發(fā)布時間：2021-08-12 11:28

  主成分分析(PCA)是一種廣泛用于數(shù)據(jù)降維問題的分析方法。但是,由于PCA得到的主成分均為所有原始變量的線性組合,造成了主成分的解釋往往比較困難。本文介紹了一種新的方法即稀疏性主成分分析(SPCA),并將其應(yīng)用于股票的投資組合�；谀壳皼]有學(xué)者利用SPCA構(gòu)建投資組合,所以本文擴展了該部分的研究,利用SPCA構(gòu)建投資組合模型并進行了實證分析。 首先,本文介紹了SPCA的基本思想和相關(guān)理論,給出了三種基于不同理論的稀疏主成分算法。然后,根據(jù)觀測個數(shù)不小于和小于股票數(shù)目兩種情形,利用不同的稀疏主成分算法構(gòu)建了股票投資組合模型。為了檢驗?zāi)Ｐ偷目尚行?在實證部分,本文從上證A股中選取了871只股票共52天的周收盤價,并且按照官方分類標準將其分為5個行業(yè)：工業(yè)、商業(yè)、地產(chǎn)、公用、綜合。接著,利用建立的模型構(gòu)建了各行業(yè)的投資組合,同時確定了相應(yīng)的投資比例。為了比較稀疏主成分下組合的收益,本文還構(gòu)建了基于PCA的投資組合,計算了兩種方法下各行業(yè)組合的日收益率、總收益率、方差并作圖進行了對比分析。結(jié)果表明SPCA下的總收益率均優(yōu)于PCA,同時,方差即波動也都更小。最后得出,各行業(yè)組合在SPCA下的收益更高,波動更小,從而說明了SPCA在股票投資組合中的有效性。
【學(xué)位授予單位】：西南財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：F224;F830.91

【參考文獻】

相關(guān)期刊論文 前8條

1 李進明;;我國股票市場羊群行為收益的實證分析[J];金融經(jīng)濟;2006年12期

2 閆立梅;;雙隨機變量證券投資組合決策[J];計算機工程與應(yīng)用;2012年12期

3 潘雄峰,劉鳳朝,王元地;基于主成份分析方法的風險投資項目評估模型[J];科技進步與對策;2004年03期

4 胡彥君;張璇;;證券投資組合規(guī)避風險的實證研究[J];河北企業(yè);2012年03期

5 趙振全,高飛;證券選擇準則有效性的實證分析[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2003年03期

6 江冬明;主成份分析在證券市場個股評析中的應(yīng)用[J];數(shù)理統(tǒng)計與管理;2001年03期

7 連仁源;許若寧;;基于交易費用和絕對偏差的證券投資組合模型[J];邵陽學(xué)院學(xué)報(自然科學(xué)版);2010年02期

8 朱小斌;;股票投資組合流動性風險度量模型:構(gòu)建與檢驗[J];中國管理科學(xué);2007年01期

本文編號：1658092