基于数据挖掘的上市公司高送转预测

李思铭，林志杰，陈 文，李宇欣，姜 永

（福建农林大学计算机与信息学院，福州350002）

近年来，我国证券市场的高速发展催生了一批题材股，其中的高送转这一题材无疑是中小投资者强烈追捧的对象。因为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。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。

研究拟通过收集有关数据，并采用数据挖掘方法筛选出对上市公司实施高送转方案有较大影响的因子，然后利用这些因子建立模型来预测实施高送转的情况。

一、数据来源与数据处理

（一）数据来源

研究的样本选自我国上市公司3 466只股票，相关因子数据有营运资本、投入资本、基本每股收益等，共360个因子，反映了上市公司近七年间股票盈余与公司经营情况，共约2.4万条样本。

（二）数据预处理

1.缺失值处理。可分为缺失值删除和缺失值填充两部分，当特征属性列缺失值超过总数的一半，就会直接删除该列。余下的特征属性列则根据缺失情况可分为间断缺失和连续缺失，分别进行均值填充和拉格朗日插值填充。

2.异常值处理。箱线图结尾去除异常值，在Python软件中，使用boxplot（）涵数，将数据中偏大、偏小的“异常数据”过滤掉。

3.数据标准化。数据的标准化是指在处理数据时统一不同指标之间的量纲。常用的数据标准化有三种方法：min-max标准化、均值方差……