研究聚类分析在消费资本资产定价中的应用

　　摘要：分析了消费资本资产定价、聚类分析概念。研究了聚类分析在消费资本资产定价中的应用。目前聚类分析在消费资本资产中的应用主要是对模型指标划分，结合因子分析方法提高了消费资产资本定价准确性。

　　关键词：聚类分析; 消费资本资产定价; 应用;

　　消费，是宏观经济学研究中永恒不变的一个话题。没有消费，经济增长将缺乏动力。我国人口众多，内需潜力巨大。居民消费波动将对整个宏观经济带来直接明显的影响。和消费有紧密联系的便是投资，对居民来讲，选择何种消费方式和投资方式，都会对宏观经济带来较大影响。但消费和投资，又是居民面临的一个重要问题。消费对宏观经济有较大的影响，但消费需求变化对资产收益的影响如何，消费风险和资产价格之间有没有联系，居民的消费对居民资产配置有何影响，这些是以前经济学、金融学中所都没有关注的话题。当前理论界对资本市场的研究大多是基于股票市场进行的。但这种研究具有明显的片面性。因此将消费和资产联系起来进行研究，是当前金融界的一大研究方向。消费资本资产定价便是在这种背景中产生的。

　　消费资本资产定价中涉及到消费行为，而消费行为一般可以通过聚类分析方法实现消费行为分析因此在消费资本资产定价的大数据分析中，聚类分析是经常采用的一种方法。通过聚类分析，可以对相似的消费行为进行分析，实现资源配置的目的。文章就聚类分析在消费资本资产定价中的应用问题进行了研究。

　　一、相关概念

　　(一)消费资本资产定价

　　消费资本资产定价属于资本资产定价中的一个重要理论内容。消费资本资产定价的发展是资本资产定价发展轨迹变化的重要体现，也是金融学发展的的体现。

　　资本资产定价理论应用场景主要在股票、证券交易市场，是为了研究资产预期收益与资产风险、均价等之间的关系。通过资本资产定价研究为投资者做出合理投资决策提供参考建议。资本资产定价理论得到充分应用主要在上世纪70年代，由于能够很好分析资产收益率与风险关系，得到广泛学者研究，并逐渐往精细定价模型发展，使得该模型精度越来越高。随着资本资产定价理论的发展，又衍生出众多理论，如期权定价模型理论、MM定量理论等，学者们对这些资料进行了总结、归纳、融合，从而产生了消费资本资产定价理论(CCAPM理论)。

　　在消费资本资产定价理论中，人均消费和消费者的消费流有一定关系，消费的风险就可以用消费贝塔测量出来。消费β指数是指人均消费与消费收益之间的协方差。消费资本资产定价理论结合了资本资产定价理论和消费选择理论，是两种理论融合应用的一种理论。当前消费资本资产定价理论在美国、日本等发达国家的宏观经济学中得到广泛应用。随着我国资本市场进入蓬勃发展时期，消费资本资产定价理论也开始暂露头角。

　　(二)聚类分析

　　大数据时代下，很多经济学、金融学问题都可以通过大数据分析实现。大数据在资本资产定价中的应用不断增多，通过大数据分析对资本收益进行预测，能够帮助投资者做出更合理的投资决策。互联网时代下消费信息是可以直接观察到获取到的。通过对消费、投资数据信息进行收集、分析，并将之和金融市场变量融合在一起，可以提供一个合理的资产组合决策，从而实现资源的最佳配置。聚类分析是基于相似的数据实现分类的目的，是大数据分析中经常采用的方法，在经济学、统计学等领域中应用广泛。

　　聚类分析是将相似的对象集中在一起实现分类的目的，被广泛应用到数据挖掘中。聚类算法的关键步骤是需要设置一定数量的簇类中心，在同一类或簇中，数据对象类似度较高，不同类或簇中的数据对象差异很大。

