Cluster analysis is a method for gr

Cluster analysis is a method for grouping observations together based on their similarity (statistical distance) on several variables. A thorough explanation of the theory and practice of using cluster analysis is found in Green (1978). In this application, several accounting variables are selected based on their likelihood of having a strong relationship with returns to equity holders. Our procedure is as follows: principal components analysis is performed on the accounting data to obtain a maximal variance set of orthogonal linear representations of the original data set. Use of the standardized principal components eliminates scale and inter-correlation effects in the data. These new representations of the data set are used in the subsequent cluster analysis. There is no data reduction, the number of principal components analyzed in the cluster analysis is the same as the number of accounting variables selected, and all of the firms in the sample are used in the cluster analysis. The clusters
are formed using Ward’s minimum variance approach to ensure the least within-cluster variance on the principal components. Each cluster, or portfolio, of firms can then be used as a proxy for each of the remaining firms in the cluster in estimating the equity cost of capital for the target. Clustering continues until the target is in a cluster of 11 or 12 other firms. This number was selected arbitrarily to provide a useful sample size for comparisons. The clustering algorithm actually continues until all of the firms are united in a single cluster containing the entire data set. Since the first clusters formed will contain the firms whose data are statistically closest to each other, theoretically the first clusters formed will have the best proxies. These smaller clusters may give more statistically similar proxy portfolios, but will also be more sensitive to outliers. We also tested the results using smaller clusters of five to six firms and did not find a significant difference in outcomes.

ผลลัพธ์ (ไทย) 1:

วิเคราะห์กลุ่มเป็นวิธีการสำหรับการจัดกลุ่มข้อสังเกตร่วมกันบนพื้นฐานของความคล้ายคลึงกันของพวกเขา (ระยะทางสถิติ) เมื่อหลายตัวแปร คำอธิบายอย่างละเอียดของทฤษฎีและการปฏิบัติของกลุ่มโดยใช้การวิเคราะห์ที่พบในสีเขียว (1978) ในโปรแกรมนี้ตัวแปรการบัญชีมีเลือกหลายบนพื้นฐานของความน่าจะเป็นของพวกเขามีความสัมพันธ์ที่แข็งแกร่งกับผลตอบแทนของผู้ถือหุ้นขั้นตอนของเรามีดังนี้การวิเคราะห์องค์ประกอบหลักที่จะดำเนินการเกี่ยวกับข้อมูลทางบัญชีที่จะได้รับความแปรปรวนสูงสุดกำหนดแนวทางเชิงเส้นตั้งฉากจากชุดข้อมูลเดิม การใช้องค์ประกอบหลักที่เป็นมาตรฐานจะช่วยลดขนาดและผลกระทบความสัมพันธ์ระหว่างข้อมูลใน เหล่านี้เป็นตัวแทนใหม่ของชุดข้อมูลที่ใช้ในการวิเคราะห์การเกาะกลุ่มตามมามีการลดลงไม่มีข้อมูลจำนวนขององค์ประกอบหลักในการวิเคราะห์การวิเคราะห์คลัสเตอร์เป็นเช่นเดียวกับจำนวนของตัวแปรการบัญชีที่เลือกและทั้งหมดของ บริษัท ในกลุ่มตัวอย่างที่ใช้ในการวิเคราะห์กลุ่ม กลุ่ม
จะเกิดขึ้นโดยใช้วิธีการความแปรปรวนของวอร์ดขั้นต่ำเพื่อให้แน่ใจว่าอย่างน้อยความแปรปรวนภายในคลัสเตอร์เมื่อองค์ประกอบหลัก แต่ละกลุ่มหรือพอร์ตโฟลิโอ,ของ บริษัท นั้นจะสามารถนำมาใช้เป็นพร็อกซี่สำหรับแต่ละ บริษัท ที่เหลือในคลัสเตอร์ในการประมาณค่าใช้จ่ายในส่วนของเงินทุนสำหรับเป้าหมาย การจัดกลุ่มต่อไปจนกว่าเป้าหมายที่อยู่ในกลุ่มของ 11 หรือ 12 บริษัท อื่น ๆ หมายเลขนี้ได้รับการแต่งตั้งโดยพลการเพื่อให้ขนาดของกลุ่มตัวอย่างที่มีประโยชน์สำหรับการเปรียบเทียบขั้นตอนวิธีการจัดกลุ่มตามความเป็นจริงต่อไปจนกว่าทั้งหมดของ บริษัท เป็นปึกแผ่นในกลุ่มเดียวที่มีทั้งชุดข้อมูล ตั้งแต่กลุ่มแรกที่เกิดขึ้นจะมี บริษัท ที่มีข้อมูลทางสถิติที่ใกล้ชิดที่สุดให้กับแต่ละอื่น ๆ ในทางทฤษฎีกลุ่มแรกที่เกิดขึ้นจะมีผู้รับมอบฉันทะที่ดีที่สุด เหล่านี้เป็นกลุ่มที่มีขนาดเล็กอาจจะให้พอร์ตการลงทุนของพร็อกซี่อื่น ๆ ที่คล้ายกันในทางสถิติแต่ยังจะมีความไวต่อความผิดปกติ เรายังผ่านการทดสอบผลการใช้กลุ่มเล็ก ๆ 5-6 บริษัท และไม่พบความแตกต่างอย่างมีนัยสำคัญในผลลัพธ์

