【正文】 Clustering analysis, Stock market investment, Means method, Return on investment 目 錄1．緒論 1 1 聚類分析在證券市場(chǎng)分析中的應(yīng)用價(jià)值 2 聚類分析在證券市場(chǎng)分析中應(yīng)用的優(yōu)點(diǎn) 2 聚類分析在證券市場(chǎng)分析中應(yīng)用的當(dāng)前狀況 2 3 研究?jī)?nèi)容 3 內(nèi)容結(jié)構(gòu) 32．聚類分析 4 4 4 5 6 8 系統(tǒng)聚類分析方法的比較 9 103．聚類分析在證券市場(chǎng)分析中的應(yīng)用 12 聚類分析在證券市場(chǎng)分析中應(yīng)用時(shí)的指標(biāo)評(píng)價(jià)體系的選擇 12 12 12 13 14 15 17 22 24 25 264．總結(jié)和展望 29總結(jié) 30學(xué)習(xí)參考1．緒論改革開放以來(lái)，隨著我國(guó)市場(chǎng)經(jīng)濟(jì)的迅速、健康發(fā)展，國(guó)民的金融意識(shí)和投資意愿日益增強(qiáng)，而作為市場(chǎng)經(jīng)濟(jì)的重要組成部分——證券市場(chǎng)，正漸漸地走向成熟，越來(lái)越多的投資者把目光投向了股票，歷史已經(jīng)證明，股票不僅在過(guò)去是一種已經(jīng)給投資者提供了可觀的長(zhǎng)期收益，并且在將來(lái)也會(huì)是提供良好機(jī)遇的投資媒介。所謂的類，通俗地講，就是指由相似元素組成的集合。聚類分析的比較典型應(yīng)用是在商務(wù)上，聚類能幫助市場(chǎng)分析人員從客戶基本庫(kù)中發(fā)現(xiàn)不同的客戶群體，并且用相應(yīng)適當(dāng)?shù)哪Ｊ絹?lái)刻畫不同客戶群的特征。 聚類分析在證券市場(chǎng)分析中的應(yīng)用價(jià)值聚類分析建立在基礎(chǔ)分析之上，立足于對(duì)股票的基本層面進(jìn)行量化分析。成長(zhǎng)能力是一個(gè)不斷變化的趨勢(shì)，因此我們選取了較能反映公司成長(zhǎng)能力的客觀指標(biāo)，如主營(yíng)收入增長(zhǎng)率、主營(yíng)利潤(rùn)增長(zhǎng)率，以便更好地探究股票的成長(zhǎng)能力，進(jìn)而使投資者能夠更好地、正確地預(yù)測(cè)股票的發(fā)展前景和發(fā)展?jié)摿?。體現(xiàn)出以下三大顯著的優(yōu)點(diǎn)：（1）能綜合利用多個(gè)變量對(duì)樣本進(jìn)行分類；（2）分類結(jié)果更加直觀，具體體現(xiàn)是聚類譜系圖，從聚類譜系圖中，我們可以很清楚地觀察其分類結(jié)果；（3）聚類分析所得到的結(jié)果比傳統(tǒng)分類方法更細(xì)致、全面、合理。利用聚類分析模型能夠幫助投資者準(zhǔn)確地了解和把握股票的總體特性，以便及時(shí)地作出投資決策，進(jìn)行投資。 研究?jī)?nèi)容本文闡述了聚類分析的理論背景，主要研究了用系統(tǒng)聚類分析方法對(duì)樣本數(shù)據(jù)進(jìn)行分組，但是，我們并不知道樣本數(shù)據(jù)的分組是否合理，因此再利用方法對(duì)其進(jìn)行檢驗(yàn)，從而使得聚類精度有所提高，進(jìn)而增加分析結(jié)果的可靠性和可信性。第四章是對(duì)聚類分析方法在證券投資市場(chǎng)中的應(yīng)用進(jìn)行總結(jié)和展望。而對(duì)這種數(shù)據(jù)對(duì)象之間的相似或不相似程度的描述又是由數(shù)據(jù)屬性的取值來(lái)確定的，通常就是利用各數(shù)據(jù)對(duì)象之間的距離來(lái)表示的。（3） 最優(yōu)分割法：最優(yōu)分割法又稱有序樣品聚類法，它是先將全部樣品當(dāng)成一類，然后根據(jù)某種最優(yōu)準(zhǔn)則適當(dāng)?shù)貙⑵浞指顬閮深?，再分為三類，直到最后將樣品分割為所需的類為止。