集成學習方法在上市公司盈利預測中的應(yīng)用研究.pdf

1、目前，預測已經(jīng)成為一門重要的學科。隨著預測科學的發(fā)展，非線性預測方法成為當前研究的熱點。集成學習方法作為機器學習研究領(lǐng)域的四大主題之一，越來越受到研究者的關(guān)注。作為一種相當有效的機器學習方法，集成學習已經(jīng)廣泛地用于公司財務(wù)困境、匯率預測及文本挖掘等研究領(lǐng)域。 公司的盈利能力是投資者普遍關(guān)注的焦點。盈利預測也成了最近許多研究者研究的主題。盈利預測準確與否，關(guān)系到廣大投資者的切實利益。因此，為了能使預測更加準確，許多預測方法被用于盈

2、利預測中。但是，現(xiàn)有研究采用的方法得到的盈利預測準確率并不高。因此，如何應(yīng)用新的更為有效的方法來進行預測，是一個迫切需要解決的問題。 本文在對有關(guān)盈利預測的相關(guān)文獻進行分析的基礎(chǔ)上，指出了現(xiàn)有研究存在的主要問題。在此基礎(chǔ)上，本文對集成學習方法用于盈利預測的機理進行了分析?？紤]到盈利預測問題是個復雜的非線性問題后，本文運用以決策樹和BP神經(jīng)網(wǎng)絡(luò)作為基學習器的集成學習方法預測公司未來盈利狀況。 本文對所建立的集成學習模型進行

3、了實證研究。實證研究選取的數(shù)據(jù)樣本是滬深兩市2001年至2007年A股上市公司的年報數(shù)據(jù)。其中，2007年的數(shù)據(jù)作為測試樣本。在剔除了那些在中途上市或財務(wù)變量中含有大量缺失值的公司后，本文對所得到的樣本數(shù)據(jù)進行了預處理，包括缺失值、奇異值的處理。此外，為了使數(shù)據(jù)符合神經(jīng)網(wǎng)絡(luò)方法的要求，本文對其進行了歸一化處理。將各財務(wù)變量的范圍歸一到[-1，1]。為了更貼近實際和更好地指導投資者，本文將目標變量(每股收益)劃分為三類。利用選取的財務(wù)變量