学习型行业：基础知识驱动的行业重新分类项目

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Learned Sectors: A fundamentals-driven sector reclassification project》
---
作者：
Rukmal Weerawarana, Yiyi Zhu, Yuzhen He
---
最新提交年份：
2019
---
英文摘要：
  Market sectors play a key role in the efficient flow of capital through the modern Global economy. We analyze existing sectorization heuristics, and observe that the most popular - the GICS (which informs the S&P 500), and the NAICS (published by the U.S. Government) - are not entirely quantitatively driven, but rather appear to be highly subjective and rooted in dogma. Building on inferences from analysis of the capital structure irrelevance principle and the Modigliani-Miller theoretic universe conditions, we postulate that corporation fundamentals - particularly those components specific to the Modigliani-Miller universe conditions - would be optimal descriptors of the true economic domain of operation of a company. We generate a set of potential candidate learned sector universes by varying the linkage method of a hierarchical clustering algorithm, and the number of resulting sectors derived from the model (ranging from 5 to 19), resulting in a total of 60 candidate learned sector universes. We then introduce reIndexer, a backtest-driven sector universe evaluation research tool, to rank the candidate sector universes produced by our learned sector classification heuristic. This rank was utilized to identify the risk-adjusted return optimal learned sector universe as being the universe generated under CLINK (i.e. complete linkage), with 17 sectors. The optimal learned sector universe was tested against the benchmark GICS classification universe with reIndexer, outperforming on both absolute portfolio value, and risk-adjusted return over the backtest period. We conclude that our fundamentals-driven Learned Sector classification heuristic provides a superior risk-diversification profile than the status quo classification heuristic.
---
中文摘要：
市场部门在资本通过现代全球经济的有效流动中发挥着关键作用。我们分析了现有的部门划分启发式方法，并观察到最流行的——GIC（通知标准普尔500指数）和NAIC（由美国政府发布）——并不是完全由数量驱动的，而是高度主观的，植根于教条。基于对资本结构无关性原则和莫迪利安尼-米勒理论宇宙条件的分析得出的推论，我们假设，公司基本面，尤其是莫迪利安尼-米勒宇宙条件特定的组成部分，将是公司真实经济运营领域的最佳描述符。我们通过改变层次聚类算法的链接方法，以及从模型得出的结果扇区数（从5到19），生成一组潜在的候选学习扇区通用，从而得到总共60个候选学习扇区通用。然后，我们引入reIndexer（一种回溯测试驱动的行业领域评估研究工具），对我们学习的行业分类启发式产生的候选行业领域进行排名。该排名用于确定风险调整后的收益最优学习部门宇宙，即在CLINK（即完全链接）下生成的宇宙，共有17个部门。使用reIndexer对最佳学习行业范围进行了测试，与基准GICS分类范围进行了对比，在回溯测试期间，绝对投资组合价值和风险调整回报均表现优异。我们得出的结论是，我们的基本面驱动的学习型行业分类启发式方法比现状分类启发式方法提供了更好的风险分散情况。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--
一级分类：Economics        经济学
二级分类：Econometrics        计量经济学
分类描述：Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论，微观计量经济学，宏观计量经济学，通过新方法发现的经济关系的实证内容，统计推论应用于经济数据的方法论方面。
--

---
PDF下载：
--> Learned_Sectors:_A_fundamentals-driven_sector_reclassification_project.pdf (6.23 MB)

2022-6-25 06:07:48 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：基础知识 学习型 econometrics Fundamentals Quantitative

