模糊聚類和傳統(tǒng)聚類分析在證券市場(chǎng)應(yīng)用上的比較

謝桂標(biāo)

(五邑大學(xué)經(jīng)濟(jì)管理學(xué)院，廣東 江門，529020)

?

模糊聚類和傳統(tǒng)聚類分析在證券市場(chǎng)應(yīng)用上的比較

謝桂標(biāo)

(五邑大學(xué)經(jīng)濟(jì)管理學(xué)院，廣東 江門，529020)

為探究模糊聚類分析方法在證券投資中是否是一種比傳統(tǒng)聚類更有效的指導(dǎo)方法,以16家上市銀行為研究對(duì)象,分別采用模糊聚類和傳統(tǒng)聚類方法對(duì)選取的10個(gè)重要財(cái)務(wù)指標(biāo)進(jìn)行分析,然后對(duì)報(bào)告期后三個(gè)月各銀行股的收盤價(jià)按分類結(jié)果進(jìn)行風(fēng)險(xiǎn)和收益分析。結(jié)果發(fā)現(xiàn),傳統(tǒng)聚類分析中的4種分類方法分類效果欠佳,不能滿足特定風(fēng)險(xiǎn)類型投資者的投資要求;而模糊聚類分析的分類結(jié)果能滿足不同風(fēng)險(xiǎn)偏好投資者的投資要求,減少特定風(fēng)險(xiǎn)類型投資者的選股范圍。為獲得比較符合客觀實(shí)際的分類結(jié)果和避開在多種傳統(tǒng)聚類方法中進(jìn)行選擇,建議投資者采用考慮樣本間關(guān)聯(lián)的模糊聚類分析方法對(duì)股票進(jìn)行分析。

模糊聚類分析;傳統(tǒng)聚類分析;證券市場(chǎng)

現(xiàn)今證券市場(chǎng)已經(jīng)成為人們重要的理財(cái)場(chǎng)所，但股市有風(fēng)險(xiǎn)，入市須謹(jǐn)慎。面對(duì)股票市場(chǎng)里上千支股票，投資者需要細(xì)致分析、理性投資才能有效規(guī)避風(fēng)險(xiǎn)，增加投資收益。常用的證券投資分析技術(shù)主要是基本面分析和技術(shù)分析?；久娣治鐾ㄟ^研究整個(gè)國(guó)家的宏觀經(jīng)濟(jì)政策走向、具體上市公司的經(jīng)濟(jì)行為和經(jīng)營(yíng)狀況來判斷公司股票是否值得投資；技術(shù)分析則是通過研究股票的指標(biāo)，如切線、K線等量?jī)r(jià)走勢(shì)資料來研判該股近期或長(zhǎng)期的走勢(shì)。對(duì)廣大投資者而言，宏觀經(jīng)濟(jì)變動(dòng)和上市公司的經(jīng)營(yíng)運(yùn)行狀況難以被準(zhǔn)時(shí)準(zhǔn)確地把握，技術(shù)分析也有可能被“莊家”利用而導(dǎo)致投資者做出錯(cuò)誤的投資決策，所以應(yīng)用這兩種方法做證券投資分析操作困難較大，效率不高。為了提高投資決策的科學(xué)性和可操作性，不少學(xué)者從不同角度及投資策略中研究出一些投資理論和選股方法，聚類分析便是其中一種有效的選股方法。

一、文獻(xiàn)綜述

聚類分析是一種定量數(shù)學(xué)方法，根據(jù)樣本指標(biāo)的數(shù)值特征對(duì)樣本進(jìn)行分類，能夠辨別樣本之間的親疏關(guān)系并將具有一定相似性的樣本歸為一類[1]，從而減少人們的選擇范圍，提高分析效率。到目前為止，聚類分析方法已經(jīng)有了很大的發(fā)展，在證券市場(chǎng)上應(yīng)用比較廣泛的是傳統(tǒng)聚類方法和模糊聚類方法。

