基于數據挖掘的上市公司高送轉預測

謝忠群

（貴州財經大學，貴陽 550002）

1 研究背景

近年來，我國證券市場的高速發(fā)展催生了一批題材股。在這些題材中間，高送轉這一題材無疑是中小投資者強烈追捧的對象。實施高送轉后股價將做除權處理，投資者可以通過填權行情從二級市場的股票增值中獲利，而等除權后再買入可能面臨很大的回撤風險。如果我們能準確預測下一年可能實施高送轉的上市公司并提前買入，這對我們投資的安全性具有很大的現實意義。經過研究，影響上市公司實施高送轉的因子主要有兩類：一是基本因子，包括股價、總股本、上市年限等；二是成長因子，包括每股未分配利潤、每股資本公積、每股現金流、每股收益等。除此之外，還有其他因子等待挖掘。

本文利用相關數據，篩選出對上市公司實施高送轉方案有較大影響的因子，建立模型預測哪些上市公司可能會實施高送轉，并對提供的數據用所建立的模型來預測第8 年上市公司實施高送轉的情況。

2 因子選取

本文研究數據為3466 家上市公司7 年的各種高送轉相關因素，包含了年數據、日數據、基礎數據，原始數據共24262 個樣本。在實際建模前對數據作預處理，刪除或補全缺失值、統(tǒng)一量綱，將數據規(guī)范化。

從數據挖掘角度在所有特征中挑選出了前8 個影響較大的因子，分別為歸屬于母公司凈利潤同比增長（%）（A）、每股收益（期末攤薄，元／股）（B）、基本每股收益（C）、每股凈資產（元／股）（D）、稀釋每股收益同比增長（%）（E）、基本每股收益同比增長（%）（F）、上市年限（G）、總資產凈利率（%）（H）。將這8 個影響因子繪制特征重要性排名，從高到低為：B、A、D、C、H、E、F、G，且每個特征的重要性較為均衡。

圖1 因子重要性排名

3 模型訓練

通過數據處理，特征選擇以及提取影響因子，我們得到了高質量的訓練和測試數據集，現在要通過運用得到的數據和xgboost 算法正式進入“高送轉”預測模型的構建工作中。

本文將挑選出的這8 個因子放入xgboost 模型中，從AUC結果來看，通過數據挖掘出的因子計算出的AUC 值高達0.96，說明利用數據挖掘挑選出的因子配合xgboost 模型的分類效果較好。

4 模型預測

xgboost 算法由GBDT 算法演變而來，在GBDT 的基礎上通過改變目標函數來避免GBDT 存在的問題，例如：當數據量很大時，減少計算時間等。

圖2 ROC 曲線

在測試結果展示的部分，我們使用混淆矩陣來展示模型的分類效果?；煜仃囈卜Q作誤差矩陣，是表示精度評價的一種形式。對于二分類下的混淆矩陣，標簽有兩種，分別為0 和1，橫坐標代表通過模型分類出來的測試集的結果，縱坐標表示數據集中給定的數據集的結果。對角線上的數據代表被正確分類的數據的個數，另外的數代表被錯誤分類的數據的個數。通過這些數據，計算出模型的精確率（precision）、召回率（recall）、準確率（accuracy）、f1－score，f1－score 值是將精確率和召回率的值合并，計算其調和均值，計算公式為：

其中，TP 為被分類模型正確預測的正樣本數，TN 為被分類模型正確預測的負樣本數，FP 為被分類模型錯誤預測為正類的負樣本數，FN 為被分類模型錯誤預測為負類的正樣本數，分別對應于混淆矩陣的（0，0）（1，1）（0，1）（1，0）位置。

圖3 預測值與真實值的混淆矩陣

根據混淆矩陣計算出各個值：負類0 的精確率（precision）為0.96、召回率（recall）為0.96、f1－score 的值為0.96；正類1 的精確率（precision）為0.80、召回率（recall）為0.81、f1－score 的值為0.80；模型準確率（accuracy）為0.93，統(tǒng)計如下表1。

表1 分類準確率