1)数据处理
为了更好地说明问题而不受个别变量单位的影响，在聚类分析计算之前需要对原始数据进行标准化处理。
数据标准化公式如下：
式中，i为股票上市公司的数量，j为上市公司综合盈利能力指标；xij为标准化后的数据，^x，为某指标的均值，Sj为某指标的均方差。
2)实验结果
本案例所选取的数据来自于2005年80家上市公司的年报信息，分析中选取上市公司的每股收益、每股净资产、净资产收益率、每股经营性现金流量及净利润5项反映上市公司综合盈利能力的指标作为主要研究对象。应用SOM模型进行模拟聚类实验，通过聚类的方法分析股票.在实验过程中，网络的输入层节点的个数均选为5,输出层节点的个数选为10000。
通过实验反复筛选选取参数：
n(0)=0.1，α(0)=5, r=0.5,迭代次数Gap=14。
利用SOM所得聚类结果的9类上市公司的净利润大小如表11-3所示，其中5类指标均为各项指标的平均值。在第9类上市公司中反映上市公司财务状况的4项指标：每股收益、每股净资产、每股经营性现金流量、净资产收益率均为正值。由
于每股收益、每股净资产、净资产收益率这3个指标是投资者最为关注的指标，因此它们是衡量公司获利能力和成长性最好的指标。上述结果说明该类上市公司在经营规模、经营实力、技术水平等方面具有一定优势，竞争能力较强，经营业绩优良，综合财务状况较佳，颇具发展潜力和长期投资价值。
表11-3 SOM股票聚类分析结果
第2类上市公司净利润的平均值最低。在该类上市公司中，反映上市公司综合盈利能力的指标多为负值，表现出这类公司既没有显著的规模效益，也没有在主营业务上的业绩突出，在投资效益上表现为亏损。该类股票的表现为劣质股的特征，因此投资者应谨慎介入，可多加观望。
上述实验结果说明，利用SOM网络进行股票分析所得结果基本与公司的实际情况相符，为股票的分析和选择提供了较好的依据。