傳統(tǒng)聚類分析方法最初應(yīng)用到證券市場(chǎng)時(shí)，聚類的股票是隨機(jī)選擇的，并沒有考慮行業(yè)因素。周焯華、陳文南、張宗益(2002)在非ST、PT股的1062支股票中隨機(jī)選取50支股票作為樣本進(jìn)行系統(tǒng)聚類分析，結(jié)果表明，聚類分析方法能幫助投資者準(zhǔn)確地了解股票的總體特性[2]。丁浩(2008)隨機(jī)選取20支股票，采用類平均法對(duì)其進(jìn)行聚類分析，結(jié)果顯示，聚類分析能幫投資者準(zhǔn)確地把握股票的總體特性，預(yù)測(cè)股票的發(fā)展?jié)摿3]。后來為了得到更好的分析效果，有學(xué)者將聚類分析和其他分析方法聯(lián)合起來使用。馮偉(2009)將聚類分析和方差分析技術(shù)結(jié)合，對(duì)32支不同行業(yè)的股票進(jìn)行了投資分析[4]。但是不同行業(yè)股票的聚類分析對(duì)投資者的指導(dǎo)意義不大，因?yàn)橥顿Y者往往比較關(guān)心的是在一個(gè)發(fā)展前景看好的行業(yè)中哪些股票更具有投資價(jià)值。有不少學(xué)者以行業(yè)為分析基礎(chǔ)，將聚類分析和其他分析方法結(jié)合進(jìn)行投資分析。馬安麗、吳天瑤、馬京麗(2013)把因子分析和聚類分析應(yīng)用到我國(guó)文化傳媒板塊上市公司業(yè)績(jī)綜合評(píng)價(jià)上，通過因子分析把選取的18個(gè)財(cái)務(wù)指標(biāo)降維為6個(gè)公因子，然后利用這6個(gè)公因子將35家公司通過聚類分析分成5類，其分類結(jié)果能為企業(yè)債權(quán)人、公司管理層以及投資者提供投資和決策的參考依據(jù)[5]。郭俊峰(2015)用兩步聚類法和系統(tǒng)聚類法對(duì)十家計(jì)算機(jī)行業(yè)上市公司的股票進(jìn)行聚類分析，其研究表明，聚類分析和時(shí)間序列分析技術(shù)結(jié)合是一種新的簡(jiǎn)單有效的數(shù)據(jù)挖掘方法，能夠較合理地發(fā)現(xiàn)投資機(jī)會(huì)并規(guī)避風(fēng)險(xiǎn)[6]。

模糊聚類方法是現(xiàn)今模糊理論應(yīng)用最富成果的技術(shù)之一，在證券分析中，有學(xué)者直接運(yùn)用模糊聚類分析方法將股票進(jìn)行分類。譚成波(2011)通過對(duì)有色金屬 9家上市公司的財(cái)務(wù)狀況進(jìn)行研究，利用模糊聚類方法對(duì)9家上市公司進(jìn)行分類，并按季度指標(biāo)對(duì)其進(jìn)行動(dòng)態(tài)分析，通過分析分類結(jié)果并判斷公司的財(cái)務(wù)狀況和經(jīng)營(yíng)改變情況，在一定程度上對(duì)投資者起到幫助和指導(dǎo)作用[7]。靳大力、姚萌、陳溪(2013)應(yīng)用模糊聚類分析研究銀行業(yè)板塊的價(jià)值錯(cuò)估問題，他們首先對(duì)銀行業(yè)板塊中16只個(gè)股進(jìn)行模糊聚類分析，然后以個(gè)股60日收盤均價(jià)作為排序指標(biāo)，分析顯著遠(yuǎn)離其分組的個(gè)股，為投資者發(fā)現(xiàn)具有投資價(jià)值的股票[8]。亦有學(xué)者根據(jù)股票數(shù)據(jù)的特點(diǎn)，在常用方法的基礎(chǔ)上構(gòu)造新的分析方法，建立模糊相似關(guān)系進(jìn)行模糊分析。許宗燕(2007)在夾角余弦法和海明距離法的基礎(chǔ)上構(gòu)造新方法“夾角余弦+海明距離法”建立模糊相似矩陣，然后進(jìn)行模糊聚類分析，通過比較分析發(fā)現(xiàn)，在構(gòu)造的相似度函數(shù)下聚類結(jié)果更具有合理性[9]。除了創(chuàng)新建立模糊關(guān)系的相似函數(shù)，也有學(xué)者將模糊聚類分析與其它分析方法結(jié)合，創(chuàng)造新的聚類方法對(duì)股票數(shù)據(jù)進(jìn)行分析。李星(2012)在灰色系統(tǒng)理論和模糊理論的基礎(chǔ)上提出區(qū)間灰數(shù)的灰色動(dòng)態(tài)聚類模型，通過對(duì)12家上市公司進(jìn)行灰色聚類，并對(duì)聚類結(jié)果進(jìn)行分析，發(fā)現(xiàn)兩種方法的綜合應(yīng)用提高了分類精確度而且分類結(jié)果更符合客觀現(xiàn)實(shí)[10]。

