【正文】 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。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。感謝對(duì)我論文進(jìn)行評(píng)審的各位專(zhuān)家教授，感謝對(duì)論文的指導(dǎo)和提出寶貴的意見(jiàn)！ 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：中國(guó)人民大學(xué)出版社，1999.[12] [M].武漢：華中理工大學(xué)出版社,1996.[13] 陳共 周升業(yè) [M]. 北京：中國(guó)人民大學(xué)出版社，1997.附錄附錄A在軟件中利用方法，對(duì)聚類(lèi)分析結(jié)果進(jìn)行檢驗(yàn)的方法和步驟如下：1. 我們看到在數(shù)據(jù)視圖窗口和變量視圖窗口都已經(jīng)形成了一個(gè)新的變量，顯示了case的分類(lèi)結(jié)果，如圖所示，這里顯示了分為5個(gè)類(lèi)的結(jié)果 。在此謹(jǐn)向陳老師致以誠(chéng)摯的謝意。她嚴(yán)肅的科學(xué)態(tài)度，嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神，精益求精的工作作風(fēng)，都深深地感染和激勵(lì)著我。 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。在完成論文的路上，我走得比較坎坷，但是“千里之行，始于足下”，畢業(yè)設(shè)計(jì)讓我學(xué)會(huì)了腳踏實(shí)地的邁出每一步，鍛煉了我的綜合運(yùn)用所學(xué)知識(shí)和技能，理論聯(lián)系實(shí)際、獨(dú)立分析和解決實(shí)際問(wèn)題的能力，培養(yǎng)了我正確的理論聯(lián)系實(shí)際的工作作風(fēng)，嚴(yán)肅認(rèn)真的科學(xué)態(tài)度和初步的科學(xué)研究能力，更讓我明白了跟導(dǎo)師保持良好的溝通的重要性。畢業(yè)設(shè)計(jì)是我們專(zhuān)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(lèi)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。由于以前從未接觸過(guò)聚類(lèi)分析在證券市場(chǎng)分析中的應(yīng)用，剛開(kāi)始無(wú)從下手，在查了一些相關(guān)資料并且多次與導(dǎo)師交流之后，才逐漸地有了頭緒，但是第一次做的時(shí)候仍然出現(xiàn)了不少方向的錯(cuò)誤。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(lèi)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。本文在聚類(lèi)分析的基礎(chǔ)上，對(duì)聚類(lèi)分析的結(jié)果進(jìn)行方法檢驗(yàn)，進(jìn)一步驗(yàn)證了分析結(jié)果的可靠性、可信性。4．總結(jié)和展望聚類(lèi)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(lèi)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(lèi)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(lèi)結(jié)果進(jìn)行定量分析得出各類(lèi)公司的實(shí)力強(qiáng)弱情況。由以上的聚類(lèi)結(jié)果及其分析可知，聚類(lèi)分析能夠有效地對(duì)股票的收益性、成長(zhǎng)性等多方面進(jìn)行分析，從而有利于投資者準(zhǔn)確地把握股票的總體特性以及預(yù)測(cè)股票的成長(zhǎng)能力，進(jìn)而使投資者及時(shí)做出最佳的投資決策，以此獲得可觀的投資回報(bào)。第類(lèi)：該類(lèi)股票的盈利能力良好，且其擴(kuò)張能力也較高，盡管在這類(lèi)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(lèi)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)。以上說(shuō)明第類(lèi)公司只是在盈利能力和擴(kuò)張能力方面相對(duì)而言顯得較弱，但是具有較高的主營(yíng)收入增長(zhǎng)率和主營(yíng)利潤(rùn)增長(zhǎng)率，特別是其主營(yíng)利潤(rùn)增長(zhǎng)率特別高。鑒于此，建議投資者可以對(duì)第類(lèi)和第類(lèi)股票進(jìn)行適當(dāng)?shù)耐顿Y組合，適當(dāng)?shù)脑黾訉?duì)第類(lèi)股票的投資比例。