摘要：IPO定價(jià)一直是理論界和實(shí)務(wù)界爭(zhēng)相討論的熱點(diǎn)話題，以往構(gòu)建于單一指標(biāo)的估值方法誤差較大，怎樣采用合適的辦法對(duì)IPO定價(jià)相關(guān)指標(biāo)進(jìn)行量化分析是一個(gè)難題。文章對(duì)研究對(duì)象數(shù)據(jù)采用主成因分析法對(duì)影響IPO定價(jià)的有關(guān)指標(biāo)矩陣數(shù)據(jù)進(jìn)行預(yù)處理，再采用改進(jìn)的Chameleon算法進(jìn)行聚類分析，最后對(duì)待分析的新上市股票進(jìn)行貝葉斯分類，從而實(shí)現(xiàn)其定價(jià)的指導(dǎo)。實(shí)驗(yàn)證明，該方法能夠比較客觀、科學(xué)的對(duì)IPO定價(jià)進(jìn)行調(diào)整指導(dǎo)，具有一定的實(shí)際意義。

關(guān)鍵詞：聚類算法；改進(jìn)Chameleon算法；IPO定價(jià)

中圖分類號(hào)：F803 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-2374（2014）04-0029-03

在第四次新股發(fā)行體制改革穩(wěn)步推進(jìn)的大背景下，IPO定價(jià)理論研究近期得到了廣泛關(guān)注，傳統(tǒng)的IPO估值辦法由基于資產(chǎn)的估值方法、現(xiàn)值估價(jià)方法、可比公司法、實(shí)物期權(quán)估價(jià)法等，但采用少數(shù)單一指標(biāo)比對(duì)的估值辦法難免有失偏頗，而多指標(biāo)估值法因指標(biāo)間的復(fù)雜關(guān)系，采用人工或某些簡(jiǎn)單的基數(shù)對(duì)比算法難以厘清各種指標(biāo)間的關(guān)系，實(shí)用性受到極大影響。聚類算法作為可行、高效、客觀的計(jì)算機(jī)自動(dòng)處理劃分技術(shù)在信息處理領(lǐng)域得到了廣泛應(yīng)用?，F(xiàn)有的聚類算法主要有：劃分法、密度法、網(wǎng)格法等，這些算法大都存在初始參數(shù)需要人工給定，分類過(guò)程需要人工調(diào)整干預(yù)的缺陷，影響了算聚類的無(wú)監(jiān)督性和客觀性。

本文的思路是在回歸分析的基礎(chǔ)上，遴選變量作為聚類指標(biāo)，再利用改進(jìn)的Chameleon算法進(jìn)行聚類分析并得到一組分類判別函數(shù)，最終實(shí)現(xiàn)對(duì)IPO的定價(jià)調(diào)整。實(shí)驗(yàn)證明，該算法具有無(wú)監(jiān)督和泛化能力強(qiáng)的

特點(diǎn)。

1 數(shù)據(jù)預(yù)處理

如表1所示，每一個(gè)對(duì)IPO定價(jià)具有影響的分指標(biāo)的量綱和數(shù)量級(jí)都不同，未消除不同指標(biāo)間的差別，同時(shí)考慮到分類器收斂的需要，采用適當(dāng)調(diào)整過(guò)的主成分分析法（PCA）對(duì)數(shù)據(jù)進(jìn)行降維預(yù)處理。具體步驟為：（1）對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，剔除大于95%分位的和小于95%分位的極端數(shù)據(jù)；（2）再對(duì)處理后的數(shù)據(jù)用平均值法進(jìn)行處理；（3）計(jì)算協(xié)方差矩陣；（4）計(jì)算矩陣的特征根和特征向量，由此得到各成分的方差貢獻(xiàn)率及累計(jì)方差貢獻(xiàn)率；（5）依據(jù)累計(jì)方差貢獻(xiàn)率大小依次排列，取前t個(gè)為主成分。

3 具體流程

挑選具有一定代表性的股票樣本數(shù)據(jù)，按照表1列出因素矩陣，并利用調(diào)整過(guò)的主成分分析法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理確定t個(gè)主成分；選定某行業(yè)作為分析范圍，利用改進(jìn)Chameleon算法對(duì)相關(guān)行業(yè)股票數(shù)據(jù)進(jìn)行聚類分析；（1）利用預(yù)處理后的矩陣計(jì)算得到加權(quán)圖；（2）假設(shè)初始加權(quán)圖分為n個(gè)獨(dú)立的簇，然后每次選取結(jié)構(gòu)等價(jià)相似度小的兩個(gè)簇進(jìn)行合并，并計(jì)算模塊度；（3）模塊度達(dá)到最大時(shí)停止計(jì)算，此時(shí)的劃分結(jié)果即為聚類

