面向大数据的并行聚类算法在股票板块划分中的应用

摘要：

上市公司的经营业绩在一定程度上反映股票的投资价值,因此以反映上市公司盈利能力、偿债能力、成长能力、资产管理质量及股东获利能力5个方面共1 5项财务指标作为股票投资价值的衡量指标,首次尝试使用面向大数据的并行聚类算法Mahout中的K-means聚类算法和模糊K-means聚类算法对中国A股市场约2 600支股票依据其财务指标进行聚类,以便进行股票板块的划分,并比较两种算法在不同距离度量方式下的迭代次数、执行时间、聚类间密度和聚类内密度.实验结果表明,谷本距离度量方式下的K-means算法聚类效果最好,因此可将该实验结果作为最终股票板块划分结果进行分析,从而为投资决策提供参考.

关键词：财务指标、并行聚类算法、K-means、模糊K-means、股票板块划分

所属期刊栏目：1

资助基金：北京高等学校青年英才计划资助项目No.YETP0988,2014年度中财121人才工程青年博士发展基金资助项目No.QBJ1427

在线出版日期：2016-01-06（万方平台首次上网日期，不代表论文的发表时间）

页码：前插1-前插2,1-9