文摘

稳定的金融市场有一定的波动,由于许多因素的影响。在金融市场的分析,有必要结合科学有效的智能算法。基于聚类分析算法,分析了金融市场波动影响因素。此外,本文进行更深入的研究和总结模糊c均值聚类算法,分析和解决过程的细节的改进算法,并给出了提高聚类算法的步骤。此外,本文构造一个金融市场波动影响因素的分析模型,基于聚类分析和建立供应链金融信用风险评价指标体系,包括公司的质量经理,公司指标,资产结构。最后,本文验证算法的性能模型,本文通过实验研究。从实验研究的结果可以看出,本文提出的方法和模型有一定的影响。

1。介绍

世界各国的贸易往来越来越开放,全球经济一体化的程度进一步加深,和不同国家的金融系统已经变得越来越紧密相连。世界经济和金融的一体化,一方面,使资源配置更有效率,更有利于各国优势互补的发展自己的经济。然而,另一方面,一个国家的金融市场的非理性行为会很快蔓延到其他国家基于金融和贸易之间的联系和投资者的非理性行为。自1990年代以来,金融市场极端风险事件,甚至金融危机频繁发生。21世纪初以来,两个最典型的和深远的金融危机的全球金融动荡源于美国次级抵押贷款市场的发展和欧洲主权债务危机。虽然这两次危机的影响是不同的,他们有一个伟大的对世界金融体系和实体经济的影响(1]。

区域经济合作组织或跨区域国际金融和经济合作组织形成基于地理或政治关系形成了不同国家集团在全球经济和金融体系,成为相交的子系统。由于不同的经济发展和综合国力的成员国在每个国家集团,每个子系统的国际影响力和对世界经济发展的贡献也有一定的差异。这个国家的一个重要表现形式分组趋势是建立自由贸易区在世界的许多地区,如欧盟、北美自由贸易经济区域,与东盟。此外,一些经济合作组织、国际经济合作论坛也紧密联系一些国家形成一个区域集团的国家。

与各方面的合作不断深化,这也建立了一定的基础和条件,金融风险的溢出效应在不同的成员国之间在同一组和不同国家集团。深化的金融和贸易合作的发展,极端金融市场风险的爆发是否会导致极端的净传染的国家金融市场风险由于经济发展结构的相似性和系统的成员国集团是一个值得我们考虑的问题。此外,这是否会导致国际投资者撤出其他几个成员国,货币冲击,或集体抛售证券市场也是一个值得我们考虑的问题。研究极端风险在金融市场是一个新兴的话题近年来学术界(2]。分析的动态机制和溢出机制极端风险溢出效应在金融市场将帮助不同国家的金融系统,防止极端风险事件的爆发和理解金融市场风险溢出路径和风险治理爆发后极端风险在金融市场。对于像中国这样的新兴经济体的金融体系政府监管和尚未完全开放,尤其重要的是研究金融市场的极端风险的溢出机制。理解的原因和路径的净传染极端风险在金融市场将有助于防止引进外国进入国内金融市场风险并导致金融恐慌在中国投资者和最小化极端风险的影响在国外金融市场上在我的国家的金融市场。本文构建一个市场波动影响因素的分析模型,基于聚类分析算法,通过系统分析验证该模型的性能。

