论文部分内容阅读
数据挖掘作为一项新兴技术,在诸多领域得到了成功应用,主要包括,市场、销售、客户资源管理和欺诈甄别等领域。但是将数据挖掘运用于企业的报表分析,公司未来状况预测乃至投资等方面的研究还不是很多。
本文针对上市公司的财务信息预测来分析问题。国内外大量研究结果表明,上市公司定期公布的财务报告具有很强的信息含量,而一个企业的盈利状况变化往往也会体现在他的股票价格上。因此,对于投资者来说,如何寻找盈利增长能力较高的上市公司是其进行投资决策极其重要的环节。只有发现了这样的公司,投资者才能获得超额回报。而目前投资者判断一个企业的盈利能力,最常用的方法就是分析企业的财务报表,其中的财务信息能为投资者提供与公司未来盈利能力及其增长相关的信息。
目前的预测财务信息的方法中,最常用的是常规的统计方法、计量经济学模型和财务分析模型。统计和计量经济学方法形式单一,往往存在过度拟合的缺点。而财务分析模型则受人们主观影响过大,而且相对较为繁琐。本文引入了数据挖掘方法,有效地避免以上不足。
首先,我们将我国A股上市公司2003年年报至2006年半年报(中报)的每半年披露的财务报表数据形成“2003-2004数据集”、“2004-2005数据集”以及“2005-2006数据集”。
然后再对数据进行预处理,确定自变量与应变量。再进行数据拆分。为了防止过度拟合现象地产生,数据集按照50%:30%:20%的比例拆分成相互独立的三个数据集:训练集,验证集和测试集,其中训练集用于“拟合”可供选择的模型(Logistic回归),“种植”决策树(决策树),“训练”神经网络(神经网络模型)。验证集用于选择合适的模型(Logistic回归),修剪树枝(决策树),中止训练(神经网络)。可以说,是训练集和验证集参与了模型的建立,测试集对模型进行效果的评估测试。
再利用SAS Enterprise Mine(简称SAS/EM)中Regression,Tree,Neural Network三种方法,结合“2003-2000数据集”来分别构建Logistic回归,决策树以及神经网络三个模型。将“2004-2005”数据集分别置入三个模型,得到2005年年报预测结果,并计算2005年9月1日至2006年9月1日(上市公司当年半年报必须于9月1日前披露)各个股票的绝对收益率、相对上证180和相对上证指数的收益率,评估预测结果的有效性。
最后,在模型及预测结果有效的前提下,在SAS中利用“2004-2005数据集”
再次构建Logistic回归,决策树以及神经网络三个模型。将“2005-2006数据集”置入新构建的三个模型中,得到2006年年报财务数据的预测结果,并构建相应投资组合。本文利用数据挖掘的技术得出的预测结果及构建的投资组合,在实际中得到较高的超额收益。同时,为了保证结果的稳健可靠,本文中还采用“数据拆分”的方法,对财务报表预测的有效性进行评估,评价预测效果的稳健性。