数据挖掘在证券投资基金中的应用—券商研究报告质量评估

摘要

本文对数据挖掘技术在证券投资基金的应用进行了探讨。证券投资基金在我国属于新兴行业。基金的管理者试图通过不断寻求价值被市场低估的股票，谋求超过一般市场表现的业绩。股票分析被实践证明是寻找具有投资价值股票的合理、科学的方法。而国内的基金公司由于成立时间较短，研究力量普遍较弱。而券商相对而言成立时间较长，研究能力较强，因此几乎所有的基金公司都通过购买研究报告的形式借助于券商的研究力量，以期对整个市场和个股有正确的把握。如何从大量的研究报告中寻找真正的投资机会，成了基金公司的重要课题。 本文使用数据挖掘评估券商证券研究机构出售的研究报告的质量，帮助基金管理公司全面把握券商研究机构的研究能力。 本文首先介绍了数据挖掘的主要理论和算法，以及各种相关概念，阐明本文的技术基础。其次介绍了基金行业的发展现状，分析基金行业的业务，阐明券商研究报告在基金管理实际运作中的重要作用，提出运用数据挖掘来分析券商研究能力，帮助基金管理者进行决策。然后介绍了如何从原始的研究报告提取核心要素，如何导入基础数据，如何进行相应的数据清洗、整理工作，为数据挖掘准备数据。 接下来在此数据基础上运用数据挖掘评估研究报告的质量以及券商研究机构的研究能力。券商限于自己的研究能力，可能集中力量在一些热门的股票上而忽视了对其他潜在投资机会的把握。本文首先利用布尔型关联规则挖掘分析某券商推荐的个股之间的关联程度，从而可以得知该券商是否有投资偏好，是否能够全面地把握市场机会。 同样，受研究能力所限，不排除某些券商盲目跟随重量级券商，对股票的走势没有做出自己的判断。有鉴于此，本文运用关联规则对券商之间的推荐关联作了相应分析。 券商机构的研究员无疑具有自己的投资风格，对投资风险的喜好各不相同，从而在相同市场走势下给出不同的投资建议。本文运用决策树算法对单个券商所有的个股推荐进行分析，从而可以得知该券商在不同大盘表现和个股走势下的择时能力，帮助基金公司在不同的市场环境下采用可信度较高的报告，把握投资机会。 除了观察具体市场走势下券商机构的研究能力之外，券商研究机构的整体研究能力也是考察的重点。本文利用比率统计来衡量券商研究机构给出的股票的目标价格与股票真实价格的契合程度，从一定程度上评判券商研究机构所做预测的准确度。 基金管理者往往综合多家券商的投资建议做出实际操作。本文利用关联分析帮助基金管理者确认综合考虑的结果是否可信。由于人员流动、机构重组等原因，券商机构的研究能力随时间可能有一定的波动，在这些波动当中可能包含一些规律。券商研究机构的研究能力应随时间越来越强，目标价格作为重要的投资决策依据与实际价格应越来越贴近。本文最后利用时序分析对券商研究机构的历次推荐的目标价格进行指数平滑分析，发现券商研究机构所给出的目标价格相对于实际价格的偏离是没有规律的，因此目标价格在基金管理者的决策中不应该占据很大的分量。 在数据提取系统和数据挖掘模型的基础上，本文最后通过对数据挖掘工具的二次开发，将数据挖掘模型与应用系统相集成，形成了券商报告管理和评估的综合方案。该方案能够很好的解决证券投资基金面临的如何评估券商管理报告质量的问题。 本文讨论的应用系统已经在部分基金管理公司使用，在数据方面为数据挖掘的应用打下了良好基础。本文的研究工作为基金公司运用数据挖掘来分析券商研究报告以及衡量券商的研究能力提供了有价值的参考。