緒論1.1研究背景20世紀(jì)90年代，投資理財這一詞語開始出現(xiàn)，人們開始對投資理財有了一定的概念。根據(jù)資料記載，個人投資理財最早是在美國興起并且有了質(zhì)的發(fā)展。到了2012年，我國開始逐漸推行一系列財經(jīng)政策并逐步實施到位，這為我國股票債券市場的擴容和的發(fā)展提供了很大的幫助，也吸引了更多的投資者參與到投資理財當(dāng)中。其中,最令投資者追捧的是具有“高送轉(zhuǎn)”行為的上市公司。為什么會出現(xiàn)這種現(xiàn)象呢？研究表明，“高送轉(zhuǎn)”行為在公司層面上不能給股東的權(quán)益和盈利帶來有效的回報，而且投資者還不能拿到真實現(xiàn)金利益回報。但這種現(xiàn)象卻贏得了各大上市公司和投資者的喜愛。盤和林教授曾表示：“分紅是指分到手的現(xiàn)金，高送轉(zhuǎn)是指將股票打散”。這其實也是一個互惠互利的過程，各大上市公司都可以通過低價地方式打散自己的股票,低價地出售自己的股份以此方式吸引更多投資者進行投資,而且這些投資者能夠以最少的成本買到自己最低價值的股份[[][]據(jù)去年南方財經(jīng)網(wǎng)報道，2020年9月左右，“美股高送轉(zhuǎn)”成為股票市場上的議論紛爭的話題，特斯拉和蘋果兩大企業(yè)是投資者討論的重點對象，都參與到“美股高送轉(zhuǎn)”中，特斯拉把一支股票拆分為5股，蘋果一支股票拆分為4股，使得股票大漲。事實上，美國并沒有高送轉(zhuǎn)，而是叫“拆股”，其本質(zhì)意義和“高送轉(zhuǎn)”差不多，都是通過拆分股票，降低股票價格，來增強市場上流動性。1976年,法瑪(fama)優(yōu)先地站了出來,他提出了通過股份分割方式來傳遞公司收益的一種信號,他們認(rèn)為拆股后所傳遞的信息就是收益。到了1988年，布倫南與可普蘭德(Brennan&Copeland)根據(jù)該信號的傳遞建立了分割模型(BC模型)。這些理論為我國學(xué)者研究上市公司“高送轉(zhuǎn)”的準(zhǔn)確率提供了有力的支撐。據(jù)了解國外證券市場是一個半強式有效的市場,而我國的證券市場是一個弱式有效的市場[[]],我國研究者對國外股市總結(jié)得出關(guān)于上市公司“高送轉(zhuǎn)”的結(jié)論對我國股市的適用度不高。而且對于我國上市公司“高送轉(zhuǎn)”預(yù)測，logistic、svm、BP神經(jīng)網(wǎng)絡(luò)模型和Probit這些模型都比較受研究者的喜愛，并且通過這些模他們找到了影響上市公司“高送轉(zhuǎn)行為”的指標(biāo)。2005年，楊一文等人基于支持向量機對上證綜指序列趨勢展開了研究[[][][]1.2研究意義從歷史數(shù)據(jù)看，我國股市也發(fā)展了有30年了，在1990年12月，我國滬深股市才正式有了生意業(yè)務(wù)，而且規(guī)模還很小，當(dāng)時上市的股票數(shù)量還少得可憐，并且市道上流通的股票還很少。但卻很受股民的喜愛，由于我國股市的市民較多，曾經(jīng)還出現(xiàn)求過于供的現(xiàn)象?，F(xiàn)如今，我國股市也有了質(zhì)的發(fā)展，上市的公司也有3000多家，不再出現(xiàn)供不應(yīng)求的現(xiàn)象，而是開始流行上市公司實施“高送轉(zhuǎn)”的行為。那么，為什么許多家企業(yè)都熱衷于實施“高送轉(zhuǎn)”行為呢？從實際意義上來講，不能夠為公司的股東權(quán)益和盈利帶來有效的回報，但是它能夠促進公司股價上漲，并且可以提高公司在市面的價值、形象和影響力，同時也給企業(yè)在未來的發(fā)展帶來了更多的信心。進而能夠帶來更多投資者的關(guān)注，吸引更多的投資者參與到投資中來[[]]。而股民則可以以最優(yōu)的價錢買到心儀的股票，“高送轉(zhuǎn)”不管是對企業(yè)還是投資者來說，都是一個兩全其美的事情。又因為股民缺乏相應(yīng)的專業(yè)知識，對便宜的股票沒有抵制力，股票操作技術(shù)和知識等能力不夠豐富，存在許多不夠理性的投資行為[[[][]1.3指標(biāo)相關(guān)內(nèi)容根據(jù)歷史數(shù)據(jù)，本文總結(jié)了影響了上市公司“高送轉(zhuǎn)”行為的6個指標(biāo)，包括總市值total_mv、每股公積金capital_rese_ps、基本每股收益eps、流通股本float_share、每股未分配利潤undist_profit_ps、每股凈資產(chǎn)bps。