基于多元时间序列和余弦的顾问投资组合分析

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：
《Analysis of Advisor Portfolio using Multivariate Time Series and Cosine
  Similarity》
---
作者：
Gayatri Pradhan
---
最新提交年份：
2018
---
英文摘要：
  In mutual fund, an investment adviser gives advice to clients about investing in securities such as stocks, bonds, mutual funds, or exchange traded funds. Some investment advisers manage portfolios of securities. In this paper, we analyze advisor portfolio for each advisor so as to recognize the pattern in each adviser\'s portfolio. Such analysis helps the sales people to sell the fund company products to the suitable advisors desirable to the nature of the product they want to sell. This is done by analyzing the kind of products advisors have been interested in which will help to boost the sales of the products as sales people will be reaching the appropriate advisors.
---
中文摘要：
在共同基金中，投资顾问向客户提供有关投资股票、债券、共同基金或交易所买卖基金等证券的建议。一些投资顾问管理证券投资组合。在本文中，我们分析每个顾问的顾问投资组合，以便识别每个顾问投资组合中的模式。此类分析有助于销售人员将基金公司产品销售给他们想要销售的产品性质所需的合适顾问。这是通过分析顾问感兴趣的产品类型来实现的，这将有助于促进产品的销售，因为销售人员将接触到合适的顾问。
---
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
--

---
PDF下载：
--> Analysis_of_Advisor_Portfolio_using_Multivariate_Time_Series_and_Cosine_Similarity.pdf (1.19 MB)

2022-6-10 07:16:38 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：多元时间序列 组合分析 投资组合 时间序列 Quantitative

Advisors intelligence throughsales Analytics提交的一篇论文，部分满足了计算机科学与工程专业技术硕士学位的要求，专业为印度钦奈市范达卢克兰巴坎路维特大学计算科学与工程学院大数据学院Pradhan15MCB1008。2017年5月声明我在此声明，我提交给金奈维特大学计算科学与工程学院的论文《通过购买模式和销售分析实现智能》，600 127为部分满足授予大数据专业计算机科学与工程硕士学位的要求，我充分记录了我在SyedIbrahim S.P.教授的监督下开展的工作。我进一步声明，本论文中报告的工作尚未提交，也不会提交，无论是部分还是全部，授予本学院或任何其他学院或大学的任何其他学位或学位。签名：Name&Reg。编号：日期：计算科学与工程学院证书兹证明Gayatri Pradhan（注册号15MCB1008）向金奈维特大学提交的题为“通过购买模式和销售分析实现顾问智能”的论文，部分满足了授予大数据专业计算机科学与工程技术硕士学位的要求，这是在mysupervision的指导下进行的一项有益的工作。本论文符合本校规定的要求，我认为符合必要的提交标准。

本学位论文的内容尚未提交，也不会部分或全部提交，以授予任何其他学位或文凭，并且已证明。导师计划主席签名：。。。。。。。。。。。。。。。。。。。。签名：。。。。。。。。。。。。。。。。。。。。姓名：。。。。。。。。。。。。。。。。。。。。姓名：。。。。。。。。。。。。。。。。。。。。日期：日期：考官签名：。。。。。。。。。。。。。。。。。。。。姓名：。。。。。。。。。。。。。。。。。。。。日期：（学校盖章）iiiAbstractIn在共同基金中，向客户提供证券建议的个人或公司是投资顾问。投资顾问是指提供股票、债券、共同基金或交易所交易基金投资建议而获得报酬的个人或公司。投资顾问管理证券投资组合。咨询师可以利用新的认知和分析能力更好地了解客户及其需求，并有更强的能力与更好的投资组合深化关系。在这篇论文中，我们分析了每位顾问的数据点，区分出最佳的潜在客户，深入了解他们的经验和资历，了解他们的投资组合，也就是说，识别顾问的投资组合模式。这种分析有助于销售人员根据他们想要销售的产品的性质，将基金公司的产品销售给合适的顾问。这是通过调查顾问一直在购买什么样的产品，以及他们可能在寻找什么样的产品来实现的。这有助于增加产品的销售，因为销售人员将联系到适当的顾问。致谢我谨向校长G.Viswanathan博士、副校长SankarViswanathan先生、副校长Kadhambari S.Viswanathan女士、副校长Anand A.Samuel博士和P。

