学习型行业：基础知识驱动的行业重新分类项目

这意味着对特定市场部门的乐观前景意味着构成该部门的组成公司的前景更加乐观，强调了适当和准确的部门分配的重要性。所有三大信用评级机构都将市场部门评级作为确定信用评级的关键组成部分，这一事实证明了准确分配部门的重要性。特德洛1996年统计标准办公室-1957年预算局标准普尔评级服务公司2014年Hill等人2016年惠誉评级公司2019年SIT FE 800-特殊研究问题1第1章。介绍了解了部门Weerawarana，Zhu，He最后，资产部门的另一个主要应用是为投资者提供特定细分市场的目标敞口。现代投资组合理论的一个众所周知的推论是，多元化为任何给定的一篮子资产提供了储蓄和增强风险回报的投资组合。这一点，再加上modernExchange交易基金（以下简称ETF）提供的卓越成本节约，导致这些产品在当今金融系统中迅速推广。1.2现状在今天的美国，有无数的部门分类法（以下简称部门通用）。为了限制此分析的范围，我们将重点关注三个最流行的行业分类系统中的两个；GICS和ICB。1.2.1 GICS-全球行业分类标准图1.1：GICS行业分类范围概述。全球行业分类标准（GICS）由摩根斯坦利资本国际公司（MorganStanley Capital International）和标准普尔公司（Standard&Poor\'S）发布。

这一分类无疑是美国使用最广泛的部门领域，并为流行的标准普尔500指数市场部门和市场部门ETF提供了基础，这些ETF用于大众金融分析资源。公司分为四个不同的类别，每个类别按特定城市的递增顺序排列。第一个分类是其部门（最一般），其次是行业组、行业，最后是最具体的子行业。这些部门分类的层次分类如图1.1所示。此外，GICS方法规范表明，部门分配和分配更新主要基于三个因素；收入、收益和市场感知的主要来源，以及最终（对于新公司而言）来自公司招股说明书的信息。注：去年秋季（2018年9月），该行业分类法发生了重大变化。具体而言，之前标记的电信服务部门被拓宽并更名为通信服务。公司部门分配的变化也与名称和范围的变化相称：o媒体公司从消费者自主选择转移到通信服务o互联网服务公司从信息技术转移到通信服务o电子商务公司从信息技术转移到消费者自主选择1.2.2 ICB-行业分类基准ICB（行业分类基准）由富时国际（之前由道琼斯和富时联合所有）发布。与GIC类似，ICB还将公司分为四个日益特殊的类别；行业（最一般）、上级部门、部门以及最终的子部门（最具体）。

图1.2再现了ICB分类的可视化。与GIC类似，ICB在将公司划分为特定行业和其他类别时也采用了三个主要标准。他们是；收入的主要来源、年度报表中的说明，以及（如果是新公司）从公司招股说明书或监管报表中获得的信息（公司提供）。Markowitz 1952理想投资2019 MSCI-摩根士丹利资本国际2019同上。标准普尔全球市场情报2018MSCI Research 2018FTSE International Limited 2019同上。2 FE 800-特殊研究问题SITWeerawarana，Zhu，他学习了第1章。简介1.3关键限制图1.2：MSCIsector分类领域概述。在本节中，我们分析了上述GIC和ICB行业分类方案的局限性。然后，我们利用这些关键限制来形成我们的研究目标。如上所述，GICS和ICB都利用公司招股说明书中的信息来确定初始部门分配。不幸的是，这本身就意味着初始分类并非基于客观标准，并且高度受制于公司招股说明书作者的初始愿景。这与使用公司特定的量化指标截然不同，并依赖于初始招股说明书中的准确报告；一份文件，其作者受到高度激励，表现得浮夸。此外，两种分类模式中的初始部门组和组成部门都是基于对经济的定性分析而非定量驱动过程来确定的。

