摘要：证券市场越来越火热，而在国家和政府的重视和监督下，我国股市正在不断努力实现和完善股票市场资源配置功能，对股市进行各项改革，要求各个证券公司开展专业的股票投资教育，为广大投资者增加理论知识，降低投资风险。本文基于数据挖掘技术中的C5.0决策树对上市公司股票盈利能力等级为进行分类预测的应用研究具有深刻的实际意义。

本文以2020年A股市场上200个上市公司为样本。其中经过对数据预先筛选选取了70家绩效优良，30家绩效较差和100家绩效评级一般的上市公司。首先确定了13个具有代表性的财务指标为输入变量，以SPSS Clementine为主要的操作和分析工具，运用C5.0决策树算法建立分类模型。而在操作处理中，选择以70%的Training样本，30%为Testing样本做模型的有效性检验。模型检验后通过分析结果，可以看出C5.0决策树算法预测准确率较高。由该种方法得到的结果可以看出存货周转率指标对上市公司的盈利评级影响最大，且主营业务收入增长率和流动比率这两个财务比率指标对上市公司的综合经营绩效影响也比较大。所以C5.0决策树算法对上市公司股票绩效等级进行分类预测的应用研究对投资者在选股决策中能提供实际帮助。

关键词：数据挖掘 决策树 股票市场 分类预测

目录

摘要

Abstract

第1章 引言-1

1.1研究意义及背景-1

1.2国内外研究现状-1

1.2.1国外研究现状-1

1.2.2 国内研究现状-2

1.3 主要研究内容-2

1.3.1 研究内容-3

1.3.2 研究方法-3

1.3.3研究框架-3

1.4  本章小结-4

第 2章 C5.0 决策树分类算法-4

2.1 C5.0决策树算法-4

2.2 决策树分类预测的适用性-4

2.3  决策树的步骤-5

2.4  本章小结-5

第 3章 C5.0 决 策 树 算法在股票分类预测中的应用-6

3.1  数据的选取与指标的确定-6

3.1.1  指标的确定-6

3.1.2  数据的选取-7

3.2决策树模型输出及结果分析-9

3.3模型的评估-11

3.4本章小结-12

第 4章 结论与展望-12

致 谢-14

参考文献-15

附录-16