能源行业上市公司财务分析.docVIP

能源行业上市公司财务分析【摘要】本文以WIND数据库的数据样本，将能源行业50家上市公司的财务指标进行了因子分析，将这些公司进行排名，最终得出结论，并发现中石油、中石化的绩效并不理想。 【关键词】能源行业；财务分析；因子分析 一、引言 去年，山西的煤矿整顿；今年，中石油、中石化作为垄断企业，职工工资普遍降低。能源，作为一个国家赖以生存的资源受到关注，能源企业的发展如何也受到我们关注。通过公司的财务报告我们可以看到每个公司的财务状况，但并不能把握整个行业的情况。下面笔者以能源行业经50家上市公司为样本，用因子分析方法来对其财务状况进行综合分析，对投资者进行投资决策起到一定作用。 因子分析就是在一些有着错综复杂关系的经济现象中找出少数几个主要的因子，每一个主要因子代表经济变量间相互依赖的一种经济作用，抓住这些主要因子就可以帮助我们对经济问题进行分析和解释。 因子分析的综合评价方法目前已广泛应用于社会学、经济学和管理学研究领域。因子分析法与其他财务分析方法相比，具有以下特点：一是权数的确定更为客观。因子分析法的综合因子权数根据方差贡献率来确定，这样就避免了人为调整权数的随意性，保证了财务分析结果的客观合理。二是因子分析法适用于财务指标的综合分析。在财务分析中，仅根据单个指标进行分析，并不能反映企业的整体财务状况。借助计算机强大的数据处理功能和统计分析软件，因子分析法能实现对大量的财务数据的有效加工和综合分析。三是因子分析法适用于同类行业中不同规模和经营条件的企业之间进行财务状况的综合比较。 二、评价指标及样本的选取 本文以全面性、重要性、层次性为原则，对影响公司财务情况的每一个因素，尽可能多的设计几个解释变量，以消除因同一因素只设计一个变量可能造成的信息丢失所导致的分析结果偏差，最终选取了13个财务评价指标：销售毛利率、销售毛利率增长率、销售净利率、ROE、资产负债率、速动比率、经营活动现金流量/负债、存货周转率、总资产周转率、三费/营业总收入、每股收益、每股经营现金流量、每股收益增长率，分别定义为X1 X2…X13。 本文以WIND数据库的提供的能源行业上市公司共50家企业为分析对象，以其2009年的年报数据为样本，运用SPSS16.0中的因子分析法对其财务情况进行分析。 三、因子分析 1.相关性检验 因子分析的目的是简化数据或者找出基本的数据结构，因此使用因子分析的前提条件是观测变量之间应该有较强的相关关系。通过KMO检验和Bartlett球度检验（如表2），我们可以看到，Bartlett的相伴概率为0.000，小于显著性水平0.001，因此拒绝Bartlett球度检验的零假设，表明相关系数矩阵中存在显著相关关系，适合进行因子分析。此外，本文观测变量的KMO值为0.509，根据统计学家Kasier给出的标准，可以做因子分析。 2.提取共同因子 本文采用主成分分析法来提取因子并选取特征根值大于1的特征根。在SPSS15.0中采用主成分分析方法可以得到因子分析的总变量表。从结果中我们可以看到，有5个因子的特征值大于1，并且这4个因子的方差贡献率分别为25.655%，17.625%，14.57%，12.24%，7.261%，累计方差贡献率已达到78.351%。从碎石图中（表2）也可看出，前五个因子的特征值大于1。 为了便于主成分对实际问题的解释和分析，需要对因子载荷矩阵进行旋转才能将影响因素在每个因子上的载荷情况表示出来，从而能够反映不同因子代表的含义。对因子载荷矩阵实行方差最大化正交旋转，旋转后结果如表3。 因子载荷的绝对值越大，表明该因子和该变量的重叠性越高，在解释因子时越重要。通常认为，载荷绝对值大于0.71为优。本文选用0.71作为解释因子的分割点，并对因子命名。公共因子1对三费/营业总收入、销售净利率、销售毛利率上的因子载荷较大，这三个因素同时反映了公司的盈利能力和管理能力，管理能力在其中的作用较大，将其命名为管理能力；公共因子2在每股收益、每股经营现金流量上的因子载荷较大，这两个因素反应了公司的盈利能力与经营质量的好坏，并考虑了公司规模，将其命名为盈利能力；公共因子3在资产负债率、速动比率上的因子载荷较大，这两个因素反映了公司的偿债能力，将其命名为偿债能力；公共因子4在每股收益增长率上的因子载荷较大，将其命名为成长能力；公共因子5在存货周转率上的因子载荷较大，将其命名为经营能力。可以发现，还有5个指标没有归类，根据上表显示，将ROE归类为盈利能力，经营活动现金流量/负债归类为偿债能力、总资产周转率归类为成长能力、销售毛利率增长率归类为成长能力。 3.计算因子得分及综合得分 根据统计理论及回归算法可得到因子得分系数矩阵如表