數(shù)據(jù)挖掘技術(shù)應(yīng)用于機構(gòu)投資者投資行為分析初探

郁露露

摘 要：數(shù)據(jù)挖掘技術(shù)是一個跨學(xué)科的新興領(lǐng)域，它需要數(shù)學(xué)、統(tǒng)計學(xué)、信息學(xué)等多學(xué)科知識的綜合與集成。它可以幫助人們從大量龐雜、有噪聲、不完全的數(shù)據(jù)中提取出隱含有用的信息，它是一種深層次的數(shù)據(jù)分析方法。中國的證券市場是全球最重要的新興市場之一，在我國大力發(fā)展機構(gòu)投資者戰(zhàn)略的指導(dǎo)下，機構(gòu)投資者逐漸成為市場的主導(dǎo)，研究機構(gòu)投資者的持股偏好具有重要意義。本文嘗試探尋將數(shù)據(jù)挖掘技術(shù)應(yīng)用于機構(gòu)投資者投資行為分析，為分析機構(gòu)投資者投資偏好提供了一個新的視角。

關(guān)鍵詞：機構(gòu)投資者 數(shù)據(jù)挖掘 投資行為

中圖分類號：TP311 文獻標(biāo)識碼：A 文章編號：1672-3791（2018）11（b）-0022-02

1 機構(gòu)投資者投資行為

機構(gòu)投資者是用自有資金或者從分散的公眾手中籌集的資金專門進行有價證券投資活動的法人機構(gòu)。在A股持股占自由流通股的比例約為29%，其中，公募基金7.99%、私募類（包括陽光私募基金和資管）4.16%、保險保障類7.06%、國家隊6.82%、境外資金2.63%、券商自營0.52%。由此可見，機構(gòu)投資者在我國金融市場中占據(jù)重要的地位。機構(gòu)投資者投資的目的有實現(xiàn)增值和參與管理兩種，機構(gòu)投資者作為大股東，有能力參與公司治理，積極的機構(gòu)投資者會對上市公司的股利政策甚至高管層的聘用發(fā)表意見，但也有的機構(gòu)投資者考慮到治理的成本而選擇中立或者采取消極的態(tài)度。因此，研究機構(gòu)投資者的行為及其投資偏好具有重要的意義。國內(nèi)外現(xiàn)有關(guān)于機構(gòu)投資者的研究較多，多采用線性方程的研究方法，這種方法對變量間的線性相關(guān)程度有要求，線性關(guān)系過強會影響到模型的穩(wěn)定性，回歸系數(shù)也將出現(xiàn)較大的偏差，所以探尋新的實證方法很有必要。

2 數(shù)據(jù)挖掘方法

2.1 數(shù)據(jù)庫中的知識發(fā)現(xiàn)

計算機科學(xué)與互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展極大的改變了人類生活、工作以及學(xué)習(xí)、科研的方式，在計算機的幫助下人們可以更快捷、有效地完成傳統(tǒng)的事務(wù)。然而，事務(wù)中大規(guī)模產(chǎn)生和存儲的海量數(shù)據(jù)不斷增加，人們被各種各樣的數(shù)據(jù)所淹沒，沒有足夠多的時間和精力去分析、理解這些數(shù)據(jù)，如何高效地分析、理解并利用這些數(shù)據(jù)成為了難題。因此，探尋新的數(shù)據(jù)分析方法和工具，從而走出“數(shù)據(jù)豐富，但信息貧乏的困境，成為學(xué)術(shù)界研究的熱點課題。

數(shù)據(jù)庫中的知識發(fā)現(xiàn)正是在上述背景下產(chǎn)生并迅速發(fā)展起來看。數(shù)據(jù)挖掘（Data Mining，DM）又可以稱作數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是隨著近年來機器學(xué)習(xí)理論不斷發(fā)展起來的一個新的技術(shù)領(lǐng)域。它能過對原始數(shù)據(jù)樣本中無效值、缺失值等干攏數(shù)據(jù)的處理和分析，可以從存儲了大量數(shù)據(jù)的數(shù)據(jù)庫中提取出符合使用者需求的具體信息。應(yīng)用數(shù)據(jù)挖掘技術(shù)需要綜合計算機、數(shù)學(xué)、統(tǒng)計學(xué)、人工神經(jīng)網(wǎng)絡(luò)等各學(xué)科的知識，它是對數(shù)據(jù)庫中的數(shù)據(jù)進行深層次的處理和分析。數(shù)據(jù)挖掘主要的算法有分類模式、關(guān)聯(lián)規(guī)則、決策樹、序列模式、聚類模式分析、神經(jīng)網(wǎng)絡(luò)算法等。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘領(lǐng)域中的一個非常重要的分支， 既可以檢驗行業(yè)內(nèi)長期形成的知識模式， 也能夠發(fā)現(xiàn)隱藏的新規(guī)律，已被廣泛應(yīng)用于各個領(lǐng)域。有效地發(fā)現(xiàn)、理解、運用關(guān)聯(lián)規(guī)則，并將其用于輔助決策具有重要的理論價值和現(xiàn)實意義。

