简介：对于一类变量非线性相关的面板数据,现有的基于线性算法的面板数据聚类方法并不能准确地度量样本间的相似性,且聚类结果的可解释性低。综合考虑变量非线性相关问题及聚类结果可解释性问题,提出一种非线性面板数据的聚类方法,通过非线性核主成分算法实现对样本相似性的测度,并基于混合高斯模型进行样本概率聚类,实证表明该方法的有效性及其对聚类结果的可解释性有所提高。
简介：基于数据分布密度划分的聚类算法是数据挖掘聚类算法中的主要方法之一。针对传统密度划分聚类算法存在运算复杂、运行效率不高等缺陷,设计出高维分步投影的多重分区聚类算法;以高维分布投影密度为依据,对数据集进行多重分区产生数据集的子簇空间,并进行子簇合并形成了理想的聚类结果;依据算法进行实验,结果证明该算法具有运算简单和运行效率高等优良性。
简介：协议转让和做市转让是新三板市场的两种主要交易模式,而采用做市交易模式的企业具有更强的市场流动性。互联网＋相关服务业这一新兴产业成长速度快,对资金需求迫切,故有必要研究影响该类企业做市融资的影响因素。采用219家企业样本数据为数据基础,以新三板挂牌企业是否有券商愿意为其做市为因变量,借助因子分析法对原始解释变量降维,并利用二元Logit回归研究挂牌企业经营中各因素对做市交易模式的影响程度。研究发现,该类企业股权结构与其选择做市交易的结果呈负相关关系,而资产规模及抗风险能力与其选择做市交易的结果呈正相关关系。
非线性面板数据聚类方法研究
基于高维分步投影的多重分区聚类算法
新三板企业做市融资影响因素实证分析——以互联网＋相关服务业为例
