资产空间属性、跨境配置及其影响因素分析

随着主权财富基金兴起、私人财富管理需求激增、跨境资本流动加剧,跨境资产配置备受关注。经典资产配置策略仅以资产收益率时序特征作为依据,将其应用范围由单个地区外推至全球时面临若干技术性障碍,亟待改进。基于此,本文首先选取全球21个主要国家和地区的典型股票指数为样本,使用改进方法刻画资产的拓扑空间属性并据此实施资产选择和组合构建,然后,通过业绩对比检验方法的有效性和稳定性,最后,使用面板模型检验影响资产相关性的核心经济基本面因素。结果发现,资产选择结果稳定,跨境资产组合业绩在不同规模和时期均表现良好;资产相关性与经济基本面联系紧密,同时,受各国家或地区自身经济特征和彼此交互关系等因素影响,可据此为跨境资产配置提供前瞻性和先验性依据。本文的研究结论丰富了现代资产组合理论,兼对合理引导资本跨境流动、防范系统性风险等有重要启示。

一种基于属性空间相似性的模糊聚类算法

模糊C均值(FCM)聚类算法及其相关改进算法基于最大模糊隶属度原则确定聚类结果,没有充分利用迭代后的模糊隶属度矩阵和簇类中心的样本属性特征信息,影响聚类准确度。针对这个问题,该文提出一种新的改进思路:改进FCM算法输出定类原则。给出二元属性拓扑子空间中属性相似度的定义,最终提出一种基于属性空间相似性的改进FCM算法(FCM-SAS):首先,选择FCM算法聚类后模糊隶属度低于聚类置信度的样本作为存疑样本;然后,计算存疑样本与聚类后聚类中心的属性相似度;最后,基于最大属性相似度原则更新存疑样本的簇类标签。通过UCI数据集实验,证明算法不仅有效,还较一些基于最大模糊隶属度原则定类的改进算法具有更优的聚类评价指标。