結(jié)果。

計(jì)算不同類別的費(fèi)氏線性判別函數(shù)，將待分析的新上市股票定價(jià)因素值帶入求得函數(shù)值，依據(jù)最大值判定分類歸屬，并依此進(jìn)行最終定價(jià)分析。

4 實(shí)驗(yàn)及其結(jié)果

選取1993年4月至2005年2月期間我國(guó)滬深市場(chǎng)所發(fā)行36只電力板塊IPO股票為樣本，依靠各自上市時(shí)的財(cái)務(wù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理，設(shè)定累計(jì)方差貢獻(xiàn)率閾值為85%，求得主成分為：每股凈資產(chǎn)（POE），市盈率（PE），區(qū)域（A），主營(yíng)業(yè)務(wù)利潤(rùn)率（PR），發(fā)行股數(shù)（QN）共5項(xiàng)，利用本文給出的改進(jìn)的Chameleon算法進(jìn)行聚類分析，其分析過(guò)程如圖1所示，當(dāng)Q的最大值為0.54時(shí)，37支股票被劃分為3類。

運(yùn)用判別函數(shù)時(shí)，將帶判別股票的各指標(biāo)數(shù)據(jù)分別代入3個(gè)判別函數(shù)中，每個(gè)樣本點(diǎn)對(duì)應(yīng)的3個(gè)函數(shù)的值進(jìn)行比較，其中，函數(shù)值最大的那個(gè)是第幾個(gè)函數(shù)，則該股票就歸為第幾類，由此可以得出IPO定價(jià)的參考值。

下面分別采用2006、2011年上市的大唐發(fā)電和中國(guó)水電IPO時(shí)相關(guān)數(shù)據(jù)進(jìn)行驗(yàn)證，計(jì)算得到表3。

可以看到對(duì)于大唐發(fā)電，其判別函數(shù)最大值為-23，IPO參考定價(jià)為5.99；對(duì)于中國(guó)水電，其判別函數(shù)最大值為-26，IPO參考定價(jià)為4.68。對(duì)照兩者實(shí)際上市價(jià)格6.68和4.5，發(fā)現(xiàn)利用本文方法給出的參考定價(jià)具有較強(qiáng)的參考價(jià)值。

5 結(jié)語(yǔ)

IPO定價(jià)是一項(xiàng)復(fù)雜的系統(tǒng)工程，聚類算法作為一種客觀的定量分析方法，具有規(guī)范性、科學(xué)性等特點(diǎn)，本文利用聚類算法對(duì)IPO定價(jià)進(jìn)行了初步的量化討論分析，是數(shù)據(jù)挖掘技術(shù)在IPO定價(jià)中實(shí)際應(yīng)用的有益嘗試，對(duì)于指導(dǎo)新股定價(jià)改革具有一定的借鑒意義。

參考文獻(xiàn)

[1] Jiawei Han，Micheline Kamber，范明，孟小峰.數(shù)據(jù)挖掘：概念與技術(shù)（第1版）[M].機(jī)械工業(yè)出版社，2002.

[2] 龍真真，張策，劉飛裔，張正文.一種改進(jìn)的Chameleon算法[J].計(jì)算機(jī)工程，2009，35，（20）.

[3] E.F.Fama and K.R.French.The cross-sectionof expected stock returns.Journal of Finance，1992，47：427-465.

[4] Newman M E J， Girvan M.Finding and evaluatingcommunity structure in networks.Phys.Rev.E，2004，69：026113

[5] R.S.Burt，Positions in networks[J].Social Forces55，93-122（1976）

[6] 王雙成，苑森淼，王輝.基于類約束的貝葉斯網(wǎng)絡(luò)分類器學(xué)習(xí)[J].小型微型計(jì)算機(jī)系統(tǒng)，2004，25（6）：969-971.

