相关聚类在投资组合多元化中的应用

2022-5-12 10:42:43

相关聚类在地形图多样性中的应用Hannah Cheng Juan Zhan，William Rea和Alethea Rea，1。新西兰坎特伯雷大学经济和金融系2。澳大利亚珀斯数据分析2015年12月11日摘要本文介绍了一种聚类算法的新应用，该算法用于构建一个与上海a股市场上市的126只股票的相关矩阵的系统发育网络。我们表明，通过使用相邻网络可视化相关矩阵，并使用网络构建过程中产生的循环排序，与市场增长时的随机或基于行业组的选择方法相比，我们可以降低多元化港口的风险。关键词：可视化、邻域网、相关矩阵、多元化、股票市场Jel代码：G111简介投资组合多元化对风险管理至关重要，因为它旨在减少与单一股票或类似无差异投资组合相比的回报差异。关于多元化的学术文献非常丰富，至少可以追溯到洛温菲尔德（1909年）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-5-12 10:42:46

现代多元化科学通常可以追溯到马科维茨（1952年），马科维茨（1991年）对其进行了详细的扩展。文献涵盖了投资组合多元化的多种方法，如：；形成多元化投资组合所需的股票数量，从20世纪60年代末的八只股票（Evans和Archer，1968）增加到2000年代末的100多只股票（Domian等人，2007），应考虑何种类型的风险（Cont，2001；Goyal和Santa Clara，2003；Baliet等人，2005），每只股票固有的因素（Fama和French，1992；Frenchand Fama，1993），投资者的年龄（Benzoni等人，2007年），以及国际多元化是否有益（Jorion，1985年；Bai and Green，2010年），等等。尽管多米安等人（2007年）提出了建议，但巴伯和奥登（2008年）报告称，在美国私人投资者的大样本中，个人股票的平均投资组合规模仅为4.3。虽然中国私人投资者似乎无法获得可比数据，但他们似乎不太可能持有更大的投资组合。单个贡献股票的平均回报率和方差不足以在选择一套股票时做出明智的决定，因为选择一个投资组合需要了解投资组合中考虑的每种股票之间的相关性。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-5-12 10:42:49

股票之间的相关性数量与股票数量的平方成正比，这意味着除了最小的股票市场之外，所有股票市场的相关性数量之大超出了人类理解它们的能力。Rea和Rea（2014）提出了一种通过邻域网络可视化相关矩阵的方法（Bryant和Moulton，2004），从而深入了解了股票之间的关系。邻居网络广泛应用于其他领域，例如文献来源批判性分析（Tehrani，2013）、理解民间故事的文化地理（Ross等人，2013）、通过语言理解人类历史（Gray等人（2010）；Heggarty等人（2010年）；Knooihuizen和Dediu（2012），通过住房传统了解人类历史（Jordan和O\'Neil，2010），并研究滑板甲板的演变（Prentiss等人，2011）。它的主要应用领域是生物学，已有数百篇论文发表了邻居网络。最近，这些网络被用于帮助理解癌症（例如，见Schwarz等人（2015年））、调查高山毛茛的进化（Emadzade等人，2015年）和研究蚊子传播的病毒（Bergqvist等人，2015年）。传统的投资智慧认为，投资者应该从一系列行业中选择投资机会，因为一个行业内的回报比行业间的回报具有更高的相关性。虽然这可能是正确的，但在某些情况下（如在多个行业运营的公司），仅对证券交易所行业进行分类是不够的。此外，还有一些作者（包括Domian等人。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:42:52

（2007年）建议投资超过100项，投资的数量可能超过行业的数量，这意味着即使在行业内也需要选择多种股票。股票相关性的另一个关键方面是相关性的潜在变化与市场状况的显著变化（例如，比较一般市场增长时间与衰退和衰退后时期）。在本文中，我们利用上海证券交易所的数据探索中国的投资机会。我们比较了四个时期（2005/2006年的市场平静期、2006/2007年的繁荣期、2008年的市场下跌期和2009/2010年的崩溃后时期）报告的相关结构。我们的主要动机是研究四种投资组合选择策略。这四种策略是：；1.随机挑选股票；2.从不同的行业群体中挑选股票，形成投资组合；3.通过从不同相关性集群中挑选股票形成投资组合；和4。通过从相关集群内的行业群体中挑选股票形成投资组合。我们的结果表明，相关聚类知识可以降低投资组合风险。本文概述如下：；第（2）节讨论了数据，第（3）节讨论了本文中使用的方法，第（4）节讨论了识别相关聚类，第（5）节讨论了研究期间相邻净分割图中股票的移动，第（6）节将前两节的结果应用于形成多元化股票组合的问题，第（7）节包含了讨论和结论。2数据本研究中使用的数据是从Datastream下载的。我们从上海证券交易所获得了126只股票的每日收盘价和股息数据。数据列出了股票名称，一个六位数的识别号，并将股票分配给五个行业组之一。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:42:55

