房地产行业股票投资前景探究.docVIP

房地产行业股票投资前景探究 房地产行业股票投资前景探究 　　2014年1月19日，国家统计局公布了2013年GDP初步核算情况：全年我国GDP绝对额为568845亿元，其中房地产业绝对额为33295亿元，总额在所有产业中排在工业、农林牧渔业、批发和零售业、建筑业、金融业之后，位列第六。根据国家统计局公布的这一数字测算，房地产业去年在GDP中占比约为5.85%。同期，国家统计局还发布了2013年全国房地产开发和销售情况数据：2013年，全国房地产开发投资86013亿元，比上年名义增长19.8%（扣除价格因素实际增长19.4%）；房屋新开工面积201208万平方米，比上年增长13.5%；全年房地产开发企业土地购置面积38814万平方米，比上年增长8.8%；商品房销售面积130551万平方米，比上年增长17.3%。可以看到，房地产在我国的经济发展比重中占有很重要的地位，地产股数量众多，股票投资方法中常常需要对于单个股票建立模型进行分析。这样的模型在应对庞大数量的股票时，实用性大大降低。故而我们在此使用聚类分析对股票进行粗分。由于指标的繁杂，我们在此也需要使用降维的方法来综本文由论文联盟http://www.LWlm.cOM收集整理合经济因素的影响来对股票进行分析，达到简化模型的目的。 　　实验首先采取聚类分析法对我国沪深股市房地产板块中132支股票进行分类，同时采取方差分析法判断所分类别是否合理，其次采用因子分析法对六个经济变量降维处理，以综合经济因素的影响。 　　聚类分析是在相似的基础上收集数据来分类。具体做法是根据事物本身的属性，按照一定的类定义准则，对所研究的事物进行分类，并且保证分类后，类内部的个体在特征上具有相似性，不同类间个体特征的差异较大。聚类分析根据描述个体的变量值，找出能够度量对象之间相似性的统计量，以这些统计量作为划分类型的依据，把相似程度较大的个体聚合为一类。 　　因子分析是利用降维的方法，根据原始变量之间的相关性将其分组，使同组内的变量高度相关，不同组内的变量相关性较低。每组变量代表一个基本结构，并用一个潜在的不可观测的综合变量来描述，这个综合变量即成为公共因子。 　　实验数据基于沪深两市房地产行业各股票2013年度年报数据（发布于2013年2月-4月之间），利用盈利能力等方面数据，按照132支股票的发展情况对其进行分类。数据收集了净资产收益率（%）、净利率（%）、净利润（百万元）、每股收益（元）、营业收入（百万元）和每股主营业务收入（元）共六个指标。 　　首先使用K均值聚类法在此进行聚类，结果如下表所示。 　　由于表格过于庞大，在此就不给出具体分组结果。但是从分类的结果中可以看到的是，传统大中型地产公司大部分聚成一类（第六组，56个），而中小型传统地产公司聚作另一类（第三组，47个）。这构成了10组中的主体，共有103支股票被分在这两组中。剩下的几组中，除了大型地产公司（如保利地产）外，还有两类，分别主要是参股地产（主营业务不只是地产）以及虽然主营业务是建设投资但是并不单纯为地产建设的两类。以上的四类公司共涉及了132支地产股中的124支，占了绝大多数。 　　对于以上股票进行因子分析，得到了两个公共因子，分别记为公共因子1和公共因子2。依据原始因子载荷矩阵中各公因子所反映的信息并不能够很好地对其进行命名，并且公因子1所涉及的指标较多，所以需要实施因子旋转。下表是使用方差最大化旋转法旋转后的因子载荷矩阵。 　　公因子1在净资产收益率、净利率、每股收益上的载荷较大，即公因子1主要反映了运营结果相对数，即盈利水平指标，他对全部初始变量的方差贡献率达到42.09%。 　　公因子2在净利润、营业收入上的载荷较大，即反映了运营结果绝对数，即业绩水平指标，他对全部初始变量的方差贡献率达到40.98%。 　　由此，进一步计算得到图1的因子表达式. 　　由于结果过长，故此处仅附上排名前十位的股票。业绩优良的股票综合得分位列前茅，但是大部分地产相关股的综合得分都很小甚至很多都是负数，仅有39支股票综合得分为正，表明现在中国地产行业确实已经开始进入寒冬，过往那种新楼盘一开盘就能大幅度盈利的景象不再。而且在得分较高的企业中，大部分是大型企业，这也表明在地产业这样一个资本密集型行业，企业规模大会在一定程度上带来很多发展上的便利，并且中小企业生存空间进一步受到挤压，生存空间很小。 　　综合以上分析，我们可以得到如下结论。公司主要财务数据大致可以分为两类，一类是盈利水平数据，一类是运营能力数据。而且，中国地产行业风光不再，大部分地产行业相关上市公司深陷泥淖难以自拔，业绩持续向好的企业少之又少，大的房地产企业经营状况普遍优于中小型企业，房地产行业有向垄断化方向发展的趋势。从投资的角度来看，投资者无论是在一级市场还是二级市场对房地产行业