基于K-Prototypes聚类算法的股票分析师行为划分

股票分析师作为信息中介，通过发布研报的形式提供股票内在投资价值的信息，其行为越发受到广大投资者的关注。由于股票分析师数量众多、研报风格迥异、质量良莠不齐，投资者缺乏相关知识经验难以去选择适合自身偏好的分析师研报。本文利用K-prototypes聚类算法分析具有混合属性的股票分析师行为数据，解决了股票分析师群体数据量大且分散的特性。通过刻画不同股票分析师群体的特征，帮助投资者了解分析师群体获取更多有价值的数据信息，进行理性投资降低投资风险，同时其结果为后续的多元分析提供数据基础。

金融行业发展至今， 已从先前的传统金融机构模式， 发展成为传统及各类新兴金融形态共存的态势。

大数据技术在金融领域的广泛应用，为金融行业提升服务效率、规避投资风险、降低交易成本做出巨大贡献[1]。证券作为金融行业的重要组成部分，其金融产品在国民经济中也占有越来越高的比重，然而， 经济活动瞬息万变，股票投资的风险日益增强[2]。股票分析师行业应运而生，在把握当前经济大环境的基础之上， 将通过各种渠道收集到的上市公司信息整合成研究报告， 内容包括股票相对走势、基本数据、投资优劣、风险提示等，并同时对该股票未来发展趋势作出投资评级、阶段性价位等投资性建议[3]。截至2017 年1 月20 日， 沪深两个主板市场3092 只股票在交易， 而股票分析师平均每年发布的研究报告超过2 万份，其降低了信息的不对称性，成为主要机构投资者和部分散户进行投资决策的重要依据，在一定程度上左右着投资者的行为[4]。

然而，股票分析师行业入职门槛低，研究报告数量众多、风格迥异，没有受过专业训练的投资者， 难以从众多研究报告中找到适合自身投资偏好的研报。

更甚至有些股票分析师与上市公司存在内部联系， 通过大力捧吹提升购买力度， 从而获取额外收益， 使得过于依赖研报的投资者产生盲目购买行为。

因此， 本文依托金融大数据的优势，利用数据挖掘技术从海量数据中提取能够提供投资价值的数据信息。通过聚类分析算法对股票分析师行为数据进行划分，充分刻画各股票分析师群体特征，得到具有指导投资意义的股票分析师分类，便于投资者根据需求从合适的分类中选择股票分析师，解决信息的不对称性，满足投资者的迫切需要。

2. 股票分析师行为分析的现状与发展 现阶段，随着资本主义市场的不断成熟，我国股票市场逐渐朝着规范化和成熟化的方向发展。但是影响股票市场稳定性的因素众多，股市涨跌无常，投资行为风险系数较大。投资者要想通过投资行为在股市中得到可观的收益，需要对上市公司的发展前景、历史业绩等相关财务情况有充分的了解，并在此