这些股票包括（1）能源（12支股票），（2）金融（17支股票），（3）医疗（18支股票），（4）工业（33支股票）和（5）材料（36支股票）。为了简化股票及其交易所指定行业组的识别，我们生成了四个字母的股票代码，并在该代码后面附加了一个字母，表示其行业组。A中的表（5）列出了这些指标。为了估计股票收益相关性，我们根据每日价格和股息数据计算了每周收益。为了获得期间回报，我们计算了每个期间的总回报，并将股息视为发行股息的股票的再投资。图（1）中显示了指数和我们研究期间的界限。我们对研究周期进行了定义，以使其代表不同的市场条件，尽管可以说我们的研究周期一和四是相似的。第一个研究期为2005年5月13日至2006年6月13日，是市场缓慢上涨的时期。第二个研究期为2006年6月13日至2007年10月16日，被认为是繁荣期或市场泡沫期。第三个研究期为2007年10月16日至2008年10月28日，代表着急剧下降或崩溃。最终研究期为2008年10月29日至2010年10月19日，这段时间是市场最初复苏的时期，然后是回报率大幅下降的时期。对于需要建模或估算的投资组合选择方法，有四个研究阶段，我们可以在一到三个阶段中建立模型，并使用第二到四个阶段进行样本外测试。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

kedemingshi

2022-5-12 10:42:57

这种极端不同的市场条件代表着对投资组合多元化战略的一个非常严峻的考验，尤其是根据第二阶段形成投资组合，并根据第三阶段的数据进行测试。2005年2006年2007年2008年2010年2010年10月1000年2000年3000年4000年5000年6000年上海A指数数据指数值1 2 23 34 4图1：上海证券交易所A指数的曲线图，标明了四个研究期的界限。日期分别为2005年5月13日、2006年6月13日、2007年10月16日、2008年10月28日和2010年10月19日。3.方法3。1邻域网分裂图n个股票的典型股市相关矩阵是满秩的，这意味着它只能在（n）中完全表示- 1） -空间。表（1）给出了相关的一些基本统计数据。在可视化中，高维的数据空间被压缩到一个低维的空间，这样数据就可以在二维表面上表现出来，比如页面或计算机屏幕。我们需要将相关矩阵中的数值转换为可以被解释为距离的度量。在文献中，最常见的转换方法是使用所谓的超度量，dij=q2（1- ρij）（1）其中dijis是估计距离，ρij是i和j之间的估计相关性，详情见Mantegna（1999）。使用方程式（1）中的转换，我们对转换后的相关矩阵进行了格式化，并使用适当的股票代码对其进行了扩充，以便读取到Eighbor Net软件SplitsTree（Huson和Bryant，2006）中fromhttp://www.splitstree.org.使用SplitsTree软件，我们生成了邻域网拆分图。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:00

由于拆分图旨在用于可视化，我们将相关聚类的识别及其用途的讨论推迟到下文第（4）和（5）节。3.2模拟投资组合最近Lee（2011）讨论了所谓的基于风险的资产配置。与同时要求每个投资机会的预期风险和预期回报作为投资组合选择过程输入的策略不同，基于风险的分配只考虑预期风险。我们下面介绍的四种投资组合选择方法可以被认为是基于风险的配置方法。这可能反映了私人投资者的行为，因为他们通常只有经纪人购买、持有或出售建议，以评估可能的回报。通过模拟比较了这四种投资组合方法。对于每1000次迭代，根据管理portfolio类型的规则对一个投资组合进行抽样。我们记录了1000个投资组合回报的平均值和标准差。正如引言中提到的，主要动机是调查投资组合策略。这些是：1。随机选择股票；2.根据行业分组选择股票；3.基于相关性聚类选择股票；和4。根据相关集群内的行业群选择股票。我们依次描述其中的每一个。随机选择：使用均匀分布随机选择股票，无需更换。换句话说，每只股票都有同等的机会被选择，但在一个投资组合中没有股票被选择两次。按行业组：共有五个行业组。如果投资组合为五个或更少，则使用非均匀分布随机选择行业，无需替换。从每个选定的行业组中选择一只股票。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:08

如果所需的投资组合规模超过五只，则每组至少选择了s只股票，其中s是投资组合规模除以五的商。一些（投资组合规模除以五的剩余部分）行业集团将选择s+1股票，并使用统一分布（不替换）将其应用于werechosen的行业集团。在每个Hindustry集团内，股票采用统一分布，无需更换。通过相关聚类：通过检查相关时段（时段一、时段二和时段三）的邻居网络来确定相关聚类。每个股票被分配到一个集群，每个集群可以通过相关时期相邻网络循环排序的单个分割（或二分）来定义。在第一、第二和第三阶段确定的聚类分别用于在第二、第三和第四阶段生成样本外测试的投资组合。因为投资组合构建的目标是降低风险，所以每个集群都与另一个被认为是最持久的集群配对。下面将详细讨论这种方法。与行业组一样，如果集群少于预期的投资组合规模，则随机选择集群对，并从每个相关集群对中选择一个股票。如果期望的投资组合规模大于相关集群的数量，那么我们将上述方法应用于产业集群。如上所述，每个集群都与距离最远的集群配对。因为我们在周期二中识别出偶数个簇，所以簇一与簇五配对，簇二与簇六配对，依此类推。在具有奇数个簇的周期中，配对可能不是直接进行的。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:11

