数据挖掘的聚类分析方法在证券投资中的应用

（） 化 股 份 、 花 味精 、 苏 吴 中 、 １黑 莲 江 铜
峰 电子 、 苏 舜 天 、 水 股 份 江 西 （ ） 江 企 业 、 面 针 、 江 阳 光 、 德 ２紫 两 浙 金 发 展 、 林 旅 游 ： 关 村 、 萧 钢 构 桂 中 杭
２基本 方法
众 所 周 知 ， 是 相 似 的 对 象 的集 合 ， 类 一 般 通 过 限 制 元 素 间的 距 离 来 定 义 类 。 类 聚 就 是 将没 有 明确 类 标 志 的 数 据 集 成 有 意 义 的类 。 聚类的数据类 型及相似性度量 。 聚 类问 题 中有ｎ 个数 据ｘ（ ， ， ，） ＝１２ … ｎ ， ｉ 每 个 数 据 有 Ｐ 变 量 （ 性 ）ｘ 表 示 数 据 ｘ 个 属 ， 的第 Ｊ 属 性 ， 数 据 集 的 所 有 变 量 可 用 如 个 则 下矩阵表示 ：
ＸＩ １ Ｘ ２ １ Ｉ ２ ２ ２
Ｘ ＝
Ｘｎｌ
２
（） ３ 中原 高 速 、 中航 重 机 ， 川 美丰 、 四 东 方 集 团 、ｔ 航 、 ｓ东 白云 机 场 、 圳 能 源 深 （ ） 汇股 份 、 大 网新 、 尔 多斯 、 ４广 浙 鄂 华 泰 股 份 、 鬼 酒 、 艺 股 份 、 海 发 展 、 牡 酒 综 南 黑 丹 、 佰 制 药 、 建 南 纸 益 福 （ ） 力源 、 正 科 技 、 阳 化 工 、 声 ５动 方 沈 超 电子、 国风 塑业 、 族 激 光 、 港 股 份 、 学 大 大 科 城 爱使 股 份 、 波 富达 、 宁 国投 电力 、 格 三 赛 星 、 基 发 展 、 航 凤 凰 银 长 （） 藏天路 、 州药业 、 国远洋 、 ６西 广 中 中 国 平 安 、 版 传 媒 、 地 集 团 、 安 汽 车 出 金 长 第 １ 股 票 明显 的 低 收 益 、 成 长 性 的 类 低 绩 差 股 ， 现 出 的 经 营 业 绩 和 财 务状 况 不 表 佳 ， 展呈衰退趋势 ， 发 投资 价 值 不 大 ； ２ 第 类 的股 票 经 营 业 绩 一 般 、 益 率 偏 低 ， 具 有 收 但 定 的成 长 潜 力和 扩 张 空 间 ； ３ 股 票 虽 第 类 保 持 很 高 的 盈 利 水 平 和 偿 债 能 力 ， 股 收 每 益 一 般 也 很 高 ， 其 成 长性 和 发 展 潜 力 却 但 不 被 看 好 ， 且 扩 张 潜 力有 限 ； ４ 股 票 并 第 类 的 净 利 润 增 长 速 度 很 快 ， 类 股 票 的 收 益 第６ 很 高 ； ５ 股 票 收 益 性 和 成 长 性 表 现 一 第 类 般 ， 务 指 标 较 其 他 样 本 差 异很 大 ， 类 的 财 聚 相似 程度不高 。 通过以上分析 ， 以指导我们的投资 ： 可 方 面 ， 析 股 票 的 业 绩 指 标 可 以判 断 出 分 绩 优 的 类 和 绩 差 的 类 ， 成 长 的 类 和 低成 高 长 的类 ， 由此 投 资 者 可 在 某 一 类 或 几 类 中 确 定 投 资 范 围 ， 高 投 资 决 策 的 效 率 和 准 提 确 性 ； 一 方面 ， 聚 类 的 结 果 中 得 出 类 的 另 从
１引言
．
