新股上市时合理定价区间预测(35页).ppt

日期: * 6.1数据清理原则 基金金融工程数据库中新股上市时信息数据 上市首日涨跌情况作为数据挖掘的重要指标 历年来的不同盘子、不同市盈率、不同行业的新股上市时首日涨跌幅度的大小，具有预测价值 数据清理原则 日期: * 6.2数据清理过程 数据清理过程 过程中需要运用数据挖掘课程中的一些关键技术和思想，比如聚类分析、OLAP、决策树等方法体现在数据的抽取、数据的存储和管理、数据的展现和预测价值等过程中。 预测一定经营规模企业具有良好盈利率曲线的所在行业、所属类型。 日期: * 6.3研究目标数据 从1991-2005年的股票发行范围内进行数据提取； 新股发行——主要成分 证券列表, 公司列表, 板块列表； 上市公司财务数据 股票首日交易数据 研究目标数据 日期: * 目录 项目概述 时间安排 研究内容 团队分工 源数据表 数据预处理 数据转换和处理据转换和处理 数据模型演算及项目展望 知识发现 日期: * 7.1确定对象数据表关系 确定对象数据表关系 日期: * 7.2定义数据维度 定义数据维度 日期: * 7.3多维数据集处理过程 多维数据集处理过程 日期: * 7.4数据集查看 数据集查看 日期: * 目录 项目概述 时间安排 研究内容 团队分工 源数据表 数据预处理 数据转换和处理据转换和处理 数据模型演算 知识发现及项目展望 日期: * 8.1微软决策树 微软决策树 决策树是以树的结构显示的分类形式，其中树结构中的节点代表进一步对数据进行分类的单个问题。创建决策树的各种方法数十年来广泛使用，而且有大量的著作讲述这些统计技术。 决策树挖掘模型使用名为递归分区的过程，根据事例集提供的特性将数据划分为若干个分区。然后，它将这些新建分区划分为更多的分区，并且一直划分下去，直到无法执行有用的划分。 日期: * 8.2挖掘模型 挖掘模型 日期: * 8.3挖掘结果查看 挖掘结果查看 日期: * 目录 项目概述 时间安排 研究内容 团队分工 源数据表 数据预处理 数据转换和处理据转换和处理 数据模型演算 知识发现及项目展望 日期: * 知识发现 知识发现 通过上述的数据演算和分析不难看出： 上市新股中的小盘股涨幅大部分为1-5倍，而大盘股涨幅大部分都在1倍以内，说明小盘股首日的表现最佳； 新股上市首日的表现基本与市盈率大小基本无关，说明中国股市还不成熟，投机成分较大； 日期: * 项目展望 项目展望 因为时间上的原因，以及小组成员都全职进行自己的工作，最近所学的课程考试密集，所以在项目控制上，以及挖掘技术研究、系统测试等方面都不是做得非常全面。 但本小组认为，我们在数据的选取，挖掘目标的提出方面，考虑的非常周全，目标明确，且具有实际应用价值。 对本挖掘模型，本小组认为可以通过更细化的算法设计，选取合适的前段挖掘显示工具，加上适当的数据挖掘代码，是可以做成一个更完善的系统。 日期: * 结束 谢 谢 第 * 页 第 * 页 第 * 页 第 * 页 第 * 页 第 * 页 第 * 页 第 * 页 第 * 页 第 * 页 第 * 页 新股上市合理定价区间预测 二〇〇五年四月 日期: * 目录 项目概述 时间安排 研究内容 团队分工 源数据表 数据预处理 数数据转换和处理据转换和处理 数据模型演算及项目展望 知识发现 日期: * 项目目的 1.11.1项目目的 基金金融工程数据库中有着中国一千多只股票及几百只基金的基础财务数据、股权信息、资本运作信息及每个交易日的行情公告信息。金融工程数据库是一个海量的数据。作为基金管理单位，针对如此海量的信息记录，如何保证从这些数据中提取关键信息，找到有潜力的股票，改善持股结构， 为基金管理部门相关决策提供依据与向导，是我们数据挖掘的目的。因为这个题目太大，我们选择其中一个较小范围的新股发行方面的数据进行挖掘。 新股发行时，每个股票有所属行业，募集资金合计，发行市盈率，二级市场配售发行数量，预测净利润，上市首日表现等可统计信息。对这些数据进行挖掘，预测某只规模的新股上市时合理定价区间。过程中需要运用数据挖掘课程中的一些关键技术和思想，比如聚类分析、OLAP、决策树等方法体现在数据的抽取、数据的存储和管理、数据的展现和预测价值等过程中。 日期: * 项目步骤 确定项目目标； 选取典型范围的新股上市的数据源与相关数据字典； 数据库建立与数据清理工作； 定义数据堆积维度和衡量值； 确定数据挖掘的理论方法（聚类、决策树）； 学会应用Microsoft SQL Server 2000 Enterprise 和Analysis Server OLAP/Data Mining工具； 设计定义挖掘模型和算法