Stevens Institute of Technology金融工程科学硕士FE 800-特殊研究问题学习型部门a Fundamentals Driven部门重新分类项目2019年5月16日作者：Rukmal Weeranayiyiyi ZhuYuzhen监管人：Thomas Lononioneut FlorescuPapa NdiayeDragos Bozdog该作品根据知识共享协议“Attributementsharealike 3.0 Unported”许可证获得许可。底层源代码根据麻省理工学院许可证获得许可：版权所有（c）2019 Rukmal Weerawarana，Yiyi Zhu，Yuzhen特此免费授予任何获得本软件及其相关文档文件（以下简称“软件”）副本的人使用本软件而不受限制，包括但不限于使用、复制、修改、合并、发布、分发、，分许可和/或出售软件的副本，并允许向其提供软件的人员这样做，但须符合以下条件：上述版权通知和本许可通知应包括软件的所有副本或大部分。本软件按“原样”提供，无任何明示或暗示的担保，包括但不限于适销性、特定用途适用性和非侵权性担保。在任何情况下，作者或版权持有人均不对因本软件或本软件的使用或其他交易引起的、与本软件或本软件的使用或其他交易相关的任何索赔、损害赔偿或其他责任负责，无论是在合同、侵权或其他诉讼中。朱维拉瓦拉纳（Weerawarana），他学习了部门抽象抽象市场部门在现代全球经济中的资本流动中发挥着关键作用。

它们在整个市场参与者和观察者中的使用范围很广，从使用它们的ZF到更好的行业监管，到通过交易所交易基金跟踪部门指数获得特定经济部门敞口的散户投资者。我们分析了现有的部门划分启发式方法，并观察到最流行的——GIC（通知标准普尔500指数）和NAIC（由美国ZF发布）——并不是完全由数量驱动的，而是高度主观的，植根于教条。我们研究了市场细分的其他方法，发现基于收益的方法本质上是受现有分类对收益相关分布结构的显著偏差影响的。接下来，我们考察了企业价值的决定因素，这些决定因素本质上是对公司经济运营领域的描述。基于对资本结构无关性原则和莫迪利安尼-米勒理论宇宙条件的分析得出的推论，我们假设，公司基本面，尤其是那些特定于莫迪利安尼-米勒宇宙条件的组成部分，将是公司真实经济运营领域的最佳描述。从标准普尔500指数的362家公司下载了表10-K中15个特征的基础数据，形成了训练我们分类模型的特征空间。为此，我们基于HCA算法开发了一种新的客观数据驱动的行业分类启发式算法。

通过改变HCA算法的链接方法（测试SLINK、CLINK、ALC和WARD链接方法），以及从模型中得到的结果扇区数（范围从5到19），我们利用这种新的启发式生成了一组潜在的候选学习扇区通用，从而得到总共60个候选学习扇区通用。然后，我们引入reIndexer，一种后验测试驱动的行业领域评估研究工具，对我们所学的行业分类启发式产生的候选行业领域进行排名。reIndexer对综合交易所交易基金的投资组合进行了回溯测试，该投资组合是根据候选行业的具体情况构建的。回溯测试期为2012年1月1日至2017年12月31日，每日跟踪投资组合的演变。然后，对每个分类领域的后验结果进行相互评估，以得出候选行业领域的实际排名。该排名用于确定风险调整后收益最优学习部门范围，即CLINK（即完全链接）下产生的范围，共有17个部门。最后，我们根据基准分类启发式，即GICSS&P 500分类，评估我们的风险调整回报最优学习部门。再次使用reIndexer对GICS分类宇宙与最佳（completelinkage；17个扇区）学习扇区宇宙进行回溯测试。

我们发现，在回溯测试期间，我们的learned sector universe投资组合在绝对投资组合价值和投资组合的风险调整回报方面均优于基准。我们得出的结论是，我们充分探索了论文陈述的范围，并通过成功开发基础驱动的学习型行业分类启发式，实现了我们的具体研究目标，其风险分散性优于现状分类启发式。SIT FE 800-特殊研究问题iContents Learned Sections Weerawarana，Zhu，HeContentsAbstract i1简介11.1市场部门的应用。11.2现状。21.2.1 GICS-全球行业分类标准。21.2.2 ICB-行业分类基准。21.3主要限制。32研究目标42.1论文陈述。42.2特定研究目标。53文献综述63.1现有启发式评估。63.2市场细分的替代方法。73.3经济部门与基本面数据之间的关系。

