数据挖掘案例分析小组作业.pptx

数据挖掘案例分析小组作业.pptx

《数据挖掘案例分析小组作业.pptx》由会员分享，可在线阅读，更多相关《数据挖掘案例分析小组作业.pptx（23页珍藏版）》请在冰豆网上搜索。

企业财务信息挖掘与股票走势分析企业财务信息挖掘与股票走势分析IBMSPSSModeler14.12014.06.06数据挖掘案例分析结课报告2011统计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IBMSPSSModeler14.1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2011统计目录1234CONTENTS数据理解数据理解&准备准备建模建模评估评估&部署部署商业理解商业理解2011统计商业理解商业理解BusinessUnderstanding2011统计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。

商业理解BusinessUnderstanding2011统计数据理解数据理解&准备准备DataUnderstanding&Preparation2011统计股价影响因素众多，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DataUnderstanding&Preparation2011统计每股指标每股指标P偿债能力指标偿债能力指标C运营能力指标运营能力指标Y盈利能力指标盈利能力指标L发挥能力指标发挥能力指标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数据理解&准备DataUnderstanding&Preparation输出变量输出变量：

股票周涨跌、股票月涨跌2011统计建建模模Modelling2011统计BPBP神经网络神经网络直接用BP-神经网络模型分别预测周涨跌和月涨跌情况建模Modelling2011统计BP神经网络预测结果分析月涨跌作为输出：

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%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预测月涨跌精度更高预测月涨跌精度更高对股票月涨跌（长期）来说对股票月涨跌（长期）来说重要的是营业毛利率、成本费用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，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利能力指标比较重要2011统计主成分神经网络主成分神经网络考虑到输入层指标过多，采用主成分分析主成分分析提取主要因素在进行神经网络预测建模Modelling2011统计主成分分析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；2011统计主成分-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%预测月涨跌精度更高预测月涨跌精度更高对股票月涨跌（长期）来说第一个因子对股票月涨跌（长期）来说第一个因子和第二个主因子和第二个主因子比较重要，比较重要，基本每股收益和每股收益扣除基本每股收益和每股收益扣除比重较比重较大大影响股票周涨跌（短期）的因素中第四个因子尤其重要，几乎达影响股票周涨跌（短期）的因素中第四个因子尤其重要，几乎达到了到了50%50%，第四个因子主要是每股未分配利润指标，投资者应该，第四个因子主要是每股未分配利润指标，投资者应该注意该项指标注意该项指标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-10.1167$F-Factor-40.0647$F-Factor-30.02162011统计KK均值聚类均值聚类仍然以传媒业股票为例，首先利用聚类方法将所有传媒类股票进行分类：

用K均值聚类法将所有股票分为5类建模Modelling2011统计C5.0C5.0决策树决策树再利用C5.0决策树对这五类变量进行划分，可以看出聚类的标准：

加权净资产收益率5.5%；营业净利率9.8%；产权比率大于5.26这样盈利能力强而风险低的股票只有第二类股票而在所有时间段都属于第二类只有一支：

时代出版时代出版2011统计时间序列模型时间序列模型我们再利用时间序列分析方法，对时代出版时代出版这支股票进行预测：

2011统计使用指数平滑模型：

2011统计使用指数平滑模型：

2011统计拟合的趋势和原始序列趋势图如下：

6月7日的收盘价根据预测预测为：

15.75预测上下区间为（14.69，16.81）2011统计评估评估&部署部署Evaluation&Deployment2011统计评估和部署Evaluation&Deployment首先对股票涨跌的神经网络预测发现，对月涨跌的预测精度更首先对股票涨跌的神经网络预测发现，对月涨跌的预测精度更高，说明企业财务信息对股票的长期走势影响更为明显高，说明企业财务信息对股票的长期走势影响更为明显在在应用主成分神经网络预测后发现，对月涨跌的预测精度有在在应用主成分神经网络预测后发现，对月涨跌的预测精度有所提高，说明在输入层指标比较多的情况，可以先进行主成分所提高，说明在输入层指标比较多的情况，可以先进行主成分分析，尽管损失了一定的信息但对于预测并不是全无好处分析，尽管损失了一定的信息但对于预测并不是全无好处THANKYOU!

2012.06.06