面向大数据的并行聚类算法在股票板块划分中的应用

doi:10.11959/j.issn.2096-0271.2015036

摘要/Abstract

摘要：

上市公司的经营业绩在一定程度上反映股票的投资价值，因此以反映上市公司盈利能力、偿债能力、成长能力、资产管理质量及股东获利能力5个方面共15项财务指标作为股票投资价值的衡量指标，首次尝试使用面向大数据的并行聚类算法Mahout中的K-means聚类算法和模糊K-means聚类算法对中国A股市场约2 600支股票依据其财务指标进行聚类，以便进行股票板块的划分，并比较两种算法在不同距离度量方式下的迭代次数、执行时间、聚类间密度和聚类内密度。实验结果表明，谷本距离度量方式下的K-means算法聚类效果最好，因此可将该实验结果作为最终股票板块划分结果进行分析，从而为投资决策提供参考。

关键词: 财务指标, 并行聚类算法, K-means, 模糊K-means, 股票板块划分

Abstract:

For the operating performance of listed corporations reflects the value of stock investment to a certain extent, financial index reflecting the operating performance of listed corporations was taken as the evaluation index of stock investment value, and for the first time the parallel clustering algorithms for big data both K-means and fuzzy K-means of Mahout were used to cluster nearly 2 600 stock of China’s A shares market according to their financial index, afterwards the clustering results of these two algorithms under different distance metrics were compared.Experimental results show that the clustering quality of K-means algorithm adopting Tanimoto distance metric is the best.Therefore, this result can be used as the final result of the division of stock, which can provide a reference for the investment decision.

Key words: inancial index, parallel clustering algorithm, K-means, fuzzy K-means, division of stock

中图分类号:

TP311.13

海沫, 牛怡晗, 张悦今. 面向大数据的并行聚类算法在股票板块划分中的应用[J]. 大数据, 2015, 1(4): 9-17.

Mo Hai, Yihan Niu, Yuejin Zhang. Application of Parallel Clustering Algorithms for Big Data in the Division of Stock[J]. Big Data Research, 2015, 1(4): 9-17.

图/表 6

表1

表2

表3

表4

表5

表6

参考文献 9

[1]	周鑫 . 我国股票市场板块效应实证研究（硕士学位论文）. 成都: 西南交通大学, 2012
	Zhou X . Empirical research on plate effect of Chinese stock market (master dissertation). Chengdu: Southwest Jiaotong University, 2012
[2]	周焯华, 陈文南, 张宗益 . 聚类分析在证券投资中的应用. 重庆大学学报（自然科学版）, 2002,25(7): 122～126
	Zhou Z H , Chen W N , Zhang Z Y . Application of cluster analysis in stock investment. Journal of Chongqing University（Natural Science Edition）, 2002,25(7): 122～126
[3]	劳兰珺, 邵玉敏 . 中国股票市场行业收益率序列动态聚类分析. 财经研究, 2004,30(11): 75～82
	Lao L J , Shao Y M . Dynamic clustering analysis of return series of industrial indexes in Chinese stock market. Journal of Finance and Economics, 2004,30(11): 75～82
[4]	李云飞, 李鹏雁 . 基于模糊聚类技术的股票投资价值评价指标选择. 燕山大学学报, 2008,32(6): 551～556
	Li Y F , Li P Y . Evaluation indexes selection of stocks’ investment value based on fuzzy clustering. Journal of Yanshan University, 2008,32(6): 551～556
[5]	孙磊平 . 数据挖掘方法在股票分析中的应用与研究（硕士学位论文）. 成都: 西南财经大学, 2013
	Sun L P . The application and research of data mining in stock analysis (master dissertation). Chengdu: Southwestern University of Finance and Economics, 2013
[6]	邓秀勤 . 聚类分析在股票市场板块分析中的应用. 数理统计与管理, 1999,18(5): 1～4
	Deng X Q . Application of cluster analysis in stock market board analysis. Journal of Applied of Statistics and Management, 1999,18(5): 1～4
[7]	杨富勇 . 数据挖掘技术在股票投资中的应用（硕士学位论文）. 长沙: 湖南大学, 2010
	Yang F Y . Application of data mining in stock investment (master dissertation). Changsha: Hunan University, 2010
[8]	张传琦 . 基于蚁群聚类算法的股票板块分类研究（硕士学位论文）. 上海: 复旦大学, 2012
	Zhang C Q . Research on Stock plate classification based on ant colony clustering algorithm (master dissertation). Shanghai: Fudan University, 2012
[9]	Owen S , Anile R , Dunning T , et al. Mahout in Action. Greenwich: Manning Publications Co, 2012

距离度量方法	迭代次数	收敛时间/min	聚类间密度	聚类内密度
欧几里得距离	20	6.57	0.093	0.553
平方欧几里得距离	15	4.951	0.091	0.554
曼哈顿距离	17.3	5.631	0.099	0.544
余弦距离	1.7	0.758	0.077	0.555
谷本距离	4.3	1.602	0.045	0.557