通過以上文獻(xiàn)可以發(fā)現(xiàn)，傳統(tǒng)聚類分析和模糊聚類分析方法在證券投資領(lǐng)域有深入的研究和廣泛的應(yīng)用，在股票分類上都取得了不錯(cuò)的分類效果。然而傳統(tǒng)的聚類分析只能對(duì)事物做出硬劃分，將每個(gè)待歸類的對(duì)象進(jìn)行界限分明的歸類，而經(jīng)濟(jì)管理中分類界限往往是不分明的，用傳統(tǒng)的聚類方法來分析界限不分明的對(duì)象，分析結(jié)果會(huì)與實(shí)際情況有較大的偏離。而模糊聚類能對(duì)事物做出科學(xué)的軟劃分，模糊聚類分析考慮了樣本分界不明顯的特點(diǎn)，通過建立模糊相似關(guān)系對(duì)樣本進(jìn)行分類，更能反映樣本的客觀情況[11]。理論上一般認(rèn)為，在研究界限不明的樣本分類中，模糊聚類分析的分類效果會(huì)比傳統(tǒng)聚類分析更符合實(shí)際。

二、聚類結(jié)果和分類效果比較

(一)分類對(duì)象和指標(biāo)

本文進(jìn)行聚類分析的對(duì)象是中國(guó)證券市場(chǎng)上銀行板塊的16家上市銀行，選擇的指標(biāo)一共10個(gè)。每股收益、每股凈資產(chǎn)、每股未分配利潤(rùn)這三個(gè)指標(biāo)是股票市場(chǎng)上與股價(jià)息息相關(guān)的重要指標(biāo)。每股收益反映獲利能力的強(qiáng)弱，收益越高，獲利能力就越強(qiáng)；每股凈資產(chǎn)代表公司凈資產(chǎn)價(jià)值，是支撐股票市場(chǎng)價(jià)格的重要基礎(chǔ)；每股未分配利潤(rùn)反映企業(yè)未分配利潤(rùn)與總股數(shù)量的比值，每股未分配利潤(rùn)越高，上市公司提供回報(bào)的潛在能力也越強(qiáng)。每股凈資產(chǎn)和每股未分配利潤(rùn)都是反映上市公司股本擴(kuò)張能力的重要指標(biāo)。營(yíng)業(yè)收入和毛利率是兩個(gè)代表企業(yè)成長(zhǎng)能力的指標(biāo)。營(yíng)業(yè)收入是企業(yè)取得利潤(rùn)的重要保障，對(duì)企業(yè)的經(jīng)濟(jì)效益有著舉足輕重的影響；毛利率是毛利與營(yíng)業(yè)收入的百分比，是判斷上市公司是否盈利的重要標(biāo)準(zhǔn)。營(yíng)業(yè)收入和毛利率越高，表明上市公司有較強(qiáng)的成長(zhǎng)能力，預(yù)示企業(yè)未來會(huì)有較好的發(fā)展前景。加權(quán)凈資產(chǎn)收益率和攤薄凈資產(chǎn)收益率是上市公司盈利能力指標(biāo)，這兩個(gè)指標(biāo)體現(xiàn)了自有資本獲得凈收益的能力，指標(biāo)值越高，說明投資帶來的收益越高，上市公司有較強(qiáng)的競(jìng)爭(zhēng)能力和獲利能力。經(jīng)營(yíng)現(xiàn)金流/營(yíng)業(yè)收入是盈利質(zhì)量指標(biāo)。當(dāng)期收入與現(xiàn)金流入同步，說明盈利質(zhì)量較高，這個(gè)指標(biāo)的數(shù)值越大，上市公司盈利質(zhì)量和資金利用效果越好?？傎Y產(chǎn)周轉(zhuǎn)率是綜合評(píng)價(jià)企業(yè)資產(chǎn)管理效率、資金運(yùn)營(yíng)效率的重要指標(biāo)，周轉(zhuǎn)率越大，總資產(chǎn)周轉(zhuǎn)越快，公司資產(chǎn)運(yùn)營(yíng)效率高。資產(chǎn)負(fù)債率是財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)，反映上市公司的資產(chǎn)安全性和長(zhǎng)期償債能力。綜合考慮與股價(jià)關(guān)系密切的因素和上市公司的成長(zhǎng)能力、盈利能力、資金運(yùn)用能力及抗風(fēng)險(xiǎn)能力，共選取這10個(gè)具有代表性的指標(biāo)組成上市銀行股票的綜合評(píng)價(jià)指標(biāo)體系進(jìn)行聚類分析。數(shù)據(jù)來源于東方財(cái)富股票軟件上公布的2015年9月30日各大上市銀行財(cái)務(wù)報(bào)表。