作者簡(jiǎn)介：王華（1978—），女，河北人，新時(shí)代證券有限責(zé)任公司資深投資經(jīng)理，北京大學(xué)經(jīng)濟(jì)學(xué)院學(xué)生，研究方向：投資學(xué)與資本市場(chǎng)。

摘要：IPO定價(jià)一直是理論界和實(shí)務(wù)界爭(zhēng)相討論的熱點(diǎn)話題，以往構(gòu)建于單一指標(biāo)的估值方法誤差較大，怎樣采用合適的辦法對(duì)IPO定價(jià)相關(guān)指標(biāo)進(jìn)行量化分析是一個(gè)難題。文章對(duì)研究對(duì)象數(shù)據(jù)采用主成因分析法對(duì)影響IPO定價(jià)的有關(guān)指標(biāo)矩陣數(shù)據(jù)進(jìn)行預(yù)處理，再采用改進(jìn)的Chameleon算法進(jìn)行聚類分析，最后對(duì)待分析的新上市股票進(jìn)行貝葉斯分類，從而實(shí)現(xiàn)其定價(jià)的指導(dǎo)。實(shí)驗(yàn)證明，該方法能夠比較客觀、科學(xué)的對(duì)IPO定價(jià)進(jìn)行調(diào)整指導(dǎo)，具有一定的實(shí)際意義。

關(guān)鍵詞：聚類算法；改進(jìn)Chameleon算法；IPO定價(jià)

中圖分類號(hào)：F803 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-2374（2014）04-0029-03

在第四次新股發(fā)行體制改革穩(wěn)步推進(jìn)的大背景下，IPO定價(jià)理論研究近期得到了廣泛關(guān)注，傳統(tǒng)的IPO估值辦法由基于資產(chǎn)的估值方法、現(xiàn)值估價(jià)方法、可比公司法、實(shí)物期權(quán)估價(jià)法等，但采用少數(shù)單一指標(biāo)比對(duì)的估值辦法難免有失偏頗，而多指標(biāo)估值法因指標(biāo)間的復(fù)雜關(guān)系，采用人工或某些簡(jiǎn)單的基數(shù)對(duì)比算法難以厘清各種指標(biāo)間的關(guān)系，實(shí)用性受到極大影響。聚類算法作為可行、高效、客觀的計(jì)算機(jī)自動(dòng)處理劃分技術(shù)在信息處理領(lǐng)域得到了廣泛應(yīng)用?，F(xiàn)有的聚類算法主要有：劃分法、密度法、網(wǎng)格法等，這些算法大都存在初始參數(shù)需要人工給定，分類過(guò)程需要人工調(diào)整干預(yù)的缺陷，影響了算聚類的無(wú)監(jiān)督性和客觀性。

本文的思路是在回歸分析的基礎(chǔ)上，遴選變量作為聚類指標(biāo)，再利用改進(jìn)的Chameleon算法進(jìn)行聚類分析并得到一組分類判別函數(shù)，最終實(shí)現(xiàn)對(duì)IPO的定價(jià)調(diào)整。實(shí)驗(yàn)證明，該算法具有無(wú)監(jiān)督和泛化能力強(qiáng)的

特點(diǎn)。

1 數(shù)據(jù)預(yù)處理

如表1所示，每一個(gè)對(duì)IPO定價(jià)具有影響的分指標(biāo)的量綱和數(shù)量級(jí)都不同，未消除不同指標(biāo)間的差別，同時(shí)考慮到分類器收斂的需要，采用適當(dāng)調(diào)整過(guò)的主成分分析法（PCA）對(duì)數(shù)據(jù)進(jìn)行降維預(yù)處理。具體步驟為：（1）對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，剔除大于95%分位的和小于95%分位的極端數(shù)據(jù)；（2）再對(duì)處理后的數(shù)據(jù)用平均值法進(jìn)行處理；（3）計(jì)算協(xié)方差矩陣；（4）計(jì)算矩陣的特征根和特征向量，由此得到各成分的方差貢獻(xiàn)率及累計(jì)方差貢獻(xiàn)率；（5）依據(jù)累計(jì)方差貢獻(xiàn)率大小依次排列，取前t個(gè)為主成分。

3 具體流程

挑選具有一定代表性的股票樣本數(shù)據(jù)，按照表1列出因素矩陣，并利用調(diào)整過(guò)的主成分分析法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理確定t個(gè)主成分；選定某行業(yè)作為分析范圍，利用改進(jìn)Chameleon算法對(duì)相關(guān)行業(yè)股票數(shù)據(jù)進(jìn)行聚類分析；（1）利用預(yù)處理后的矩陣計(jì)算得到加權(quán)圖；（2）假設(shè)初始加權(quán)圖分為n個(gè)獨(dú)立的簇，然后每次選取結(jié)構(gòu)等價(jià)相似度小的兩個(gè)簇進(jìn)行合并，并計(jì)算模塊度；（3）模塊度達(dá)到最大時(shí)停止計(jì)算，此時(shí)的劃分結(jié)果即為聚類

