利用高频数据的价格变动对股票进行聚类分析

银行业和IT业的股票被视为分别形成紧密的网络。汽车行业的一些股票被视为与IT中心相互作用，而能源行业本身也成为一个独立的网络。在这一层面上了解这些相互作用对我们的日内交易者在日常基础上决定其投资组合时无疑是有用的。由于在我们的分析中，IT和金融服务部门是紧密相连的网络，我们计划在未来的工作中深入研究这些网络。我们的目标是在高频水平上为这些网络中的每一个拟合一个多元随机模型。拟合正确的模型肯定有助于我们改进风险量词的预测，如单个股票水平上的VaR（风险价值），从而在投资组合水平上的VaR（风险价值）。然后，经纪公司可以利用估计的VaR知识为当日股票交易员设置保证金。参考文献：1。Boginski、Vladimir、Sergiy Butenko和Panos M.Pardalos，《采矿市场数据：网络方法》（2006），计算机与运筹学。2、Ramsay，J.O.、Munhall，K.G.、Gracco，V.L.和Ostry，D.J.（1996）《嘴唇运动的功能数据分析》。美国声学学会杂志。Ramsay，J.O.（1998）估计光滑单调函数。皇家统计学会杂志。Ramsay，J.O.（2000）《书写变异的功能成分》。美国统计协会杂志5。Ramsay，J.O.和Ramsey，J.B.（2001）《非耐用品生产月度指数动态的功能数据分析》。计量经济学杂志6。G、 ，Cao，J.和Ramsay，J.O.（2007）。功能数据分析中的参数级联和分析。计算统计7。Siverman、J.O.Ramsay和N。

Heckman（1997）基于模型惩罚的样条曲线平滑。行为研究方法、工具和计算机8。王志良，孙亚林，李鹏，《上海证券交易所50指数函数主成分分析（2014）》，自然与社会离散动力学。卡尔·皮尔逊（KarlPearson），《最接近空间点系的线和平面》（1901年），《哲学杂志》。10.L.J.Cao，K.S.Chua，W.K.Chong，H.P.Lee，Q.M Gu（2003），PCA、KPCA和ICA在支持向量机降维中的比较。神经计算。55. 321-336. 10.1016/S0925-2312（03）00433-8。