ผลลัพธ์ (ไทย) 2:

แบ่งวิธีการจัดกลุ่มเข้าด้วยกันตามความคล้ายคลึง (จากสถิติ) ในหลายตัวแปรสังเกตได้ คำอธิบายอย่างละเอียดของทฤษฎีและการฝึกการใช้คลัสเตอร์วิเคราะห์พบสีเขียว (1978) ในโปรแกรมประยุกต์นี้ ตัวแปรหลายบัญชีที่เลือกตามโอกาสของพวกเขามีความสัมพันธ์ที่ดีกับหุ้น ขั้นตอนของเราจะเป็นดังนี้: ดำเนินการวิเคราะห์ส่วนประกอบหลักในข้อมูลทางบัญชีเพื่อขอรับชุดผลต่างสูงสุดของชุดข้อมูลเชิงเส้น orthogonal ที่แทน ใช้คอมโพเนนต์หลักมาตรฐานลดขนาดและผลกระทบความสัมพันธ์ระหว่างข้อมูล ใช้แทนชุดข้อมูลเหล่านี้ใหม่ในคลัสเตอร์ต่อมาวิเคราะห์ ไม่ลดข้อมูล หมายเลขของคอมโพเนนต์หลักที่วิเคราะห์ในการวิเคราะห์คลัสเตอร์จะเหมือนกับหมายเลขของตัวแปรทางบัญชีที่เลือก และทั้งหมดของบริษัทในตัวอย่างที่ใช้ในการวิเคราะห์คลัสเตอร์ คลัสเตอร์
เกิดขึ้นโดยใช้วิธีผลต่างขั้นต่ำของผู้ป่วยให้ความแปรปรวนภายในคลัสเตอร์อย่างน้อยในส่วนประกอบหลัก แต่ละคลัสเตอร์ หรือผลงาน ของบริษัทสามารถนำไปใช้เป็นพร็อกซีสำหรับแต่ละบริษัทที่เหลือในคลัสเตอร์ในการประมาณต้นทุนส่วนของทุนสำหรับเป้าหมายของการ คลัสเตอร์ยังคงอยู่จนกว่าเป้าหมายจะในคลัสเตอร์ 11 หรือ 12 บริษัทอื่น ๆ หมายเลขนี้ถูกเลือกโดยให้ขนาดตัวอย่างที่เป็นประโยชน์สำหรับเปรียบเทียบ อัลกอริทึมระบบคลัสเตอร์จริงอย่างต่อเนื่องจนกว่าทั้งหมดของบริษัทยูไนเต็ดในคลัสเตอร์เดียวที่ประกอบด้วยชุดข้อมูลทั้งหมด เนื่องจากคลัสเตอร์แรกที่เกิดขึ้นจะประกอบด้วยบริษัทที่มีข้อมูลเป็นทางสถิติใกล้เคียงกัน ครั้งแรกราคาคลัสเตอร์แรกที่เกิดขึ้นจะมีผู้รับมอบฉันทะดีที่สุด คลัสเตอร์ขนาดเล็กเหล่านี้จะให้พอร์ตการลงมากเหมือนทางสถิติพร็อกซีทุน แต่ยังจะอ่อนไหว outliers นอกจากนี้เรายังทดสอบผลโดยใช้กลุ่มเล็ก 5-6 บริษัท และไม่พบความแตกต่างอย่างมีนัยสำคัญในผล

