郑宇泉
- 作品数：4 被引量：7H指数：2
- 供职机构：厦门大学数学科学学院更多>>
- 相关领域：经济管理自动化与计算机技术更多>>
- 时间序列挖掘方法及在投资组合中的应用
- 投资组合分析一直是金融领域的研究热点.随着经济全球化的进程，全球资本市场的进一步融合，资本流动速度加快，风险加剧，如何进行有效的投资组合，回避市场风险一直是个体股民和券商关心的问题。同时金融数据呈几何级数增长，面对日益庞...
- 郑宇泉
- 关键词：时间序列投资组合数据挖掘风险分析
- 文献传递
- 基于聚类的股票波动分析及其应用
- Markowitz提出的"期望均值收益-收益方差"规则(M-V),模型要求选择差异性较大的资产进行组合,从而在给定收益率水平下,降低组合的风险。在M-V模型的基础上,采用了数据挖掘中聚类的方法,定义出一种衡量时间序列样本...
- 郑宇泉姜青山管河山
- 关键词：时间序列投资组合聚类
- 文献传递
- 基于聚类的股票波动分析及其应用被引量：4
- 2007年
- Markowitz提出的"期望均值收益-收益方差"规则(M-V),模型要求选择差异性较大的资产进行组合,从而在给定收益率水平下,降低组合的风险。在M-V模型的基础上,采用了数据挖掘中聚类的方法,定义出一种衡量时间序列样本之间相似性程度的指标,这个指标反应了股票间波动行情趋势的异同。在此基础上对资产价格序列性进行聚类分析,与单纯M-V模型相比,在给定的收益率水平下降低了资产组合的风险。采用上证指数中若干股票进行实验验证表明,在给定的收益率下,采用基于密度的层次聚类方法的股票组合可以得到比随机组合更小的风险水平。
- 郑宇泉姜青山管河山
- 关键词：时间序列投资组合聚类
- 基于ACF非线性趋势特征的时间序列聚类被引量：1
- 2007年
- 在时间序列挖掘工作中,比如聚类和分类,需要计算距离来衡量时间序列样本之间的相似性,有许多研究都致力于时间序列相似性度量的研究.充分利用非线性趋势特征来进行时间序列挖掘.首先计算时间序列的ACF,进而构造ACF的非线性趋势特征,利用该特征作为时间序列相似性度量来进行聚类,它给时间序列平稳性的判定提供了一种新的途径.列举了一个模拟数据和一个实际数据来进行实例验证,实验结果表明,ACF非线性趋势特征作为一种新的相似性度量,相对已有的一些相似性度量而言,ACF非线性趋势特征通常只需计算少量的若干特征值就能更合理地刻画时间序列的平稳性特征.借助K-means进行聚类实验.
- 管河山姜青山王声瑞郑宇泉
- 关键词：K-MEANS
