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

1、股票市場作為市場經(jīng)濟的“晴雨表”反映著我國經(jīng)濟的總體狀況,在我國經(jīng)濟發(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。為了可以準確的選擇優(yōu)秀的上市公司進行投資,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)營績效進行準確的分析預測。然而股票市場數(shù)據(jù)量龐大,是一個非常復雜的系統(tǒng),利用傳統(tǒng)的方法很難對它做出準確的預測。數(shù)據(jù)挖掘技術(shù)是一個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準進行分類預測。
　　本文選取2012年A股市場上200個上市公司為樣本,其中50個為A股市場上綜合績效最優(yōu)的股票,50個為綜合績效最差的股票,另外100個為隨機選取的綜合績效一般的股票,其中50個為上證股票,50個為深證股票。以股票的綜合績效等級為輸出變量,選取

3、七大類14個有代表性的財務(wù)指標作為輸入變量,運用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測模型。在建立模型時,隨機選取樣本集中80％的數(shù)據(jù)作為訓練樣本,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測準確率進行比較可知, C5.0決策樹算法得到的對測試樣本集的預測準確率最高,運用C5.0決策樹更具有參考