結(jié)果。

計(jì)算不同類別的費(fèi)氏線性判別函數(shù)，將待分析的新上市股票定價(jià)因素值帶入求得函數(shù)值，依據(jù)最大值判定分類歸屬，并依此進(jìn)行最終定價(jià)分析。

4 實(shí)驗(yàn)及其結(jié)果

選取1993年4月至2005年2月期間我國(guó)滬深市場(chǎng)所發(fā)行36只電力板塊IPO股票為樣本，依靠各自上市時(shí)的財(cái)務(wù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理，設(shè)定累計(jì)方差貢獻(xiàn)率閾值為85%，求得主成分為：每股凈資產(chǎn)（POE），市盈率（PE），區(qū)域（A），主營(yíng)業(yè)務(wù)利潤(rùn)率（PR），發(fā)行股數(shù)（QN）共5項(xiàng)，利用本文給出的改進(jìn)的Chameleon算法進(jìn)行聚類分析，其分析過(guò)程如圖1所示，當(dāng)Q的最大值為0.54時(shí)，37支股票被劃分為3類。

運(yùn)用判別函數(shù)時(shí)，將帶判別股票的各指標(biāo)數(shù)據(jù)分別代入3個(gè)判別函數(shù)中，每個(gè)樣本點(diǎn)對(duì)應(yīng)的3個(gè)函數(shù)的值進(jìn)行比較，其中，函數(shù)值最大的那個(gè)是第幾個(gè)函數(shù)，則該股票就歸為第幾類，由此可以得出IPO定價(jià)的參考值。

下面分別采用2006、2011年上市的大唐發(fā)電和中國(guó)水電IPO時(shí)相關(guān)數(shù)據(jù)進(jìn)行驗(yàn)證，計(jì)算得到表3。

可以看到對(duì)于大唐發(fā)電，其判別函數(shù)最大值為-23，IPO參考定價(jià)為5.99；對(duì)于中國(guó)水電，其判別函數(shù)最大值為-26，IPO參考定價(jià)為4.68。對(duì)照兩者實(shí)際上市價(jià)格6.68和4.5，發(fā)現(xiàn)利用本文方法給出的參考定價(jià)具有較強(qiáng)的參考價(jià)值。

5 結(jié)語(yǔ)

IPO定價(jià)是一項(xiàng)復(fù)雜的系統(tǒng)工程，聚類算法作為一種客觀的定量分析方法，具有規(guī)范性、科學(xué)性等特點(diǎn)，本文利用聚類算法對(duì)IPO定價(jià)進(jìn)行了初步的量化討論分析，是數(shù)據(jù)挖掘技術(shù)在IPO定價(jià)中實(shí)際應(yīng)用的有益嘗試，對(duì)于指導(dǎo)新股定價(jià)改革具有一定的借鑒意義。

參考文獻(xiàn)

[1] Jiawei Han，Micheline Kamber，范明，孟小峰.數(shù)據(jù)挖掘：概念與技術(shù)（第1版）[M].機(jī)械工業(yè)出版社，2002.

[2] 龍真真，張策，劉飛裔，張正文.一種改進(jìn)的Chameleon算法[J].計(jì)算機(jī)工程，2009，35，（20）.

[3] E.F.Fama and K.R.French.The cross-sectionof expected stock returns.Journal of Finance，1992，47：427-465.

[4] Newman M E J， Girvan M.Finding and evaluatingcommunity structure in networks.Phys.Rev.E，2004，69：026113

[5] R.S.Burt，Positions in networks[J].Social Forces55，93-122（1976）

[6] 王雙成，苑森淼，王輝.基于類約束的貝葉斯網(wǎng)絡(luò)分類器學(xué)習(xí)[J].小型微型計(jì)算機(jī)系統(tǒng)，2004，25（6）：969-971.