表1.1指標(biāo)說明字段名稱字段中文名稱字段說明total_mv總市值總股本數(shù)/當(dāng)時股價得出的股票總價值capital_rese_ps每股公積金公積金/股票總股數(shù)。eps每股收益凈利潤本期值/實收資本期末值float_share流通股本在交易所有權(quán)利進行場內(nèi)流通的股票undist_profit_ps每股未分配利潤企業(yè)當(dāng)前未分配利潤總額/總股本，也就是具備每10股送10股bps每股凈資產(chǎn)代表公司凈資產(chǎn)價值2案例目標(biāo)即實現(xiàn)思路2.1實現(xiàn)思路本案例的主要目標(biāo)是基于年度財務(wù)數(shù)據(jù)及其每日指標(biāo)數(shù)據(jù)，對上市公司進行“高送轉(zhuǎn)”預(yù)測?；谥С窒蛄繖C模型預(yù)測上市公司是否有“高送轉(zhuǎn)行為”。選擇的總體規(guī)模指標(biāo)包括上市公司的總市值total_mv、每股公積金capital_rese_ps、基本每股收益eps、流通股本float_share、每股未分配利潤undist_profit_ps、每股凈資產(chǎn)bps，設(shè)置指標(biāo)總市值total_mv<300億、每股公積金capital_rese_ps>5、每股收益eps>0.5、流通股本float_share<3億、每股未分配利潤undist_profit_ps>、每股凈資產(chǎn)bp>2來預(yù)判高送轉(zhuǎn)公司，如果指標(biāo)同時滿足以上條件，則記為1，否則記為0，最后將處理好的數(shù)據(jù)和原始數(shù)據(jù)合并保存到excel中。利用篩選出具有高送轉(zhuǎn)可能性的上市公司的各年度數(shù)據(jù)作為訓(xùn)練集數(shù)據(jù)，2014-2020每一年度數(shù)據(jù)作為預(yù)測數(shù)據(jù)，利用支持向量機、BP神經(jīng)網(wǎng)絡(luò)和邏輯回歸三種模型分析方法預(yù)測上市公司是否有“高送轉(zhuǎn)行為”，如果有“高送轉(zhuǎn)行為”則記為1，否則記為0。當(dāng)預(yù)判的結(jié)果與訓(xùn)練的結(jié)果都等于1時，則將具有高送轉(zhuǎn)行為的上市公司的股票代碼和名稱都展示在tableview中。2.2流程圖上市公司高送轉(zhuǎn)預(yù)測系統(tǒng)上市公司高送轉(zhuǎn)預(yù)測系統(tǒng)指標(biāo)選擇，包括總市值、每股公積金、每股收益、流通股本、每股未分配利潤、每股凈資產(chǎn)。查找資料，尋找影響上市公司高送轉(zhuǎn)的因素。根據(jù)預(yù)測結(jié)果和準(zhǔn)確率進行分析。指標(biāo)數(shù)據(jù)處理，設(shè)定指標(biāo)標(biāo)準(zhǔn)預(yù)判具有高送轉(zhuǎn)行為的上市公司。劃分訓(xùn)練集和測試集，將預(yù)判后的數(shù)據(jù)作為訓(xùn)練集，2014-2020每一年度的數(shù)據(jù)作為預(yù)測數(shù)據(jù)?；谥С窒蛄繖C、神經(jīng)網(wǎng)絡(luò)和邏輯回歸模型分析方法預(yù)測上市公司是否有高送轉(zhuǎn)行為，有則記為1，無則記為0。3研究方法3.1分類模型3.1.1支持向量機支持向量機（也稱svm）模型，它是一種二分類模型的機器學(xué)習(xí)算法，也就是預(yù)測訓(xùn)練集和類型之間的對應(yīng)關(guān)系[[][]3.1.2BP神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)算法是當(dāng)今機器學(xué)習(xí)領(lǐng)域中頗為受歡迎的學(xué)習(xí)算法，1989年，有學(xué)者表示BP神經(jīng)網(wǎng)絡(luò)在輸入層、隱藏層以及輸出層這三層可以擬合任意連續(xù)的有界函數(shù)[[][]3.1.1邏輯回歸邏輯回歸LR是一種比較常用的分類算法[[][]3.2模型的應(yīng)用3.2.1訓(xùn)練集和測試集的劃分3.2.11支持向量機樣本訓(xùn)練集：M={(x1,y1),(x2,y2),...,(xn,yn)}\in(X\timesY)^n其中x1,x2,...xn均表示向量，xi∈X=Rn，yi?