原文链接：http://tecdat.cn/?p=2784 

原文出处：拓端数据部落公众号

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》，次要是预测行将被ST的股票，尽管有些题目党，然而还有有一些参考价值的。文章中应用了净利润指标来对可能成为ST的股票进行排雷，那么是否有其余指标能够用机器学习的办法对该问题进行建模同时进步预测的准确度呢?

首先咱们来理解下问题的背景：

股票市场上，个别把财务状况或其余情况出现异常的上市公司的股票交易作特地解决，因而这些公司称为ST公司。 ST公司作为绩效程度低下的公司，而非 ST公司为绩效程度较好的公司。

那么有没有方法提前晓得哪些股票行将被ST吗？

预测一家公司绩效程度的问题能够看作是二分类问题。咱们能够建设一个输入变量，其中“0”代表非ST公司，“1”代表ST公司。

而后咱们收集了上百种和公司绩效可能相干的变量作为模型的输出指标：

为了判断公司的绩效好坏，咱们别离应用了分类问题中罕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

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：

论断

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。因而，对于民营上市公司绩效评价钻研，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，能够大抵预测出该股票是否行将被ST。如果往年3季报仍然亏损很厉害，那么年报基本上也是亏损的了。

最受欢迎的见解

1.r语言用神经网络改良nelson-siegel模型拟合收益率曲线剖析

2.r语言实现拟合神经网络预测和后果可视化

3.python用遗传算法-神经网络-含糊逻辑控制算法对乐透剖析

4.用于nlp的python：应用keras的多标签文本lstm神经网络分类

5.用r语言实现神经网络预测股票实例

6.R语言基于Keras的小数据集深度学习图像分类

7.用于NLP的seq2seq模型实例用Keras实现神经机器翻译

8.python中基于网格搜索算法优化的深度学习模型剖析糖

9.matlab应用贝叶斯优化的深度学习