作者簡(jiǎn)介：王華（1978—），女，河北人，新時(shí)代證券有限責(zé)任公司資深投資經(jīng)理，北京大學(xué)經(jīng)濟(jì)學(xué)院學(xué)生，研究方向：投資學(xué)與資本市場(chǎng)。

摘要：IPO定價(jià)一直是理論界和實(shí)務(wù)界爭(zhēng)相討論的熱點(diǎn)話題，以往構(gòu)建于單一指標(biāo)的估值方法誤差較大，怎樣采用合適的辦法對(duì)IPO定價(jià)相關(guān)指標(biāo)進(jìn)行量化分析是一個(gè)難題。文章對(duì)研究對(duì)象數(shù)據(jù)采用主成因分析法對(duì)影響IPO定價(jià)的有關(guān)指標(biāo)矩陣數(shù)據(jù)進(jìn)行預(yù)處理，再采用改進(jìn)的Chameleon算法進(jìn)行聚類分析，最后對(duì)待分析的新上市股票進(jìn)行貝葉斯分類，從而實(shí)現(xiàn)其定價(jià)的指導(dǎo)。實(shí)驗(yàn)證明，該方法能夠比較客觀、科學(xué)的對(duì)IPO定價(jià)進(jìn)行調(diào)整指導(dǎo)，具有一定的實(shí)際意義。

關(guān)鍵詞：聚類算法；改進(jìn)Chameleon算法；IPO定價(jià)

中圖分類號(hào)：F803 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-2374（2014）04-0029-03

在第四次新股發(fā)行體制改革穩(wěn)步推進(jìn)的大背景下，IPO定價(jià)理論研究近期得到了廣泛關(guān)注，傳統(tǒng)的IPO估值辦法由基于資產(chǎn)的估值方法、現(xiàn)值估價(jià)方法、可比公司法、實(shí)物期權(quán)估價(jià)法等，但采用少數(shù)單一指標(biāo)比對(duì)的估值辦法難免有失偏頗，而多指標(biāo)估值法因指標(biāo)間的復(fù)雜關(guān)系，采用人工或某些簡(jiǎn)單的基數(shù)對(duì)比算法難以厘清各種指標(biāo)間的關(guān)系，實(shí)用性受到極大影響。聚類算法作為可行、高效、客觀的計(jì)算機(jī)自動(dòng)處理劃分技術(shù)在信息處理領(lǐng)域得到了廣泛應(yīng)用?，F(xiàn)有的聚類算法主要有：劃分法、密度法、網(wǎng)格法等，這些算法大都存在初始參數(shù)需要人工給定，分類過(guò)程需要人工調(diào)整干預(yù)的缺陷，影響了算聚類的無(wú)監(jiān)督性和客觀性。

本文的思路是在回歸分析的基礎(chǔ)上，遴選變量作為聚類指標(biāo)，再利用改進(jìn)的Chameleon算法進(jìn)行聚類分析并得到一組分類判別函數(shù)，最終實(shí)現(xiàn)對(duì)IPO的定價(jià)調(diào)整。實(shí)驗(yàn)證明，該算法具有無(wú)監(jiān)督和泛化能力強(qiáng)的

特點(diǎn)。

1 數(shù)據(jù)預(yù)處理

如表1所示，每一個(gè)對(duì)IPO定價(jià)具有影響的分指標(biāo)的量綱和數(shù)量級(jí)都不同，未消除不同指標(biāo)間的差別，同時(shí)考慮到分類器收斂的需要，采用適當(dāng)調(diào)整過(guò)的主成分分析法（PCA）對(duì)數(shù)據(jù)進(jìn)行降維預(yù)處理。具體步驟為：（1）對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，剔除大于95%分位的和小于95%分位的極端數(shù)據(jù)；（2）再對(duì)處理后的數(shù)據(jù)用平均值法進(jìn)行處理；（3）計(jì)算協(xié)方差矩陣；（4）計(jì)算矩陣的特征根和特征向量，由此得到各成分的方差貢獻(xiàn)率及累計(jì)方差貢獻(xiàn)率；（5）依據(jù)累計(jì)方差貢獻(xiàn)率大小依次排列，取前t個(gè)為主成分。

3 具體流程

挑選具有一定代表性的股票樣本數(shù)據(jù)，按照表1列出因素矩陣，并利用調(diào)整過(guò)的主成分分析法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理確定t個(gè)主成分；選定某行業(yè)作為分析范圍，利用改進(jìn)Chameleon算法對(duì)相關(guān)行業(yè)股票數(shù)據(jù)進(jìn)行聚類分析；（1）利用預(yù)處理后的矩陣計(jì)算得到加權(quán)圖；（2）假設(shè)初始加權(quán)圖分為n個(gè)獨(dú)立的簇，然后每次選取結(jié)構(gòu)等價(jià)相似度小的兩個(gè)簇進(jìn)行合并，并計(jì)算模塊度；（3）模塊度達(dá)到最大時(shí)停止計(jì)算，此時(shí)的劃分結(jié)果即為聚類