用stata12.1 對(duì)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)，結(jié)果如表1所示。其中var1-var10分別對(duì)應(yīng)指標(biāo)每股收益-資產(chǎn)負(fù)債率。

表1　數(shù)據(jù)描述性統(tǒng)計(jì)

(二)兩種聚類方法的分類結(jié)果

在投資學(xué)中，一般把投資者分成三種類型：風(fēng)險(xiǎn)偏好者、風(fēng)險(xiǎn)中性者和風(fēng)險(xiǎn)厭惡者。據(jù)此，把16家不同的銀行分成三類，以更貼合投資者的風(fēng)險(xiǎn)特性來進(jìn)行分析。首先應(yīng)用模糊聚類分析方法把16家上市銀行分成三類。模糊聚類分析的步驟是先對(duì)選取的財(cái)務(wù)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，然后建立模糊相似關(guān)系矩陣，在此基礎(chǔ)上求具有傳遞性特點(diǎn)的模糊等價(jià)矩陣，最后取不同的λ確定不同的分類數(shù)。

采用絕對(duì)值減數(shù)法將數(shù)據(jù)標(biāo)準(zhǔn)化，將數(shù)據(jù)壓縮到[0，1]區(qū)間上，以便構(gòu)造模糊相似矩陣。絕對(duì)值減數(shù)法公式如式(1)。根據(jù)數(shù)據(jù)實(shí)際情況取c=0.0001，m=10，i、j=1～16，然后運(yùn)用matlab7.1求得模糊相似矩陣R。

(1)

求得模糊相似矩陣R后，用模糊乘法和平方法計(jì)算R對(duì)應(yīng)的模糊等價(jià)矩陣B。最后確定λ的值將16家上市銀行進(jìn)行分類。當(dāng)λ等于0.95時(shí)，16家上市銀行分成五類；λ等于0.9時(shí)，分成三類；λ等于0.855時(shí)分為兩類。所以λ值取0.9，把16家上市銀行分成三類。