例如，在第二阶段（见图2），我们确定了五个集群，集群一与集群四配对，集群二和集群三与集群五配对，集群四与集群一配对，集群五与集群二配对。HJGHHHJJHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJGGGGGGGGGGGGGGGGJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJ你可以选择以下方式：一、国际风险管理委员会（IRSNM）、金融稳定委员会（MGFSC）、金融稳定委员会（FCJSC）、金融稳定委员会（FSDDE）、高等教育委员会（HXAE）、国际金融稳定委员会（IGYSC）、金融稳定委员会（IDFET）、国际金融稳定委员会（IHYSC）、金融稳定委员会（FCTSC）、金融稳定委员会（FCMSB）、金融稳定委员会（FCMBK）、金融服务委员会（FTBEA）、国际公务员制度委员会（ICSAL）、国际公务员制度委员会（ICHPC）、欧洲公务员制度委员会（ICHPC）、欧洲公务员制度委员会（EWHIS）和墨西哥高等教育委员会（MAGST）在过去的几年里，中国的一些政府部门在过去的几年里，在过去的几年里，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年的一个月的一个月内，在过去的一个月的一个月的一个月内，在过去的一个月的一个月的一个月的一个月内，在我的政府和我的所有的政府的所有的政府的政府和我的政府和我的政府和我的政府的所有在在在我的项目和我的所有的所有的项目和我的在在我的项目的项目和我的项目的项目的项目的在在在在我的项目上，在我的项目上，在我的项目的项目上，在我的项目的项目的在FGMDL_FCHVK_FFCSH_FXHZB_FBEJU_FSHZJ_FCHBA_FCHSS_HZJHS_HGXWZ_HNRTE_ITYHI_IIMPZ_ECRSJ_HKMPH_HADTM_MSHCG_IJLYT_M0。1图2：第二期上海A股交易所126只股票的SplitsTree网络，使用五个交易日的收益率来估计与一个颜色编码的集群中股票的相关性和距离。FiveCorrelation集群的颜色各不相同。在讨论中，集群按逆时针方向编码如下：；簇1–黑色，簇2–蓝色，簇3–紫色，簇4–绿色，簇5–红色。按相关集群内的行业组：最终方法是从相关集群内的行业组中选择股票。每个集群中的每个股票都有一个相关的行业组。因此，每个相关集群可根据行业细分为多达五个子集群。如上所述，每个集群都与距离最远的集群配对。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-5-12 10:43:14

一旦选择了一个集群，配对的集群也是如此，但这次我们不允许任何配对股票来自同一行业。这是用于确定第四个投资组合策略的股票集合的方法。4.识别相关聚类如Bryant和Moulton（2004）指出，“邻域网生成的分裂图总是平面的，这是在可视化方面优于其他网络方法的一个重要优势”（重点原创）。因此，识别一组按相关性聚集的股票的一种方法是检查股票的拆分图（例如，见图3），并寻找网络结构中的自然断裂。邻域网分裂图是一种映射。地形图的所有读取器都以相同的方式读取地图。他们提取的信息取决于他们的需要。一个人可以阅读地图来提取山脉的信息，另一个人可以阅读河流集水区的信息，还有一个人可以阅读人类住区分布的信息。但在所有情况下，所有的地图读者都同意哪些地貌是山脉，哪些是河流，哪些是城镇和城市，不会产生混淆，因为地图是以视觉方式阅读的。由于这是一种可视化方法，从读取相邻网络拆分图中提取的信息取决于研究人员或财务分析人员平衡他们可能具有的任何竞争需求。在这里，我们知道，在模拟投资组合的规模时，我们将生成两支、四支、八支或16支股票。因此，我们不需要大量的集群，我们希望它们拥有足够多的股票，当从集群内随机选择股票时，有足够多的组合可用于使模拟有意义。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-5-12 10:43:17

