财务数据的流行学习算法研究

摘要

本文从财务数据的物理结构出发,探索财务数据点间内在的本质的自然属性,从而为财务分析提供客观的参考依据。为了探索财务数据的结构特征,本文提出了财务数据的流行学习算法（MLFD）。该算法由万有引力定律得到启发,构建了充分反映财务数据点关系特征的关系度量模型；并将这种关系度量全局映射到低维嵌入中,从而得到了符合财务数据集特点的低维嵌入模型。该算法克服了现有流行学习算法由于只考虑空间位置特性而不适用于金融领域的限制；并且提高了对噪声数据的处理能力。本文分别以中国大陆股市和香港股市的上市公司为实证研究对象,验证了算法的有效性和适用性。