基于投票理论的三支聚类分析

目前,大多数聚类方法是二支聚类,即每个对象要么属于一个类,要么不属于一个类,聚类结果具有清晰的边界。然而,将某些不确定的对象强制分配到某个类簇中会降低聚类结果精度。而三支聚类是一种重叠聚类方法,它采用核心域和边界域来表示每个类簇,较好地处理了含有不确定性信息对象的类别归属问题,同时有效地降低了决策风险。本文主要介绍一种三支决策聚类模型,并给出基于k-means的三支决策聚类算法作为实例进行分析。首先,通过已有的聚类算法得到相同数据集的不同二支决策聚类结果,然后对聚类成员的类簇标签进行匹配,最后制定投票规则确定样本的类簇归属。通过实验结果分析,本文所提出的聚类方法的聚类结果在各聚类性能度量指标上有了明显的提升。

基于EMD方法的投资者关注度对股指价格影响的研究

在最近股价的影响因素研究中,投资者关注度备受关注。鉴于已有研究存在投资者关注度的测度不够准确,以及将投资者关注度作为单时间尺度变量的不足,本文采用PCA方法重构投资者关注度的代理变量,然后利用EMD方法将投资者关注度分解出短期、中期和长期等不同时间尺度,最后分别研究不同时间尺度下的投资者关注度对股指价格的影响效应。实证结果表明:短期投资者关注度对短期股指价格有显著正相关影响,股指价格还存在很高的持续性;中长期投资者关注度和股指价格都呈现正向相关关系,并且都有着一样的领先与滞后关系,即投资者关注度的中长期波动都要领先于股指价格的中长期波动。