版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、2005年以來(lái),我國(guó)的資本市場(chǎng)進(jìn)行了很多的基礎(chǔ)性、制度性改革,進(jìn)入了一個(gè)快速發(fā)展的階段,如何在更大程度上挖掘股票市場(chǎng)信息提高投資者投資回報(bào)率,增強(qiáng)股市資源配置能力,監(jiān)控上市公司信用風(fēng)險(xiǎn)狀況,這類(lèi)相關(guān)研究具有了更大的理論和現(xiàn)實(shí)意義。本文正是在這種背景下對(duì)信用風(fēng)險(xiǎn)進(jìn)行量化處理和分析股票板塊特征所作的嘗試。
本文是以符號(hào)數(shù)據(jù)分析方法和以Merton期權(quán)定價(jià)理論為理論基礎(chǔ)的KMV模型為主要研究方法,依據(jù)中國(guó)資本市場(chǎng)現(xiàn)實(shí)情況,主要進(jìn)
2、行了以下研究工作:
對(duì)電力設(shè)備、信息技術(shù)等八個(gè)板塊的五個(gè)重要指標(biāo)如總市值、KMV模型輸出指標(biāo)EDF、換手率等,運(yùn)用符號(hào)數(shù)據(jù)的主成分分析和聚類(lèi)分析方法進(jìn)行分析,期望該方法能對(duì)指標(biāo)間的相互關(guān)系及其意義,股票板塊間的特征進(jìn)行一些有益的挖掘。
研究結(jié)論表明,符號(hào)數(shù)據(jù)這一前沿的理論和信用風(fēng)險(xiǎn)能較好的結(jié)合并取得了良好的實(shí)證效果。KMV模型具有較強(qiáng)的理論價(jià)值和實(shí)踐價(jià)值,具有較強(qiáng)的風(fēng)險(xiǎn)預(yù)測(cè)能力;KMV模型輸出指標(biāo)EDF與總市
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 區(qū)間型符號(hào)數(shù)據(jù)分析在股票分析中的應(yīng)用.pdf
- 基于符號(hào)數(shù)據(jù)分析的混合推薦算法研究.pdf
- 基于符號(hào)數(shù)據(jù)分析的協(xié)同過(guò)濾推薦算法.pdf
- 基于數(shù)據(jù)挖掘的股票數(shù)據(jù)分析.pdf
- 區(qū)間型符號(hào)數(shù)據(jù)分析理論方法及其在金融中的應(yīng)用研究.pdf
- 面向符號(hào)數(shù)據(jù)流的演化聚類(lèi)分析.pdf
- 脈搏信號(hào)數(shù)據(jù)分析與管理的研究.pdf
- 股票市場(chǎng)的高頻數(shù)據(jù)分析和多體模型研究.pdf
- 基于CAIDA數(shù)據(jù)分析的Internet物理特征量及其模型研究.pdf
- 區(qū)間型符號(hào)數(shù)據(jù)的回歸分析及其評(píng)價(jià)研究.pdf
- 數(shù)據(jù)分析的特征選擇實(shí)例分析
- 區(qū)間型符號(hào)數(shù)據(jù)主成分分析和聚類(lèi)分析的有效性評(píng)價(jià).pdf
- 區(qū)間型符號(hào)數(shù)據(jù)的判別分析方法研究.pdf
- 基于廣義Thurstone模型的排序數(shù)據(jù)分析.pdf
- 基于主題模型的用戶(hù)手機(jī)日志數(shù)據(jù)分析
- 基于胃鏡圖像的胃脘痛特征數(shù)據(jù)分析.pdf
- 基于特征子空間的質(zhì)譜數(shù)據(jù)分析.pdf
- 基于符號(hào)數(shù)據(jù)的群組推薦算法研究.pdf
- 基于Bayes估計(jì)和Rasch模型擬合的考試缺失數(shù)據(jù)分析.pdf
- 基于bayes估計(jì)和rasch模型擬合的考試缺失數(shù)據(jù)分析
評(píng)論
0/150
提交評(píng)論