基于数据挖掘的上市公司高送转预测

谢忠群

（贵州财经大学，贵阳 550002）

1 研究背景

近年来，我国证券市场的高速发展催生了一批题材股。在这些题材中间，高送转这一题材无疑是中小投资者强烈追捧的对象。实施高送转后股价将做除权处理，投资者可以通过填权行情从二级市场的股票增值中获利，而等除权后再买入可能面临很大的回撤风险。如果我们能准确预测下一年可能实施高送转的上市公司并提前买入，这对我们投资的安全性具有很大的现实意义。经过研究，影响上市公司实施高送转的因子主要有两类：一是基本因子，包括股价、总股本、上市年限等；二是成长因子，包括每股未分配利润、每股资本公积、每股现金流、每股收益等。除此之外，还有其他因子等待挖掘。

本文利用相关数据，筛选出对上市公司实施高送转方案有较大影响的因子，建立模型预测哪些上市公司可能会实施高送转，并对提供的数据用所建立的模型来预测第8 年上市公司实施高送转的情况。

2 因子选取

本文研究数据为3466 家上市公司7 年的各种高送转相关因素，包含了年数据、日数据、基础数据，原始数据共24262 个样本。在实际建模前对数据作预处理，删除或补全缺失值、统一量纲，将数据规范化。

从数据挖掘角度在所有特征中挑选出了前8 个影响较大的因子，分别为归属于母公司净利润同比增长（%）（A）、每股收益（期末摊薄，元／股）（B）、基本每股收益（C）、每股净资产（元／股）（D）、稀释每股收益同比增长（%）（E）、基本每股收益同比增长（%）（F）、上市年限（G）、总资产净利率（%）（H）。将这8 个影响因子绘制特征重要性排名，从高到低为：B、A、D、C、H、E、F、G，且每个特征的重要性较为均衡。

图1 因子重要性排名

3 模型训练

通过数据处理，特征选择以及提取影响因子，我们得到了高质量的训练和测试数据集，现在要通过运用得到的数据和xgboost 算法正式进入“高送转”预测模型的构建工作中。

本文将挑选出的这8 个因子放入xgboost 模型中，从AUC结果来看，通过数据挖掘出的因子计算出的AUC 值高达0.96，说明利用数据挖掘挑选出的因子配合xgboost 模型的分类效果较好。

4 模型预测

xgboost 算法由GBDT 算法演变而来，在GBDT 的基础上通过改变目标函数来避免GBDT 存在的问题，例如：当数据量很大时，减少计算时间等。

图2 ROC 曲线

在测试结果展示的部分，我们使用混淆矩阵来展示模型的分类效果。混淆矩阵也称作误差矩阵，是表示精度评价的一种形式。对于二分类下的混淆矩阵，标签有两种，分别为0 和1，横坐标代表通过模型分类出来的测试集的结果，纵坐标表示数据集中给定的数据集的结果。对角线上的数据代表被正确分类的数据的个数，另外的数代表被错误分类的数据的个数。通过这些数据，计算出模型的精确率（precision）、召回率（recall）、准确率（accuracy）、f1－score，f1－score 值是将精确率和召回率的值合并，计算其调和均值，计算公式为：

其中，TP 为被分类模型正确预测的正样本数，TN 为被分类模型正确预测的负样本数，FP 为被分类模型错误预测为正类的负样本数，FN 为被分类模型错误预测为负类的正样本数，分别对应于混淆矩阵的（0，0）（1，1）（0，1）（1，0）位置。

图3 预测值与真实值的混淆矩阵

根据混淆矩阵计算出各个值：负类0 的精确率（precision）为0.96、召回率（recall）为0.96、f1－score 的值为0.96；正类1 的精确率（precision）为0.80、召回率（recall）为0.81、f1－score 的值为0.80；模型准确率（accuracy）为0.93，统计如下表1。

表1 分类准确率