流形特征索引：一种基于高维数据简化的新型索引
摘要：基于流形学习理论，本文提出了一种新的股票指数模型，即流形特征（MF）指数，以反映整个股票市场的总体价格活动。在数据预处理后，构建其流形结构和离散拉普拉斯-贝尔特拉米（Laplace-Beltrami）算子矩阵。我们提出了一种高维数据特征检测方法，以在LBO的特征向量上检测特征点，而与这些特征点相对应的股票被认为是MF指数的组成股票。最后，通过使用这些成分的价格和市值的加权公式生成MF指数。本研究所研究的股票市场是上海证券交易所（SSE）。我们提出了四个指标来比较MF指数系列和SSE指数系列（SSE 50、SSE 100、SSE 150、SSE 180和SSE 380）。从数据逼近的角度来看，结果表明我们的指数比SSE指数系列更贴近股票市场。从风险溢价的角度来看，MF指数具有更高的稳定性和更低的风险。
作者：Chenkai Xu, Hongwei Lin, Xuansu Fang
论文ID：2006.11119
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2020-06-22