３聚类分析在 证券 投资中的应用
利 用 聚 类 技 术 可 以 对 股 票 的 行 业 因 素 、 司 因 素 、 益 性 、 长 性 等 基 本 层 面 公 收 成 进 行 考 察 ， 立 较 为 全 面 的 综 合 评 价 指 标 建 体 系 以 衡 量 样 本 股 票 的 相 似 程 度 ， 投 资 使 者 准 确 了 解 和 把 握 股 票 的 总 体 特 性 ， 测 预 股 票 的 发 展 潜 力 ， 而 确 定 投 资 范 围 和 投 从 资 价 值 ， 通 过 类 的 总 体 价 格 水 平 来 预 测 并 股 票 价 格 的 变 动 趋 势 ， 择 有 利 的 投 资 时 选 机。 ３ １建 立 聚类 分析 系统 ． 选 择 每 股 收 益 、 资 产 收 益 率 和 主 营 净 收入增长率 等因素 为选定样 本的依据 ， 这 是 因 为 以 上财 务指 标 是 影 响股 价 水平 的重 要因素。 在这 里 ， 投资组 合跟踪 （ ｄｘｒｃ ｉｇ 以 ｉ ｅ ｔ ｋｎ ） ｎ ａ 作为 主 要 分析 形 式 。 所 谓 投 资 组 合 跟 踪 ， 指 先 选 择 股 票 是 群 ， 后 由优 化 过 程 确 定 每 支 股 票 在 资 产 然 配置中的比重。 法如下 ： 方 定 义 同 一 时 期 Ｔ内跟 踪 误 差 （ ａ ｋ ｎ ｔ ｃ ｉｇ ｒ ｅｒ ｒＴ ）Ｉ ｒｏ ， Ｅ ￣ 超额 收 益（ ｃ ｓ ｒｔ ｒ ， Ｒ）Ｉ ３ ｅ ｅｓ ｅｕ ｎ Ｅ ￣ ｘ Ｉ
学 术 论 坛
ＳＩＣ ＆ＴＣ Ｏ０Ｙ Ｃ ＮＥ ＥＨ ＬＧ ． Ｅ Ｎ
圆
数 据 挖 掘 的 聚 类 分 析 方 法 在 证 券 投
４０７） ３ ０ ２
摘 要： 本文 围绕数据挖 掘技 术在证券投 资 分析 中的应 用展 开分析 ， 尝试发现 其 中有意义 的数 学模 型来 支持证券 交 易的应 用。 关 键 词 ： 据 挖 掘 数 聚 类 分 析 层 次 聚 类 法 中图分类号 ： ２ Ｐ 文献 标识码 ： Ａ 文 章鳊号 ：６ ２ ３ ９帅０ ００ （） ０ １－Ｏ １ ７ － ７ １ Ｐ ３ ｂ－ ｌ ｌ ｐ １ 卸２ （ ） Ｐ ２
下 ：
聚 类分析 （ ｕ ｔｒ ｇ ａ ａ ｓ ） ｃ ｓｅｉ ｎ ｌ ｉ 是把 数据 ｌ ｎ ｙ ｓ 集分 解 或划 分成 多个类 或 组（ｌ ｓ ｒｎ ）使 ｃｕ ｔ ｉｇ ， ｅ 同 一 组 中 的 数 据 比较 相 似 ， 同组 的 数 据 不 差 别 较大 。 过 聚 类 ， 以识 别数 据 之 间的 通 可 相 似 程 度 ， 而 发 现 数 据 集 的 分 布 模 式 和 从 数据的属性之 间的相互关系 。
从 沪深 股 市 １ ２ 只Ａ股（ 止２ ０ 年２ ２ ７ 截 ０ ９ 月 ｌ 日） ２ 中随 机 抽 取 ５ 只股 票作 为样 本 研 究 。 ０ 对 数 据 进 行 标 准 化 处 理 和 指 标 同趋 化 处 理 后 ， 用 Ｓ Ｓ Ｒ Ｅ ２ ０ 软 件 中的 层 应 ＱＬ Ｅ Ｖ Ｒ ０ ５ 次 聚类 法（ ｅａｃ ｉ ｌＣｕ ｔ ） Ｏ Ｈｉ ｒｈｃ ｌｓ ｒ对５ 只股 票 ｒ ａ ｅ 进 行 了聚 类 。 据 聚 类 分 析 的结 果 ， 以 把 根 可 ５ 只样本股分为６ ： Ｏ 类