因子分析的基本思想,结合对应分析方法,建立了一种适用于大型数据库聚类的方法。该方法既解决了Q型因子分析算法效率方面的问题,也解决了传统对应分析法中缺乏客观分类标准、信息损失严重等多种缺陷,在实证分析中也取得了良好的效果。

我国上市公司资本结构影响因素实证分析

随着资本市场的逐渐完善,企业必须注重如何通过有效的资本运营实现企业的最佳资本结构。研究对我国上市公司资本结构形成的影响因素作一些理论上的探索,然后对沪深两市近50家上市公司的年报数据进行分析,运用主成分分析和多元回归相结合的方法对其资本结构形成可能的影响因素加以实证检验,并得出了比较合理的结论。

基于基函数展开的函数型数据聚类方法

文章在一个一般性的框架下研究了利用基函数展开进行函数型数据聚类的问题。在这个框架之下,大量传统的聚类方法都可以直接应用到函数型数据分析。另外,我们将Pearson相似系数引入函数型数据聚类分析,解决了欧式距离无法刻画曲线之间形态差异的问题。

一种改进的Q型因子聚类法

文章借助对应分析的基本思路实现了对Q型因子分析算法上的改进,得到了一种新的能够处理海量数据的聚类方法。通过算法分析,该方法的时间复杂度为样本容量的线性阶,这充分体现了其在算法效率上的优越性。最后,将该方法应用于上市公司板块分析中,并取得了较好的效果。

深圳股票市场波动率估计和预测

大量研究发现,在成熟的金融市场上,金融资产收益的波动性具有波动聚类性特点,中国股票市场是一个新兴市场,它的市场收益率波动是否也呈现上述特点,分析利用GARCH模型对深圳股市成分指数的波动性进行拟合,结果表明GARCH模型对我国股市波动具有较好的拟合效果。