同样，市场中的部门数量也是任意的，并且不是基于可量化或客观的指标。此外，正如2018年GICS分类方案重组所暗示的那样，似乎没有强有力的客观标准来管理新部门的创建和删除。本次重组期间重新分配的公司并非新公司，这意味着新创建的基础行业在GICS计划承认之前就已经存在。正如本节列出的限制清单所示，市场部门分类的现状远非完美。为此，我们希望制定一个新的学习领域计划，解决上述每一个限制。SIT FE 800-特殊研究问题3第2章。研究目标学习部门Weerawarana，Zhu，HeChapter 2研究目标在本节中，我们概述了我们的总体论文陈述。此外，我们还根据本论文声明分离出特定的研究目标，我们将在整个报告中按顺序阐述。通过实现每一个既定的研究目标，我们希望能够全面阐述我们的论文陈述。2.1论文陈述利用企业特质与信息基础驱动的非主观部门分类框架之间的关系。论文陈述上述论文陈述在很高的层次上概括了现有行业分类启发式中遇到的关键问题，以及我们计划如何解决这些限制。我们相信，鉴于我们分类的客观性，我们所学的行业将为自然经济多元化提供更好的基础。

这是因为，部门的基本划分和公司在这些部门的分配将受到客观和定量的驱动，而不是像现状那样受到主观和定性的驱动。为了解决之前讨论的分类启发法的主要问题（缺乏客观性，尤其是对于新分类的公司），我们试图将输入数据限制在分类算法上，以降低复杂性。我们认为，这一限制充分限制了我们的调查范围，同时也为我们提供了资本结构的量化、客观的衡量标准，我们认为，这将反映潜在的经济功能。考虑到我们的输入数据受到限制——其最终目标是提高客观性和减少公司分类中的主观参与——我们还假设我们将使用数据驱动算法来推导潜在的分类。也就是说，我们计划使用完全无监督的学习方法，不需要定义成本函数。除了降低项目的复杂性外，缺乏成本函数也消除了公司分类中的另一个潜在偏差。然而，这种方法的一个缺点是，我们将有一个由一些任意参数集参数化的聚类算法，它将一组潜在的公司映射到一组潜在的市场部门。为了符合客观性的精神，我们不能任意为参数赋值，因此必须推导出一种对潜在扇形宇宙进行排序的方法。

请注意，此排名不能在客观尺度上，而是将每个候选领域与其对等领域进行比较的相对排名，从而保持排名的客观性。最后，我们希望根据基准行业范围评估我们的行业分类；GICS标准普尔500指数行业分类（以下简称基准）。为此，我们将使用与候选行业领域排名相同的指标，并保留用于计算最佳行业领域和基准之间排名的任何特定方法。如果我们最初的假设是正确的，那么我们的基本面驱动部门所固有的优越的风险分散效益将导致我们所了解的行业领域在评估指标方面优于基准。4 FE 800-特殊研究问题SITWeerawarana，Zhu，他学习了第2章。研究目标2.2具体研究目标在这里，我们将论文声明之前讨论的要点封装在一系列具体研究目标中。然后，我们将通过报告的其余部分依次阐述这些研究目标中的每一个，从而在此过程中充分探索我们论文陈述的范围。数字描述RG-1利用数据驱动算法推导出真正客观的分类启发式。RG-2使用完全客观的标准对候选行业进行排名。RG-3根据基准评估我们的风险调整回报最优部门范围。表2.1：学习领域项目的具体分项研究目标。SIT FE 800-特殊研究问题5第3章。

文献回顾了解了Weerawarana、Zhu、HeChapter 3文献回顾在确定了旨在充分探索我们论文陈述范围的具体研究目标后，我们探索了市场细分领域的现有研究。由于其在世界各地的广泛应用和广泛应用，市场部门化问题已经通过无数的透镜来解决。例如，一些作者专注于细分已经建立的（即教条主义）部门，而其他人则专注于可能成功应用于一组相关实体层次分解任务的特定学习算法。为了更好地浏览与我们的研究目标相关的大量研究，我们将我们的文献综述分为三个部分：o现有启发式评估：评估现有的主导部门划分启发式。o市场部门化的替代方法：探索非正统的市场部门化方法。o经济部门与基本面数据之间的关系：分析公司基本面数据与其业务功能之间的关系。3.1现有启发式评估最初于1937年在美国建立，SIC是一个用四位数代码对行业进行分类的系统。由于SIC分类系统在工业中的大量使用，它已被广泛用作已出版的财务和会计研究中的一种工具。

