塞尔吉奥·卡米兹 时间序列的探索性分类。 （英语） Zbl 07615526号 Merchangöz，Burcu Adígüzel（编辑），金融计量经济学新兴理论、模型和应用研究手册。查姆：斯普林格。1-29 (2021). 摘要：本文介绍了一种探索性的分层变量分类方法，作为处理股票交易价格时间序列时主成分分析的替代方法。该方法基于应用于变量对的特定主成分分析，每个变量对与要合并的组相关。应用于时间序列，此方法显示出优势，因为它有助于定义组的数量及其组成，同时提供层次结构节点和分区组的阶乘结构。此外，所有已发布的因子都是构成组的原始变量的加权和，因此很容易解释它们的代表变量。作为一个案例研究，该方法被应用于一组巴西金融股票价格时间序列，为拟议分区的五组中的每一组提供代表性序列。该结果补充了主成分分析提供的数据集信息，仅限于通常的正交因子，每个因子代表一个独立的变异源。使用这种分类方法可能有助于加深对市场结构的了解，并在对具有代表性的时间序列建模的基础上，对不同的时间序列进行建模。有关整个系列，请参见[Zbl 1483.91001号]. MSC公司： 62P05号 统计学在精算科学和金融数学中的应用 关键词：探索性分析;主成分分析;分类;层次因素分类;时间序列;多维时间序列;股票价格 软件：SAS公司;ClustOfVar（俱乐部变量）;R（右） PDF格式BibTeX公司 XML格式引用 \textit｛S.Camiz｝，载：金融计量经济学新兴理论、模型和应用研究手册。查姆：斯普林格。1--29（2021；Zbl 07615526） 全文： 内政部 参考文献： [1] Abdi H（2007）奇异值分解和广义奇异值分解。收录：Salkind N（ed）测量与统计百科全书。加利福尼亚州千橡树Sage，第940-945页 [2] Anderberg MR（1973）应用的聚类分析。学术出版社，纽约Benzécri JP等人（1973-82）《données分析》，第2卷。Dunod，Paris，France Bry X（1995）分析简单因子。Economica，巴黎，法国Camiz S（2001），探索性双向和三向数据分析和应用。收录于：佐治亚州第比利斯市TICMI课堂讲稿：第比利斯大学出版社，第2卷。http://www.emis.de/journals/TICMI/lnt/第2卷/lecture.htm [3] Camiz S，Denimal J-J（2006）《变量阶乘分类》。新技术信息评论6:383-388 [4] Camiz S，Diblasi A（2013）进化主成分分析。位于：Trabajos Completos，XLI Coloquio Argentino de Estadística。阿根廷门多萨Cuyo en Mendoza大学，第680-685页 [5] Camiz S，Pillar VD（2007）《单一和完全连锁聚类与变量层次因子分类的比较》。社区生态8（1）：25-30 [6] Camiz S，Pillar VD（2018）确定主成分分析中的信息/信号维度。数学6（11）：269·Zbl 1407.62215号 [7] Camiz S，Roig FA（2011）《进化分析应用于树轮年表系列》。收录：Actas E-ICES 6。马拉圭（阿根廷门多萨）。阿根廷布宜诺斯艾利斯国家能源委员会，第30-37页 [8] Camiz S，Denimal J-J，Pillar VD（2006），生态学变量的层次因子分类。社区生态7（2）：165-179 [9] Camiz S，Altieri A，Manes F（2008）《污染生物指标：案例研究的统计分析》。水-空气-土壤污染194（1-4）：111-139 [10] Camiz S，Denimal J-J，Sosa W（2010a）《太平洋数据探索性分析》，以研究“厄尔尼诺”现象。UNI学院教务处修订版13（1）：50-58 [11] Camiz S，Maulucci R，Roig F（2010b）应用于树木年代序列的探索性分析方法。收录于：阿根廷门多萨马拉古埃Papu O（ed）Actas E-ICES 5。阿根廷门多萨国家能源委员会，第61-67页 [12] Camiz S，Denimal J-J，Purini R（2014）关于“厄尔尼诺”现象的TAO/NOAA数据多维分析的新结果。收录：Hucailuk C，Nüñez N，Molina E（eds）Actas de trabajos completes E-ICES 9。阿根廷布宜诺斯艾利斯国家能源委员会，第24-45页 [13] Camiz S，Spada F，Denimal J-J，Piraino S（出版）树状年代学时间序列的层次因子分类。《CFTC森林研究年鉴》，SEC（2010），关于2010年5月6日市场事件的调查结果：CFTC和SEC工作人员向新兴监管问题联合咨询委员会提交的报告。技术报告。美国商品期货交易委员会和美国证券交易委员会，华盛顿特区 [14] Chavent M，Kuentz V，Liquet B，Saracco L（2011）ClustOfVar:变量聚类的R包。