副校长Gunasekaran为我提供了良好的学习环境和学习设施。技术计划。我感谢金奈维特大学计算科学与工程学院院长瓦迪希·维贾亚库马尔博士和副院长V·维贾亚库马尔博士。我衷心感谢M.Tech CSE项目主席Bharadwaja Kumar G博士，他专门研究大数据，为我提供了一个开展项目工作的机会。我要向我的内部指导SyedIbrahim S.P教授和外部指导Inigo Fernando先生表示感谢，他们在百忙之中指导我走上了正确的道路。我感谢海得拉巴Broadridge Financial Solutions为我提供了一个从事项目的机会，并帮助我获得了知识。我感谢在项目工作过程中激励我的家人和朋友。vContentsDeclaration iCerti ficate iiAbstract IV致谢vList of Figures VIII List of Tables ix1 Introduction 12文献调查62.1用于犯罪趋势预测的多变量时间序列聚类方法。62.2多变量时间序列数据聚类。62.3时间序列基因表达数据聚类和模式提取。72.4通过NovelClustering和聚类追踪技术在多变量时间序列数据中检测气候变化。72.5 ARIMA时间序列有效聚类的距离度量。72.6基于模糊时间序列模型的股市预测。82.7用于基于模型的时间序列聚类的ARMA模型的混合。82.8基于VAR模型的中国股市风险分析。93实验设计与设置103.1实验设计。

. . 103.2模块1：聚集类似顾问。113.2.1层次聚类。113.2.2余弦相似性。123.3模块2：主从式检测。133.3.1滞后相关计算。143.3.2图形构造。153.3.3引线提取。17viContents vii3.4模块3：预测顾问绩效。173.4.1基本分析。173.4.2技术分析。173.4.3时间序列预测。18. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184个实验和结果244.1相似顾问聚类。244.2预测主要顾问。255结论28图表列表1.1顾问的作用。31.2工作流量。43.1实验设计。103.2滞后相关方程。143.3两个时间序列之间的累积滞后相关性。153.4两个时间序列。153.5滞后相关性。163.6不同图表结构的领导力得分比较。

163.7持续时间平均值。193.8随时间变化的恒定方差。193.9随时间变化的常数自协方差。203.10一阶向量自回归模型。203.11 VAR模型。213.12 ADF试验。213.13滞后顺序选择的信息标准。224.1顾问样本。244.2使用VAR模型进行预测。254.3使用VAR模型进行预测。264.4 VAR估计结果。274.5拟合和残差。27VIII表3.1余弦相似性表列表。13ixFor/专用于/献给我的。第1章简介金融服务业最近被公认为是美国千禧一代正在干扰和改变的行业。在世界范围内，也有类似的迹象。未来几年，货币和预算管理行业的调整将是巨大的。

例如，世界范围内的银行正在设立发展重点和集中小组，以集中于区块链，这被认为是一个有问题的约束，有助于各种开放的大门，例如，重新设计现有的货币基础，加快结算和简化股票交易。金融机构一直通过收缩收入和提高运营成本效率的需求来检验其成效。Rising-fintech新业务和OfficeholderInnovation怪兽正在传达新的行动计划，带来干扰，并测试管理客户的习惯行动计划。从美国联邦储备银行（Federal Reserve）到欧盟欧洲银行管理局（EBA）、英国审慎监管局（PRA）和金融行为管理局（FCA），所有拓扑结构中的控制员都要求更严格的一致性和更可靠的货币相关培训。金融机构拥有庞大的客户群和获取丰富的基于价值的信息的优势。使用可访问的信息构建更为当前的业务模型或框架，可以让与资金相关的基金会调整信息，以传达普遍的客户尊重。在这个充满活力的市场中获胜将取决于与资金相关的机构如何从信息中获得激励。机器和人类洞察力的结合通过与学习和第1章的联系，扰乱了传统的基本领导。简介2了解预测和推荐业务结果。大量信息和调查推动了新的项目、安排和管理，使货币机构更加辉煌、协调和集中。更多最新的行政和一致性先决条件、敲诈勒索和打击逃税预防措施正在更加强调更有根据的管理和危险管理。

