基于因子分析的股票价格影响因素的比较分析.docVIP

基于因子分析的股票价格影响因素的比较分析 一、实验内容 因子分析方法是多指标综合评价的一种理想方法。因子分析能将为数众多的原始指标变经过分析综合为少数几个公共因子变量，从而大大减少计算的复杂度。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，一科成绩好的学生，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，可减少变量的数目，可少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子，以较少的几个因子反映原资料的大部分信息。在许多实际问题中，涉及的变量众多，各变量间还存在错综复杂的相关关系，这时最好能从中提取少数综合变量，这些综合变量彼此不相关，而且包含原变量提供的大部分信息。因子分析就是为解决这一问题的统计分析方法。在中，研究人员关心的是一些研究指标的集成或者组合，这些概念常是通过等级评分问题来测量的，如利用李克特量表取得的变量。每一个指标的集合就是一个因子，指标概念等级得分就是因子得分。因子分析在市场调研中有着广泛的应用，主要包括消费者习惯和态度研究品牌形象和特性研究 服务质量调查个性测试形象调查市场划分识别顾客、产品和行为分类在实际应用中，通过因子得分可以得出不同因子的重要性指标，而管理者则可根据这些指标的重要性来决定首先要解决的市场问题或产品问题在对数据进行因子分析前首先要对其进行检验，来判断是否适合做因子分析，检验所采用的方法为巴特利特球度检验和KMO检验巴特利特球度检是假设相关系数矩阵是一个单位阵，如果统计量值比较大，且其相对应的相伴概率值小于用户指定的显著性水平，拒绝原假设，认为适合作因子分析。反之，接受原假设，不适合作因子分析显著性水平因子分析的方法约有10多种，如重心法、影像分析法最大似然解、最小平方法等等因子分析的核心问题有两个：一是如何构造因子变量；二是如何对因子变量进行命名解释。因此，因子分析的基本步骤和解决思路就是围绕这两个核心问题展开的。= 其中，设是可观测随机向量，均值向量，协方差阵是不可测的向量，其均值向量，协方差阵与相互独立，且，的协方差阵是对角阵，即各分量之间是相互独立的。 则模型： 称为因子分析模型 叫做公因子，它们是各个观测变量所共有的因子，解释了变量之间的相关。称为特殊因子，它是每个观测变量所特有的因子，表示该变量不能被公因子所解释的部分。 )称为因子中元素变量刻画变量与之间的相关性，称为在上的因子载荷，即，可将看作第个变量在第公共因子上的权，的绝对值越大，表明与的相依程度越大，或称公共因子对于的载荷量越大。为了得到因子分析结果的经济解释，因子载荷矩阵中有两个统计量十分重要，即变量共同度和公共因子的方差贡献。因子载荷矩阵中第行元素之平方和记为，称为变量的共同度。它是全部公共因子对的方差所做出的贡献，反映了全部公共因子对变量的影响。大表明的第个分量对于的每一分量的共同依赖程度大。 将因子载荷矩阵的第列的各元素的平方和记为，称为公共因子对的方差贡献。就表示第个公共因子对于的每一分量所提供方差的总和，它是衡量公共因子相对重要性的指标。越大，表明公共因子对的贡献越大，或者说对的影响和作用就越大。…0相应单位正交特征向量为，，…，，则有谱分解式：=。 当最后个特征值较小时，可近似的分解为 +…++ =（，…，）+ = 其中， 和是因子模型的一个解。 建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的意义，以便对实际问题进行分析。如果求出主因子解后，各个主因子的典型代表变量不很突出，还需要进行因子旋转，通过适当的旋转得到比较满意的主因子。旋转的方法有很多，正交旋转和斜交旋转是因子旋转的两类方法。最常用的方法是最大方差正交旋转法。进行因子旋转，就是要使因子载荷矩阵中因子载荷的平方值向0和1两个方向分化，使大的载荷更大，小的载荷更小。因子旋转过程中，如果因子对应轴相互正交，则称为正交旋转；如果因子对应轴相互间不是正交的，则称为斜交旋转。= 为公因子向量，对施行正交变换，令=则=+， 且（）= == 因子分析模型建立后，还有一个重要的作用是应用因子分析模型去评价每个样品在整个模型中的地位，即进行综合评价这时需要将公共因子用变量的线性组合来表示回归估计法== 由=可得的估计值= 设公共因子由变量表示的线性组合为： 该式称为因子得分函数，由它来计算每个样品的公共因子得分因子分析常常有以下四个基本步骤： （1）确认待分析的原变量是否适合作因子分析 （2）构造因子变量（3）利用旋转方法使因子变量更具有可解释性（4）计算因子变量得分 净资产收益率 净利润增长率 资产负债率 债务比率 现