这些要求指导我们在相邻网络拆分图中识别集群。集群和集群成员的数量是由视觉决定的，重要的是不要混淆视觉和主观。对于第一阶段，我们选择了八个集群，这是任何时期的最大集群数量。最小的一组有九只股票= 在16种股票投资组合模拟中，36种不同的方法从这个集群中选择两种股票。图（3）显示了我们为第一阶段确定的集群。每个集群中的股票列在B.1中。簇一位于黑色底部，簇按逆时针方向绕着分裂图依次编号。第一集群与第二集群和第八集群之间的网络结构存在着微小但清晰的差距，可以看出这一点。在其他集群之间也可以看到类似的小间隙。这种八个集群的组合并不是将股票划分为集群的唯一方法。如果研究人员或财务分析人员有其他要求，一些集群可以进一步细分或组合。例如，如果可以接受小集群，那么集群2可以进一步分成两个集群，集群8也可以。在这两种情况下，网络结构中存在巨大差距，可以进行拆分。相反，如果所需的集群数量减少，则可以进行一些合理的循环组合。例如，如果只需要两个集群，那么集群1、2、7和8可能会组合成一个集群，而集群3、4、5和6则会形成另一个集群。图（4）到（11）我们展示了集群内和研究期之间的产业群的运动。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:20

我们将其与拆分图中材料行业组的变动进行比较。在图（4）中，我们在研究周期1中选择了集群1，并为集群内的每个行业组分配了颜色。虽然所有五个行业组都代表在该集群中，但很明显，材料库存组代表了该关联集群中最大的此类组。图（5）至（7）显示了第2至第4阶段第一阶段Cluster1股票分割图中的位置。如图所示，在随后的时间段内，这个初始集群中的股票不会保持集群。然而，材料组不仅在第二个研究阶段，而且在第三和第四个研究阶段都是一个整体。在第二个阶段（图5），第一组的材料组现在属于我们确定的第三组。在第三个研究阶段（图6），他们分为两组，属于我们确定的集群1和集群6，这两个集群在该研究阶段是相邻的集群。最后，在第四个研究阶段，它们被确定为集群1和集群2，同样，它们是该研究阶段的相邻集群。在多元化中，人们寻求的是未来倾向于一起移动但相对独立于其他确定的股票组的股票组。然后，投资者将他们的投资分散到这些群体中。这是之前的研究的基础，这些研究按行业对股票进行了分组，认为同一行业的股票价格走势往往比不同行业的股票更为相似，见下文第（5.1）节。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-5-12 10:43:23

因此，本文提供的证据表明，当形成样本外测试的不同投资组合时，来自材料组的一期一组股票构成了一个财务有用的组合。因此，我们预计仅从不相关集群的股票中选择的投资组合的风险不会比从行业集团中选择的投资组合低很多。然而，考虑到一只股票的行业组及其相关集群，其风险降低的可能性可能比单独使用eithermethod更大。5.1按行业分组在之前的研究中，许多作者在其关于形成多元化股票组合的研究中至少采用了一种方法，将股票划分为行业组，然后通过将投资分散到各个组来选择投资组合，例如，见Domian et al.（2007）。邻域网分裂图为我们提供了一种评估这种策略成功可能性的直接方法。为了说明这一点，我们选择了能源和材料组，因为它们的库存数量最少，也最多，分别为12和36。图（8）至（11）显示了材料库存的位置。其他行业组的类似图表可根据要求从作者处获得。在这四个研究周期中，材料库存的聚类都是清晰可见的。这直接从视觉上证实了之前的研究，这些研究报告称，与随机选择股票相比，通过将股票分散到各个行业组来选择股票，可以更大程度地降低投资组合风险。6例本例使用上海证券交易所的126只股票，我们根据价格和股息数据计算每周回报，并根据上文第（2）节讨论的市场行为将数据分为四个时期。表（1）给出了相关的一些基本统计数据。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:26

可以看出，最高的平均相关性出现在第三阶段，即市场急剧下跌或崩溃的时期。在所有时期，随着投资组合规模的增加，所有四种投资组合选择方法的标准收益偏差都降低了。早期的投资组合多元化实证研究主要关注投资组合中的股票数量，见Evans和Archer（1968）。据报告，较大的投资组合风险较低，而较低的风险是由于回报变化水平较低。然而，随着投资组合规模的增加，降低风险的好处迅速减少。方差分析测试用于比较平均值，因为方差范围很小，即使Levenest检测到统计上的显著差异，方差分析测试仍然有效。Levene试验应用于R中的lawstat软件包（Gastwirth等人，2013年）。周期平均标准偏差最小最大负值1 0.266 0.170-0.642 0.864 438/78752 0.328 0.196-0.413 0.855 480/78753 0.441 0.191-0.168 0.908 132/78754 0.437 0.192-0.158 0.906 143/7875表1：相关的基本统计数据。有n（n）- 1） /2=（126×125）/2=7875 126只股票之间的相关性。最后一列给出了估计为负的相关数。负相关的比例最高出现在第2阶段，当时估计的相关中约有6%为负。第二个时期是市场普遍上涨的时期，这一时期的回报良好。表（2）给出了回报的平均值和标准偏差，以及对结果的一些统计检验。16号投资组合的回报率在统计学上显著不同，而2号投资组合的回报率则很低。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:29

