面向大数据的并行聚类算法在股票板块划分中的应用

上市公司的经营业绩在一定程度上反映股票的投资价值,因此以反映上市公司盈利能力、偿债能力、成长能力、资产管理质量及股东获利能力5个方面共15项财务指标作为股票投资价值的衡量指标,首次尝试使用面向大数据的并行聚类算法Mahout中的K-means聚类算法和模糊K-means聚类算法对中国A股市场约2 600支股票依据其财务指标进行聚类,以便进行股票板块的划分,并比较两种算法在不同距离度量方式下的迭代次数、执行时间、聚类间密度和聚类内密度。实验结果表明,谷本距离度量方式下的K-means算法聚类效果最好,因此可将该实验结果作为最终股票板块划分结果进行分析,从而为投资决策提供参考。

基于网络结构的股票相关性研究

针对股票间相关性,选取了中国股票市场的沪深主板、创业板、中小板中共100只股票在2013年1月1日至2013年8月31日的周收盘价进行数据分析。首先计算各股票的对数收益率,建立样本股票之间的网络结构,分析股票网络结构的统计特性;然后重新对样本股票进行板块划分,并与同一股票市场的网络结构研究结果进行对比分析。