数据挖掘在投资中的应用 .docVIP

数据挖掘在投资中的应用 类 别：投资策略类 课题研究人：俞文冰 选 送 单 位：国联基金管理有限公司 数据挖掘在投资中的应用 内容提要 国内外大量实证研究结果表明:上市公司定期公布的财务报告具有很强的信息含量，但是当期会计盈余数据的信息会在披露前后在股票市价中迅速得以体现。因此对于中长期投资者来说,重要的是预见未来盈利。质地优良且未来具有较高盈利增长能力的公司是中长期投资者普遍关注的对象，因为只有这类公司才能给投资者带来持续的回报。而财务报告包含了大量描述公司经营状况的数据。这些数据应能为投资者提供关于公司未来盈利能力的信息。对于中长期投资者而言，需要做的就是利用这些信息挖掘出未来能够具有较高盈利水平同时又具有较好的成长性公司。 现有的各种预测方法，无论是分析师的研究还是常规的统计学和计量经济学模型都有其不足之处。分析师研究主观性强、工作量大；统计计量模型形式单一、可能存在过度拟合的缺点。针对这些不足之处，笔者采用数据挖掘方法进行弥补。本文首先采用Logistic回归，决策树和神经网络建立了广义线性和非线性预测模型，试图寻找未来具有较好的业绩和增长能力的上市公司，取得了较好的预测效果。为了保证模型的稳健可靠。再建立完模型以后，又采用“数据拆分”和“瞻前顾后”两种方法从不同的方面对于预测的有效性进行评估，确定这些预测效果是稳健可靠的。最后，以数据挖掘选股为基础，建立了投资组合，经过实证模拟，确认可以得到较高的投资收益。 关键词 预测模型， 数据挖掘， 总体分析， 过度拟合， 数据拆分 目 录 1 研究的意义 2 1.1 盈余的信息含量 2 1.2 对于未来盈余的预测 3 2 数据挖掘选股模型的优点 5 2.1 客观实证的标准 5 2.2 灵活高效的模型 6 2.2.1 Logistic回归 7 2.2.2 决策树(Decision Trees) 8 2.2.3 神经网络 9 2.3 稳健可靠的评估 11 2.3.1 过度拟合 12 2.3.2 数据拆分 13 3 优质成长上市公司挖掘模型 14 3.1 数据准备 14 3.2 建立模型 16 3.3 模型评估 19 3.3.1 基于数据拆分的评估 19 3.3.2 基于“瞻前顾后”的评估 21 3.4 模拟投资效果 21 4 结束语 23 附录 模型预测前50只股票 24 参考文献 26  研究的意义 财务报表的目的是向信息使用者提供与决策相关的信息。上市公司对外披露的财务报表信息是否有助于投资者等信息使用者的决策，如何充分利用好这些信息做好投资决策，这是本文所关注的问题。 盈余的信息含量 处于财务报表核心地位的盈余数字一直是各界普遍关注的对象，作为资本市场的信号，盈余调节着社会资源的配置。从检验研究的角度来看，如果盈余数字的披露与证券的价格或交易量之间具有统计意义的显著相关，我们就可以认为盈余数字向证券市场传递了新的有用的信息，或者说具有信息含量。如果市场是有效的，那么市场会根据当期的盈余数字对于股价进行迅速而无偏的调整，这也就意味着以公布以后的盈余数字作为买卖决策依据的投资者无法获得超额收益。 在国外，这一研究始于1968年，由Ball，Brown和Beaver发起。在国内，赵宇龙(1998)以及陈晓等人(1999) 也做了盈余数字在中国股市信息含量的研究。这些研究基本上的结果基本都认为盈余数据的披露具有信息含量。 对于未来盈余的预测 因此对于中长期投资者来说,重要的是预见企业未来的盈利和盈利增长情况。质地优良且未来具有较高盈利增长能力的上市公司是中长期投资者（包括普通投资者，证券投资基金和券商）普遍关注的对象，因为只有这类公司才能给投资者带来持续的回报。对于普通投资者、证券投资基金和券商而言，所能得到的关于上市公司经营状况的最主要和直接的信息来自于上市公司定期公布的财务报告。而财务报告包含了大量描述公司经营状况的数据。这些数据应能为投资者提供关于公司未来盈利能力的信息。对于中长期投资者而言，需要做的就是利用这些信息挖掘出未来能够具有较高盈利水平同时又具有较好的成长性公司。 因此,站在投资者的立场,以下问题是值得研究的：(1)这些财务报告中是否包含关于公司未来盈利情况的信息？(2)若回答是肯定的,是否可以找到较好的方法来利用这些信息,获得较精确的预测效果？(3)若能够找到较精确的预测方法，这个预测是否是有效的？(4)如果盈利优质成长的预测模型是有效的，那么该模型选出的投资组合能否活的超额收益？ 国内外学者的研究结果对第一个问题做了肯定的回答。如Ou 和Penman (1989)从美国上市公司的财务报告中选取了68个变量,围绕公司下一年盈利增加的概率Pr 建立了一个Logit回归模型。他们发现Pr 与未来的盈利变化是正相关的。Abarbanell和Bushe