对于最小的投资组合，correlationcluster方法表现最好，对于大小为4和16的投资组合，industryand correlation clusters方法表现最好。行业和ANOVAStocks随机行业相关性（Levene）测试投资组合选择分组集群p值2 464 449 467 457 0.0783（234）（227）（220）（2.8）（0.281）4 468 459 463 4.71 0.248（169）（161）（154）（158）（0.041）8 469 454.64 0.484（119）（115）（102）（105）（<0.001）16 466 462 463 466 0.023（78）（78）（68）（50）（<0.001）表2:第二阶段的四种不同投资组合选择方法使用第一阶段的数据来估计相关性。在每一组回报的下方，括号中是回报的标准偏差。最后一列报告了ANOVA分析的p值，该分析测试平均值的差异，或Levene测试，该测试测试所有四种方法的标准偏差是否适用于每一行。对于所有的投资组合，随着投资组合的增加，回报的变化都会减小。Levene检验表明，规模为4、8和16的投资组合的标准差在统计学上存在显著差异。对于规模为4和8的投资组合，相关聚类法产生的回报变化最小。对于规模为16的投资组合，行业和相关性聚类法产生的差异最小，相差很大。表（3）列出了第三阶段收益的平均值和标准差，以及对结果的一些统计检验。这是一个市场普遍下跌的时期。在这种情况下，广泛使用的风险/回报指标（如夏普比率）为负值。在这种情况下，私人投资者会将损失最小化的投资组合视为最理想的投资组合。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:32

虽然我们不应该过度解读结果，但对于规模为2、4和8的投资组合，correlationclusters的回报率略高。对于规模为16的投资组合而言，行业和关联性集群以及基于行业的分组的回报稍好一些。与第二阶段的样本外测试一样，无论选择投资组合的方法如何，随着投资组合规模的增加，差异都会减小。Levene检验表明，规模为4、8、，以及行业和ANOVAStocks随机行业相关性（Levene）测试投资组合选择分组集群p-value2-57-54-52-53 0.007（25）（27）（29）（27）（0.265）4-58-56-53-54 0.001（0.16）（17）（19）（18）（0.001）8-57-53-54<0.001（0.11）（12）（14）（13）（0.004）16-57-54-55<0.001（8）（8）（7）（表3：四种情况下的回报率第三阶段的不同投资组合选择方法使用第二阶段的数据来估计相关性。在每一组回报的下方，括号中是回报的标准偏差。最后一列报告了ANOVA分析的p值，用于测试均值差异，或Levene测试，用于测试所有四种方法的标准偏差是否相等（视情况而定）。16.通常，相关聚类法的标准偏差最大，随机选择法的标准偏差最低。对于规模为16的投资组合，行业和相关集群法报告的变化最小。表（4）列出了第四阶段收益的平均值和标准差，以及对结果的一些统计检验。这段时间显示了摩德斯特的回归。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:34

虽然我们也不应该过度解释结果，但随机和行业分组选择方法对所有四种测试规模的投资组合的回报率都较低。对于两个较小的投资组合，相关性集群投资组合选择方法的回报最高，对于规模为8和16的投资组合，行业和相关性集群方法的回报略高。与第二阶段和第三阶段的样本外测试一样，无论选择投资组合的方法如何，随着投资组合规模的增加，差异都会减小。Levene检验表明，4号、8号和16号投资组合的方差在统计学上存在显著差异。基于行业的选择方法最大程度地减少了规模为4和8的投资组合的回报变化。对于最大的投资组合规模（portfoliosof size 16），行业和相关集群的标准差最低（与第二和第三阶段的结果相同）。行业和ANOVAStocks随机行业相关性（Levene）测试投资组合选择分组集群p值2.2 211 241 237<0.001（154）（164）（173）（166）（0.227）4 229 200 235 233<0.001（118）（105）（113）（118）（118）（118）（<0.001）8 218 210 233 234<0.001（75）（74）（82）（84）（0.003）16 219 207 232 234<0.001（53）（50）（53）（41）（<0.001）表4:第四阶段的四种不同投资组合选择方法使用第三阶段的数据来估计相关性。在每一组回报的下方，括号中是回报的标准偏差。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-5-12 10:43:37

最后一列报告了ANOVA分析的p值，用于测试均值差异，或Levene测试，用于测试所有四种方法的标准偏差是否相等（视情况而定）。因此，这表明相关性集群（或行业和相关性集群）在一般市场增长时期尤其有效，其好处是减少变化或增加回报。这项研究表明，结合行业和相关集群在降低较大投资组合的变化方面尤其有效，所有三个时期都显示出规模为16的投资组合的较低变化，以及合理的回报。这符合投资者持有更大投资组合并确保持有多样化的一般建议。7讨论早期论文（Rea和Rea，2014）介绍了邻居网络作为一种可视化股市相关性的方法。该方法的优点是能够在平面图形中表示相关矩阵的许多关键特征。论文指出，这样的图表有助于创建多样化的投资组合。本文强调了使用相关性聚类调查多元化投资组合的有效性。本文比较了投资组合选择的四种风险预算方法；随机选择投资组合、产业集群、关联集群以及产业和关联集群。传统上，按行业选择股票被认为是使投资组合多样化的合适方法。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:40

