基于模糊聚类的金融时间序列对公共信息的反应强度研究

发布时间：2020-09-08 12:55

　　在自然界中的许多事物都是在运动,发展和变化着,如果把这些变化按照时间的顺序记录下来,那么就可以得到各式各样的时间序列。在金融证券市场中,每天都在产生一定量的数据,把这些数据记录下来就是金融时间序列。通过对这些时间序列做一些分析和处理,便可以揭示事物的运动的内在规律,对金融证券市场发展具有重要意义。随着模糊集合理论的形成、发展和深化,在模糊集合划分的基础理论上,模糊聚类理论得到的迅速蓬勃的发展。人们提出了很多比较典型的模糊聚类算法,但是最具有典型、最受欢迎的还是模糊C均值聚类算法。模糊C均值聚类(FCM)算法是—种经典的模糊聚类分析方法,该算法已经有效地应用在数据挖掘、模式识别、计算机视觉以及决策支持等领域,具有重要的理论与实际应用价值。由于模糊聚类得到了样本属于各个类别的不确定程度,表达了样本类属的中介性,即建立起了样本对于类别的不确定性的描述,更能客观地反映现实世界,从而成为聚类分析研究的主流。公共信息有着妨碍风险分担和破坏市场参与者预期收益的作用,如何较好地分析公众信息对证券市场的影响已经收到了越来越多的重视。宏观经济政策是一类典型的公共信息,且与证券市场密切相关。对宏观经济指标、经济政策和股市的数量关系分析不仅具有重要的现实的意义,而且可以得到宏观经济与股市之间相互作用的精确信息。证券价格对信息的反应强度是划分效率市场层次的根本所在；与此同时,证券价格对公众信息的反应特征对于证券投资者的投资行为与政府的宏观调控行为都是十分重要的。有效市场假说表明市场价格可以充分反映所有可获得的信息,因此,如何有效地分析证券价格对信息的反应已经受到了众多学者的关注。为了描述证券市场对公共信息的反应强度,进一步分析和量化公共信息在市场中的作用,本文提出了一种基于模糊聚类技术的度量方法.针对存款准备金率调整和存贷款利率的调整,对上证A股做出模糊聚类分析。聚类结果表明上证A股对于历次调整都存在着三类显著的反应特征；同时也表明该方法应用于证券市场对公共信息的反应强度划分具有较好的效果。
【学位单位】：昆明理工大学
【学位级别】：硕士
【学位年份】：2011
【中图分类】：F832.51;F224
【部分图文】：

对数收益率,药业,个股,负向

(一)针对存款准备金率调整，上证A股市场中存在着一类负向反应特征。图5的聚类结果表明，调整当日大部分个股跌停，负向反映特征极为显著从图4、图6、图7、图8、图9以及图10给出的聚类结果可以看出，当日的股票大部分大都处于下跌状态，负向特征也很明显。从图11和图12的聚类结果也可看出，当日下跌个股也是很多，具有负向特征。通过对聚类结果进一步分析，表明存款准备金率上调对汽车(如东风汽车、上海汽车、江淮汽车、星马汽车等)、信息科技(如明天科技、人福科技、博文科技、中国软件、天地科技等)、电力(如桂冠电力、山民山水电、佩凌电力、西昌电力、国电电力等)和医疗医药行业(如美罗药业、广州药业、中新药业、南京药业、三普药业等)的负面影响最大，当日个股的日对数收益率都很低;虽然某些金融类上

对数收益率,药业,个股,负向

聚类,药业,个股,负向

【参考文献】