我們知道，在多元統(tǒng)計(jì)分析中，如回歸分析和判別分析都可以用來(lái)作為預(yù)報(bào)的方法，但是對(duì)于那些存在異常數(shù)據(jù)，例如在災(zāi)害性氣候的氣象預(yù)報(bào)中，此時(shí)若還利用回歸分析或判別分析的方法來(lái)處理，其效果都不好，而聚類預(yù)報(bào)彌補(bǔ)了這一不足缺陷。在實(shí)際工作中，仍以系統(tǒng)聚類法使用的最多，系統(tǒng)聚類法是目前在實(shí)際應(yīng)用中使用最多的一類方法。由上述系統(tǒng)聚類法的基本思想，可以得出利用系統(tǒng)聚類法進(jìn)行聚類分析的基本步驟：①數(shù)據(jù)標(biāo)準(zhǔn)化：我們所考察的樣本數(shù)據(jù)有不同變量（或指標(biāo)）時(shí)，這些變量（或指標(biāo)）一般都有不同的量綱、不同的數(shù)量級(jí)單位、不同的取值范圍。聚類問(wèn)題中有個(gè)數(shù)據(jù)，每個(gè)數(shù)據(jù)有個(gè)變量(即屬性)，表示數(shù)據(jù)的第個(gè)屬性，則數(shù)據(jù)集的所有變量可用如下矩陣表示： （）由于變量的多樣性，其取值可能是連續(xù)值的區(qū)間變量、二元變量、序數(shù)變量、名義變量等，它們的處理方法是不同的,如工資水平、股票價(jià)格、利率、匯率等可以用連續(xù)值表示的稱為連續(xù)變量，由于使用的變量單位不同等諸多因素，它們的值可能相差比較懸殊，為使各變量在聚類分析中地位相同，就需要對(duì)數(shù)據(jù)進(jìn)行歸一化即標(biāo)準(zhǔn)化處理。下面就簡(jiǎn)要介紹幾種聚類分析中的常用距離：設(shè)是我們所關(guān)心的個(gè)指標(biāo)，對(duì)此指標(biāo)進(jìn)行次觀測(cè)，從而得到組觀測(cè)值：，稱這組觀測(cè)數(shù)據(jù)為個(gè)樣品。(3)馬氏距離 （）其中是由樣品算得的樣本協(xié)方差矩陣：,其中馬氏距離適用于作為隨機(jī)變量的樣本點(diǎn)，并且馬氏距離用于已知類別的模式情況,而我們所選定的家公司股票的類別是未知的,因此該距離不能用；明科夫斯基距離是一種范式,也就是說(shuō)歐氏距離是明科夫斯基距離的一種特殊形式，即在式中時(shí)，此時(shí)的明科夫斯基距離即歐氏距離?！惖闹匦摹ｎ惼骄嚯x，即兩類中所有兩兩樣品之間的平方距離的平均作為類間距離；類平均距離法是一種使用比較廣泛、聚類結(jié)果較好的方法，而類平均距離法又有兩種形式：組間聯(lián)結(jié)法和組內(nèi)聯(lián)結(jié)法。而我們知道，太擴(kuò)張的方法當(dāng)樣本數(shù)量較大時(shí)容易失真，太濃縮的方法又不夠靈敏。在進(jìn)行聚類分析時(shí)，如何確定類的個(gè)數(shù)是個(gè)較難的問(wèn)題，雖然有一些統(tǒng)計(jì)方法試圖給出判斷準(zhǔn)則，但是人們至今仍未找到令人滿意的方法，但在聚類分析中這又是一個(gè)無(wú)法回避的問(wèn)題。但是，該方法從其降維過(guò)程來(lái)看，比較繁瑣?？梢?，該方法較前兩種方法而言，顯得更加簡(jiǎn)潔、直觀，因此，本論文中采用“碎石圖”來(lái)確定比較合適的分類個(gè)數(shù)。本文在現(xiàn)有的研究基礎(chǔ)上，深入探討了聚類分析在證券投資中的應(yīng)用價(jià)值，豐富和完善了在證券市場(chǎng)分析中應(yīng)用聚類分析時(shí)的指標(biāo)體系。主營(yíng)收入增長(zhǎng)率和主營(yíng)利潤(rùn)增長(zhǎng)率都反映了公司擴(kuò)大市場(chǎng)規(guī)模的能力，表明公司重點(diǎn)的發(fā)展方向。 每股凈資產(chǎn)是每股所代表的股東權(quán)益額，它反映了每股最低限度的內(nèi)在價(jià)值。常用的數(shù)據(jù)標(biāo)準(zhǔn)化方法主要有：極差正規(guī)化變換、極差標(biāo)準(zhǔn)化變換和標(biāo)準(zhǔn)化變換。但是，由于極值化法在對(duì)變量進(jìn)行無(wú)量綱化過(guò)程中，僅僅與該變量的最大值和最小值這兩個(gè)極端值有關(guān)，而與其它取值無(wú)關(guān)，這使得該方法在改變各變量權(quán)重時(shí)過(guò)分依賴兩個(gè)極端的取值。