應(yīng)用傳統(tǒng)聚類方法將16家上市銀行分成三類。傳統(tǒng)聚類分析分成兩個(gè)寬泛的類別，包括劃分聚類分析和層次聚類分析。劃分聚類分析方法的基本思想是將觀察到的樣本劃分到設(shè)定好的不重合的分組中去，常用的是K個(gè)平均數(shù)的聚類分析方法，通過迭代過程將聚類樣本分配到具有最接近的平均數(shù)的組。層次聚類分析方法的基本思想是根據(jù)一定的標(biāo)準(zhǔn)使得最相近的樣本聚合到一起，然后逐步放松標(biāo)準(zhǔn)使得次相近的樣本聚合到一起，最后把所有的樣本匯集到一個(gè)組中[12]。常用的層次聚類分析方法有：最短聯(lián)結(jié)法聚類分析、平均聯(lián)結(jié)法聚類分析、中位數(shù)聯(lián)結(jié)法聚類分析、重心聯(lián)結(jié)法聚類分析和ward聯(lián)結(jié)法聚類分析。層次聚類分析方法雖然有很多，但不同方法間最大的不同是類與類之間的距離定義不同。如最短聚類法定義類之間的聚類為兩類最近樣本的距離，重心法定義兩類之間的聚類就是兩類重心之間的距離。

應(yīng)用Stata 12.1對(duì)樣本進(jìn)行傳統(tǒng)聚類分析。在進(jìn)行聚類分析之前要先對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理以消除變量間在數(shù)量級(jí)和量綱上的不同，標(biāo)準(zhǔn)化后數(shù)據(jù)的描述性統(tǒng)計(jì)如表2。

表2　標(biāo)準(zhǔn)化后的數(shù)據(jù)的描述性統(tǒng)計(jì)

用標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行傳統(tǒng)聚類分析，各聚類方法的聚類結(jié)果如表3。

表3　聚類結(jié)果

續(xù)表3

(三)分類結(jié)果的比較

在證券投資中，投資者非常關(guān)心投資的風(fēng)險(xiǎn)和收益，對(duì)股票的深入研究都是希望找到風(fēng)險(xiǎn)小而收益相對(duì)較高的股票或收益高而風(fēng)險(xiǎn)相對(duì)較小的股票。根據(jù)這一投資現(xiàn)象，以各分類的風(fēng)險(xiǎn)和收益的情況來分析分類的效果。股價(jià)的方差是衡量股價(jià)波動(dòng)的一個(gè)數(shù)據(jù)，能用來代表股價(jià)的風(fēng)險(xiǎn)，收益則能用股價(jià)增長(zhǎng)率來反映。取上市銀行2015年9月29日-12月28日的收盤價(jià)進(jìn)行方差和股價(jià)增長(zhǎng)率的統(tǒng)計(jì)，結(jié)果如表4。

表4　各分類的方差和股價(jià)增長(zhǎng)率

從表4能看出各聚類分析中第一類的方差最小，第三類方差最大。這是因?yàn)樵诒?的分類中將分類的結(jié)果進(jìn)行了便于分析的編排。如在表4中，用重心聯(lián)結(jié)聚類分析興業(yè)銀行在Stata的分類類型是第三類，但為了方便比較，根據(jù)其股價(jià)方差的大小將其排在第二類。這個(gè)重新編排只改變了各類的分類類別，并沒有改變各類內(nèi)的對(duì)象，對(duì)分類結(jié)果沒什么影響，而且有利于觀察比較各分類的方差和收益情況。

表4中可以看出，模糊聚類分析和K個(gè)平均數(shù)聚類分析方法的分類效果比較好，因?yàn)樵谌愔械谝活惙讲钭钚?，股價(jià)增長(zhǎng)率也最小，第三類的方差最大，股價(jià)增長(zhǎng)率也最大，能體現(xiàn)低風(fēng)險(xiǎn)低收益、高風(fēng)險(xiǎn)高收益的特點(diǎn)。在層次聚類分析方法中，四種將興業(yè)銀行歸為單獨(dú)一類的分析方法的分類效果都不太理想，第三類的風(fēng)險(xiǎn)比第二類大而收益卻比第二類小。而ward聯(lián)結(jié)聚類分析的分類效果則比較好，能很好地劃分不同風(fēng)險(xiǎn)類型的股票，并且收益也隨著風(fēng)險(xiǎn)的提升而增加。ward法的基本思想來自方差分析，分類的結(jié)果使同類樣本的離差平方和較小，類與類之間離差平方和會(huì)比較大[3]。ward聯(lián)結(jié)聚類分析的分類效果比較好跟其分類原理有關(guān)。

