支持向量机在选择优质股票中的应用.pdfVIP

支持向量机在选择优质股票中的应用 张玉川，张作泉，黄 珍 (北京交通大学 理学院，北京 100044) 摘 要：本文利用支持向量机建立挑选优质股票的分类模型，选取上交所1999—2005年的所有上市 公司作为研究样本，代入支持向量机模型进行实证测算，结果表明上市公司下一年的每股收益与该公司 当年的财务指标有着密切的联系。通过上市公司财务指标，利用SVM分类模型选中的股票其平均每股 收益远远超过了上市公司平均每股收益。 关键词：支持向量机；挑选股票；分类模型；财务指标；每股收益 中图分类号：F830 文献标识码：A 文章编号：1002—6487(2008)04—0163—03 函数f{x,a0}，使得预测期望风险R(a)=f Q(y，f(x，a))dF(x，y)最小， 1 SVM 简介和模型 的建立 其中{f(x，a)}称为学习函数集，a∈八(^为广义参数集)，Q(y，f 通常学习问题可表述为：已知Y与输入x之问存在未知 ( a))称为损失函数，在分类问题中通常损失函数取为Q(y，f(x， 依赖关系F(x，Y)，学习问题就是根据1个独立同分布的观测 = 习目标是使R(a)最／J、 期望风险最 样本x Y)，(xz，y2)，…，x。，y1)，在～组函数ff(x，a)}中寻找一个最优 小化准则。实际计算时，一般用样本平均误差来代替Rfa)中 基金项目：国家自然科学基金资助项目 经过统计，住院天数 15天以下(包括15天)的患者占总 院时间及住院费用规律等等。总之，运用先进工具从数目繁 人数的90．6％，我们以此为界对住院费用进行分析。 多、杂乱无章的医疗数据中提取出有用信息，既可以了解公 实际住院天数与住院费用的关系： 众健康信息状况，又能帮助医疗保险机构发现及时问题．动 (1)以人院情况(病情严重程度)作标识，实际住院天数 态地掌握情况，为其制定有效的政策制度奠定基础。本文只 为X轴、住院费用总计为Y轴作散点图(图5)，发现住院费 是利用Clementine对数据进行了初步的挖掘．在此基础上． 用随实际住院天数的增长呈快速上升趋势，住院15天以上 利用住院费用得主要影响因素做费用的预测，异常费用的识 的医疗费用普遍较高。同时发现有不少病情一般的病人住院 别等等许多研究工作。充分利用Clementine这些先进数据挖 天数超过了15天，其中出现一个病例人院情况为一般住院 掘工具，将使医疗保险机构的管理水平提高到新的层次。 天数超过70天，这些不合理的地方需要结合病例作进一步 审核。 参考文献： (2)以医院做标识，实际住院天数为X轴、住院费用总计 [1lG。Piatetsky—Shapiro。The Dala-Mining Indust~ Coming of Age 为Y轴作散点图(图6)。我们发现住院天数超过 15天的患 [J1．IEEE Intelligent Systems 1999，November／December．3 2-34。 者大部分在医院1和医院5就诊。因此住院天数与就诊医院 [2]Richard AddeAey。The Use of Data Mining Techniques in Oper- ational