想必現(xiàn)在有很多小伙伴對于投影尋蹤方法及應(yīng)用方面的知識(shí)都比較想要了解，那么今天小好小編就為大家收集了一些關(guān)于投影尋蹤方法及應(yīng)用方面的知識(shí)分享給大家，希望大家會(huì)喜歡哦。

投影尋蹤方法及應(yīng)用

內(nèi)容摘要：本文從投影尋蹤的研究背景出發(fā)，給出了投影尋蹤的定義和投影指標(biāo)，在此基礎(chǔ)上得出了投影尋蹤聚類模型，隨后簡單介紹了遺傳算法。最后結(jié)合上市公司的股價(jià)進(jìn)行實(shí)證分析，并給出結(jié)論和建議。

關(guān)鍵詞：投影尋蹤投影尋蹤聚類模型遺傳算法

版程廠少權(quán)歸子芝士回答網(wǎng)站或原作者華所有

1、簡介

不來得其外原質(zhì)料次長組據(jù)權(quán)張?zhí)栆鬃　?/p>

（一）產(chǎn)生背景

隨著科技的發(fā)展，高維數(shù)據(jù)的統(tǒng)計(jì)分析越來越普遍，也越來越重要。多元分析方法是解決高維數(shù)據(jù)這類問題的有力工具。但傳統(tǒng)的多元分析方法是建立在總體服從正態(tài)分布這個(gè)假定基礎(chǔ)之上的。不過實(shí)際問題中有許多數(shù)據(jù)不滿足正態(tài)假定，需要用穩(wěn)健的或非參數(shù)的方法來解決。但是，當(dāng)數(shù)據(jù)的維數(shù)很高時(shí)，即使用后兩種方法也面臨以下困難:第一個(gè)困難是隨著維數(shù)增加，計(jì)算量迅速增大。第二個(gè)困難是對于高維數(shù)據(jù)，即使樣本量很大，仍會(huì)存在高維空間中分布稀疏的“維數(shù)禍根”。對于核估計(jì)，近鄰估計(jì)之類的非參數(shù)法很難使用。第三個(gè)困難是對低維穩(wěn)健性好的統(tǒng)計(jì)方法，用到高維時(shí)則穩(wěn)健性變差。

他水高理指門階共風(fēng)，安節(jié)按。

另一方面，傳統(tǒng)的數(shù)據(jù)分析方法的一個(gè)共同點(diǎn)是采用“對數(shù)據(jù)結(jié)構(gòu)或分布特征作某種假定——按照一定準(zhǔn)則尋找最優(yōu)模擬——對建立的模型進(jìn)行證實(shí)”這樣一條證實(shí)性數(shù)據(jù)分析思維方法〔簡稱CDA法）。這種方法的一個(gè)弱點(diǎn)是當(dāng)數(shù)據(jù)的結(jié)構(gòu)或特征與假定不相符時(shí)，模型的擬合和預(yù)報(bào)的精度均差，尤其對高維非正態(tài)、非線性數(shù)據(jù)分析，很難收到好的效果。其原因是證實(shí)性數(shù)據(jù)分析思維方法過于形式化、數(shù)學(xué)化，受束縛大。它難以適

本文到此結(jié)束，希望對大家有所幫助。