四、結(jié)論

從表4的分析中可以看出，模糊聚類分析方法能將股票分成風(fēng)險(xiǎn)類型不同的三類，而且這三類股票對(duì)應(yīng)的平均收益跟其風(fēng)險(xiǎn)有關(guān)，風(fēng)險(xiǎn)小的收益小，風(fēng)險(xiǎn)大的收益大。這樣的分類能滿足不同風(fēng)險(xiǎn)偏好的投資者的投資要求，減少特定風(fēng)險(xiǎn)類型投資者的選股范圍。傳統(tǒng)聚類分析中比較常用的方法有6種，其中分類效果較好的是K個(gè)平均數(shù)聚類分析方法和ward聯(lián)結(jié)聚類分析方法。其它四種分類方法的分類結(jié)果顯示第三類股票風(fēng)險(xiǎn)較大其收益率卻小于風(fēng)險(xiǎn)較小的第二類股票的收益率，這樣的分類不能滿足特定風(fēng)險(xiǎn)類型的投資者對(duì)收益的要求，所以分類效果欠佳。

由以上分析可以看出，模糊聚類分析和傳統(tǒng)聚類分析在證券市場(chǎng)上都可以取得符合投資者投資特性的分類結(jié)果，但模糊聚類分析方法比傳統(tǒng)聚類分析在應(yīng)用上會(huì)更有效率。主要是因?yàn)閭鹘y(tǒng)聚類分析方法在具體常用的方法上選擇較多，并不是所有的常用方法都能取得較好的分類結(jié)果，投資者需要花費(fèi)一定時(shí)間去選擇一個(gè)合適的方法。但本文發(fā)現(xiàn)，若要按照投資者風(fēng)險(xiǎn)特性來分類，ward聯(lián)結(jié)聚類分析和K均值聚類分析方法是傳統(tǒng)聚類分析方法中兩個(gè)能取得較好分類效果的分類方法。ward聯(lián)結(jié)聚類分析適用于多因素、多指標(biāo)的分類。該方法基于方差分析的思想以歐式距離作為標(biāo)準(zhǔn)，先將每個(gè)樣本自成一類，然后計(jì)算類重心間方差，將離差平方和增加的幅度最小的兩類首先合并，直到所有的樣本歸為一類為止。ward聯(lián)結(jié)聚類方法的類與類之間的離差平方和較大，在一定程度上能較好地區(qū)分風(fēng)險(xiǎn)特性不同的股票。K個(gè)平均數(shù)的聚類分析方法要求在聚類分析之前要先指定樣本聚類的精確數(shù)目，本文根據(jù)投資者風(fēng)險(xiǎn)特性的不同將分類數(shù)確定為3類，對(duì)應(yīng)地分類樣本也能比較符合實(shí)際情況地分為3類，所以應(yīng)用K個(gè)平均數(shù)的聚類分析方法的分類效果也比較好。

從聚類過程中也能看到，模糊聚類分析過程中考慮了樣本之間的關(guān)聯(lián)，而傳統(tǒng)聚類分析則沒有。模糊聚類分析過程中建立的模糊相似矩陣就是16家上市銀行模糊相似關(guān)系的矩陣表示。 建立模糊等價(jià)矩陣是為了建立模糊等價(jià)關(guān)系進(jìn)行聚類，并不改變樣本之間的性質(zhì)，在分類過程中根據(jù)樣本親疏程度和相似性來判斷分類，分類結(jié)果會(huì)比較符合實(shí)際情況；傳統(tǒng)聚類則把樣本看成點(diǎn)，測(cè)算點(diǎn)與點(diǎn)之間的距離來衡量樣本間的相似程度，沒有考慮樣本之間的聯(lián)系，類別的劃分界限分明，分類結(jié)果相對(duì)來說會(huì)與實(shí)際情況有一定的偏離。經(jīng)濟(jì)管理中的分類界限往往不分明，證券市場(chǎng)上同行業(yè)的股票之間界限也有很大程度的模糊性，建議投資者在用聚類方法進(jìn)行證券分析時(shí)采用模糊聚類分析方法，因?yàn)槟：垲惙治龅姆诸惤Y(jié)果通常比較符合客觀實(shí)際同時(shí)又可以避免在傳統(tǒng)聚類方法中花費(fèi)成本選擇合適的方法。根據(jù)投資者關(guān)注投資風(fēng)險(xiǎn)和投資收益的特點(diǎn)利用風(fēng)險(xiǎn)和收益檢驗(yàn)分類后的分類效果是本文的一個(gè)創(chuàng)新點(diǎn)。本文也存在一定的缺陷，只選取報(bào)告期后三個(gè)月的股票收盤價(jià)進(jìn)行分析，而聚類分析是對(duì)股票價(jià)值的長(zhǎng)期挖掘，用短期的股價(jià)檢驗(yàn)可能未能體現(xiàn)聚類分析對(duì)股票長(zhǎng)期投資價(jià)值的分類效果。

