數據挖掘技術應用于機構投資者投資行為分析初探

郁露露

摘 要：數據挖掘技術是一個跨學科的新興領域，它需要數學、統計學、信息學等多學科知識的綜合與集成。它可以幫助人們從大量龐雜、有噪聲、不完全的數據中提取出隱含有用的信息，它是一種深層次的數據分析方法。中國的證券市場是全球最重要的新興市場之一，在我國大力發展機構投資者戰略的指導下，機構投資者逐漸成為市場的主導，研究機構投資者的持股偏好具有重要意義。本文嘗試探尋將數據挖掘技術應用于機構投資者投資行為分析，為分析機構投資者投資偏好提供了一個新的視角。

關鍵詞：機構投資者 數據挖掘 投資行為

中圖分類號：TP311 文獻標識碼：A 文章編號：1672-3791（2018）11（b）-0022-02

1 機構投資者投資行為

機構投資者是用自有資金或者從分散的公眾手中籌集的資金專門進行有價證券投資活動的法人機構。在A股持股占自由流通股的比例約為29%，其中，公募基金7.99%、私募類（包括陽光私募基金和資管）4.16%、保險保障類7.06%、國家隊6.82%、境外資金2.63%、券商自營0.52%。由此可見，機構投資者在我國金融市場中占據重要的地位。機構投資者投資的目的有實現增值和參與管理兩種，機構投資者作為大股東，有能力參與公司治理，積極的機構投資者會對上市公司的股利政策甚至高管層的聘用發表意見，但也有的機構投資者考慮到治理的成本而選擇中立或者采取消極的態度。因此，研究機構投資者的行為及其投資偏好具有重要的意義。國內外現有關于機構投資者的研究較多，多采用線性方程的研究方法，這種方法對變量間的線性相關程度有要求，線性關系過強會影響到模型的穩定性，回歸系數也將出現較大的偏差，所以探尋新的實證方法很有必要。

2 數據挖掘方法

2.1 數據庫中的知識發現

計算機科學與互聯網技術的飛速發展極大的改變了人類生活、工作以及學習、科研的方式，在計算機的幫助下人們可以更快捷、有效地完成傳統的事務。然而，事務中大規模產生和存儲的海量數據不斷增加，人們被各種各樣的數據所淹沒，沒有足夠多的時間和精力去分析、理解這些數據，如何高效地分析、理解并利用這些數據成為了難題。因此，探尋新的數據分析方法和工具，從而走出“數據豐富，但信息貧乏的困境，成為學術界研究的熱點課題。

數據庫中的知識發現正是在上述背景下產生并迅速發展起來看。數據挖掘（Data Mining，DM）又可以稱作數據庫中的知識發現，是隨著近年來機器學習理論不斷發展起來的一個新的技術領域。它能過對原始數據樣本中無效值、缺失值等干攏數據的處理和分析，可以從存儲了大量數據的數據庫中提取出符合使用者需求的具體信息。應用數據挖掘技術需要綜合計算機、數學、統計學、人工神經網絡等各學科的知識，它是對數據庫中的數據進行深層次的處理和分析。數據挖掘主要的算法有分類模式、關聯規則、決策樹、序列模式、聚類模式分析、神經網絡算法等。關聯規則是數據挖掘領域中的一個非常重要的分支， 既可以檢驗行業內長期形成的知識模式， 也能夠發現隱藏的新規律，已被廣泛應用于各個領域。有效地發現、理解、運用關聯規則，并將其用于輔助決策具有重要的理論價值和現實意義。

