.png){kind=icon}
返回
Multi-network assisted clustering using a grouped factor model
.png){kind=icon}
PRE
AI
DOI：10.1007/s11222-025-10719-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究针对在分组因子模型下，借助多网络信息对大规模面板数据进行聚类任务。在许多实际聚类任务中，针对同一组横截面单元，可根据不同类型的交互观察到多个网络。不同网络是潜在群体成员资格的不同写照，这启发我们利用多网络信息来提高聚类精度和稳定性。因此，我们提出了一种多网络辅助聚类方法，该方法通过惩罚方式鼓励聚类结果与加权多网络之间的一致性。我们还开发了一种灵活的权重学习策略，以识别多个网络的聚类能力差异。开发了一种具有随机初始化的计算高效算法，用于实现惩罚估计。全面的模拟研究证明，所提出的方法比现有竞争方法更有前景，即使在存在误导性网络信息的情况下也是如此。最后，将该方法应用于上海和深圳证券交易所交易的股票的日收益率，证明了新方法的有效性和效率。本文的补充材料可在网上获取。
Keyword:
Factor structure
Heterogeneous panel
Penalized estimation
Random initialization
Weight-learning strategy
期刊
S
IF:
1.6
论文数:
206
被引数:
0
机构
暂无机构信息
引用论文
The information content of stock markets: why do emerging markets have synchronous stock price movements?股票市场的信息含量: 为什么新兴市场具有同步的股价变动？
PREAI
分享收藏HIGH-DIMENSIONAL COVARIANCE MATRIX ESTIMATION IN APPROXIMATE FACTOR MODELS.png)
ANNALS OF STATISTICS
OAAI
ANNALS OF STATISTICSIF3.7
OAAI分享收藏
查看更多内容