arXiv预打印arXiv:1112.0295 [15] Chowdhury UN，Rayhan MA，Chakravarty SK，Hossain MT（2017）金融时间序列预测的主成分分析和支持向量回归的集成。国际计算机科学与信息安全杂志15（8）：28-32 [16] Chowdhury UN、Chakravarty SK、Hossain MT（2018）《短期金融时间序列预测》，将主成分分析和独立成分分析与支持向量回归相结合。计算机通讯杂志6（3）：51-67 [17] Denimal J-J（2001）层次析因分析。收录于：Govaert G、Janssen J、Limnios N（eds）Actes du 10国际应用随机模型和数据分析研讨会，2001年12月15日。法国康皮涅大学 [18] Denimal J-J（2007）分类因子hiérarchique optimizeée e d un tableau de measures。法国社会统计杂志148（2）：29-63·Zbl 1441.62926号 [19] Diggle PJ，Liang K-Y，Zieger SL（1994）纵向数据分析。克拉伦登出版社，英国牛津 [20] Eckart C，Young G（1936）一个矩阵与另一个低阶矩阵的近似。心理测量学1（3）：211-218 [21] Frontier S（1976）《综合原理分析：商业模式比较》。《实验医学生物学杂志》25:67-75 [22] Gordon AD（1999）分类。英国伦敦查普曼和霍尔·Zbl 0929.62068号 [23] Guo Z，Wang H，Yang J，Miller DJ（2015）结合双向二维主成分分析和径向基函数神经网络的股市预测模型。PLoS One 10（4）：1-19。https://doi.org/10.1371/journal.pone.0122385 ·doi:10.1371/journal.pone.0122385 [24] Harman HH（1976）现代因素分析。芝加哥大学出版社，伊利诺伊州芝加哥Hartigan JA（1975），聚类算法。Wiley，New York Husson F，LéS，PagèS J（2017），使用R.Chapman&Hall/CRC进行探索性多元分析，伦敦 [25] Ince H，Trafalis TB（2007），用于股价预测的核主成分分析和支持向量机。Inst Ind Eng翻译39（6）：629-637 [26] Jolliffe I（2002）主成分分析。德国柏林施普林格·Zbl 1011.62064号 [27] Josse J，Husson F（2012）使用交叉验证近似值选择主成分分析中的成分数量。计算统计数据分析56:1869-1879·Zbl 1243.62082号 [28] Lebart L，Piron M，Morineau A（2006）《多维探索统计：视觉化和视觉化》。法国巴黎杜诺 [29] Lerman I-C（1981）分类与分析顺序。Dunod，Paris，France Milligan GW，Cooper MC（1985）《确定数据集中簇数的程序检查》。心理测量学50:159-179 [30] Nahil A，Lyhyaoui A（2018）使用核主成分分析和支持向量机进行短期股价预测：卡萨布兰卡证券交易所案例。程序计算科学127:161-169 [31] R核心团队（2013）R：统计计算的语言和环境。奥地利维也纳R统计计算基金会。网址：http://www.R-project.org/ [32] Reinhart A（2015）《统计做得不对：可悲的完整指南》。No Starch Press，加利福尼亚州旧金山 [33] Rencher AC（2002）多元分析方法。Wiley，纽约SAS研究所（1999）SAS Online Doc，第8版。SAS Institute Inc.，北卡罗来纳州卡里 [34] Solnik BH（1995）为什么不进行国际多元化而非国内多元化？财务分析J 51（1）：89-94 [35] Stafasani M，Toromani E（2015）阿尔巴尼亚幼龄土耳其橡树（Quercus cerris L.）针叶林沿纵向梯度的生长-气候响应。参见6（1）：25-38 [36] Tenenhaus M（1998）《回归PLS:theorie et pratique》。Technip出版社，法国巴黎Tukey JW（1977），探索性数据分析。Addison-Wesley，Reading，MA Vigneau E，Qannari EM，Sahmer K，Ladiray D（2006），《复合物自变量分类》。应用统计评论54:27-45 [37] Yang L，Rea W，Rea A（2017）《来自股市PCA最后几个组成部分的财务见解》。国际金融学杂志5（3）：15。https://doi.org/10.3390/ijfs5030015 ·doi:10.3390/ijfs5030015 [38] 张华.2018.基于PCA和BP神经网络的股价预测模型.财务风险管理杂志7（4）：369-385 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。