基于Logistic回归变量筛选的BP神经网络及应用(2)

　　2.2数据清理 

　　由于样本含量足够大，将近2 500例，对于存在缺失值的实例，将整条数据删除，不作分析使用。 

　　2.3数据变换及离散化 

　　（1）考虑到个别股票在2013年度存在除权除息，如果直接按市场价格计算股票涨跌幅，就会偏离实际情况，因此对这部分股票需要按实际收益计算其涨跌幅度。 

　　（2）计算出年度股票涨跌幅后，将其离散化处理，涨跌幅（-∞，-20%]，（-20%，0%]，（0%，20%]，（20%，+∞）分别离散为0，1，2，3四个数值。 

　　2.4数据集成 

　　将股票价格及涨跌数据，上市公司财务指标数据集成至一个数据库，最终得到有效数据1 856例。 

　　2.5建立模型 

　　构建Logistic回归模型，以步进法通过似然比统计筛选得到7个预测变量，如图3所示，再用此7个预测变量构建人工神经网络模型如图4所示。对照模型使用未使用变量筛选的人工神经网络。构建模型时，训练数据占80%，测试数据占20%。 

　　2.6实验结果 

　　评级总正确率较未使用变量筛选的模型，在培训和测试数据分区分别有了1.5和3个百分点的提高，分别为48.64%和50.52%；在评级=0时分别有了21和28个百分点的提高，分别为60.61%和64.63%，从ROC下方面积可以清晰看到这个变化，如图7、图8所示；在评级=3时培训分区有了5个百分点的提高，为82.8%，测试区没有提高。但在评级=1或者评级=2时正确率却有了不同程度的下降。 

　　2.7实验结果分析

　　使用Logistic回归筛选变量后的BP神经网络在对股票进行评级时，其评级正确率在涨幅最大区域因原模型准确率已高达77%，提升幅度不是特别大，但在跌幅最大区域却有了显著提高。其原因在于筛选后的变量扩大了影响程度较大的变量的影响，缩小了原有影响程度较小的变量产生噪声的影响，使处于涨幅极端的两类因变量特征更加明显，其分类正确率自然会有提升。而对于处于涨幅中间区域的两类因变量来说，因其涨跌幅较小，各种自变量的影响相互博弈，删减自变量，对其正确分类必然产生较大影响，降低了分类正确率。但在实际生活中，人们关心的往往是如何使利益最大化，并尽可能减小风险成本。因此，本文所提出的模型价值显而易见。 

　　3结语 

　　股票分级实验证明，基于Logistic回归筛选变量后的BP神经网络在保证总体分类正确率稳步提升的同时在极大、极小分类正确率上也有了显著的提高。因此，在对极值分类有较高要求且预测变量较多的应用领域，此模型可作为一种分类参考，以提高分类效率。 

　　参考文献参考文献： 

　　[1]SONG Y P， PENG X Q. New structure adapting neural network and its training method[J]. Control and Decision，2010，25（8）：12651268. 

　　[2]韩玲.基于人工神经网络—多层感知器（MLP）的遥感影像分类模型[J].测绘通报，2004（9）：2931. 

　　[3]韩力群.人工神经网络教程[M].北京：北京邮电大学出版社，2006. 

　　[4]LI Y， WANG Z， AO Z G， et al.Optimization for breakout prediction system of BP neural network[J]. Control and Decision， 2010，25（3）： 453456. 

　　[5]LUENGO J，GARCIA S，HERRERA F.A study on the use of imputation methods for experimentation with radial basis function network classifiers handling missing attribute values： the good synergy between RBFNs and EventCovering method[J].Neural Networks，2010，23（3）：406418. 

　　[6]卫敏，余乐安.具有最优学习率的RBF神经网络及其应用[J].管理科学学报，2012（4）：5057. 

　　[7]LIU Y Y， STARZYK J A， ZHU Z. Optimized approximation algorithm in neural networks without overtting[J].IEEE Transactions on Neural Networks，2008，19（6）：983995. 

　　[8]徐富强，刘相国.基于优化的RBF神经网络的变量筛选方法[J].计算机系统应用[J]，2012（3）：206208. 

　　[9]石庆焱.一个基于神经网络—Logistic回归的混合两阶段个人信用评分模型研究[J].统计研究，2005（5）：4549. 

　　[10]谢远涛，杨娟，王稳. Logistic与分类树模型变量筛选的比较——基于信用卡邮寄业务响应率分析[J].统计与信息论坛，2011（6）：96101. 

　　[11]王国平，郭伟宸，汪若君.IBM SPSS Modeler数据与文本挖掘实战[M].北京：清华大学出版社，2014. 

　　[12]徐璐.判别分析Logistic回归和BP神经网络在二分类问题中的模拟对比[J].中南财经政法大学研究生学报，2012（2）：5964. 

　　[13]郑睿颖，伍应环.神经网络在股票价格预测中的研究[J].计算机仿真，2011（10）：393396. 

　　[14]黄亦潇，邵培基，李菁菁.基于信息扩散原理运用人工神经网络识别股票级别[J].中国管理科学，2004（5）：611.