經(jīng)典理論研究表明,基本面良好的公司具有更好的投資價(jià)值^[1]。將模糊聚類技術(shù)應(yīng)用于股票價(jià)值特征分析,經(jīng)過(guò)實(shí)證研究,挖掘出基于A股上市公司股票基本面數(shù)據(jù)的衡量股票投資價(jià)值的特征集合。 

【文章來(lái)源】：科技經(jīng)濟(jì)導(dǎo)刊. 2020,28(27)

【文章頁(yè)數(shù)】：2 頁(yè)

【文章目錄】：
1 價(jià)值因子選擇
2 模糊聚類算法概述
    2.1 建立模糊相似矩陣
    2.2 聚類
    2.3 特征篩選
3 實(shí)證研究
4 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]模糊聚類和傳統(tǒng)聚類分析在證券市場(chǎng)應(yīng)用上的比較[J]. 謝桂標(biāo).  福建商業(yè)高等�？茖W(xué)校學(xué)報(bào). 2016(04)
[2]基于模糊聚類技術(shù)的股票投資價(jià)值評(píng)價(jià)指標(biāo)選擇[J]. 李云飛,李鵬雁.  燕山大學(xué)學(xué)報(bào). 2008(06)
[3]模糊聚類分析中傳遞閉包法及其應(yīng)用[J]. 羅蘭星.  四川省衛(wèi)生管理干部學(xué)院學(xué)報(bào). 2005(02)

博士論文
[1]基于人工智能方法的股票價(jià)值投資研究[D]. 李云飛.哈爾濱工業(yè)大學(xué) 2008

碩士論文
[1]中國(guó)上市公司基本面與股票價(jià)格相關(guān)性分析[D]. 陳庚.暨南大學(xué) 2016



本文編號(hào)：3181741