(+1,-1)，且i表示第i個樣本，n表示容量。其最終目的是尋找到最優(yōu)超平面。根據(jù)以往的歷史經(jīng)驗，使用支持向量機進行分類預(yù)測時，需要調(diào)節(jié)有關(guān)的參數(shù)，特別是懲罰參數(shù)和核函數(shù)參數(shù)，這樣才可以獲得比較滿意的預(yù)測分類結(jié)果[[]]。[]3.2.12BP神經(jīng)網(wǎng)絡(luò)在機器學(xué)習(xí)算法中，一個神經(jīng)網(wǎng)絡(luò)一般分為三層（即輸入層、隱含層和輸出層），在構(gòu)建BP神經(jīng)網(wǎng)絡(luò)的過程中，假設(shè)有n個輸入樣本x(n)=(x1(n),x2(n),...,xn(n)),有對應(yīng)的期望輸出為y(n)=(y1(n),y2(n),...,yn(n)),需要計算每個神經(jīng)元的輸入和輸出，并且能夠利用期望輸出和實際輸出計算出誤差函數(shù)結(jié)果，修正權(quán)值之后得到最終的權(quán)值。該模型在本文中采取了人為方式劃分訓(xùn)練集和測試集。3.2.13邏輯回歸樣本訓(xùn)練集：即特征數(shù)據(jù)為x={x1,x2,…,xm}，分類數(shù)據(jù)為y={y1,y2,…,ym}。該模型也是獲取2014-2020年度數(shù)據(jù)，使用機器學(xué)習(xí)算法（Sklearn）中的邏輯回歸模型人為劃分訓(xùn)練集和測試集。最終實現(xiàn)y={0,1}為分類結(jié)果。3.3模型的評估本文根據(jù)影響上市公司高送轉(zhuǎn)的特征因子，即總市值total_mv、每股公積金capital_rese_ps、基本每股收益eps、流通股本float_share、每股未分配利潤undist_profit_ps、每股凈資產(chǎn)bps，預(yù)測因變量本年度上市公司是否高送轉(zhuǎn)，基于2014-2020年度數(shù)據(jù)，對于訓(xùn)練集和測試人為來劃分。根據(jù)預(yù)測結(jié)果，本文利用AUC方法來衡量本次的預(yù)測結(jié)果。AUC常用于衡量機器學(xué)習(xí)分類結(jié)果的有效程度，主要是將訓(xùn)練集中的label分為{0，1}這兩類，意思是當(dāng)隨機選擇一個分類結(jié)果為1的樣本數(shù)據(jù)和隨機挑選一個分類結(jié)果為0的樣本數(shù)據(jù)，出現(xiàn)1的概率要大于0的概率，即AUC=0.8,AUC值越大表明，預(yù)測的結(jié)果越好。公式為Z=R-y，Rs=len(Z[Z==0])/len(Z)，R表示模型分類的結(jié)果，也表示測試數(shù)據(jù)，RS則為最終的得分結(jié)果。4數(shù)據(jù)分析4.1數(shù)據(jù)來源數(shù)據(jù)來源于tushare金融大數(shù)據(jù)社區(qū)提供免費開源的各類金融數(shù)據(jù)，通過注冊社區(qū)會員及獲得積分，在個人中心找到Tushare金融大數(shù)據(jù)社區(qū)提供的PythonAPI即可獲取所需的數(shù)據(jù)，提取權(quán)限與積分有關(guān)，本案例是基于學(xué)生權(quán)限（積分值大于2000）獲取2014--2020的年度數(shù)據(jù)。4.2指標(biāo)選擇本案例預(yù)選的上市公司指標(biāo)有總市值total_mv、每股公積金capital_rese_ps、基本每股收益eps、流通股本float_share、每股未分配利潤undist_profit_ps、每股凈資產(chǎn)bps，,一共6個指標(biāo)。