An Online Semi-NMF Algorithm for Soft-Clustering of Financial Institutions
An Online Semi-NMF Algorithm for Soft-Clustering of Financial Institutions
复制标题
一种用于金融机构软聚类的在线半NMF算法
DOI：
10.1145/3336499.3338005
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Mankad, Shawn
中科院分区：
文献类型：
--
作者：
Cheng, Yuan;Mankad, Shawn
在本文中，我们开发并提出了一个在线半非负矩阵因式分解框架，以根据企业的股票收益对企业进行集群。该模型的动机是会计资产负债表的一致性，其中一个估计的矩阵因素可以被视为不同资产类别(股票、债券等)的持有量百分比。对于每家公司--风险分析的重要输入。我们还证明了我们的模型是软K-均值聚类的扩展。为了提高所提出的模型(OSNMF)的实用价值，我们还开发了一个快速估计框架，该框架可以在新数据出现时实时应用于集群企业。利用合成数据和实际数据对模型进行了验证。具体地说，我们应用我们的技术从股票回报中恢复共同基金和ETF的资产持有量，并显示我们的估计与它们披露的资产负债表非常吻合。
In this paper we develop and propose an online semi-non-negative matrix factorization framework to cluster firms by their stock returns. The model is motivated by an accounting balance sheet identity, where one of the estimated matrix factors can be seen as the percentage of holdings across different asset classes (stocks, bonds, etc.) for each firm -- an important input for risk analysis. We also show that our model is an extension of soft K-means clustering. To enhance the practical value of the proposed model (OSNMF), we also develop a fast estimation framework that can be readily applied to cluster firms in real-time as new data becomes available. The model is validated using synthetic and real data. Specifically, we apply our technique to recover asset holdings of mutual funds and ETFs from stock returns and show our estimates closely match their disclosed balance sheets.
DOI：
10.17016/feds.2018.063
发表时间：
2018-08
期刊：
ERN: Regulation & Supervision (Topic)
影响因子：
--
作者：
Celso Brunetti;J. Harris;Shawn Mankad
通讯作者：
Celso Brunetti;J. Harris;Shawn Mankad
共同基金债务的监管
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
J. Morley
通讯作者：
J. Morley
影响因子：
64.8
作者：
Lee, DD;Seung, HS
通讯作者：
Seung, HS