将投资者风险态度融入经济自由指数的语言模型与聚类技术

《Financial Innovation》:Integrating investor risk attitudes into the Index of Economic Freedom with linguistic models and clustering techniques

【字体: 大 中 小 】 时间:2026年02月12日 来源:Financial Innovation 6.4

编辑推荐:

  评估经济自由至关重要,因为它与经济发展和繁荣相关。经济自由指数(IoEF)由传统基金会(Heritage Foundation)和《华尔街日报》制定,通过12项标准评估经济自由,为政府和投资者提供了关键的复合指标。然而,所有12项IoEF标准在衡量经济自由时均

  
评估经济自由至关重要,因为它与经济发展和繁荣相关。经济自由指数(IoEF)由传统基金会(Heritage Foundation)和《华尔街日报》制定,通过12项标准评估经济自由,为政府和投资者提供了关键的复合指标。然而,所有12项IoEF标准在衡量经济自由时均被赋予相等权重,且未考虑投资者的风险态度,限制了其对个性化投资决策的适用性。例如,谨慎型投资者在计算IoEF时更关注不利标准,而冒险型投资者则相反。因此,本文引入了一种将投资者风险态度纳入经济自由衡量的模型。研究人员首次使用有序加权平均(OWA)聚合算子的语言量词,结合二元语义(2-tuple linguistic)模型,生成更具个性化的IoEF。此外,研究人员还采用模糊C均值(FCM)聚类,基于新生成的IoEF对173个国家进行分类,允许其隶属于多个聚类,并识别在特定聚类中具有高隶属度的国家。通过传统基金会2022年IoEF数据集评估了该模型的有效性。结果表明,该模型提供了更灵活、更易理解的个性化IoEF版本,能更好地反映投资者风险偏好。为进一步支持实际应用,研究人员开发了一个交互式网络应用程序以可视化结果,展示了模型的可重复性,并帮助投资者根据风险偏好确定合适的投资目的地。
**论文解读:基于语言模型与聚类技术的投资者风险态度融入经济自由指数研究**

**研究背景与问题**
经济自由与经济发展和繁荣密切相关,经济自由指数(IoEF)作为衡量国家经济自由度的复合指标,由传统基金会和《华尔街日报》基于12项标准(如产权、政府诚信、司法效率等)构建,对政府和投资者具有重要参考价值。然而,现有IoEF对所有标准赋予相等权重,未考虑投资者在决策中的风险态度差异。例如,谨慎型投资者更关注该国在不利标准上的表现,而冒险型投资者则更看重有利标准。这种等权方法无法反映个性化偏好,限制了IoEF在投资决策中的适用性。此外,现有文献中尚无将投资者态度纳入IoEF计算的研究,且多数研究采用传统排名方式,缺乏直观的语义解释和交互式可视化工具。因此,本研究旨在开发一种模型,将投资者风险态度融入经济自由衡量,生成个性化经济自由指数(PIoEF),并通过聚类和可视化工具增强其实用性。该论文发表在《Financial Innovation》。

**主要技术方法**
研究人员采用以下关键技术方法(数据来源:传统基金会2022年IoEF数据集,涵盖173个国家):
1. **有序加权平均(OWA)聚合算子**:通过重新定义的语言量词(如“至少一个最有利标准”“少数最不利标准”等)生成有序权重,模拟投资者对风险的态度(从风险偏好到风险规避),并计算PIoEF。
2. **二元语义(2-tuple linguistic)模型**:将PIoEF排名转换为语义标签(如“非常高”“高”等)及其符号平移值,消除排名不确定性,提供直观解释。
3. **模糊C均值(FCM)聚类**:基于欧几里得距离将173个国家分为9个聚类,允许国家具有多个隶属度,识别高隶属度国家。
4. **交互式网络应用程序(Shiny R包)**:可视化结果,支持用户调整隶属度阈值,选择符合风险偏好的投资目的地。

**研究结果**
**PIoEF计算与排名**
通过OWA聚合算子的七种语言量词(AtLoneMFC、FewMFC、SomeMFC、AveAC、SomeLFC、FewLFC、AtLoneLFC)生成PIoEF。其中,量词AveAC生成的PIoEF与传统IoEF几乎一致,而其他量词生成的PIoEF显著不同。例如,冒险型投资者(使用AtLoneMFC)仅关注各国最有利标准,导致新加坡排名下降;谨慎型投资者(使用AtLoneLFC)关注最不利标准,使拉脱维亚和韩国进入前十。排名稳定性分析显示,瑞士和新西兰在所有量词下均保持高且稳定的排名,而芬兰和丹麦在谨慎型量词下排名显著下降。

**国家聚类**
FCM聚类将173个国家分为9个聚类(表9、表10)。聚类6(如瑞士、新加坡、澳大利亚)在PIoEF中排名高且稳定,适合所有风险态度的投资者;聚类5(如朝鲜、古巴)排名极低且稳定,应避免投资。聚类4(如比利时、毛里求斯)在谨慎型量词下排名下降,暗示其经济自由存在短板。通过交互式应用,用户可设置最小隶属度(如0.6),筛选出特定聚类中高隶属度的国家(如瑞士在聚类6中隶属度0.6764)。

**交互式可视化**
Shiny应用提供五个界面:全球PIoEF比较、国家详情、聚类列表、自定义匹配等。例如,选择瑞士可显示其属于聚类6,且隶属度高于其他聚类;用户可调整隶属度阈值,发现阿联酋在聚类6中隶属度较低(实际属于聚类4)。

**结论与讨论**
本研究首次将投资者风险态度纳入IoEF计算,通过OWA聚合算子的语言量词模拟风险偏好,结合二元语义模型消除排名不确定性,FCM聚类提供灵活的国家分类,交互式应用增强实用性和可重复性。结论指出:PIoEF能根据投资者风险态度生成个性化版本,冒险型投资者可选择在有利标准上表现突出的国家(如阿联酋),谨慎型投资者可选择在不利标准上表现稳健的国家(如瑞士)。聚类分析揭示了不同国家的经济自由特征,聚类6为最优投资选择,聚类5为高风险区域。研究局限性包括:FCM聚类可能产生模糊边界,部分国家隶属度较低(如毛里求斯在多个聚类中隶属度接近);未来可引入主成分分析(PCA)改进聚类,或采用层次分析法(AHP)确定标准权重。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号