84模型数据94.1基础数据概述。94.2特征选择。94.3基准行业范围。105学习方法调查115.1评估标准。115.2候选人学习方法。115.2.1 K-均值聚类。115.2.2支持向量分类。125.2.3层次聚类分析。126层次聚类模型136.1 HCA概述。136.1.1距离度量。136.1.2联动方法。146.2无监督学习方法。146.3学习的扇区宇宙搜索空间。157个候选领域排名167.1样本学习领域领域。167.2重新编制索引。

. . . . . . . . . . . . . . . . . . . . . . . . . . 177.2.1合成ETF配方。177.2.2有效的投资组合优化。187.2.3软件体系结构概述。207.3绩效评估指标。217.3.1 SETF重组营业额。217.3.2投资组合再平衡营业额。21ii FE 800-特殊研究问题Sitwearawarana，Zhu，他学习了部门内容7.3.3投资组合回报。227.3.4夏普比率。227.4回测配置。228最佳扇区Universes 238.1完整回溯测试结果。238.2回测结果分析。238.2.1最低累计营业额。248.2.2最大绝对投资组合价值。248.3风险调整回报最优范围。

259基准比较279.1比较概述。279.2性能指标比较。279.2.1累计营业额比较。279.2.2绝对投资组合价值比较。299.2.3风险调整后回报比较。299.3定性比较。2910结论3110.1研究目标1。3110.2研究目标2。3110.3研究目标3。3211未来工作3311.1 HCA模型调整。3311.2各种ETF构造启发式。3311.3部门分配的时间变化。3311.4现有分区方案排名。33A回溯测试可视化34SETF重组营业额。35投资组合再平衡营业额。

. . . . . . . . . . . . . . . . . . 36投资组合回报。37夏普比率。38B最佳学习扇区宇宙39B。1最佳学习部门资产分配。39B。2最佳学习领域数据集。40C回溯测试投资组合权重44最佳学习领域宇宙投资组合。45基准行业全球投资组合。46参考书目47词汇表50SIT FE 800-特殊研究问题iiiWeerawarana，Zhu，他学习了部门第1章。简介第1章简介今天，美国大约有20000家上市公司。尽管只有少数人定期吸引公众眼球，但他们都为现代全球经济的基础做出了贡献。正如几乎所有经济理论所假设的那样，资本和信息通过这些市场的有效流动对于健康的经济是必要的。为此，在美国和世界各地，市场部门和部门化做法一直是健康市场的组成部分。市场部门——以其理想的形式——将具有类似商业功能和经济运营领域的公司组合在一起，以便于监管、管理和投资等。市场部门化的一个相关实践是市场细分，即将市场划分为消费者亚组（即。

段）。历史上，细分市场和市场部门的演变一直是衡量经济发展的非常有用的指标。市场细分有四个公认的发展阶段；分段、统一、分段和超分段。在过去的两个世纪里，美国经济经历了这四个阶段的发展，它是建立这四个阶段启发法的原型。如今，作为一个绝对高度细分的市场，市场正在向越来越狭窄的细分市场明显转变。通过智能手机等技术实现超目标营销和产品交付，这一转变显著加剧。1.1市场部门的应用1937年，随着标准行业分类（以下简称SIC）系统的引入，美国ZF开始将公司划分为部门和子集团。当然，公司的有效分类是可扩展监控和治理的关键先决条件。现代经济的巨大规模保证了此类分类的必要性；毫无疑问，当前的经济范围涵盖了人类文化的各个方面。这个庞大的领域需要专业化，而专业化又需要组织；激发对市场部门的需求。信用评级是评估交易中潜在交易对手的风险的做法。该指标是托里斯克整体管理，并依赖于评估交易的候选对手不会违约的概率。除了影响任何特定公司的特殊力量外，其风险通常被分解为市场因素和越来越多的市场部门因素。