数据挖掘案例分析小组作业.pptx

数据挖掘案例分析结课报告IBM SPSS Modeler 14.1企业财务信息挖掘与股票走势分析2014.06.06报告提要年报是反映企业经营状况的重要信息途径，对投资者也具有及其重大的参考价值，对企业股价走势的影响也不可小视。本研究利用IBM SPSS Modeler 14.1挖掘企业年报财务指标中的信息并对对股票走势分析预测，主要用到了以下方法：构建神经网络模型分析预测企业财报发布后股票月度涨跌情况主成分分析后结合神经网络预测目录CONTENTS1商业理解2数据理解准备3建模4评估部署 商业理解 Business Understanding商业理解Business Understanding通过财务报表的财务数据，包括现金流量表、资产负债表、和利润表，可以定量的认识深层次的了解公司各个层次的运营状况，无论是管理者还是投资者，财务报表无疑都是快速准确了解公司的重要途径，对财务报表的分析之后，投资者的期望则间接地体现在对与该公司的股票的操作，看好则会买进，其股价自然会上涨，反之则反。通过对财务分析，进一步预测股票在未来一段时间内的走势，具有很重要的投资价值，同时对指标的重要性进行分析，也可以为企业管理者提供管理建议，发现不足，促进企业更好的发展。 数据理解准备 Data UnderstandingPreparation数据理解准备Data UnderstandingPreparation股价影响因素众多，经济形势、国家宏观经济政策，行业，企业自身因素等，若不加筛选的寻找样本分析，必然造成样本数据噪声过大，研究意义不大；选择数据应尽可能的减少其他噪声的影响，本文收集整合了传媒娱乐这一行业29家上市公司作为实证分析样本，选用2010年-2012年3年财报数据，剔除其中的ST公司、数据不齐全年份，得到55个样本；其中运用到的财务指标，综合提取了财报中的数据并进行了归类，涵盖了企业的各个方面，包含5类共28个指标。预测变量包括：年报发布后一周股票涨跌情况、一月股票涨跌情况数据理解准备Data UnderstandingPreparation每股指标P偿债能力指标C运营能力指标Y盈利能力指标L发挥能力指标F基本每股收益P1流动比率C1应收账款周转率Y1营业利润率L1营业收入增长率F1每股收益-扣除P2速动比率C2存货周转率Y2营业净利率L2总资产增长率F2每股资本公积金P3资产负债比率C3流动资产周转率Y3营业毛利率L3营业利润增长率F3每股未分配利润P4产权比率C4固定资产周转率Y4成本费用利润率L4净利润增长率F4每股净资产P5总资产周转率Y5总资产报酬率L5净资产增长率F5每股经营现金流量P6净利润现金含量Y6加权净资产收益率L6每股现金流量增长率Y7输出变量：股票周涨跌、股票月涨跌 建 模 Modelling建模ModellingBP神经网络直接用BP-神经网络模型分别预测周涨跌和月涨跌情况BP神经网络预测结果分析月涨跌重要性周涨跌重要性营业毛利率0.0847每股未分配利润0.0709成本费用利润率0.0777营业毛利率0.0677加权净资产收益率0.0581营业利润率0.0641应收账款周转率0.056净利润现金含量0.0628营业利润增长率0.0536基本每股收益0.052每股现金流量增长率0.0533净利润增长率0.0519速动比率0.0491存货周转率0.0519存货周转率0.0476每股经营现金流量0.0503产权比率0.0444营业收入增长率0.0496每股收益扣除0.04净资产增长率0.0433月涨跌作为输出：模型结构（28，8，1）预测精度：81.0%周涨跌作为输出：模型结构（28，7，1）预测精度：71.4%预测月涨跌精度更高对股票月涨跌（长期）来说 重要的是营业毛利率、成本费用 利润率和应收账款周转率等，对 企业盈利能力和运营能力指标比较看重影响股票周涨跌（短期）的因素中最重要的是每股未分配利润，其他有营业毛利率、营业利润率等，可见短期来说每股指标和盈利能力指标比较重要建模Modelling主成分神经网络考虑到输入层指标过多，采用主成分分析提取主要因素在进行神经网络预测主成分分析共提取出5个主因子，这与研究中所选用的企业的五类指标相吻合；5个主因子提取了原始数据28个指标近70%的信息；主成分-神经网络预测结果分析月涨跌作为输出：模型结构（5，1，1）预测精度：85.7%周涨跌作为输出：模型结构（5，2，1）预测精度：71.4%月涨跌重要性周涨跌重要性$F-Factor-20.3691$F-Factor-40.4913$F-Factor-10.2834$F-Factor-50.2406$F-Factor-30.1845$F-Factor-20.1298$F-Factor-50.0983$F-Factor