数据挖掘在预测上市公司未来状况中的应用

发布时间：2021-10-22 21:39

　　数据挖掘是通过自动或半自动化的工具对大量的数据进行探索和分析的过程,目的是发现其中有意义的模式和规律。其在数据库营销、市场细分、风险分析,欺诈甄别和客户资源管理等领域的应用已经相当成熟。本文则将数据挖掘应用于企业未来状况的预测,重点是上市公司未来盈利增长的预测。本文首先对数据挖掘的概念与技术（包括:数据挖掘方法论,数据挖掘模型和模型的有效性）作了必要的解释和阐述。数据挖掘方法论是指导数据挖掘的一套流程,按照这套流程进行数据挖掘可以达到事半功倍的效果。数据挖掘模型则主要包括:Logistic回归模型,决策树模型（Decision Trees）和神经网络模型（Neural Networks）等。每一种模型都有其特性,建模方式和算法也有很大的区别,本文将分别对它们进行介绍。要建立一个好的预测模型必须考察模型的有效性,即防止模型的过度拟合,本文将介绍过度拟合的概念及防范措施。随后就进入本文的重点,利用数据挖掘对于企业未来状况进行预测。公司盈利的增长是普通投资者、证券投资基金和券商普遍关注的问题,因为只有具备盈利增长能力的公司才能给投资者带来持续的回 

【文章来源】：上海财经大学上海市 211工程院校 教育部直属院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

—3所示，99.41%的上市公司总股本都很小，整个分布呈现出典型的有偏分布的情形

—5，图3—6中可知，

—6净资产正态化分布图

【参考文献】：
期刊论文
[1]运用多元判别法评估企业信用风险的实例[J]. 方洪全,曾勇.  预测. 2004(04)
[2]上市公司财务危机预警分析——基于数据挖掘的研究[J]. 刘旻,罗慧.  数理统计与管理. 2004(03)
[3]不同模型在信用评价中的比较研究[J]. 吴德胜,梁樑,杨力.  预测. 2004(02)
[4]财务危机预警在我国上市公司的实证研究[J]. 赵健梅,王春莉.  数量经济技术经济研究. 2003(07)
[5]数据挖掘与其他技术的比较[J]. 朱世武,崔嵬,张尧庭,谢邦昌.  统计研究. 2003(07)
[6]利用上市公司公开的财务信息预测未来的销售[J]. 陆璇,张岭松,陈小悦.  当代经济科学. 2003(01)
[7]A股盈余报告的有用性研究——来自上海、深圳股市的实证证据[J]. 陈晓,陈小悦,刘钊.  经济研究. 1999(06)
[8]会计盈余披露的信息含量——来自上海股市的经验证据[J]. 赵宇龙.  经济研究. 1998(07)



本文编号：3451881