4.3數(shù)據(jù)獲取過程安裝Tushare，Tushare現(xiàn)如今已經(jīng)是Python的一個擴展包，利用Python安裝擴展包的方法：在清華鏡像網(wǎng)直接下載安裝，即pipinstall-i/simpleTushare，如圖4.1所示：圖4.1安裝Tushare擴展包將Tushare安裝完成之后，登錄tushare，與管理員聯(lián)系獲得相應(yīng)的積分，積分是用來獲取數(shù)據(jù)的權(quán)限，在個人中心即可查詢自己的接口token。如圖4.2所示：圖4.2獲取tushare接口token利用_api（token）接口，通過for循環(huán)獲取數(shù)據(jù)；獲取2014年至2020年上市公司的股票基本信息，并保存為年份+年度股票代碼.xlsx文件，從每日指標(biāo)數(shù)據(jù)表和財務(wù)指標(biāo)表中獲取每一年的總市值total_mv、每股公積金capital_rese_ps、基本每股收益eps、每股未分配利潤undist_profit_ps、流通股本float_share、每股凈資產(chǎn)bps指標(biāo)數(shù)據(jù)，一共獲取6年的數(shù)據(jù)，并保持為年份+年度.xlsx文件。代碼示例如圖4.3所示：圖4-3數(shù)據(jù)獲取過程代碼截圖4.4數(shù)據(jù)獲取結(jié)果在Tushare獲取了2014年至2020年的數(shù)據(jù)，已2018年度指標(biāo)數(shù)據(jù)的為例，獲取了3505個股票代碼數(shù)據(jù)，結(jié)果如表4.2：表3-2股票代碼數(shù)據(jù)ts_codefloat_sharetotal_mvepscapital_rese_psundist_profit_psbps000001.SZ1717024.67716105845.861.393.28865.535112.8182000002.SZ971517.004326295260.073.060.72528.30914.1102000004.SZ8301.3184134614.6245-0.24140.01110.15971.3008000005.SZ95122.246283687.87370.14060.6502-0.28061.4069000006.SZ134830.7972699297.43380.64760.35882.1334.5909000007.SZ30894.8044279237.1235-0.570.4532-0.92870.5505000008.SZ254319.03751096330.2960.1160.99680.60032.6298000009.SZ211978.9066926367.68250.10.38410.91912.4522000010.SZ52217.1348267272.6364-0.89221.8239-2.3230.5115獲取的上市公司的股票基本信息也是已2018年度的數(shù)據(jù)為例，本次獲取了3856上市公司的基本信息，部分結(jié)果如表4.3：表4.3上市公司基本信息ts_codesymbolnameareaindustry0000001.SZ000001平安銀行深圳銀行1000002.SZ000002萬科A深圳全國地產(chǎn)2000004.SZ000004國農(nóng)科技深圳生物制藥3000005.SZ000005世紀(jì)星源深圳環(huán)境保護4000006.SZ000006深振業(yè)A深圳區(qū)域地產(chǎn)5000007.SZ000007全新好深圳酒店餐飲6000008.SZ000008神州高鐵北京運輸設(shè)備4.5數(shù)據(jù)處理訓(xùn)練集中缺失值與異常值往往會導(dǎo)致模型準(zhǔn)確率低或訓(xùn)練效果不明顯。這會導(dǎo)致預(yù)測的結(jié)果不準(zhǔn)確。所以要先去掉NAN空值，即將存在指標(biāo)取值缺失的公司排除在外。利用dropna()去掉空值的行，利用dropna(inplace=True)查看是否還有空值。結(jié)果為True，表示沒空值，說明去空值完成。利用iloc切除對應(yīng)列，做單位轉(zhuǎn)換，將萬元單位轉(zhuǎn)化成億元單位。