2.2 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是由R. Agraw al等人于1993年首次提出的，其做法是應(yīng)用頻集理論的遞推方法，發(fā)現(xiàn)隱藏在大量數(shù)據(jù)集中的有效信息，從而找到有意義的關(guān)聯(lián)規(guī)則，即首先尋找給定大數(shù)據(jù)集中的頻繁項集，然后通過頻繁項集生成強關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則的挖掘技術(shù)是數(shù)據(jù)挖掘中的一種，它通過對數(shù)據(jù)庫中大量數(shù)據(jù)的預(yù)處理和分析，消除和過濾掉無關(guān)的集合，從而幫且信息的使用者找到有用的信息，提高效率。西方最早關(guān)聯(lián)規(guī)則主要是應(yīng)用于大型超市對顧客購物習(xí)慣的分析。超市方擁有客戶每一筆采購的明細清單和倉庫庫存的海量信息，但他們需要的是更具體更細化的資料，比如哪一類的客戶習(xí)慣于同時采購哪幾類的商品，從而可以依據(jù)此進行貨架擺放的設(shè)計和優(yōu)化，最終目的是促進銷量的提升。如今，關(guān)聯(lián)規(guī)則的分析也被廣泛應(yīng)用于商業(yè)分析、特征分析等各領(lǐng)域。

從技術(shù)上說，關(guān)聯(lián)規(guī)則是以頻項集理論為基礎(chǔ)，通過數(shù)據(jù)分析手段，在數(shù)據(jù)庫中尋找項集之間有效的關(guān)聯(lián)或相關(guān)聯(lián)系，揭示數(shù)據(jù)深層中蘊含的信息。關(guān)聯(lián)規(guī)則的常用算法是Apriori算法，主要功能是產(chǎn)生頻繁項集和產(chǎn)生有效的關(guān)聯(lián)規(guī)則。

3 數(shù)據(jù)挖掘技術(shù)應(yīng)用于機構(gòu)投資者投資行為分析的可行性

3.1 頻繁項集可以提供共性特征

計算機的優(yōu)勢在于可以快速、準(zhǔn)確地進行大量的數(shù)據(jù)處理工作。上市公司數(shù)目眾多，數(shù)據(jù)量龐大，應(yīng)用數(shù)據(jù)挖掘技術(shù)可以充分利用計算機數(shù)據(jù)處理的優(yōu)勢，發(fā)現(xiàn)隱藏于大量龐雜數(shù)據(jù)中的共性特征。Apriori算法可以找到給定置信度、支持度下、相關(guān)性下的財務(wù)特征，有利于研究者進行共性及差異性分析。

3.2 關(guān)聯(lián)規(guī)則體現(xiàn)投資偏好

關(guān)聯(lián)規(guī)則基于前一步頻繁項集的基礎(chǔ)，可以找到滿足最小信賴度的規(guī)則。應(yīng)用關(guān)聯(lián)規(guī)則進行挖掘時，如果原始數(shù)據(jù)是取的連續(xù)的數(shù)據(jù)，應(yīng)先對數(shù)據(jù)進行預(yù)處理，即對原始數(shù)據(jù)進行適當(dāng)?shù)碾x散化，這樣有利于找到合理的關(guān)聯(lián)規(guī)則。研究者通過對關(guān)聯(lián)規(guī)則的分析，可以具體分析機構(gòu)投資者投資企業(yè)之間的特征及相互聯(lián)系。

4 結(jié)語

綜上所述，可以看出數(shù)據(jù)挖掘技術(shù)可以減少研究中人為篩選變量的影響，通過數(shù)據(jù)挖掘技術(shù)，自動進行數(shù)據(jù)分析，以便于更客觀地對機構(gòu)投資者的投資行為進行分析。通過上述分析也可以看出，經(jīng)過數(shù)據(jù)挖掘得到的規(guī)則數(shù)量和質(zhì)量決定于最小支持度和置信度閾值的設(shè)置。如果希望研究結(jié)論的說服力較強，可以提高支持度與置信度的設(shè)置，但是這樣會損失一些帶有異常信息價值的規(guī)則。同理，如果降低支持度與置信度的設(shè)置，可以得到更多的規(guī)則但是需要人為對規(guī)則的有效性進行進一步的篩選。因此，在研究中應(yīng)緊密結(jié)合專業(yè)知識和所研究的實際問題，確定合適的最小支持度和置信度閾值，從而便于獲取有價值的規(guī)則。

參考文獻

[1] 向?qū)?，肖萬武.Apriori算法在金融信息系統(tǒng)中的應(yīng)用研究[J].信息通信，2017（2）：20-22.

[2] 郭承湘，韋宇巍，張國飛，等.數(shù)據(jù)挖掘在食品藥品監(jiān)管中的應(yīng)用[J].軟件導(dǎo)刊，2017，16（9）：148-150.

[3] 呂學(xué)明，周艷紅，呂國英.關(guān)聯(lián)規(guī)則在醫(yī)療投訴資料分析中的應(yīng)用[J].太原師范學(xué)院學(xué)報：自然科學(xué)版，2011，10（2）：82-86.

[4] 王丹，胡堯，吳楠，等.城市道路交通安全影響因素分析[J].貴州大學(xué)學(xué)報：自然科學(xué)版，2018，35（2）：14-21.

[5] 曲冬梅.大數(shù)據(jù)背景下信息處理技術(shù)探索[J].現(xiàn)代信息科技，2018，2（3）：18-19.

[6] 沈書行.大數(shù)據(jù)在生物醫(yī)療領(lǐng)域中的應(yīng)用研究[J].創(chuàng)新創(chuàng)業(yè)理論研究與實踐，2018（6）：103-105.

[7] 張肖飛.資產(chǎn)誤定價、機構(gòu)投資者與股價崩盤風(fēng)險[J].經(jīng)濟經(jīng)緯，2018，35（2）：143-150.

[8] 趙洋.政策積極引導(dǎo)A股將迎來更多長線資金[N].金融時報，2018-10-27.

[9] 邱鑫儀，沈良忠.基于數(shù)據(jù)挖掘的學(xué)生學(xué)業(yè)預(yù)警研究[J].電腦知識與技術(shù)，2017，13（36）：226-227，246.