并且，該類(lèi)公司的擴(kuò)張能力也比較好，這類(lèi)公司不管在資金、市場(chǎng)，還是在信譽(yù)等其他方面都占有明顯優(yōu)勢(shì)，具有較強(qiáng)的綜合競(jìng)爭(zhēng)力和核心競(jìng)爭(zhēng)力，并且對(duì)市場(chǎng)的各種波動(dòng)具有較強(qiáng)的應(yīng)變能力，該類(lèi)股票是投資者進(jìn)行投資的最佳選擇。投資者在進(jìn)行此類(lèi)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)。： 方法檢驗(yàn)，由顯著性這一列可知，都達(dá)到了顯著的水平，這說(shuō)明分類(lèi)結(jié)果是比較有效的。利用方法，檢驗(yàn)各個(gè)類(lèi)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(lèi)結(jié)果是可靠的。隨后，在軟件中，重復(fù)在“ 用軟件對(duì)樣本公司股票進(jìn)行聚類(lèi)分析”進(jìn)行系統(tǒng)聚類(lèi)分析的操作，需要變化的操作有兩個(gè)：一個(gè)是在第“（3）”步彈出的系統(tǒng)聚類(lèi)分析對(duì)話(huà)框中，還要選擇，并在彈出的對(duì)話(huà)框中輸入分類(lèi)數(shù)為，這一步的目的是為了后面對(duì)分類(lèi)結(jié)果進(jìn)行方差檢驗(yàn)做準(zhǔn)備；二是在第“（4）”步中的聚類(lèi)成員一欄中輸入分類(lèi)個(gè)數(shù)為,可得到分類(lèi)數(shù)為時(shí)的聚類(lèi)表。利用“ 聚類(lèi)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(lèi)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(huà)出“碎石圖”。可得到如下的輸出結(jié)果：（此處由于樣本數(shù)據(jù)較多，故只截取表的一部分），其實(shí)質(zhì)是一個(gè)不相似矩陣，其中的數(shù)值表示各個(gè)樣本之間的相似系數(shù)，數(shù)值越大，表示兩樣本距離越大：圖3. 1 近似矩陣，該表反映的是每一階段的聚類(lèi)結(jié)果，其中的第4列系數(shù)表示聚合系數(shù)，第2列和第3列表示的是聚合的類(lèi)，此聚類(lèi)表是為本論文在后面通過(guò)畫(huà)“碎石圖”來(lái)確定合適的分類(lèi)個(gè)數(shù)做鋪墊，聚類(lèi)過(guò)程總共進(jìn)行了39次： 聚類(lèi)表階群集組合系數(shù)首次出現(xiàn)階群集下一階群集 1群集 2群集 1群集 2178.08900422125.15200533234.35300134712.35710952123.417201061011.463001573335.5170025819.6520011937.6990424102021.77805141114.807801912613.8870023133032.9180322142027.9471001815101660241624260021175390027181420014261913811023201922003021182401631223036130292316191228243109152825283307352614151803127537170352813232434293040220323017190203931141826213432303129037332290038341142831363552827253636153435373713036323838123733393911738300（此處設(shè)置為垂直輸出），也是反映聚類(lèi)狀況的圖，若按照事先假定的聚類(lèi)數(shù)，在冰柱圖中那類(lèi)的行上從左到右可以找到各類(lèi)所包含的樣本：圖3. 2 冰柱圖，從中可直觀地顯示聚類(lèi)的過(guò)程，當(dāng)知道分類(lèi)個(gè)數(shù)時(shí)，可以從聚類(lèi)譜系圖中清楚的看出各種股票的歸類(lèi)。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(chēng)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(chēng)為一條個(gè)案或觀測(cè)量。在軟件中，對(duì)應(yīng)選擇即可。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(lèi)分析中的重要性程度是同等看待的。結(jié)合本論文中所選取的樣本數(shù)據(jù)（）的特點(diǎn)，可知這兩種方法都不適合對(duì)樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。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(lài)兩個(gè)極端的取值。（2）極差標(biāo)準(zhǔn)化變