設(shè)定指標(biāo)總市值total_mv<300億、每股公積金capital_rese_ps>5、每股收益eps>0.5、流通股本float_share<3億、每股未分配利潤undist_profit_ps>2元、每股凈資產(chǎn)bps>2元，如果指標(biāo)同時滿足以上條件，則記為1，表示該公司有高送轉(zhuǎn)行為，否則記為0，則沒有高送轉(zhuǎn)行為，將處理好的指標(biāo)數(shù)據(jù)和是否高送轉(zhuǎn)的結(jié)果合并到原始數(shù)據(jù)中并保存為excel文件。部分代碼如圖4.4所示，結(jié)果如圖4.5所示：圖4.4數(shù)據(jù)處理圖4.5數(shù)據(jù)處理4.6結(jié)果分析本文通過Tushare獲取上市公司的6個指標(biāo)數(shù)據(jù)作為研究對象，將每一年年度預(yù)判的數(shù)據(jù)作為訓(xùn)練集，2014年至2020年的數(shù)據(jù)作為預(yù)測數(shù)集，將支持向量機模型劃分為主要模型，神經(jīng)網(wǎng)絡(luò)和邏輯回歸模型為輔來做對比，計算模型的準(zhǔn)確率。以2018年年度數(shù)據(jù)為例，模型的準(zhǔn)確率如圖4-6所示圖4.6預(yù)測結(jié)果得到的結(jié)果，三個模型的預(yù)測準(zhǔn)確率都高達0.8以上，說明三個模型預(yù)測的結(jié)果可靠率都比較高。5GUI可視化系統(tǒng)設(shè)計與實現(xiàn)5.1需求分析20世紀(jì)開始，我國股票市場有了質(zhì)的飛躍，國內(nèi)股票市場有了很好的條件環(huán)境，人們開始學(xué)習(xí)如何去投資理財，這也就是為什么證券投資成為了人們?nèi)粘Ｉ钪欣碡數(shù)囊环N方式。也逐漸演變成為了上市公司的一種炒作手段，而每年年初上市公司“高送轉(zhuǎn)”的股利分配受到了股民的追捧。本文基于支持向量機（svm）、BP神經(jīng)網(wǎng)絡(luò)和邏輯回歸機器學(xué)習(xí)算法，建立回歸模型。本文預(yù)測系統(tǒng)基于PyCharm和配置QtDesigner和PyUCI代碼生成工具開發(fā)環(huán)境，通過設(shè)計GUI可視化界面，，將其保存為.ui，再用PyUCI代碼.py文件，最后生成.exe文件，運行.exe文件即完現(xiàn)GUI可視化系統(tǒng)。開發(fā)具有預(yù)測我國的上市公司高送轉(zhuǎn)的功能系統(tǒng)，幫助投資者最大化預(yù)先了解要進行高送轉(zhuǎn)的上市公司，本次預(yù)測結(jié)果僅供參考。5.2系統(tǒng)設(shè)計首先在pycharm中配置界面設(shè)計師（QtDesigner）和PyUCI代碼生成工具，點擊File選擇Settings如圖5.1所示：圖5.1代碼生成工具配置在菜單欄單擊File選擇“Tools/ExternalTools”選項，點擊“+”號，在彈出的外部工具CreateTool配置窗口中，輸入外部工具名稱（可自定義），一般用QtDesigner表示，再Program配置PyQt界面設(shè)計師可執(zhí)行文件完整路徑以及工作路徑，點擊“ok”按鈕，即可完成QtDesigner外部工具的配置?！癟ools/ExternalTools”欄中增加了QtDesigner。如圖5.2所示：圖5.2代碼生成工具配置和配置QtDesigner外部工具操作一致，在“Tools/ExternalTools”中繼續(xù)單擊“+”按鈕，名稱為PyUCI，配置好路徑即可點擊“ok”按鈕，便可發(fā)現(xiàn)“Tools/ExternalTools”欄中會新增選項PyUCI，最后點擊“ok”即可完成如圖5.3所示：圖5.3代碼生成工具配置QtDesigner是一個輔助開發(fā)工具，能夠快速地設(shè)計程序界面，它能夠有效地提高開發(fā)效率和降低開發(fā)過程中的難度。本文中的上市公司高送轉(zhuǎn)預(yù)測案例可視化演示系統(tǒng)是展示每一年份的原始數(shù)據(jù)和預(yù)測的結(jié)果，根據(jù)自己的想法，參考他人的界面設(shè)計，獨立完成程序的GUI界面,最后把我們設(shè)計好的演示系統(tǒng)yan.ui文件轉(zhuǎn)化為Python程序可讀的代碼，便可完成設(shè)計好相關(guān)功能的開發(fā)。