2011统计
建模 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
Modelling
2011统计
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
BP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
2011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%
月涨跌 重要性 周涨跌 重要性
营业毛利率
成本费用利润率 加权净资产收益率
0.0847
0.0777 0.0581 0.056 0.0536 0.0533 0.0491 0.0476 0.0444 0.04
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50%，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
2011统计
建模
Modelling
K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
2011统计
C5.0决策树
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：
YOU!
2012.06.06
每股未分配利润
营业毛利率 营业利润率 净利润现金含量 基本每股收益 净利润增长率 存货周转率 每股经营现金流量 营业收入增长率 净资产增长率
0.0709
0.0677 0.0641 0.0628 0.052 0.0519 0.0519 0.0503 0.0496 0.0433
周涨跌作为输出：
• • 模型结构（28，7，1） 预测精度：71.4%
应收账款周转率 营业利润增长率 每股现金流量增长率 速动比率 存货周转率
预测月涨跌精度更高
对股票月涨跌（长期）来说 产权比率 重要的是营业毛利率、成本费用 每股收益扣除 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
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
营业收入增长率 F1 总资产增长率F2
应收账款周转率Y1 营业利润率L1
每股收益-扣除P2
速动比率C2
存货周转率Y2
营业净利率L2
每股资本公积金P3 资产负债比率C3
每股未分配利润P4 产权比率C4 每股净资产P5 每股经营现金流量 P6
流动资产周转率Y3 营业毛利率L3
• 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
CONTENTS
1 2
商业理解
数据理解&准备
3
4
建模
评估&部署
2011统计
商业理解
Business U
商业理解
Business Understanding
• 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 • 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 分析，尽管损失了一定的信息但对于预测并不是全无好处
2011统计
THANK
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为：15.75 预测上下区间为（14.69，16.81）
2011统计
评估&部署
Evaluation & Deployment
2011统计
评估和部署
Evaluation & Deployment
2011统计
数据理解&准备
Data Understanding&Preparation
2011统计
数据理解&准备
Data Understanding&Preparation
• 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；
$F-Factor-3
0.1845
$F-Factor-2
0.1298
$F-Factor-5
0.0983
$F-Factor-1
0.1167
预测月涨跌精度更高
对股票月涨跌（长期）来说第一个因子 和第二个主因子比较重要， 基本每股收益和每股收益扣除 比重较 大
$F-Factor-4 0.0647 $F-Factor-3 0.0216
• 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
2011统计
数据理解&准备
每股指标P
基本每股收益P1 流动比率C1
Data Understanding&Preparation
固定资产周转率Y4 成本费用利润率L4 总资产周转率Y5 总资产报酬率L5
营业利润增长率 F3
净利润增长率F4 净资产增长率F5
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
2011统计
建 模
Modelling
2011统计
建模
Modelling
• 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。
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<198%; 资本公积金>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
2011统计
时间序列模型
我们再利用时间序列分析方法，对时代出版这支股票进行预测：
月涨跌作为输出：
• • 模型结构（5，1，1） 预测精度：85.7%
月涨跌 重要性 周涨跌 重要性
$F-Factor-2
0.3691
$F-Factor-4
0.4913
周涨跌作为输出：
• • 模型结构（5，2，1） 预测精度：71.4%
$F-Factor-1
0.2834
$F-Factor-5
0.2406