原文鏈接：http://tecdat.cn/?p=2784

最近我們被客戶要求撰寫關(guān)于決策樹神經(jīng)網(wǎng)絡(luò)的研究報(bào)告，包括一些圖形和統(tǒng)計(jì)輸出。

之前在某社區(qū)中看到一篇帖子《一張價(jià)值幾十萬個(gè)跌停的統(tǒng)計(jì)表》，主要是預(yù)測即將被ST的股票，雖然有些標(biāo)題黨，但是還有有一些參考價(jià)值的

文章中使用了凈利潤指標(biāo)來對可能成為ST的股票進(jìn)行排雷，那么是否有其他指標(biāo)可以用機(jī)器學(xué)習(xí)的方法對該問題進(jìn)行建模同時(shí)提高預(yù)測的準(zhǔn)確度呢?

首先我們來了解下問題的背景：

股票市場上，一般把財(cái)務(wù)狀況或其他狀況出現(xiàn)異常的上市公司的股票交易作特別處理，因此這些公司稱為ST公司。ST公司作為績效水平低下的公司，而非 ST公司為績效水平較好的公司。

那么有沒有辦法提前知道哪些股票即將被ST嗎？

預(yù)測一家公司績效水平的問題可以看作是二分類問題。我們可以建立一個(gè)輸出變量，其中“0”代表非ST公司，“1”代表ST公司。

然后我們搜集了上百種和公司績效可能相關(guān)的變量作為模型的輸入指標(biāo)：

為了判斷公司的績效好壞，我們分別使用了分類問題中常用的神經(jīng)網(wǎng)絡(luò)模型和決策樹模型。

1 神經(jīng)網(wǎng)絡(luò)：

l變量重要性

l神經(jīng)網(wǎng)絡(luò)拓普圖

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

spss modeler用決策樹神經(jīng)網(wǎng)絡(luò)預(yù)測ST的股票

左右滑動(dòng)查看更多

01

02

03

04

l分類準(zhǔn)確度

2 決策樹：

l變量重要性

l決策樹結(jié)構(gòu)圖：

l準(zhǔn)確度：

結(jié)論

從模型角度來看，神經(jīng)網(wǎng)絡(luò)模型的正確率略低于決策樹模型。因此，對于民營上市公司績效評價(jià)研究，決策樹模型要優(yōu)于神經(jīng)網(wǎng)絡(luò)模型。

同時(shí)，從變量重要性來看，基于本年的3季報(bào)的總資產(chǎn)增長率，可以大致預(yù)測出該股票是否即將被ST。如果今年3季報(bào)依然虧損很厲害，那么年報(bào)基本上也是虧損的了。

本文摘選?《?spss modeler用決策樹神經(jīng)網(wǎng)絡(luò)預(yù)測ST的股票?》?，點(diǎn)擊“閱讀原文”獲取全文完整資料。

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

Python中TensorFlow的長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)、指數(shù)移動(dòng)平均法預(yù)測股票市場和可視化
RNN循環(huán)神經(jīng)網(wǎng)絡(luò) 、LSTM長短期記憶網(wǎng)絡(luò)實(shí)現(xiàn)時(shí)間序列長期利率預(yù)測
結(jié)合新冠疫情COVID-19股票價(jià)格預(yù)測：ARIMA，KNN和神經(jīng)網(wǎng)絡(luò)時(shí)間序列分析
深度學(xué)習(xí)：Keras使用神經(jīng)網(wǎng)絡(luò)進(jìn)行簡單文本分類分析新聞組數(shù)據(jù)
用PyTorch機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分類預(yù)測銀行客戶流失模型
PYTHON用LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化方法預(yù)測時(shí)間序列洗發(fā)水銷售數(shù)據(jù)
Python用Keras神經(jīng)網(wǎng)絡(luò)序列模型回歸擬合預(yù)測、準(zhǔn)確度檢查和結(jié)果可視化
R語言深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò) (CNN)對 CIFAR 圖像進(jìn)行分類：訓(xùn)練與結(jié)果評估可視化
深度學(xué)習(xí)：Keras使用神經(jīng)網(wǎng)絡(luò)進(jìn)行簡單文本分類分析新聞組數(shù)據(jù)
Python用LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)對不穩(wěn)定降雨量時(shí)間序列進(jìn)行預(yù)測分析
R語言深度學(xué)習(xí)Keras循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)模型預(yù)測多輸出變量時(shí)間序列
R語言KERAS用RNN、雙向RNNS遞歸神經(jīng)網(wǎng)絡(luò)、LSTM分析預(yù)測溫度時(shí)間序列、 IMDB電影評分情感
Python用Keras神經(jīng)網(wǎng)絡(luò)序列模型回歸擬合預(yù)測、準(zhǔn)確度檢查和結(jié)果可視化
Python用LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)對不穩(wěn)定降雨量時(shí)間序列進(jìn)行預(yù)測分析
R語言中的神經(jīng)網(wǎng)絡(luò)預(yù)測時(shí)間序列：多層感知器（MLP）和極限學(xué)習(xí)機(jī)（ELM）數(shù)據(jù)分析報(bào)告
R語言深度學(xué)習(xí)：用keras神經(jīng)網(wǎng)絡(luò)回歸模型預(yù)測時(shí)間序列數(shù)據(jù)
Matlab用深度學(xué)習(xí)長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)對文本數(shù)據(jù)進(jìn)行分類
R語言KERAS深度學(xué)習(xí)CNN卷積神經(jīng)網(wǎng)絡(luò)分類識別手寫數(shù)字圖像數(shù)據(jù)（MNIST）
MATLAB中用BP神經(jīng)網(wǎng)絡(luò)預(yù)測人體脂肪百分比數(shù)據(jù)
Python中用PyTorch機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分類預(yù)測銀行客戶流失模型
R語言實(shí)現(xiàn)CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型進(jìn)行回歸數(shù)據(jù)分析
SAS使用鳶尾花(iris)數(shù)據(jù)集訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)(ANN)模型
【視頻】R語言實(shí)現(xiàn)CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型進(jìn)行回歸數(shù)據(jù)分析
Python使用神經(jīng)網(wǎng)絡(luò)進(jìn)行簡單文本分類
R語言用神經(jīng)網(wǎng)絡(luò)改進(jìn)Nelson-Siegel模型擬合收益率曲線分析
R語言基于遞歸神經(jīng)網(wǎng)絡(luò)RNN的溫度時(shí)間序列預(yù)測
R語言神經(jīng)網(wǎng)絡(luò)模型預(yù)測車輛數(shù)量時(shí)間序列
R語言中的BP神經(jīng)網(wǎng)絡(luò)模型分析學(xué)生成績
matlab使用長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)對序列數(shù)據(jù)進(jìn)行分類
R語言實(shí)現(xiàn)擬合神經(jīng)網(wǎng)絡(luò)預(yù)測和結(jié)果可視化
用R語言實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)預(yù)測股票實(shí)例
使用PYTHON中KERAS的LSTM遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行時(shí)間序列預(yù)測
python用于NLP的seq2seq模型實(shí)例:用Keras實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯
用于NLP的Python：使用Keras的多標(biāo)簽文本LSTM神經(jīng)網(wǎng)絡(luò)分類