　　聚类分析应用时，具有简单、直观的特点，适合应用于探索性的分类研究中。聚类分析应用时，主要分为三个阶段，如图1所示为聚类流程图。

　　图1 聚类流程图   

　　聚类算法的关键步骤为：调查影响指标的类别并列举；完成指标量化后进行数据采集，可通过网络爬虫、问卷调查等方式；为了处理采集数据中由于不正确方式采集导致数据存在异常问题需要进行数据预处理；最后使用K-means聚类算法思想进行数据聚类分析。数据挖掘是从海量信息中实现的，面对海量信息，发现要寻找的信息则是数据挖掘的目的，也是数据挖掘流程的第一步，确定了发现的问题，才能进行数据挖掘。数据收集与预处理中，首先根据需求选择出需要挖掘的数据信息类型，进行数据收集。在此基础上进行数据预处理。数据预处理一般是通过数据降维、数据净化、遗留数据处理、类型转换等流程实现，通过预处理将数据变成可以聚类的数据类型。聚类则是对预处理后的数据进行计算处理，即将类似的数据形成在一个簇中，获得聚类普系图，最终实现数据的分类。最后对所形成的类或簇进行解释、评估，即通过解释、评估将聚类分析结果呈现出来，让人一目了然、清晰易懂。

　　二、聚类分析在消费资本资产定价中的应用

　　使用聚类分析方法进行消费资本资产定价应用研究主要有：张秀玲使用聚类算法进行了消费资本分析。聚类分析方法包含步骤有：(1)对采集的数据按照标准化处理方式进行处理；(2)建立相似矩阵按照亲疏计算方法进行数据处理；(3)使用所设计的聚类算法进行变量聚类；(4)输出最佳的聚类结果。所设计的聚类算法为假设有m个聚类产品，每个产品中有n个要素，用符号xij表示样品i对应的第j个数值。消费资本变量处理公式为：

　　有关资产定价相似度计算方法可采用余弦夹角函数进行计算，计算方法如下所示：

　　研究结果表明我国绝大数投资者在进行投资分析时更加关注股票收益率的影响，并未考虑到企业财务指标影响。

　　金丹丹分析了当前资产定价研究问题，发现多因素模型非常适合中国股票收益，然而当前多因素模型存在缺陷，为解决这一问题，构建了以总市值、净资产收益率等14个风险因素的模型，采用聚类分析方法进行因子划分。结果表明可将14个因子划分为4类风险因子，将改进的风险模型应用到实际发现价值因子对收益率影响不显着。李楠[6]从管理者非理性、投资者角度进行分析，得出基于声誉、报酬的融资决策模型，使用聚类分析方法进行分析，结果表明声誉、报酬都是管理者考虑的对象。该文中使用了因子分析方法和K-均值聚类分析方法，最终得到有三类情况，分别为(1)所访问的企业样本指标都居中；(2)企业规模较大，持股低，盈利性强，成长好；(3)资产规模大，高管持股高，管理层与薪酬有关联。

　　通过现有文献不难发现聚类分析方法在消费资本资产定价中起到重要作用，通过聚类划分作用将其分为多个类，这样将复杂的因子按照类别进行划分，降低了数据之前的关联性。同时结合其他分析方法大大提高了数据分析质量。

　　三、结束语

　　研究了聚类分析方法在消费资本定价管理中的应用。通过分析分析目前消费资本应用存在问题主要是模型指标影响比较大，后续仍需要在模型建立中提高模型准确度。目前聚类分析方法应用多与因子分析方法结合，然而聚类分析算法在分析中存在局部最优问题可能导致分析结果准确度降低，后续可将神经网络算法与因子分析方法联系在一起有助于提高数据处理质量。

　　参考文献

　　[1]韩思哲.基于消费的资本资产定价模型的实证研究:来自中国股市的证据[J].国际经济合作, 2019(1):145-158.

　　[2]孙金花,张陈燕.资本资产定价模型(CAPM)研究综述[J].北方经贸, 2016, 378(5):117-118.

　　[3]朱小能,陈俊坪,朱杰.生产还是消费——中国股市生产资本资产定价模型实证检验[J].管理科学学报, 2017(20):12.

　　[4]张秀玲.基于分位数回归方法的A股市场收益率影响因素的研究[D].哈尔滨工业大学,2012.

　　[5] 金丹丹.中国股票市场风险因子对收益率影响的实证研究[D].北京:对外经济贸易大学,2009.

　　[6]李楠.基于行为金融理论的企业融资从众行为研究[D].河北工程大学,2009.