我們可以根據(jù)已經(jīng)配置好的界面代碼生成工具，在Pycharm環(huán)境下，選擇設(shè)計好的yan.ui界面文件，右擊找到“Tools/ExternalTools/Py”即可自動生成Python程序代碼。如圖5.4所示：圖5.4系統(tǒng)ui界面樣式5.3系統(tǒng)的實現(xiàn)本系統(tǒng)實現(xiàn)的功能是“combobox”和“treewidget”控件，點擊樹結(jié)構(gòu)控件“treewidget”和下拉框“combobox”中的任何一個目錄，在控件“tableview”中都會展示其相關(guān)的數(shù)據(jù)。年度和模型都在界面設(shè)計中提前部分代碼如圖55所示:圖5.5界面設(shè)計代碼這是控件互相關(guān)聯(lián)的代碼，通過定義函數(shù)傳入?yún)?shù)，如圖5.6所示：圖5.6界面設(shè)計代碼5.4生成EXE文件在AnacondaPrompt下使用命令安裝pyinstaller編譯包，，命令為“pipinstall–userpyinstaller”。等待pyinstaller編譯包安裝完成，再安裝其它三個依賴包（即pywin32-ctypes、altgraph和pefile）。安裝好幾個依賴包之后，在AnacondaPrompt下通過命令cd切換至項目文件夾下的路徑“C:\Users\lenovo\Desktop\高送轉(zhuǎn)”（放置.ui和.py文件的位置）。如圖5.7所示圖5.7生成EXE文件過程使用命令：“pyinstaller-F+編譯文件”即可進行編譯，注意程序文件根據(jù)自己的文件名而定，本文項目編譯的程序文件名為main.py”,如圖5.8所示:圖5.8生成EXE文件過程若項目文件編譯顯示成功，并且編譯過程時，沒有出現(xiàn)報錯，但是當(dāng)我們運行編譯成功的EXE文件時會提示以下錯誤，如圖5.9所示：圖5.9生成EXE文件過程這個報錯提示原因為編譯過程中部分開發(fā)包不兼容，不能夠自動導(dǎo)入。解決辦法是只需要對編譯時產(chǎn)生的main.spec文件中的hiddenimports這一模塊進行修改即可。參考：hiddenimports=['cython','sklearn','sklearn.ensemble','sklearn.neighbors.typedefs','sklearn.neighbors.quad_tree','sklearn.tree._utils','scipy._lib.messagestream'],修改完成之后，再次運行命令編譯main.spec文件即可，如圖5.10所示:圖5.10生成EXE文件過程等待編譯完成，即可把項目的數(shù)據(jù)文件和運行需要的開發(fā)環(huán)境文件拷貝到該目錄下就可以完成所有的編譯了，如圖5.11和5.12所示，文件main.exe即為可獨立運行的程序。圖5.11生成EXE文件過程圖5.12生成EXE文件過程5.5系統(tǒng)演示運行代碼文件，會出現(xiàn)第一個窗口，點擊按鈕跳轉(zhuǎn)到第二個窗口，窗口顯示有年份目錄、模型選擇下拉框和退出系統(tǒng)按鈕，如圖5.3和5.14所示：圖5.13系統(tǒng)演示圖5.14系統(tǒng)演示只要點擊樹結(jié)構(gòu)目錄中的任意一年份，原始數(shù)據(jù)將會在tableview中展示出來，本次演示選擇的2014年度的數(shù)據(jù)，結(jié)果如圖5.15所示：圖5.15年度數(shù)據(jù)顯示結(jié)果當(dāng)選擇下拉框中的任意一個模型，預(yù)測的高送轉(zhuǎn)上市公司也將會在tableview中展示出來，本次選取2014年度邏輯回歸模型的結(jié)果，如圖5-16所示：圖5.16預(yù)測結(jié)果顯示6分析與總結(jié)近年來，國家發(fā)展迅速，人們的生活水平也逐漸上升，也多出了很多散錢。投資理財也成為了人們生活中的一部分，“錢生錢”這種不需要出力就能夠獲得許多收入的好事，這對市民有很大的誘惑力，而年初的“高送轉(zhuǎn)”股利分配方式是眾多投資者最為關(guān)注的話題之一，畢竟進行能買到低價股票可以省好多的資本，人們開始收集數(shù)據(jù)，作報告分析，互相討論哪些上市公司股票有可能是高送轉(zhuǎn)，是否會成為潛力股等等，而這樣的現(xiàn)象，也逐漸演變成了上市公司的一種炒作方式[[]