文件名称：收益预测与交易的链接挖掘算法-研究论文
文件大小：906KB
文件格式：PDF
更新时间：2024-06-08 10:45:23
Link mining link analysis social
本文的目的是介绍和讨论一种称为CorpInterlock的链接挖掘算法，并将其应用于金融领域。 该算法选择社交网络中最大的强连接组件，并使用距离和集中度的多个指标对顶点进行排名。 这些指标与其他相关指标合并，以便使用增强算法预测新变量。 我们应用算法CorpInterlock将扩展的公司互锁（董事和财务分析师的社交网络）的度量与公司基本变量和分析师的预测（共识）集成在一起。 CorpInterlock使用这些指标来预测标准普尔500强公司的累积异常收益率和收益意外的趋势。 这种方法背后的合理性是，公司联锁对未来的收益和回报有直接影响，因为这些变量会影响董事和经理的薪酬。 财务分析师从事代理理论所说的“收益博弈”：经理们希望达到分析师的财务预测，而分析师们则希望增加其所跟随公司的薪酬或业务。一组著名的社交网络指标，并使用Logitboost与经济变量集成。我们使用CorpInterlock算法的结果评估了几种交易策略。当我们使用“长期”在采用《公平披露》（FD）法规之前（1998-2001年），采用了扩展的公司联锁而不是基本的公司联锁的交易策略。 2001年之后的交易策略之间没有重大区别。此外，与使用Logistic回归实现CorpInterlock算法时相比，使用Logitboost实现的CorpInterlock算法显示出明显更低的测试错误。 我们得出的结论是，CorpInterlock算法被证明是一种有效的预测算法并支持获利的交易策略。