虽然在某些市场和某些市场条件下可能会出现这种情况，但本次调查表明，随机选择的投资组合通常优于基于行业的集群，然而，与随机选择相比，使用行业分组选择的投资组合在市场增长时的方差可能更低。在这四种方法中，选择投资组合的限制性最大的方法是行业和相关性集群选择方法。使用随机选择法，126只股票中n只股票的所有可能组合都是允许的，但对于行业和相关聚类选择法，有许多投资组合是不允许的，因为它们不符合该投资组合选择方法的规则。产业分组和关联集群方法也有限制性，但比产业和关联集群方法的限制性小。主要关注的是，本文提出的投资组合选择规则是否会带来显著的好处。如果检测到均值差异，相关聚类或行业和相关聚类方法可能会在平均回报方面优于其他方法。这种影响在四次抽样测试中最为明显，其中相关性集群和行业及相关性集群方法的回报总是超过随机投资组合选择。因此，循环排序的知识可以用来提高投资组合的收益。如果投资组合选择的方法是行业和相关性集群选择，那么规模为16的投资组合的回报变化总是最低的。对于其他投资组合规模，随着投资组合规模的增加，一种方法的变化会减小，但没有一种方法始终优于其他方法。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:43

这表明投资组合规模对回报变化的影响大于选择投资组合的方法。Rea和Rea（2014）讨论了来自Eighbor网络另一端的股票不一定会产生高回报的投资组合，因为一些股票可能会产生负回报，而网络另一端的股票可能会产生正回报。按照我们所做的方式将数据分为四个时期，代表着一种特别严重的多元化，尤其是因为没有考虑股票的历史或预期回报。我们期望，投资认知和分析以及基于相关性聚类的投资组合选择有可能提高投资组合的回报率，并降低方差（或等效的标准差）。但这有待进一步研究。我们注意到，在本分析中，相关聚类是由eye确定的。这是一种有效的确定聚类的方法，它利用了网络的结构和邻居网络算法产生的股票循环排序。未来的工作可能会集中在自动选择相关集群的方法上，看看这是否会进一步提高投资组合的绩效。参考Bai，Y.和C.J.Green（2010）。国际多元化战略：从风险角度重新审视。《银行与金融杂志》34236–245。巴里，T.G.，N.Cakici，X.Yan和Z.Zhang（2005）。特殊风险真的重要吗？《金融杂志》60（2），905-929。巴伯，B.M.和T.Odean（2008）。所有闪光点：关注和新闻对个人和机构投资者购买行为的影响。金融研究回顾21（2），785-818。Benzoni，L.，P.Collin Dufresne和R.S.Goldstein（2007）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:45

当股票市场和劳动力市场是协整的，在整个生命周期内的投资组合选择。《金融杂志》62（5），2123-2167。Bergqvist，J.，O.Forsman，P.L.和J。Naslund、T.Lilga、C.Engdahl、A.Lindstrom、A.Gylfe、C.Ahlm、M.Evanders和G.Bucht（2015年）。从瑞典暴发期间捕获的蚊子中检测和分离sindbis病毒。媒介传播和人畜共患病15（2），133-140。布莱恩特，D.和V.莫尔顿（2004）。邻居网：构建系统发育网络的聚集方法。分子生物学与进化21（2），255–265。Cont，R.（2001年）。资产回报的经验性质：程式化事实和统计问题。定量金融1:2223-236。Domian，D.L.，D.A.Louton和M.D.Racine（2007）。单个股票投资组合的多样化：100只股票是不够的。《金融评论》42557-570页。K.Emadzade、M.J.Lebmann、M.H.Ho Off mann、N.Tkach、F.A.Lone和E.Horandi（2015年）。北美和中亚高山毛茛属植物的系统发育关系和进化。植物生态学、进化和系统学的观点17，131-141。埃文斯、J.L.和S.H.阿彻（1968年）。分散和分散的减少：一项实证分析。《金融杂志》23（5），761-767。法玛、E.F.和K.R.弗伦奇（1992年）。预期股票收益的横截面。《金融杂志》47（2），427–465。French、K.R.和E.F.Fama（1993年）。股票和债券收益中的常见风险因素。《金融经济学杂志》33，3-56。Gastwirth，J.L.，Y.R.Gel，W.L.W.Hui，V.Lyubchich，W.Miao和K。野口（2013）。lawstat：生物统计学、公共政策和法律的R包。R软件包版本2.4.1。Goyal，A.和P.Santa Clara（2003年）。特殊风险很重要！《金融杂志》58（3），975-1007。格雷，R.，D.布莱恩特和S.J.格林希尔。(2010).