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์กลุ่มเป็นวิธีการสำหรับการสังเกตการณ์การจัดกลุ่มเข้าด้วยกันตามลักษณะคล้ายคลึงกันถึง(ในระยะทางสถิติ)ของพวกเขาในตัวแปรหลายประการ คำอธิบายโดยละเอียดของการปฏิบัติและทฤษฎีของการใช้การวิเคราะห์กลุ่มพบได้ในสีเขียว( 1978 ) ในแอปพลิเคชันนี้เป็นตัวแปรสำคัญหลายบัญชีมีการเลือกตามความเป็นไปของพวกเขามีความสัมพันธ์อันดีที่มีการส่งคืนไปยังผู้ถือหุ้นวิธีการของเราจะเป็นดังนี้:การวิเคราะห์ส่วนประกอบสำคัญจะมีการดำเนินการกับข้อมูลทางบัญชีที่จะได้รับการตั้งค่าอย่างสูงสุดของการรับรองตามแนวยาววิธีการส่งแบบ Orthogonal Frequency Division Multiplexing ของข้อมูลเดิมที่ตั้งค่าไว้ การใช้ส่วนประกอบสำคัญซึ่งเป็นมาตรฐานที่ช่วยขจัดคราบตะกรันและผลกระทบระหว่างความสัมพันธ์ในข้อมูล การรับรองใหม่นี้ของข้อมูลที่กำหนดไว้จะใช้ในการวิเคราะห์กลุ่มตามมาไม่มีข้อมูลลดลงจำนวนของส่วนประกอบหลักวิเคราะห์ในการวิเคราะห์กลุ่มจะเท่ากับจำนวนของตัวแปรทางการบัญชีที่เลือกและบริษัทที่อยู่ในตัวอย่างทั้งหมดได้ถูกนำมาใช้ในการวิเคราะห์กลุ่ม คลัสเตอร์
ซึ่งจะช่วยให้ได้โดยใช้วิธีการไม่เหมือนกันอย่างน้อยของพระองค์ในการตรวจสอบให้แน่ใจว่าอย่างน้อยที่ไม่เหมือนกัน ภายใน กลุ่มบนคอมโพเนนต์หลัก กลุ่ม ผลิตภัณฑ์ หรือแต่ละคลัสเตอร์ของบริษัทสามารถใช้เป็นผู้รับมอบอำนาจให้กับบริษัทที่เหลืออยู่ในกลุ่มที่อยู่ในการประเมินราคาหุ้นของทุนสำหรับกลุ่มเป้าหมายที่แต่ละรายการแล้ว ระบบคลัสเตอร์จะยังคงดำเนินต่อไปจนกว่าเป้าหมายที่อยู่ในกลุ่มของ 11 หรือ 12 บริษัทอื่นๆ หมายเลขนี้ถูกเลือกชี้ขาดในการให้ตัวอย่างที่เป็นประโยชน์สำหรับการเปรียบเทียบอัลกอริธึมคลัสเตอร์ที่จริงจะยังคงดำเนินต่อไปจนกว่าบริษัทที่ห้องพักทั้งหมดมีความเป็นหนึ่งเดียวในแบบคลัสเตอร์เดียวที่ประกอบด้วยข้อมูลทั้งหมดที่ตั้งค่าไว้ นับตั้งแต่กลุ่มแรกได้จะมีบริษัทที่มีข้อมูลทางสถิติอยู่ใกล้ๆกันในทางทฤษฎีคลัสเตอร์เป็นครั้งแรกได้จะมีผู้รับมอบอำนาจที่ดีที่สุด คลัสเตอร์มีขนาดเล็กกว่านี้อาจจะทำให้สินเชื่อผู้รับมอบอำนาจเพิ่มเติมทางสถิติความเหมือนแต่จะมีมากขึ้นที่สำคัญยัง outliers ด้วย นอกจากนั้นเรายังได้รับการทดสอบแล้วได้ผลโดยใช้ระบบคลัสเตอร์ขนาดเล็กของห้าถึงหกบริษัทและไม่พบความแตกต่างอย่างมีนัยสำคัญในผลลัพธ์