另外，此方法進(jìn)行標(biāo)準(zhǔn)化的同時(shí)還消除了各變量在變異程度上的差異，從而使變換后的各變量在聚類分析中的重要性程度是同等看待的。這里要特別需要注意的是，在軟件中，數(shù)據(jù)文件中的一列數(shù)據(jù)稱為一個(gè)變量，每個(gè)變量都應(yīng)該有一個(gè)變量名，一行數(shù)據(jù)稱為一條個(gè)案或觀測(cè)量。利用“ 聚類表”中的第列和第列數(shù)據(jù)，以第列數(shù)據(jù)的逆序即以分類數(shù)的逆序?yàn)闄M坐標(biāo)，第列數(shù)據(jù)即以聚合系數(shù)為縱坐標(biāo)，選取合適的坐標(biāo)范圍和刻度，在中畫出“碎石圖”。利用方法，檢驗(yàn)各個(gè)類別在所有變量上的差異，如果差異顯著，我們就可以認(rèn)為分類結(jié)果是可靠的。投資者在進(jìn)行此類股票的投資時(shí)，要具有風(fēng)險(xiǎn)意識(shí)，不要盲目追風(fēng)作出投資決策、進(jìn)行投機(jī)活動(dòng)。鑒于此，建議投資者可以對(duì)第類和第類股票進(jìn)行適當(dāng)?shù)耐顿Y組合，適當(dāng)?shù)脑黾訉?duì)第類股票的投資比例。第類：該類股票的盈利能力良好，且其擴(kuò)張能力也較高，盡管在這類中其擴(kuò)張能力是最高的，但是其成長(zhǎng)能力不很理想，這說(shuō)明該類公司很可能由于存在成本長(zhǎng)期居高的情況，而導(dǎo)致其收入和利潤(rùn)的增長(zhǎng)率比較緩慢，這樣，就會(huì)抵消部分?jǐn)U張能力，從而會(huì)影響到公司將來(lái)的的擴(kuò)張和成長(zhǎng)。4．總結(jié)和展望聚類分析方法是一種應(yīng)用極為廣泛的多元統(tǒng)計(jì)分析方法，聚類分析在證券市場(chǎng)投資方面有很大的研究潛力和研究?jī)r(jià)值，本文將聚類分析模型應(yīng)用于證券投資中，進(jìn)行了拓展性的研究和探討，采用綜合指標(biāo)來(lái)反映上市公司的盈利性、成長(zhǎng)性和擴(kuò)張性，并且通過(guò)對(duì)聚類結(jié)果進(jìn)行定量分析得出各類公司的實(shí)力強(qiáng)弱情況。本文中的樣本數(shù)據(jù)僅僅選取了40家在滬深上市的山東省的公司企業(yè)，并以此來(lái)進(jìn)行聚類分析，當(dāng)然還可以選擇不同省份或不同區(qū)域的樣本數(shù)據(jù)進(jìn)行進(jìn)一步的深入研究和分析。畢業(yè)設(shè)計(jì)是我們專業(yè)課程知識(shí)綜合應(yīng)用的實(shí)踐訓(xùn)練，本論文介紹了聚類分析在證券市場(chǎng)分析中應(yīng)用的可行性、可靠性和可信性。 致 謝本論文是在我的導(dǎo)師 陳鳳欣老師 的悉心指導(dǎo)下完成的。在此謹(jǐn)向陳老師致以誠(chéng)摯的謝意。圖八寧可累死在路上，也不能閑死在家里！寧可去碰壁，也不能面壁。能干的人，不在情緒上計(jì)較，只在做事上認(rèn)真；無(wú)能的人！不在做事上認(rèn)真，只在情緒上計(jì)較。什么是奮斗？奮斗就是每天很難，可一年一年卻越來(lái)越容易。感謝對(duì)我論文進(jìn)行評(píng)審的各位專家教授，感謝對(duì)論文的指導(dǎo)和提出寶貴的意見！ 最后，在完成論文的過(guò)程中，很多可敬的師長(zhǎng)、同學(xué)、朋友給了我無(wú)盡的幫助，在這里請(qǐng)接受我誠(chéng)摯的謝意！參考文獻(xiàn)[1] [M].北京：北京大學(xué)出版社，[2] [M].北京：中國(guó)人民大學(xué)出版社，[3] [M].北京：北京大學(xué)出版社，[4] 杰里米 [M].北京：機(jī)械工業(yè)出版社，[5] [M].北京：清華大學(xué)出版社，[6] 梅長(zhǎng)林 [M].北京：高等教育出版社，[7] [M].中國(guó)人民大學(xué)出版社，2003，170183[8] 周焯華 陳文南 [J].重慶大學(xué)學(xué)報(bào),2002,(25)7.[9] [J].數(shù)理統(tǒng)計(jì)與管理,(18)，(14).[10] [J].證券與投資，2001[11] —SPSS軟件應(yīng)用[M].北京：中