版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、大連理工大學(xué)碩士學(xué)位論文基于聚類與RMT過濾的均值方差改進(jìn)模型姓名:夏冰申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):經(jīng)濟(jì)系統(tǒng)分析與管理指導(dǎo)教師:黃飛雪20090601基于聚類和RMT的均值一方差改進(jìn)模瓔ClusterandRMTforImprovingontheMeanVarianceModelAbstractWeconsidertheproblemofthestaffsticaluncertaintyofthecorrelationmatrixinthe
2、optimizationofafinancialportfolio,andfoellsontheapplicationofclusterandrandommatrixtheory(RMT)inMarkowitz’Sportfoliomodel,wheretheestimationofthecorrelationmatrixisunavoidablyassociatedwithastatisticaluncertaintyduetothe
3、finitelengthoftheassetreturntimeseriesHierarchicalclusteranalysisisfoundthatitisquiterobustwithrespecttomeasurementnoiseduetothefinitenessofsamplesizeSinglelinkagemethodandaveragemethodadoptedherearebothhierarchicalclust
4、eranalysisSingle1inkageclusterisakindofhierarchicalclusteranalysisInthesinglelinkageprocedure,thedistancebetweenclusterPandclusterqisdefinedbythenearestdistancebetweentheelementsinclusterPandtheelementofclusterqAverageli
5、nkageisantherhierarchicalclusteranalysisadoptedhere,whosedistancebetweenclusterPandclusterqisdefinedastheaveragedistanceofallelementsofpandqByusingthehierarchicalclusterprocedurethenumberofdistinctelementsofthecorrelatio
6、ncoe伍cientmatrixturnsfromnfn1)/2ton一1Thenthecorrelationcoef!ficientmatrixisapositiveultrametricmatrixWeconstructtheportfoliobysolvingtheMarkowitzoptimizationproblembyusingtheultrametricmatrixratherthantheoriginalcorrelat
7、ionmatrixTherandommatrixtheory(RMT)takesthestockmarketasacomplexsystem,inwhichtheelementsactoneachotherinunknownwaysItneedsthreest印StouseI蝴Ttofilterthecorrelationcoefficientmatrix:(1)measurethechaoticdegreeofthesystemwit
8、htheoriginalcorrelationcoefficientmatrix;(2)calculatetheeigenvaluesofthechaoticdegree;(3)removethemeaninglesspartoftheeigenvaluesTotesttheeffectofthefilters,weusethedataof2004—2007ofthe50stockscomposingtheSSE50indextocal
9、culatethecorrelationcoef!ficientmatrixandapplythehierarchicalclusteranalysisprocedureandRMTtofilteritBasedonthefilteredmatrixandoriginalmatrix,weusetheMarkowitzportfoliomodelThenwecomparethereliabilityrisk,effectivesizea
10、ndinvestmentbehavioroftheportfoliosandtheresultsareasfollow:(1)TherealizedriskandthepredictriskoftheRMTportfoliosareboththesmallestandtheseoftheaveragelinkageportfoliosarethelargest,andtheseoftheMarkowitz’sportfoliosandt
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- K均值聚類算法初始聚類中心的選取與改進(jìn).pdf
- 基于遺傳算法的改進(jìn)K均值聚類.pdf
- 模糊C均值聚類算法的研究與改進(jìn).pdf
- 基于改進(jìn)粒子群的K均值聚類算法研究.pdf
- C-均值聚類算法的改進(jìn)研究.pdf
- 基于均值-方差模型的加權(quán)半方差模型理論分析和實(shí)證研究.pdf
- 基于Weka平臺(tái)的改進(jìn)模糊C均值聚類算法研究與應(yīng)用.pdf
- 基于模糊C均值聚類的協(xié)同過濾推薦算法研究.pdf
- 基于核方法改進(jìn)的模糊C-均值聚類算法.pdf
- 改進(jìn)的模糊C-均值聚類算法.pdf
- 基于改進(jìn)人工蜂群的模糊C均值聚類算法研究.pdf
- 基于改進(jìn)粒子群算法的C-均值聚類算法研究.pdf
- 多目標(biāo)投資組合均值方差模型的改進(jìn)及應(yīng)用研究.pdf
- K-均值聚類算法的改進(jìn)及其應(yīng)用.pdf
- 基于Hadoop的改進(jìn)聚類協(xié)同過濾推薦算法研究.pdf
- 基于均值-方差-CVaR模型的保險(xiǎn)投資策略研究.pdf
- 基于均值方差cvar模型的保險(xiǎn)投資策略研究
- 基于改進(jìn)的模糊C均值聚類算法的多文檔自動(dòng)文摘.pdf
- 兩類風(fēng)險(xiǎn)模型下的均值—方差投資組合博弈問題.pdf
- 基于縱向數(shù)據(jù)的半?yún)⒙?lián)合均值方差模型.pdf
評(píng)論
0/150
提交評(píng)論