結(jié)果。

計(jì)算不同類別的費(fèi)氏線性判別函數(shù)，將待分析的新上市股票定價(jià)因素值帶入求得函數(shù)值，依據(jù)最大值判定分類歸屬，并依此進(jìn)行最終定價(jià)分析。

4 實(shí)驗(yàn)及其結(jié)果

選取1993年4月至2005年2月期間我國(guó)滬深市場(chǎng)所發(fā)行36只電力板塊IPO股票為樣本，依靠各自上市時(shí)的財(cái)務(wù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理，設(shè)定累計(jì)方差貢獻(xiàn)率閾值為85%，求得主成分為：每股凈資產(chǎn)（POE），市盈率（PE），區(qū)域（A），主營(yíng)業(yè)務(wù)利潤(rùn)率（PR），發(fā)行股數(shù)（QN）共5項(xiàng)，利用本文給出的改進(jìn)的Chameleon算法進(jìn)行聚類分析，其分析過(guò)程如圖1所示，當(dāng)Q的最大值為0.54時(shí)，37支股票被劃分為3類。

運(yùn)用判別函數(shù)時(shí)，將帶判別股票的各指標(biāo)數(shù)據(jù)分別代入3個(gè)判別函數(shù)中，每個(gè)樣本點(diǎn)對(duì)應(yīng)的3個(gè)函數(shù)的值進(jìn)行比較，其中，函數(shù)值最大的那個(gè)是第幾個(gè)函數(shù)，則該股票就歸為第幾類，由此可以得出IPO定價(jià)的參考值。

下面分別采用2006、2011年上市的大唐發(fā)電和中國(guó)水電IPO時(shí)相關(guān)數(shù)據(jù)進(jìn)行驗(yàn)證，計(jì)算得到表3。

可以看到對(duì)于大唐發(fā)電，其判別函數(shù)最大值為-23，IPO參考定價(jià)為5.99；對(duì)于中國(guó)水電，其判別函數(shù)最大值為-26，IPO參考定價(jià)為4.68。對(duì)照兩者實(shí)際上市價(jià)格6.68和4.5，發(fā)現(xiàn)利用本文方法給出的參考定價(jià)具有較強(qiáng)的參考價(jià)值。

5 結(jié)語(yǔ)

IPO定價(jià)是一項(xiàng)復(fù)雜的系統(tǒng)工程，聚類算法作為一種客觀的定量分析方法，具有規(guī)范性、科學(xué)性等特點(diǎn)，本文利用聚類算法對(duì)IPO定價(jià)進(jìn)行了初步的量化討論分析，是數(shù)據(jù)挖掘技術(shù)在IPO定價(jià)中實(shí)際應(yīng)用的有益嘗試，對(duì)于指導(dǎo)新股定價(jià)改革具有一定的借鑒意義。

參考文獻(xiàn)

[1] Jiawei Han，Micheline Kamber，范明，孟小峰.數(shù)據(jù)挖掘：概念與技術(shù)（第1版）[M].機(jī)械工業(yè)出版社，2002.

[2] 龍真真，張策，劉飛裔，張正文.一種改進(jìn)的Chameleon算法[J].計(jì)算機(jī)工程，2009，35，（20）.

[3] E.F.Fama and K.R.French.The cross-sectionof expected stock returns.Journal of Finance，1992，47：427-465.

[4] Newman M E J， Girvan M.Finding and evaluatingcommunity structure in networks.Phys.Rev.E，2004，69：026113

[5] R.S.Burt，Positions in networks[J].Social Forces55，93-122（1976）

[6] 王雙成，苑森淼，王輝.基于類約束的貝葉斯網(wǎng)絡(luò)分類器學(xué)習(xí)[J].小型微型計(jì)算機(jī)系統(tǒng)，2004，25（6）：969-971.

作者簡(jiǎn)介：王華（1978—），女，河北人，新時(shí)代證券有限責(zé)任公司資深投資經(jīng)理，北京大學(xué)經(jīng)濟(jì)學(xué)院學(xué)生，研究方向：投資學(xué)與資本市場(chǎng)。