數(shù)據(jù)挖掘案例分析小組作業(yè)

1、企業(yè)財(cái)務(wù)信息挖掘和股票趨勢(shì)分析、ibmspssmodeler14.1、2014.06.06、數(shù)據(jù)挖掘案例分析結(jié)束報(bào)告、報(bào)告匯總、年度報(bào)告是反映企業(yè)經(jīng)營情況的重要信息渠道，對(duì)投資者也有其重要參考價(jià)值，對(duì)企業(yè)股價(jià)趨勢(shì)的影響本研究利用IBM SPSS Modeler 14.1挖掘企業(yè)年度報(bào)告的財(cái)務(wù)指標(biāo)信息，分析股票動(dòng)向，主要采用以下方法：建立神經(jīng)網(wǎng)絡(luò)模型，預(yù)測企業(yè)財(cái)務(wù)報(bào)告發(fā)布后股票每月漲落情況的主成分分分析后神經(jīng)網(wǎng)絡(luò)預(yù)測， 公司各級(jí)通過目錄、1、2、3、4、CONTENTS、數(shù)據(jù)理解準(zhǔn)備、建模、評(píng)估部署、業(yè)務(wù)理解、業(yè)務(wù)理解、財(cái)務(wù)報(bào)表財(cái)務(wù)數(shù)據(jù)、現(xiàn)金流量表、資產(chǎn)負(fù)債表、損益報(bào)表等無論是管理者還是投資者，

2、財(cái)務(wù)報(bào)告在迅速正確地理解了公司的重要途徑，分析了財(cái)務(wù)報(bào)告后，投資者的期望間接表現(xiàn)在與該公司的股票操作上，收益一上升就購買，其股價(jià)自然上升，反之亦然。 通過財(cái)務(wù)分析，進(jìn)一步預(yù)測股票未來一定期間的動(dòng)向，在具有重要投資價(jià)值的同時(shí)，分析指標(biāo)的重要性，向企業(yè)管理者提供管理建議，發(fā)現(xiàn)不足，也能促進(jìn)企業(yè)的更好發(fā)展。 不加篩選的樣本分析，包括商業(yè)理解、商業(yè)持續(xù)、數(shù)據(jù)理解準(zhǔn)備、數(shù)據(jù)持續(xù)準(zhǔn)備、股價(jià)影響因素很多，經(jīng)濟(jì)形勢(shì)、國家宏觀經(jīng)濟(jì)政策、行業(yè)、企業(yè)自身因素等，必然是樣本數(shù)據(jù)應(yīng)選擇研究意義少的數(shù)據(jù)盡量減少其他噪音的影響，本文收集了媒體娛樂這一行業(yè)的29家上市公司作為實(shí)證分析樣本，選擇了2010年至2012年3年的財(cái)

3、務(wù)報(bào)表數(shù)據(jù)，除了其中ST公司、數(shù)據(jù)不齊全的年份之外， 得到55個(gè)樣品中運(yùn)用的財(cái)務(wù)指標(biāo)，綜合提取和分類了財(cái)務(wù)報(bào)表數(shù)據(jù)，涵蓋企業(yè)各方面，包括5種共計(jì)28個(gè)指標(biāo)。預(yù)測變量包括年度報(bào)告發(fā)表后一周的股票漲價(jià)情況、一月的股票漲價(jià)情況、準(zhǔn)備數(shù)據(jù)理解、準(zhǔn)備數(shù)據(jù)理解、準(zhǔn)備數(shù)據(jù)理解、輸出變量：股票周漲價(jià)、股票月漲價(jià)、建模、 Modelling BP神經(jīng)網(wǎng)絡(luò)利用BP神經(jīng)網(wǎng)絡(luò)模型分別預(yù)測周升和月升，分析建模、Modelling、BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果，以月升為輸出：模型結(jié)構(gòu)(的預(yù)測精度：以81.0%周的下調(diào)為輸出：模型結(jié)構(gòu)(28，7，1 )的預(yù)測精度： 71.4%月的下調(diào)精度對(duì)于股票月的下調(diào)(長期)來說很重要的是營業(yè)

4、粗利率、成本費(fèi)用利潤率和應(yīng)收帳款周轉(zhuǎn)率等，企業(yè)的收益性和運(yùn)營能力指標(biāo)中有股票影響因素中最重要的是每股未分配利潤，另外還有營業(yè)毛利率、營業(yè)利潤率等，已知短期內(nèi)每股指標(biāo)和收益性指標(biāo)很重要的主成分神經(jīng)網(wǎng)絡(luò)，考慮到輸入層指標(biāo)過多，用主成分分析提取了主要因素， 進(jìn)行神經(jīng)網(wǎng)絡(luò)的預(yù)測、建模、建模、主成分分析，提取5個(gè)主要因素，這與研究選定企業(yè)的5種指標(biāo)一致的5個(gè)主要因素提取了原始數(shù)據(jù)28個(gè)指標(biāo)的約70%的信息，主成分神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果分析， 以月升降為輸出：模型結(jié)構(gòu)(5，1，1 )的預(yù)測精度： 85.7%以周的升降為輸出：模型結(jié)構(gòu)(5，2，1 )的預(yù)測精度： 71.4%，月升降的預(yù)測精度更高對(duì)于股票的月升降

5、(長期)來說第一因子和第二因子很重要第四因子主要是每股未分配利潤指標(biāo)，投資者應(yīng)該注意這一指標(biāo)，k平均集群還以媒體行業(yè)股為例，首先利用集群方法將所有媒體股分類：用k平均集群法將所有股分為5類，模型化Modelling，C5.0決策樹營業(yè)純利率為9.8%； 產(chǎn)權(quán)比率為5.26這樣的收益力強(qiáng)風(fēng)險(xiǎn)低的股票只有第二類股票，在所有時(shí)間段只有一種屬于第二類：時(shí)代出版，時(shí)間序列模型我們?cè)倮脮r(shí)間序列分析方法，預(yù)測時(shí)代出版的股票：使用指數(shù)平滑模型：使用指數(shù)平滑模型： 適合的趨勢(shì)和原始系列的趨勢(shì)圖如下，6月7日的收盤價(jià)為預(yù)測，15.75預(yù)測的上下區(qū)間為(14.69，16.81 )，評(píng)價(jià)配置、評(píng)價(jià)配置、評(píng)價(jià)配置，首先根據(jù)股票漲價(jià)的神經(jīng)網(wǎng)絡(luò)預(yù)測， 月亮下跌預(yù)測精度高的企業(yè)財(cái)務(wù)信息對(duì)股票長期動(dòng)向的影響，使用