聚类在股票研究中地应用.pdfVIP

聚类在股票研究中的应用 张迎春张燕平赵姝陈洁张晨曦 安徽大学人工智能研究所230039 ．zhangyin98219@163·corn 摘要本文介绍了聚类分析方法在股票研究中的应用．并且蛤出了聚类分析的算法．使用这种方 洼．可以通过分析历史数据，对股票的发展趋势进行预测． 关键词聚类．股票，趋势 1．引言 大家都知道“物以类聚，人以群分”这句古话的含义，可见人们很早就发现把事物进行分类 研究的好处．当人们面对错综复杂的数据时总觉得处理起来比较麻烦，然而进行分类以后事情往 往变得比较简洁明了．聚类起源于分类学，也是人类最基本的认识活动之一。金融和经济一直是 广丈人群十分关心的话题，最近聚类分析在这方面也有着广泛的利用．对于聚类的算法有许多种 而且各有千秋．本文主要介绍一种聚类方法在股票研究中的应用。根据现有的数据结果进行聚类． 然后对结果中的比较有特点的进行分析． 2．聚类的介绍 在这里我们详细介绍一下聚类．所谓的类就是指具有某些相似元素的集合。所谓的聚类就是 按照事物的某些属性，把事物聚集成类，使类阍的相似性尽量小，类内相似性尽量大。聚类(cluster) 就是把一个Ⅳ维的欧氏失时空间划分为Ⅳ个区域，这区域分别由其中心矢量表示．这个过程需 要一个有大量的矢量构成的样本集，通过统计试验后得出肘个中心矢盈。这一过程叫做训练也就 是我们所说的聚类过程．这M个中心矢量通常称为一个大小为M的码本。每个中心矢量都成为 一个码字．聚类分析的内容非常丰富．常用的聚类方法有系统聚类法、传递必包法、动态聚类法、 C-均值聚类法等．聚类有一个重要的问题就是如何确定一个准则。使褥在这个准则下聚类过程达 到最优，也就是用这Ⅳ个中心矢量可以最好的表是这个样本集．设有样本集。驴{J-}，1≤f≤Ⅳ’我们 要把它聚成肘类。 u n X=cI c2u…c_(qc，=巾．当icy) 这个分类记作为C，而起准则度量(距离)记作D(c)．聚类的任务就是对z作一个最准分类 uc2u…CI使得D(c)=minD(C)· X=q 一个理想的准则度量必须在主观上是有意义的而且易于运算。这种度量有好多种，常用的几 种有： Di(c)一trrw) ‘D2(c)ltr(w’1口) D3(c)；tr(r‘占) D4(C)=det矽 其中Dl最常用，称为最小平方距离准则。 第14届中国神经网络学术会议论文集 聚类的算法很多．比较常见多用的是LBG算法，这种算法是比较经典的算法j对于聚类效果 还是比较好的。而且它的算法复杂度不高，往往可以得到局部最佳的结果。但是它也有一些不足 之处，例如它的结果过多依赖于初始向量是否分散从而使得出的结果不具有代表性。 本文引用 的是一种改进LBG算法，它具有更高的效率。 下面介绍一下此算法一些步骤： 程中射个区域，cj(t+1)是区域RAt)的质心(19≤m)。 (4)计算区域尺f(，)的失真Di(，) time=time+1，令新码书： (5)如果Df(f)=0或(D，一．1)．D．(r))JD．(，)如．则弘卜毋(m c，+l；{o，(，+1)119!m)，r-，+l，如果time=m，则转(6)。 有的新码字集和便是最终的码书。 3．结果的分析 我们具有众多上市公司近几年的财务报表，由于报表的数据比较庞大直接进行分析是非常困 难和复杂的。然而．进行聚类分析后数据就简洁多了，这就有利于我们做出快速而且准确的分析· 首先，我们统计出我们所需要的有关公司的信息。它包括：每股收益(我们把它作为主要属性)、 每股净资产、