信息安全和信息保障是核心。这增加了工作成本，需要资金相关组织调查道路，以提高运营效率。以下是塑造货币相关管理行业的一些关键模式：o在很大程度上，要分析大量的信息指数，以揭示模式、趋势和相关性o实时预测和规定性分析，以推动深刻的重大知识o风险和一致性，要求方便地访问可靠、，可量化和安全的信息o机器学习和智能的利用o信息民主化，增强自我管理能力o通过一流的信息披露实现BI的消费化，调查和可视化工具o由360度客户视角控制的高级阶段o数据和双场景变化和现代化，以降低成本并掌握新技术o解释性ace信息管理能力o加强拥有共同存储服务的金融专家的信息管理能力，其中大部分通过中间人持有储备股份，例如代理商户、银行、补贴市场或舞台、保险机构、投机顾问。投机者挑选最适合他们需要的。金融专家利用中间人获得各种优势。投机者经常向中间人提示溢价，以寻求最佳的现金分配方式。在风险顾问的协助下，投机者可以选择第1章。引言3将共同支持作为推测安排的一个主要方面。

尽管资源是如何在各种证券之间分配的，但随着购买共同支持的决定，财务专家会变成共同储备股东。由于有大量股东希望利用中间人，调解人跨越了普通金融和门店股东之间的任何障碍。图1.1：顾问的作用。大数据分析有助于了解投资顾问的投资组合，并识别投资顾问的行为模式。此类分析将帮助销售人员或基金公司找到相关顾问，这将有助于销售人员增加其产品的销售额。此外，这一公认的模式可以映射到晨星全球十大类别（股权、分配、可转换、另类、大宗商品、固定收益、货币市场、税收优惠、房地产和杂项）。晨星全球类别分配于2010年推出，旨在帮助投资者在全球范围内寻找类似的投资项目。有不同种类的基金，投资顾问可分为不同类别。金融时间序列分析担心一段时间后收益评估的假设和惯例。这是一个极其精确的教学，但与其他逻辑领域的假设框架一样，它也是归纳法的建立。在任何情况下，都有一个关键的组成部分，可以从其他时间安排检查中识别与金钱相关的时间安排调查。货币相关假设及其确切的时间安排都包含脆弱性的组成部分。例如，收益的不可预测性有不同的含义，对于股票回报安排，不稳定性是无法直接感知的。统计理论和方法在金融时间序列分析中发挥着重要作用。

我们的财务时间序列数据是一个多变量时间序列数据集。当需要建模和解释第1章时，使用多变量时间序列数据分析。导言4一组时间序列变量之间的相互作用和协同运动。因此，多元时间序列数据可以通过使用适当的相似性度量将其转换为单变量数据，然后在其上建立模型来处理。如图1.2：工作流程所示。这种相似性度量因问题而异。例如，正如作者[4]提出的那样，考虑到公认的自治高斯模型，提出了一种分离工作，并利用层次聚类策略将规则分组收集到一个有吸引力的数目的聚类中。这里，一个独立的高斯模型是一个距离函数，它是一个相似性度量，模型是使用层次聚类建立的。同样，可以对多变量时间序列数据进行n次分析。在本文中，很少有人对多元时间序列数据进行分析。本文的第一部分解释了一种对多变量时间序列数据进行聚类的方法。这将具有类似行为的顾问集群到相同的集群中。本文的第二部分解释了在n NumberCapter 1中从相关顾问中检测领导者。顾问简介5。阐述了一种分析一组时间序列数据之间超前-滞后关系的方法。第2章文献调查近年来，人们对时间序列聚类研究越来越感兴趣，尤其是在环境研究、金融、犯罪等多个应用领域中发现多变量时间序列中有用的相似趋势。