原文链接：http://tecdat.cn/?p=2784
最近我们被客户要求撰写关于决策树神经网络的研究报告，包括一些图形和统计输出。
之前在某社区中看到一篇帖子《一张价值几十万个跌停的统计表》，主要是预测即将被ST的股票，虽然有些标题党，但是还有有一些参考价值的
文章中使用了净利润指标来对可能成为ST的股票进行排雷，那么是否有其他指标可以用机器学习的方法对该问题进行建模同时提高预测的准确度呢?
首先我们来了解下问题的背景：
股票市场上，一般把财务状况或其他状况出现异常的上市公司的股票交易作特别处理，因此这些公司称为ST公司。ST公司作为绩效水平低下的公司，而非 ST公司为绩效水平较好的公司。
那么有没有办法提前知道哪些股票即将被ST吗？
预测一家公司绩效水平的问题可以看作是二分类问题。我们可以建立一个输出变量，其中“0”代表非ST公司，“1”代表ST公司。
然后我们搜集了上百种和公司绩效可能相关的变量作为模型的输入指标：
为了判断公司的绩效好坏，我们分别使用了分类问题中常用的神经网络模型和决策树模型。
1 神经网络：
l变量重要性
l神经网络拓普图
点击标题查阅往期内容
spss modeler用决策树神经网络预测ST的股票
左右滑动查看更多
01
02
03
04
l分类准确度
2 决策树：
l变量重要性
l决策树结构图：
l准确度：
结论
从模型角度来看，神经网络模型的正确率略低于决策树模型。因此，对于民营上市公司绩效评价研究，决策树模型要优于神经网络模型。
同时，从变量重要性来看，基于本年的3季报的总资产增长率，可以大致预测出该股票是否即将被ST。如果今年3季报依然亏损很厉害，那么年报基本上也是亏损的了。
本文摘选 《 spss modeler用决策树神经网络预测ST的股票 》 ，点击“阅读原文”获取全文完整资料。
点击标题查阅往期内容
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化
RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测
结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析
深度学习：Keras使用神经网络进行简单文本分类分析新闻组数据
用PyTorch机器学习神经网络分类预测银行客户流失模型
PYTHON用LSTM长短期记忆神经网络的参数优化方法预测时间序列洗发水销售数据
Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化
R语言深度学习卷积神经网络 (CNN)对 CIFAR 图像进行分类：训练与结果评估可视化
深度学习：Keras使用神经网络进行简单文本分类分析新闻组数据
Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析
R语言深度学习Keras循环神经网络(RNN)模型预测多输出变量时间序列
R语言KERAS用RNN、双向RNNS递归神经网络、LSTM分析预测温度时间序列、 IMDB电影评分情感
Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化
Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析
R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告
R语言深度学习：用keras神经网络回归模型预测时间序列数据
Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类
R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST）
MATLAB中用BP神经网络预测人体脂肪百分比数据
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
R语言实现CNN（卷积神经网络）模型进行回归数据分析
SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型
【视频】R语言实现CNN（卷积神经网络）模型进行回归数据分析
Python使用神经网络进行简单文本分类
R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析
R语言基于递归神经网络RNN的温度时间序列预测
R语言神经网络模型预测车辆数量时间序列
R语言中的BP神经网络模型分析学生成绩
matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类
R语言实现拟合神经网络预测和结果可视化
用R语言实现神经网络预测股票实例
使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测
python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译
用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
AI 时代，许多开发者都已经上手了各式 AI 编程工具，至于评价则千差万别。但整体而言，AI 编程的代码正越来越多出现在当下的各种技术栈中，其口碑也在逐渐攀升。随着 GPT4 的出现，AI 编程正在迈入新的台阶，而软件工程 3.0 时代也正在进行中。 为了更…