2。相关工作

的基本因素,导致金融市场的形成极端风险净传染主要包括投资者的心理预期的变化风险爆发时,风险偏好的变化造成的风险厌恶,和金融恐慌和羊群行为形成的基础上(这两个方面3]。文献[4)提出,金融市场在短期内波动有时不规则;他们有时脱钩的经济基础在短期内,和他们只取决于投资者的行为和心理预期之间的互动。文献[5)指出,由于信息的不对称,在现实的金融环境中,无论是“实地”投资者,代理,专业投资分析师、金融规划师、或投资个人刚刚进入市场,作为一个普通人生活,他们会或多或少地受到各种心理因素在投资的过程中,这将最终导致普遍的行为偏差。文献[6主流经济学)认为,有足够的力量来解释市场的异常,因为它假设(理性的人,有效市场和随机漫步)与现实不一致。此外,它介绍了自组织理论和渗流的分析投资者的投资决策行为。研究发现,有一个一致的行为的投资者对证券市场的意外集团决策。在某些假设,股票的价格和返回应该服从布朗运动和高斯分布,分别,但很多真正的市场研究的结果不是这样的。实际的市场回报的分布之间的矛盾和传统的假设表明,投资实体相互影响(7]。文献[8)指出,投资者预期的逆转,风险厌恶情绪导致资金流动方向相反,和蔓延的恐慌心理导致金融资产价格剧烈波动带来的风险,和流动性下降几何从过度杠杆效应下的不足。文献[9)放牧行为分为基于理性的羊群行为缺陷,基于不完全信息的羊群行为,羊群行为基于薪酬结构的缺陷,和羊群行为同质性的基础上的行为。国内外基金市场有一定程度的放牧行为,和这种羊群行为在中国基金市场更明显。文献[10)指出,有一个互动的放牧行为和股票价格之间的正反馈机制。这种非理性行为的程度的一个重要指标是一国股票市场的成熟和稳定。当市场下跌时,该集团销售行为引起的从众行为会导致金融资产的价格继续下降,这将严重影响市场的信心。灾难性的结果将危机的爆发。文献[11)指出,从众心理不仅加快了虚拟经济的泡沫在繁荣时期,但也加速了危机的蔓延和传播在危机期间。文献[12)认为,在复杂的非线性的金融市场,市场参与者的启发式决策行为将创建一个经验法则和加剧金融市场的风险。文献[13)使用了过度自信和放牧行为在行为金融学理论分析金融危机的原因和过程的金融企业。此外,它认为公司管理者的管理不善是金融危机的根源,过度自信导致企业决策者低估风险,盲目扩大和投资。文献[14)认为,极端的风险事件发生在金融市场时,人们的心理压力是瞬时或累积。后两者都是改变行为的过程刺激的积累达到心理阈值,但积累时间不一致。文献[15]出生和死亡过程用于实证分析理性交易和非理性交易者的共存的证券市场来验证市场机制可以消除非理性交易从长远来看。分析结果表明,即使他们赔钱,非理性交易者在市场上仍然存在,和非理性交易者的市场准入和退出取决于他们最初的财富和其他因素。文献[16]解释价格波动造成的风险传染机制通过分析成员团体之间的迁移与不同的主观期望。

关于极端风险在金融市场的概念,国内外学者尚未达成协议,很少有人直接定义它。文献[17)风险转移分为一般的时期,一段极端风险事件的金融市场。极端事件包括或意想不到的事件,被认为是不可能的。文献[18)称为极具破坏性,极其有效的小概率极端风险在金融市场的金融事件。文献[19)认为,股指大幅上升和下降的极端的金融风险。文献[20.)认为金融市场的紧急情况,造成剧烈的变化在多个金融和经济指标作为极端风险。

3所示。模糊c均值聚类算法

在基于目标函数的聚类算法,模糊c均值(FCM)算法的理论是最完整和最广泛使用的。FCM算法被大肠Ruspinl首次提出,后来J.C.Dul和J.C.Bezdek延长了E。Ruspini算法从一个很难模糊聚类算法的聚类算法。FCM算法是一种非监督模糊聚类方法来源于硬聚类目标函数的优化。它不需要人工干预的过程中算法实现。聚类的结果是每个数据点的隶属程度集群中心隶属程度是由一个数值表示。FCM算法不仅有深厚的数学基础(正交投影和均方近似理论),但也已成功应用于许多领域。目前最实用的和受欢迎的模糊聚类算法(21]。

3.1。目标函数的演化过程

确定合适的聚类标准FCM算法的关键步骤之一。一般来说,可以选择最小平方误差和标准。集群标准往往是相关的定义类和类定义的某些体现。(1)目标函数的C聚类分析的硬C聚类分析的数据集,我们假设 是硬盘分区矩阵, 代表了集群中心我th类别,和向量 。然后硬聚类分析的目标函数可以定义为(22] 在上面的公式中, 代表之间的误差的平方和的各种样品和他们的典型样本。硬聚类意味着每个对象只属于最近的聚类中心所属类,也就是说,一个或另一个。(2)目标函数的困难C介绍了聚类分析的模糊概念当使用会员的样本点和我th样品原型的重量体重的距离,此时聚类目标函数 (3)目标函数的模糊聚类分析根据Ruspini模糊分区的概念定义,Dulln扩展很难模糊聚类的聚类的目标函数。邓恩使用样本点之间的距离和集群中心和表达的平方重量在类的隶属度,并将误差平方和目标函数加权平方和误差目标函数。此时,聚类目标函数 (4)目标函数的模糊聚类分析广场目标函数的加权误差和邓恩提出的扩展,和一个更一般的表达式给出了基于目标函数的聚类算法。

