刘仁辉 李毓丽 刘淑敏 郑菲

摘要：近年来，虽然我国证券市场中的高送转题材受到了中小投资者的追捧，同时也产生了一些市场的乱象，导致投资者容易去盲目的炒作高送转。但是对高送转股票的预测模型中，很多都会采用了主观性比较强烈的打分排序法以及 Logistic 回归分析的方法进行构建高送转股票预测的模型。该文深入分析了对于高送转股票影响程度比较大的影响因素，采用机器学习中特征工程的方法，分别用了 Filter 过滤法与 F 检验法筛选出影响因素的因子，构建出高送转股票的预测模型是支持向量机 SVC 模型，并采用了2020年第八届泰迪杯数据挖掘挑战赛中提供的股票样本数据对模型进行了数据处理后的验证。实证后的结果显示，模型正确率在84.26%以上，模型预测准确度最高可达54%。

关键词：高送转;特征工程;支持向量机模型

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2021）17-0224-02

开放科学（资源服务）标识码（OSID）：

1 背景

高送转股票在近几年的证券市场当中是中小投资者比较热捧的股票之一。高送转股票一般是需要每10股送转5股（包括5股）以上的股票才能称为高送转，它是一种高比例送股或者高比例转股，简称高送转[1]。从投资者的角度来看，实施高送转的股票是会被看好的，如果在该股票实施高送转之前提前介入市场，并在公司公布当年分红政策后再卖出，可以获利不菲[2]。所以，针对可以赚取更高的收益，这就需要针对公司预测哪些股票能够实施高送转，因此最关键技术是预测高送转公司的成功概率。……