---
title: Project17
tags: teach:MF
---

# Choose the successful IPO

:::info
陽交大資財系機器學習與金融科技期末報告，由胡藝馨，李亦涵，鄧惠文共同編輯。最後更新時間2021/12/25。
:::

---

## 1. 動機 Motivations

---

[今年近半破發！分析師警告「小心IPO企業](https://ec.ltn.com.tw/article/breakingnews/3674842)

美股IPO籌資金額去年創下紀錄，不過專家指出現在的市場狀況並不利於這些新掛牌的公司，今年IPO的公司幾乎有一半已經破發。但，2021年約有一半的IPO現在交易價格低於發行價

Building the model to predict the performance of IPO company
in the short term

###### keywords: logistic regression / IPO

## 2. 資料視覺化 Exploratory data analysis
### (1.) Data Link
### IPO raw data : [data1](https://www.iposcoop.com/scoop-track-record-from-2000-to-present/)
### S&P500 historical data : [data2](https://finance.yahoo.com/quote/%5EGSPC/)
### (2.) Variable Descreptions
This regression used the following variables as explanatory variables:
* X1: the day of week of IPO(1=Monday,2=Tuesday,3=Wednesday,4=Thursday,5=Friday)
* X2: issuer
* X3: total underwriters
* X4: Offer price
* X5: open price in first day
* X6：close price in first day
* X7：change price in first day
* X8：change price in first day(percent)
* X9：lead manager rate
* X10：change between open and offer (percent)
* X11：change between open and offer ($)
* X12：SP close to open change (percent)
* X13：SP week change(percent)
* X14：home run(triple in year)(1=home run 0=no home run)

### (3.) EDA Result

#### Ipo上市日期分布圖
#### 發行日通常在禮拜四，最少在禮拜一發行
#### IPO 年份分布長條圖
#### 在2000年~2018年裡，2014年和2015年上市最多新股

#### 只有少數的新股在一年內會翻3倍
#### 長期來看獲利不高，決定看短期
#### 第一天平均收益年度分布圖
#### 第一天平均收益百分比都是正向的
#### 第一天收益中位數年度分布圖
#### 用中位數比較發現，較大的異常值有報酬分布的偏斜
#### 第一天報酬分布圖
#### 回報都在0附近，但有長長的右尾

## 3. 重述問題 Problem formulation

##### 原本 IPO 的 raw data 所提供的資訊量不足，推測可能影響IPO的原因可能有:
##### 1. Issuer 聲望
##### 2. 承銷商多寡
##### 3. 前一週S&P500平均(投資人對最近市場整體的看法)
##### 4. 當天S&P500平均(投資人對當天市場整體的看法)

#### 再加入以上的變數，用二元模型來預測該IPO是否值得購買(Yes or No)
>用邏輯回歸模型(logistic regression)作為 Benchmark
>用隨機森林分類器作為精進後的模型，來與Benchmark 比較

>binary classification measures:
> Accuracy
> precision(準確率)= TP/(TP+FP)
> recall(召回率)=TP/(TP+FN)
> F-1 score
> AUC(ROC 曲線下方面積)

>75-25 train-test split
>2000-2015年 作為訓練集
>2015-2020年 做為測試集(out sample)

## 4. 資料分析 Data analysis

### (1.) Benchmark result (logistic regression)

|In-sample |Measurement score|
|-----|--------|
|Accuracy|0.560831 |
|precision |0.558099|
|recall|0.621569|
|F-1 score|0.588126|
|AUC|0.560285|

|Out-sample |Measurement score|
|-----|--------|
|Accuracy|0.483544 |
|precision |0.459357 |
|recall|0.665753|
|F-1 score|0.543624|
|AUC|0.496406|

### (2.) New-Result(random forest )
|In-sample |Measurement score|
|-----|--------|
|Accuracy|0.655786 |
|precision |0.654974|
|recall|0.671242|
|F-1 score|0.663008|
|AUC|0.499146|

|Out-sample |Measurement score|
|-----|--------|
|Accuracy|0.564458 |
|precision |0.552645 |
|recall|0.716993 |
|F-1 score|0.624182|
|AUC|0.499146|

## 5. 結論 Conclusion
1.從 In-sample和 Out-sample 的比較來看，
不論是哪個機器學習的模型，In-sample 的表現都是優異於Out-sample

2.從 logistic regression 和 random forest 的比較來看，
隨機森林的表現比logistic regression來得好

## 6. 參考資料 Reference
[二元模型的深入解析](https://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/binary-model-insights.html)
[多棵決策樹更厲害：隨機森林](https://ithelp.ithome.com.tw/articles/10272586)
[邏輯斯迴歸模型 Logistic Regression](https://pyecontech.com/2020/02/06/python_logistic_regression/)
## 7. 資料與程式存放 Data and code

---

---