在上面的公式中, 模糊加权指数,有时也称为平滑参数,然后呢米控制程度的模糊聚类。越大米,模糊的程度就越大。越小米,模糊的程度越小。自米控制所有类型之间的成员共享的程度越大米越大,歧义。引入模糊加权指数的意义米如下:如果没有加权隶属程度,它是毫无意义的扩展从硬聚类目标函数模糊聚类目标函数。是一个距离准则,代表样本点之间的距离和集群中心的我th类别,一般可以表示为(23]

其中,一个是一个对称正定矩阵的 秩序,我代表单位矩阵。当 , 代表了欧几里得距离(欧几里得)。当 , 代表距离(Mahalanobis)。

3.2。分析和解决过程基于目标函数聚类算法

为了使模糊聚类的目标函数达到最优解,可以采取集群的标准:在极端的约束 ,它使 。由于矩阵的每一列U是独立的,

因此,上述解决方案过程可以理解为:约束下的隶属程度 ,它使 ,这可以通过拉格朗日乘数法来解决(24]:

优化的一阶必要条件

从上面的公式,我们可以得到

总之,

因此,

我们可以获得

这个公式是获得的隶属度的表达式,并形成的矩阵分类矩阵U。模糊分类矩阵是一个模糊矩阵,一般具有以下条件:(1) ;也就是说,矩阵中的每个元素需要一个闭区间的值在0和1之间(2) ;也就是说,在每一列元素的和为1,样品,每种类型的隶属度之和等于1(3) 。这个条件保证每个类别并不是空的

在上面的公式中,距离值是需要解决,和距离是分母的分数,和距离也可能是0,所以它必须分成两种情况来讨论。对于任何k,我们定义集和作为

会员的价值 应该是

以下解决集群中心 和使用方法类似于上述推导:

从上面的公式,我们获得

集群的模糊聚类中心可以获得:

的数据集X如果集群的数量类别C和体重指数米,最优模糊分类矩阵和聚类中心可以由上述两个公式。

FCM算法的目标函数 可以表示为

其中,

的价值 反映了同类密实度下某些微分的定义。越小 ,更严格的集群。

FCM算法获得最好的聚类结果通过计算目标函数的最小值 。 是数据集, 是样本向量的数据集,n是数据集的样本总数,c是最终集群的类别的数量的样本集,每个类别的集群中心, 体重指数。基于理论推导在前面的小节中,FCM算法的步骤可以表示如下。步骤1:初始化每个参数。它包括迭代的数量 ,模糊加权指数米的聚类类别c,迭代停止阈值 ,和初始聚类中心的矩阵 。步骤2:模糊分类矩阵U组成成员的值计算。 。如果 ,然后 如果 ,然后 ,和 ,有 。步骤3:集群中心值更新。 步骤4:如果 ,然后 ,和算法步骤2;否则,迭代停止。

4所示。金融市场波动影响因素的分析模型基于聚类分析

在分析金融市场波动的影响因素,本文主要结合聚类分析算法进行数据分析。从实用的角度来看,金融市场波动影响因素发生在金融链的各个环节。因此,模型结构可以结合构造供应链金融当构建模型。

供应链金融是有别于传统的信贷服务模型,它包括不同大小和盈利能力的企业。参与者不仅包括上游和下游弱势的中小企业供应链金融、核心企业处于主导地位,但也支持金融机构和企业外部供应链融资。四种类型的实体之间的关系在供应链金融是如图1。

在大多数的风险评估模型,学者使用专家意见或问卷量化一些定性的指标,但这也会减少使用的数据的准确性。因为本文不能使用专家意见或问卷调查、定性指标无关。本文介绍了布朗运动的变化干涉项来模拟定性指标的影响中小企业采用的默认策略在供应链融资。因此,供应链金融信用风险评价指标体系可以包括经营者的素质、建立企业指标和资产结构基于上述原则制定信用风险评价指标,如图2。

下的供应链金融业务模型引入信用违约互换(cds),供应链金融的基本业务流程是一样的。银行、贷款企业、物流企业和机构投资者首先签署四党协议。规定,产权参与的预付款融资借款企业或由物流企业监控存货质押融资。物流企业定期监控保证商品的市场价格根据市场经验。同时提供贷款,借款企业基于承诺货物,银行机构投资者定期支付保险费。一旦借贷企业违约,机构投资者将赔偿承诺货物不足的部分银行的损失。具体的过程如图3:

期货合约锁定标的资产的市场价格在指定的价格在未来,从而实现套期保值的风险,避免基础资产的现货市场价格的变化。图4显示了返回标准的资产期货市场,分为长期和短期的情况。