1997年，北美行业分类系统（以下简称NAICS）被各政府机构作为SIC的替代品采用，并且在某些研究中经常与SIC互换引用。这两种启发式方法之间的关键区别在于，NAICS是以生产为导向的，而SIC是以市场为导向的。在《行业分类方案对金融研究的影响》一书中，作者评估了在主要研究期刊上发表的金融和会计研究中现有分类启发法的使用情况。作者发现，在前三名财经杂志和前两名会计杂志上发表的所有研究中，约有30%使用行业分类系统。鉴于这种相对丰富的用法，非常令人担忧的是，正如第1.3节所讨论的，基本启发式本身并不是完全客观或定量推导出来的。它们主要用于样品限制（34%）、可比公司选择（31%）和行业效应检测（12%）。在出版商创建或更新分类启发法时使用财务和会计研究的合理假设下，这种在现有工作中广泛使用的行为可能表明了一种反馈模式，即现有分类启发法的现有结构教条被隐含地重新引入新系统。此外，作者还发现，大约45%的公司根据SIC分类和统计标准办公室——1957年预算局——1997年美国管理和预算办公室——经济分类政策委员会（ECPC）2007Weiner 20056 FE 800——特殊研究问题Sitwearawana，Zhu，他学习了第三章。根据GICSindustry分类，文献综述占20%。

这一结果突显出大众分类启发式算法普遍缺乏时间稳定性。尽管分配明显缺乏时间稳定性，但在她的论文《结构变化和行业分类》中，作者评估了现有启发式方法变化缓慢对行业分类法新增和新兴行业组删除的影响。作者认识到，现有的启发式方法为研究人员提供了不可估量的资源。因此，她还推断，研究人员和分类出版机构的共同依赖导致现有分类方案成为经济产业的事实上的描述符，而不是相反。然后，作者对在游戏设备、包装、过滤、光子学、成像、生物医学研究和无晶圆厂半导体设计领域提供产品和服务的高度创新企业的分类进行了实证分析。通过分析，她发现现有的分类启发法存在显著的垂直分解。NAICS和GICS标准普尔500分类启发法的绩效从定量角度进行评估，以比较行业分类方案：一项大样本研究。作者对标准普尔1500综合指数中公司的基本面和盈利数据进行了单独的线性回归，并与NAICS和GICS启发式（以及其他）简化的部门分配进行了对比。通过调整后的R-衍生度量的lensof比较各种线性回归。结果表明，GICS启发式算法表现最好，但最大调整后的DR衍生指标（基于月度收益与GICS部门线性回归实现）仅为13.59%。

显然，这是一个极不理想的结果。3.2市场部门化的替代方法虽然没有直接应用于市场部门化、相关性结构和世界股市演变的具体研究问题：皮尔逊和基于偏相关的网络提供的证据为更广义的全球经济环境中的收益相关性结构提供了极好的洞察力。作者分析了2005年至2014年57个股票市场的每日价格指数，并检验了股票市场价格之间的皮尔逊分布和偏相关。除了通过确认市场之间的相关性在危机期间大幅增加来证实经济理论外，他们还发现，基于地理位置，存在大量相关市场。作者的结果证实，预先确定的资产分组的存在显著影响了这些资产随时间的相关性分布。将市场的地理位置视为一个普遍存在的集团的代表，我们可以将这些影响外推到更本地化的美国市场。这一概括表明，现有的行业组将对特定行业中公司的历史回报产生重大影响。这反过来意味着，历史资产回报率的使用将引入现有部门组对新启发式的偏见。使用支持向量聚类的营销细分探索了支持向量聚类（支持向量机的一种排列）在相对低维营销数据集上的应用，以导出聚类。支持向量聚类方法通过簇计数和簇质心的随机初始化进行参数化。