距离度量方法	迭代次数	收敛时间/min	聚类间密度	聚类内密度
欧几里得距离	3.7	1.484	0.12	0.549
平方欧几里得距离	3.7	1.477	0.05	0.581
曼哈顿距离	5	1.929	0.124	0.544
余弦距离	1	0.585	0.115	0.573
谷本距离	7.7	2.85	0.063	0.489

类别	股票数量/支	盈利能力	成长能力	股东获利能力	偿债能力	资产管理质量	平均标准差
1	20	0.226	0.053	0.053	0.063	0.191	0.117
2	13	0.113	0.111	0.111	0.038	0.235	0.122
3	12	0.168	0.047	0.047	0.179	0.150	0.118
4	17	0.256	0.386	0.386	0.311	0.374	0.343
5	11	0.168	0.104	0.104	0.068	0.262	0.141
6	16	0.218	0.115	0.115	0.206	0.253	0.182
7	16	0.161	0.228	0.228	0.751	0.267	0.327
8	10	0.139	1.026	1.026	0.083	0.257	0.506
9	20	0.186	0.146	0.146	0.480	0.139	0.219
10	14	0.180	0.055	0.055	0.032	0.237	0.112
11	17	0.431	0.123	0.123	0.081	0.250	0.201
12	20	10.133	7.617	7.617	10.451	7.635	8.690
13	33	0.153	0.433	0.433	0.141	0.253	0.283
14	29	0.126	0.095	0.095	0.404	0.295	0.203
15	12	0.173	0.048	0.048	0.388	0.236	0.179
16	34	0.209	0.215	0.215	0.266	0.793	0.340
17	16	0.162	0.053	0.053	0.534	0.132	0.187
18	19	0.210	0.053	0.053	0.147	0.151	0.123
19	22	0.175	0.694	0.694	0.421	0.356	0.468
20	38	0.296	1.631	1.631	0.117	0.244	0.784
21	21	0.455	0.055	0.055	0.046	0.243	0.171
22	12	0.130	0.238	0.238	0.055	0.285	0.189
23	17	0.781	0.058	0.058	0.456	0.379	0.346
24	22	0.188	0.078	0.078	0.044	0.235	0.125
25	11	0.108	0.068	0.068	0.116	0.323	0.137
26	16	0.400	0.275	0.275	0.157	0.359	0.293
27	23	0.237	0.117	0.117	0.320	0.335	0.225

类别	股票数量/支	盈利能力	成长能力	股东获利能力	偿债能力	资产管理质量	平均标准差
1	50	0.085	0.077	0.275	0.062	0.117	0.123
2	77	0.172	0.093	0.363	0.060	0.161	0.170
3	89	0.185	0.166	0.444	0.073	0.271	0.228
4	44	0.159	0.045	0.152	0.048	0.120	0.105
5	64	0.071	0.069	0.147	0.057	0.084	0.086
6	79	0.084	0.088	0.151	0.075	0.087	0.097
7	58	0.193	0.084	1.852	0.159	0.486	0.555
8	76	0.278	0.107	0.297	0.117	0.256	0.211
9	62	0.069	0.045	0.135	0.106	0.088	0.088
10	43	0.105	0.057	0.160	0.043	0.088	0.091
11	30	0.047	0.029	0.096	0.039	0.051	0.052
12	35	0.053	0.038	0.079	0.039	0.050	0.052
13	31	0.070	0.031	0.097	0.154	0.057	0.082
14	87	0.123	0.068	0.217	0.102	0.098	0.122
15	57	0.058	0.043	0.166	0.055	0.063	0.077
16	48	0.109	0.108	0.244	0.070	0.139	0.134
17	52	0.070	0.047	0.196	0.037	0.095	0.089
18	77	0.112	0.079	0.192	0.078	0.113	0.115
19	41	0.066	0.061	0.097	0.040	0.082	0.069
20	33	0.093	0.045	0.211	0.146	0.101	0.119
21	67	0.221	0.174	0.588	0.091	0.679	0.351
22	54	0.074	0.028	0.105	0.036	0.075	0.064
23	55	0.094	0.048	0.157	0.094	0.091	0.097
24	59	0.043	0.038	0.096	0.039	0.061	0.055
25	35	0.196	0.082	0.480	2.096	2.965	1.164
26	80	0.057	0.058	0.093	0.055	0.065	0.066

类别	特征	股票类别
第一类	具有较高的投资价值、较高的投资安全性	（7、8、13）
第二类	具有较高的投资价值、一般的投资安全性	（3、4、9、11、16、21）
第三类	具有较高的投资价值、较低的投资安全性	（1、5、6、12、22、23）
第四类	具有一般的投资价值、较高的投资安全性	（25）
第五类	具有一般的投资价值、一般的投资安全性	（26、18、20、2）
第六类	具有一般的投资价值、较低的投资安全性	（14、15、19）
第七类	具有较低的投资价值、一般的投资安全性	（17）
第八类	具有较低的投资价值、较低的投资安全性	（10、24）