2.2 關聯規則

關聯規則是由R. Agraw al等人于1993年首次提出的，其做法是應用頻集理論的遞推方法，發現隱藏在大量數據集中的有效信息，從而找到有意義的關聯規則，即首先尋找給定大數據集中的頻繁項集，然后通過頻繁項集生成強關聯規則。關聯規則的挖掘技術是數據挖掘中的一種，它通過對數據庫中大量數據的預處理和分析，消除和過濾掉無關的集合，從而幫且信息的使用者找到有用的信息，提高效率。西方最早關聯規則主要是應用于大型超市對顧客購物習慣的分析。超市方擁有客戶每一筆采購的明細清單和倉庫庫存的海量信息，但他們需要的是更具體更細化的資料，比如哪一類的客戶習慣于同時采購哪幾類的商品，從而可以依據此進行貨架擺放的設計和優化，最終目的是促進銷量的提升。如今，關聯規則的分析也被廣泛應用于商業分析、特征分析等各領域。

從技術上說，關聯規則是以頻項集理論為基礎，通過數據分析手段，在數據庫中尋找項集之間有效的關聯或相關聯系，揭示數據深層中蘊含的信息。關聯規則的常用算法是Apriori算法，主要功能是產生頻繁項集和產生有效的關聯規則。

3 數據挖掘技術應用于機構投資者投資行為分析的可行性

3.1 頻繁項集可以提供共性特征

計算機的優勢在于可以快速、準確地進行大量的數據處理工作。上市公司數目眾多，數據量龐大，應用數據挖掘技術可以充分利用計算機數據處理的優勢，發現隱藏于大量龐雜數據中的共性特征。Apriori算法可以找到給定置信度、支持度下、相關性下的財務特征，有利于研究者進行共性及差異性分析。

3.2 關聯規則體現投資偏好

關聯規則基于前一步頻繁項集的基礎，可以找到滿足最小信賴度的規則。應用關聯規則進行挖掘時，如果原始數據是取的連續的數據，應先對數據進行預處理，即對原始數據進行適當的離散化，這樣有利于找到合理的關聯規則。研究者通過對關聯規則的分析，可以具體分析機構投資者投資企業之間的特征及相互聯系。

4 結語

綜上所述，可以看出數據挖掘技術可以減少研究中人為篩選變量的影響，通過數據挖掘技術，自動進行數據分析，以便于更客觀地對機構投資者的投資行為進行分析。通過上述分析也可以看出，經過數據挖掘得到的規則數量和質量決定于最小支持度和置信度閾值的設置。如果希望研究結論的說服力較強，可以提高支持度與置信度的設置，但是這樣會損失一些帶有異常信息價值的規則。同理，如果降低支持度與置信度的設置，可以得到更多的規則但是需要人為對規則的有效性進行進一步的篩選。因此，在研究中應緊密結合專業知識和所研究的實際問題，確定合適的最小支持度和置信度閾值，從而便于獲取有價值的規則。

參考文獻

[1] 向寧，肖萬武.Apriori算法在金融信息系統中的應用研究[J].信息通信，2017（2）：20-22.

[2] 郭承湘，韋宇巍，張國飛，等.數據挖掘在食品藥品監管中的應用[J].軟件導刊，2017，16（9）：148-150.

[3] 呂學明，周艷紅，呂國英.關聯規則在醫療投訴資料分析中的應用[J].太原師范學院學報：自然科學版，2011，10（2）：82-86.

[4] 王丹，胡堯，吳楠，等.城市道路交通安全影響因素分析[J].貴州大學學報：自然科學版，2018，35（2）：14-21.

[5] 曲冬梅.大數據背景下信息處理技術探索[J].現代信息科技，2018，2（3）：18-19.

[6] 沈書行.大數據在生物醫療領域中的應用研究[J].創新創業理論研究與實踐，2018（6）：103-105.

[7] 張肖飛.資產誤定價、機構投資者與股價崩盤風險[J].經濟經緯，2018，35（2）：143-150.

[8] 趙洋.政策積極引導A股將迎來更多長線資金[N].金融時報，2018-10-27.

[9] 邱鑫儀，沈良忠.基于數據挖掘的學生學業預警研究[J].電腦知識與技術，2017，13（36）：226-227，246.