金融市場的數(shù)據(jù)挖掘分析(編輯修改稿)
2025-03-02 12:12 本頁面
【文章內(nèi)容簡介】 預(yù)測規(guī)則。 ② 、 判別分析的 SAS程序： proc discrim data=。 class y。 run。 ③ 、 SAS結(jié)果 對兩個距離的說明?，F(xiàn)在可以得到線行判別函數(shù)為： ④ 、 如何建立預(yù)測規(guī)則 * 指標(biāo)的判斷：正指標(biāo)還是負(fù)指標(biāo)（正指標(biāo)）。 * 根據(jù)兩種誤判的損失估計確定合適的臨界值 現(xiàn)在根據(jù)使兩種誤判盡可能接近的方法，得到： 臨界值： d = ⑤ 、 預(yù)測規(guī)則： 對每個上市公司計算對應(yīng)的 d，若 d＞ ， 則判斷其一年后不會陷入財務(wù)困境；若 d＜ ， 則判斷其一年后會陷入財務(wù)困境。 ⑥ 、 預(yù)測準(zhǔn)確率檢驗： 訓(xùn)練樣本組 檢驗樣本組 ST公司： 49/56=% 47/55 = % 非 ST公司 : 442/504=% 432/504 = % ⑦ 、討論 * 判別分析只能運(yùn)用于離散型因變量預(yù)測，而不能運(yùn)用于連續(xù)型因變量預(yù)測； * 建立線性判別準(zhǔn)則，需要較強(qiáng)的限制條件 —— 正態(tài)分布與等協(xié)方差矩陣； * 臨界值的確定需考慮不同誤判的損失函數(shù)，考慮使用者的風(fēng)險偏好； * 使用判別分析方法，需要事先確定預(yù)測變量。 * 也可以建立另外形式的預(yù)測規(guī)則。 練習(xí)：交換 sj1與 sj2的地位，建立預(yù)測規(guī)則，并進(jìn)行預(yù)測準(zhǔn)確率檢驗?；蚪⑵渌麊栴}的判別分析預(yù)測模型。 Logistic回歸預(yù)測 ① 、 統(tǒng)計學(xué)原理 計量經(jīng)濟(jì)學(xué)中，回歸模型具有預(yù)測功能，但現(xiàn)在的數(shù)據(jù)結(jié)構(gòu)為： ，因變量為離散變量（虛擬變量），一般的線性回歸模型不適用。 Logistic回歸模型實際上是概率預(yù)測模型，其原理如下： 建立如下形式的線性模型 ： 則得到概率預(yù)測模型 Logistic回歸模型為非線性模型，模型的參數(shù)估計不能用最小二乘法，而采用極大似然估計法。 ② 、 Logistic回歸的 SAS程序 proc logistic descending data=； model y = x1x6。 run。 ③ 、 SAS結(jié)果 ④ 、 臨界值確定與預(yù)測規(guī)則 臨界值 :,預(yù)測規(guī)則 : P＞ ,一年后上市公司將陷入財務(wù)困境 。P＜ ,一年后上市公司不會陷入財務(wù)困境 . ⑤ 、 預(yù)測準(zhǔn)確率檢驗 訓(xùn)練樣本組 檢驗樣本組ST公司 46/56=% 44/55=80% 非 ST公司 433/504=% 425/504=% ⑥ 、 討論 * 模型可用于分類預(yù)測，也可用于概率預(yù)測（如違約率預(yù)測）； * 構(gòu)建模型時應(yīng)該避免非隨機(jī)抽樣，否則模型參數(shù)估計會產(chǎn)生偏差，特別是在構(gòu)建概率預(yù)測模型時； * 如果需要采用分層抽樣方法，則對參數(shù)估計方法應(yīng)進(jìn)行調(diào)整； * 事先確定預(yù)測變量，否則的話，可以采用逐步回歸法。 ⑦ 、 逐步回歸方法與預(yù)測變量選取 預(yù)測變量選取是建立分類預(yù)測模型的關(guān)鍵步驟。經(jīng)常的情況是，知道預(yù)測變量的大致范圍，但不知哪些變量具有較大的信息含量。 利用逐步回歸方法，可以在這個范圍內(nèi)挑選出較佳的構(gòu)建 Logistic回歸模型的預(yù)測變量組。 現(xiàn)在，另外選取了 15個可能有用的預(yù)測指標(biāo) y1y15，對1119家上市公司利用逐步回歸法建立預(yù)測模型。 ⑧ 、 逐步回歸的 SAS程序 proc logistic descending data=。 model y=y1y15 / selection=stepwise。 run。 ⑨ 、
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1