题目：聚类分析在股票IPO定价分类判别体系建立中的应用

现有的聚类分析方法在新股发行定价中的应用包含两个步骤：利用多元线性回归的方法从众多影响因素中选出对股票价格起解释作用的主要因素；以此作为聚类分析指标，利用系统聚类方法获得针对所选行业股票的分类，从而指导该行业新股发行价格。然而，这种方法在回归分析过程中需要进行大量的检验，而且剔除新股定价的非主要影响因素过程中存在信息损失。本论文正是基于现有方法存在的缺陷，首次将2005年由Joshua Zhexue Huang等人提出的自动变量加权k-means型聚类算法引入新股发行定价的研究中，利用该算法可以为最佳聚类结果自动挑选主要变量的特性，不仅省去了多元线性回归这一步骤，而且将多元线性回归中过滤掉的影响因素重新纳入聚类分析中，对所有可能因素进行全面的分析，以提高聚类结果的准确性。希望通过本论文的研究，能对新股发行定价有积极的指导和使用意义。本论文首先系统介绍了数据挖掘的相关概念及聚类分析的相关知识。接下来介绍了现有的聚类分析在新股发行定价分类判别体系建立中的应用情况，分析了存在的缺陷。在此基础上，研究了自动变量加权k-means型聚类算法的基本思想，探讨了其应用于股票IPO定价分类判别体系建立中的合理性和先进性。最后基于Eclipse和Java平台实现了该算法，并通过实证分析证明了本文思想的可行性和有效性。