多头仓位上升的回归与标的资产的价格上涨在成熟,和空头头寸的回报下降价格的上涨基础资产到期,而现货市场回报率是相反的,风险对冲市场基础资产。虽然避免了损失,同时避免收益,标的资产的价格锁定在,中扮演重要角色的保留值。期货合约的目的是完全相同的。重点不是收入,而是自我保护从价格下跌。在现实中,大多数现象非平衡现象和远离平衡。这不同于一个孤立系统。一个孤立系统是一个理想化的系统,不与外界交换能量或信息。这是不符合最客观的现象。哲学理论指出,自组织结构中的组件相互作用和相互影响,形成一个统一的整体。每个经济合作组织的成员国是由相互作用和相互影响形成的一个统一整体,但自组织的程度是不同的。 The government, as a national actor, sometimes has a certain bounded rationality in its behavior, and a country’s government behavior may cause bounded rational responses from other governments in the same subgroup. Figure5显示了自组织的进化过程。

介绍了社会网络构建一个网络金融supernetwork考虑水平的关系。决策者还包括四个层次,即H基金所有者,我互联网金融中介机构,J传统的金融中介机构,K资金需求者,如图6。

这个超级网络由左下的社交网络和互联网金融网络在右上角。网络流在《社交网络》描述了两个节点之间的关系,在互联网金融网络和网络流描述两个节点之间的资金交易。网络的边缘上的虚线表示的集成这两个独立的网络supernetwork。左下角的社交网络也是一个基础课网络。第一层代表了基金所有者和象征h代表一个特定的资金来源。第二层是互联网金融中介机构,和象征我代表一个特定的网络金融中介。第三层是传统的金融中介机构,和象征j代表一个特定的传统金融中介。底层代表着市场的需求,和象征k代表一个特定基金要求者。

5。金融市场波动影响因素的分析基于聚类分析

聚类分析算法的支持下,一个金融市场波动影响因素的分析模型,构建了基于聚类分析。接下来,需要验证系统的性能,开展金融市场研究数据。本文通过互联网收集近年来金融数据和链接这些数据与金融市场环境在同一时间。首先,本文运用系统本文构建集群财务数据和计算聚类的准确性。结果如表所示1和图7。

从上面的分析,聚类分析模型的准确性基于聚类分析的金融市场波动影响因素构建本文是相对较高的。在此基础上,本文分析了影响市场波动的因素,比较了本文的分析结果与实际情况和计算的准确性影响因素的分析市场波动。获得的结果如表所示2和图8。

从上面的分析结果,金融市场波动影响因素的分析模型构建本文基于聚类分析有一定的影响金融市场波动影响因素的分析,可以应用于实际的财务分析。

通过模型分析,可以得出以下结论:

基金所有者,闲散资金意味着浪费,和最佳的决策计划仍然是投资的所有资金。关于金融中介机构的选择,考虑到存在的关系水平,良好的合作关系与传统金融中介机构在过去会增加信任,减少交易成本和风险,使基金所有者愿意接受较低的投资回报率。在传统的金融中介机构进行投资。互联网金融中介,他们不仅面临更多重大的操作风险和信用风险,但也面临新进入金融领域,缺乏以前的合作和人际关系,面对社交网络的负面影响存在于过去。首先,有必要提高风险意识,加强识别、评估和应对风险;其次,需要支付额外的费用,积极建立和维护与其他决策者的关系,维持一定程度的关系,促进交易的结论。对于传统的金融中介机构,过去的关系建立和维护水平将会非常有利于自己的发展,但是更高的投资回报要求的资本所有者和互联网的巨大挑战金融中介不能被忽略。他们需要准备危险和保持自己的优势。同时,它已经取得了突破和创新,积极转变成互联网金融中介机构。为政府和整个市场,互联网的发展加剧了金融网络的复杂性,使网络中所有决策者面临更高的系统风险。 The government needs to strengthen supervision and introduce a credit management system as soon as possible, which is the future of Internet finance. The road to development lays the cornerstone. At present, the entire market is highly active and in a period of rapid development. It requires the combination of the invisible hands of the market and the visible hands of the government to jointly promote the healthy and rapid development of the Internet finance industry.

6。结论

本文主要采用的研究方法,结合理论分析和仿真实验。基于信用风险的详细分析供应链金融业务的表现及原因,聚类分析算法用于分析影响金融市场波动的因素。此外,本文进行更深入的研究和总结模糊c均值聚类算法,分析和解决过程的详细算法,并给出了模糊c均值聚类算法的步骤。此外,本文结合了财务分析的实际需要构建一个集群分析金融市场波动因素的分析模型,验证系统模型,并通过实验研究验证了该模型的有效性。从研究结果可以看出,本文模型构建有一定的效果。

数据可用性

标签数据集用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由信阳师范大学。