決策樹及神經(jīng)網(wǎng)絡(luò)算法在股票分類預(yù)測中的應(yīng)用.pdf

1、股票市場作為市場經(jīng)濟(jì)的“晴雨表”反映著我國經(jīng)濟(jì)的總體狀況,在我國經(jīng)濟(jì)發(fā)展中起著重要的作用。隨著股票市場的發(fā)展,越來越多的人選擇投資股票。為了可以準(zhǔn)確的選擇優(yōu)秀的上市公司進(jìn)行投資,從中獲取可觀的收益,這就需要對股票市場上不同的上市公司的綜合經(jīng)營績效進(jìn)行準(zhǔn)確的分析預(yù)測。然而股票市場數(shù)據(jù)量龐大,是一個(gè)非常復(fù)雜的系統(tǒng),利用傳統(tǒng)的方法很難對它做出準(zhǔn)確的預(yù)測。數(shù)據(jù)挖掘技術(shù)是一個(gè)從海量的雜亂無章的數(shù)據(jù)中提取出隱含和潛在的對決策有價(jià)值的信息和模式的過程

2、,它可以處理股票市場上規(guī)模巨大、繁瑣、雜亂無章的數(shù)據(jù)。本文利用數(shù)據(jù)挖掘技術(shù)中的C5.0決策樹、BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)三種分類算法以上市公司的綜合經(jīng)營績效等級為分類標(biāo)準(zhǔn)進(jìn)行分類預(yù)測。
　　本文選取2012年A股市場上200個(gè)上市公司為樣本,其中50個(gè)為A股市場上綜合績效最優(yōu)的股票,50個(gè)為綜合績效最差的股票,另外100個(gè)為隨機(jī)選取的綜合績效一般的股票,其中50個(gè)為上證股票,50個(gè)為深證股票。以股票的綜合績效等級為輸出變量,選取

3、七大類14個(gè)有代表性的財(cái)務(wù)指標(biāo)作為輸入變量,運(yùn)用SPSS Clementine軟件,利用C5.0決策樹、BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)三種分類算法分別建立分類預(yù)測模型。在建立模型時(shí),隨機(jī)選取樣本集中80％的數(shù)據(jù)作為訓(xùn)練樣本,用于模型的建立;選取樣本集中其余20%的數(shù)據(jù)作為測試樣本,用于模型有效性的檢測。模型建立之后,對三種分類方法的預(yù)測準(zhǔn)確率進(jìn)行比較可知, C5.0決策樹算法得到的對測試樣本集的預(yù)測準(zhǔn)確率最高,運(yùn)用C5.0決策樹更具有參考