基于因子分析和聚类分析的股票分析方法.docVIP

基于因子分析和聚类分析的股票分析方法 　　【摘要】在股票投资市场不断发展的今天，由于各种限制因素，可供广大投资者选择的价值投资方式都存在不同程度上的缺陷。本文选择沪深300指数成分股作为样本，运用SPSS软件因子分析与聚类分析的方法将样本股票排名、分组，对排名高低与各个分组的股票进行了特征分析，以此探索出了一种新的股票基本面分析方法，可以在较低维度综合考虑若干股票分析指标，并把股票分类，适应不同偏好的广大投资者的投资需求。 　　【关键词】因子分析 聚类分析 股票分析方法 　　一、引言 　　随着中国金融市场的发展，股票投资在中国早已成为了广大投资者投资组合的重要组成部分。但是，散户投资者由于信息成本等原因大多更多的侧重于技术分析，一定程度上忽视了基本面分析；其次，西方现代股票定价理论如CAPM、Fama-French三因子模型、APT理论、MM理论，甚至DCF现金流贴现法都存在着各自不容忽视的不足，以及欠缺在实践中的可行性；再次，国内机构投资者的选股理论存在较高运行成本或初始投资要求，散户投资者难以采用；国内目前实际中广泛采用的价值投资方法为主观赋权法，但此方法需要考虑的财务指标与财务数据很多，人为给定的权数客观性较弱会影响模型的准确性，也不适合散户投资者运用。基于以上的原因，提供出一个适用于新时代背景下证券投资市场的证券分析方法具有充足的必要性。 　　本文将分析样本定为沪深300指数成分股，运用资产总计、产权比率、每股收益等十个指标进行因子分析，将原有十个指标降维成三个公共因子，然后基于降维后的数据，采用聚类分析的方法对样本股票进行分类处理，得到具有不同特征的股票分类，最后构造出一个在更低维度下综合考虑多项价值分析指标的适用于具有不同偏好的投资者的股票分析方法。 　　二、数据来源与处理 　　本文的研究样本为沪深300指数的三百只成分股，数据来源为Wind数据库中相应股票2013财年年度业绩报告数据，原始数据矩阵从略。为了数据的可参考性，对样本中的唯一一只ST股票“*ST大荒”进行了剔除。原因为该股票的利润总额与净利润两项指标均为负，且都是非常大的异常值，会对因子分析的结果产生显著的负面影响。 　　本文初始使用的十个股票基本面分析指标如下： 　　表1 因子分析模型指标 　　三、多变量方法 　　根据何晓群[1]，因子分析主要用于对指标降维，聚类分析主要用于对样品分类。本文利用因子分析和聚类分析来构建股票分析方法。下面对这两种多变量统计分析方法作简要介绍。 　　（一）因子分析 　　因子分析模型是利用降维的思想，由研究原始变量相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，单科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量数目，还可检验变量间具有某种潜在关系的假设。 　　设原有p个变量，…，且每个变量（或经标准化处理）的均值为0，标准差均为1。现将每个原有变量用m（mp）个因子，…，的线性组合来表示，即得到因子模型： 　　X 　　=a 　　F 　　+a 　　F+… 　　+a 　　F+ 　　ε 　　X 　　=a 　　F 　　+a 　　F+… 　　+a 　　F+ε 　　…………………………………… 　　X 　　=a 　　F 　　+a 　　F+… 　　+a 　　F+ 　　ε 　　也可用矩阵形式表示为： 　　X=AF+ε 　　其中： 　　A= 　　F称为X的公共因子，矩阵A中的元素称为因子载荷，的绝对值大，表明与的相依程度越大，或称公共因子对于的载荷量越大，ε称为特殊因子，表示了原有变量不能被因子解释的部分。 　　因子分析模型的建立步骤大致为： 　　第一，建立指标体系，构成原始矩阵Z，在保证全部指标同向化的基础上对样本数据进行标准化处理，公式如下： 　　Z=（i=1，2，...，p；j=1，2，...，n） 　　=X，S=（X-）（i=1，2，...，p；j=1，2，...，n） 　　得到标准化矩阵，计算变量的简单相关系数矩阵R。 　　第二，解特征方程|R-λE|=0，计算相关矩阵的特征值λ，若 　　λ1≥λ2≥…λp，以λp≥1为标准确定公共因子个数P。 　　第三，计算初始因子载荷矩阵和公共因子方差，用正交或斜交旋转的方法求得正交或斜交因子载荷矩阵；根据正交或斜交因子载荷矩阵相关系数绝对值，确定并命名公共因子。 　　最后，计算公共因子得分和综