[1]李慶東. 聚類分析在股票分析中的應(yīng)用[J]. 遼寧石油化工大學(xué)學(xué)報(bào)，2005，(03):94-96.

[2]周焯華，陳文南，張宗益. 聚類分析在證券投資中的應(yīng)用[J]. 重慶大學(xué)學(xué)報(bào)(自然科學(xué)版)，2002，(07):122-126.

[3]丁浩. 數(shù)據(jù)挖掘技術(shù)在證券分析中的應(yīng)用研究[D].武漢：武漢理工大學(xué)，2008.

[4]馮偉. 聚類分析在金融數(shù)據(jù)分析中的應(yīng)用研究[D].大連：遼寧師范大學(xué)，2009.

[5]馬安麗，吳天瑤，馬京麗.我國(guó)文化傳媒板塊上市公司業(yè)績(jī)綜合評(píng)價(jià)—基于因子分析和聚類分析[J].西安工業(yè)大學(xué)學(xué)報(bào)，2013，(9):737-746.

[6]郭俊峰. 聚類分析下的股票投資價(jià)值挖掘研究[D].大連：大連海事大學(xué)，2015.

[7]譚成波. 用模糊聚類方法分析企業(yè)經(jīng)營(yíng)財(cái)務(wù)狀況及股票價(jià)格波動(dòng)[D].濟(jì)南：山東大學(xué)，2011.

[8]靳大力，姚萌，陳溪. 模糊聚類分析對(duì)銀行業(yè)板塊的估值評(píng)價(jià)[J]. 赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版)，2013，(11):58-60.

[9]許宗燕. 混沌與模糊理論在股票數(shù)據(jù)分析中的應(yīng)用[D].天津：天津工業(yè)大學(xué)，2008.

[10]李星. 模糊聚類與灰色聚類在我國(guó)證券投資中的應(yīng)用[D]. 株洲：湖南工業(yè)大學(xué)，2012.

[11]謝季堅(jiān)，劉承平.模糊數(shù)學(xué)方法及其應(yīng)用[M].武漢：華中科技大學(xué)出版社，2015.

[12]張?zhí)?Stata統(tǒng)計(jì)分析與行業(yè)應(yīng)用案例詳解 [M].北京：清華大學(xué)出版社，2014.

(責(zé)任編輯：楊成平)

Comparison of Fuzzy Cluster Analysis and Traditional Cluster Analysis in Application of Securities Market

XIE Gui-biao

(Economics and Management College, Wuyi University, Jiangmen 529020, China )

This article studies 16 listed banks, uses fuzzy clustering and traditional clustering methods to analyze 10 important financial indicators, and then makes risk and benefit analysis on the closing price of bank shares in three month after reporting period according to the classification results. The result shows that traditional clustering analysis methods can not meet the investors’ investment requirements, while classification of fuzzy clustering analysis can meet the requirements, and reduce risk investors’ stock range for the particular type. In order to obtain more objective classification results and avoid choosing among traditional clustering methods, it’s recommended for investors to make fuzzy clustering analysis to study the stock.

fuzzy clustering analysis; traditional clustering analysis; securities market

2016-05-22

謝桂標(biāo)(1992.10—)，男，廣東云浮人，研究生。研究方向：金融工程。

F830.91

A

1008-4940(2016)04-0001-07