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:48

关于人类历史的形状和结构。皇家学会哲学学报B 3653923–3933。Heggarty，P.，W.Maguire和A.McMahon（2010）。分裂还是波浪？树或网？融合测度和网络分析如何揭示语言历史。皇家学会哲学学报B 3653829–3843。Huson，D.H.和D.Bryant（2006年）。系统发育网络在进化研究中的应用。分子生物学与进化23（2），254-267。Jordan，P.和S.O\'Neil（2010）。解开文化遗产：太平洋西北海岸的语言多样性和长屋建筑。皇家学会哲学学报B 365，3875–3888。Jorion，P.（1985）。具有估计风险的国际投资组合多元化。《商业杂志》58（3），259-278。Knooihuizen，R.和D.Dediu（2012年）。历史人口学和历史社会语言学：移民融合在17世纪敦刻尔克法语发展中的作用。语言动态与变化2（1），1-33。Lee，W.（2011）。基于风险的资产配置：一个老问题的新答案？投资组合管理杂志37（4），11-28。洛温菲尔德，H.（1909）。投资，一门精确的科学。财务审查报告。Mantegna，R.N.（1999）。金融市场的等级结构。欧洲物理杂志B11193-197。马科维茨，H.M.（1991）。投资组合选择：有效的投资多元化第二版。威利。Markowtiz，H.（1952年）。投资组合选择。《金融杂志》7（1），77-91。普伦蒂斯，A.M.，R.R.斯凯尔顿，N.埃尔德雷奇和C.奎因（2011）。快跑！滑板甲板的演变。埃沃教育大学外展部4379-389。Rea，A.和W.Rea（2014）。股市关联矩阵的可视化。Physica A 400、109–123。罗斯，R.M.，S.J.格林希尔和Q.D.阿特金森（2013）。欧洲民间故事的人口结构和文化地理。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:51

皇家学会会议录B（280），1756年。施瓦兹，R.F.，C.K.Y.Ng，S.L.库克，S.纽曼，J.坦普尔，A.M.皮斯科兹，D.盖尔，K.萨亚尔，M.穆尔塔扎，P.J.鲍德温，N.罗森菲尔德，H.M.厄尔，E.萨拉，M.希门尼斯·利南，C.A.帕金森，F.马科维茨和J.D.布伦顿（2015）。高度浆液性卵巢癌的时空异质性：一项系统发育分析。PLoS Med 12（2），e1001789。Tehrani，J.J.（2013）。小红帽的发展史。普洛松8（11），e78871。本文是一篇关于HHHJJJJJJJJJJJJJJJJJJJJJJJGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGZJJJJJJGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG这是一个很好的例子，它是一个很好的例子研究结果表明，一些研究成果和一些研究成果的一些研究成果和一些研究成果的结果和一些研究成果的结果和一些研究成果的结果和一些研究成果的结果和一些研究成果的结果和一些研究成果的文文中的一些研究成果和一些研究成果的一些研究成果和一些研究成果的一些研究成果和一些研究成果的一些研究结果和一些研究成果的一些研究结果和一些研究结果的一些研究成果的一些研究结果和一些研究结果的一些研究结果和一些研究结果的一些研究结果和一些研究结果的一些研究结果和一些研究结果的一些研究结果和一些研究结果的一些研究结果和一些研究结果的结果和一些研究结果和一些研究结果的结果，在一些研究结果和一些研究结果和一些研究结果的结果和一些研究结果和一些研究结果的一些研究结果和一些研究结果的结果和一些研究结果的结果，在一些研究结果和一些研究结果的研究结果和一些研究结果，在在一些研究结果的研究结果的结果的结果和结果的结果和结果，在在在一些研究结果的结果和FSHPD、FHXBK、FFCSH、FCHMT、FCHVK、FGMDL、FCHPC、ECJSC、FOWRG、FHRBP、HCATL、ITYHI、ICRSJ、HHBYH、MDFET、IXAAI、IGFSC、FZJMC、HXHZB、FBEJU、F0。1图3：使用五个交易日的收益率估算第一期上海A股交易所126只股票的SplitStre网络，从而估算与一个颜色编码的集群中股票的相关性和距离。八个相关簇都有不同的颜色。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:54

在讨论中，集群编码如下：；簇1-黑色，簇2-蓝色，簇3-紫色，簇4-红色，簇5-卡其色，簇6-绿色，簇7-水绿色，簇8-黄色。本文是一篇关于HHHJJJJJJJJJJJJJJJJJJJJJJJGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGZJJJJJJGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG这是一个很好的例子，它是一个很好的例子研究结果表明，一些研究成果和一些研究成果的一些研究成果和一些研究成果的结果和一些研究成果的结果和一些研究成果的结果和一些研究成果的结果和一些研究成果的结果和一些研究成果的文文中的一些研究成果和一些研究成果的一些研究成果和一些研究成果的一些研究成果和一些研究成果的一些研究结果和一些研究成果的一些研究结果和一些研究结果的一些研究成果的一些研究结果和一些研究结果的一些研究结果和一些研究结果的一些研究结果和一些研究结果的一些研究结果和一些研究结果的一些研究结果和一些研究结果的一些研究结果和一些研究结果的结果和一些研究结果和一些研究结果的结果，在一些研究结果和一些研究结果和一些研究结果的结果和一些研究结果和一些研究结果的一些研究结果和一些研究结果的结果和一些研究结果的结果，在一些研究结果和一些研究结果的研究结果和一些研究结果，在在一些研究结果的研究结果的结果的结果和结果的结果和结果，在在在一些研究结果的结果和FSHPD、FHXBK、FFCSH、FCHMT、FCHVK、FGMDL、FCHPC、ECJSC、FOWRG、FHRBP、HCATL、ITYHI、ICRSJ、HHBYH、MDFET、IXAAI、IGFSC、FZJMC、HXHZB、FBEJU、F0。1图4：上海A股交易所第一期的拆分网络，股票按行业组的颜色编码为一组。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:57

颜色为能源-黑色、金融-蓝色、医疗-红色、工业-卡其色、材料-绿色。HJGHHHJJHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJGGGGGGGGGGGGGGGGJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJ你可以选择以下方式：一、国际风险管理委员会（IRSNM）、金融稳定委员会（MGFSC）、金融稳定委员会（FCJSC）、金融稳定委员会（FSDDE）、高等教育委员会（HXAE）、国际金融稳定委员会（IGYSC）、金融稳定委员会（IDFET）、国际金融稳定委员会（IHYSC）、金融稳定委员会（FCTSC）、金融稳定委员会（FCMSB）、金融稳定委员会（FCMBK）、金融服务委员会（FTBEA）、国际公务员制度委员会（ICSAL）、国际公务员制度委员会（ICHPC）、欧洲公务员制度委员会（ICHPC）、欧洲公务员制度委员会（EWHIS）和墨西哥高等教育委员会（MAGST）在过去的几年里，中国的一些政府部门在过去的几年里，在过去的几年里，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年中，在过去的几年的一个月的一个月内，在过去的一个月的一个月的一个月内，在过去的一个月的一个月的一个月的一个月内，在我的政府和我的所有的政府的所有的政府的政府和我的政府和我的政府和我的政府的所有在在在我的项目和我的所有的所有的项目和我的在在我的项目的项目和我的项目的项目的项目的在在在在我的项目上，在我的项目上，在我的项目的项目上，在我的项目的项目的在FGMDL_FCHVK_FFCSH_FXHZB_FBEJU_FSHZJ_FCHBA_FCHSS_HZJHS_HGXWZ_HNRTE_ITYHI_IIMPZ_ECRSJ_HKMPH_HADTM_MSHCG_IJLYT_M0。1图5：研究第二阶段的SplitsTree网络，股票来自clusterone，第一阶段为彩色。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-12 10:43:59

颜色为能源-黑色、金融-蓝色、医疗-红色、工业-卡其色、材料-绿色。研究结果表明，该项目是一个项目的研究成果，它是一个项目的研究成果，它是一个项目的研究成果，它是一个项目的一个项目的研究成果，它是一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的一个项目的项目的项目的项目的项目的项目的项目的项目的项目的研究结果，它的项目的一个项目的一个项目的一个项目的项目的一个项目的项目的项目的一个项目的项目的一个项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的项目的研究的研究它是一个很好的例子本文给出了一个研究结果，并给出了一个研究结果，并给出了一个研究结果，并给出了一个研究结果，它是一个基于本文的研究的数据，基于本文的数据，本文的理论和基于基于本文的文章的文章，基于本文的研究结果，本文的研究结果是基于基于本文的理论和基于基于本文的研究结果，基于基于本文的研究结果，本文的研究结果是基于基于基于基于本文的研究结果，基于基于基于基于本文的研究结果，基于基于基于基于本文的研究结果，基于基于基于基于本文的研究结果，基于基于基于基于基于本文的研究结果，本文的研究结果，基于基于基于基于基于本文的研究结果，本文的研究结果，基于基于基于基于基于本文的研究结果，基于基于基于基于基于基于本文的研究结果，本文的研究结果，本文的基于基于基于基于基于基于基于本文的研究结果，本文的研究结果，本文的基于基于基于基于基于基于基于基于基于基于基于基于基于基于基于基于基于基于基于基于本文的研究结果，本文的文文文中的工作内容包括：在ITBEA、IDFET、IBDTW、ICSGH、MZJJH、MXAAI、IJXHD、IGHEG、FCHSS、I0中，工作内容包括：。1图6：研究阶段三的SplitsTree网络，股票为clusterone，阶段一为彩色。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