电力企业上市公司绩效聚类分析.docVIP

电力企业上市公司绩效聚类分析【摘要】文章从获利能力、偿债能力、运营能力、成长能力、资本结构五个层面构建了电力企业上市公司绩效评价指标体系，运用多元统计分析中的聚类分析对我国25个电力上市公司进行聚类分析，把我国电力上市公司分成优良中差四类。 【关键词】电力上市公司 绩效评价 聚类 一、引言 按照现代企业制度的要求，国家电力公司和电力集团公司将提高管理层次，经营中心将以集权管理为主，即主要作为出资者来参与子公司的管理。省（网）电力公司作为子公司，将成为履行企业职能的独立法人实体和市场竞争主体。关于上市公司绩效评价体系的研究，在国外可谓是相当流行，理论也相当成熟，但我国在这方面的研究却相对落后，对实际操作的指导性不强。 本文根据中国证券报2006年对上市公司财务数据的披露，结合电力公司自身的特点，着重强调与电力企业有关的行业参数，来构建电力上市公司绩效的评价指标体系，指标如下：获利能力：资产利润率、净资产收益率、经营净利率；偿债能力：流动比率、速动比率；运营能力：总资产周转率、存货周转率、应收账款周转率、主营成本比例、营业费用比例、净利润现金含量、主营收入现金含量；成长能力：净利润增长率；资本结构：长期负债比率、股东权益比率。至此，电力上市公司经营业绩评价指标体系初步确定为五个方面共计18个指标，比较全面地反映了公司经营业绩的各个方面。 二、动态聚类法（K-means聚类法） 系统聚类法虽然可以找到比较好的聚类结果，但是由于需要建立类间距离矩阵、类直径矩阵、损失函数值矩阵等，还需要进行全面的两两比较，运行效率太低。而且当样品总数比较大时，数据的存储量和操作量都十分巨大，以致难以进行下去。 为了克服系统聚类法效率太低的缺点，就得避开全面的计算和比较，在局部分析的基础上，做出较为粗略的分类，然后再按某种最优的准则进行修正，直至分类比较合理为止。基于这种思想产生了动态聚类法，又称为逐步聚类法。其算法如下： 步骤1：给定n个样本，样本集xi（i=1，2，…，n）把n个向量分为c个组Gi，初始化聚类中心ci 。典型的做法是从所有数据点任取c个点。 步骤2：划分过的组一般用一个c×n的二维隶属矩阵U来定义。如果第j个数据点xj属于组i，则U中的元素uij为1；否则，该元素取0。一旦确定聚类中心ci，可导出如下使J最小的uij： 其中是价值函数，当选择欧几里德距离为组中向量与相应聚类中心间的非相似指标时，价值函数可定义为： 步骤3：计算价值函数，如果它小于某个确定的阈值，或它相对上次价值函数质的改变量小于某个阈值，则算法停止。 K-means算法中类别数的确定：上述K-means算法是在类别数c给定情况下进行的，当类别数未知时，可以采用以下方法进行确定：使用K-means算法时，可假定类别数c=1，c=2，…，分别使用K―均值算法，显然Je随c的增加而减少，当c=N时，Je=0；分类数c的选择可从Je―c拐点图上确定。当数据集表现为??个聚类时而迅速减少；这时，Je再增加聚类数，相当于把已经密集的群体再分开，这时，虽有减少，但减少的速度很慢，在Je―c拐点图上可以找出一个拐点，在拐点之后，随着c的增加，Je缓慢减少，直至分为N个（N为样本总数聚类时Je为零）。但是，并非所有情况都能找到合适的A点，这时，利用Je―c拐点图确定分类数c失败。 三、实例 根据中国证券监督委员会网站和新浪财经网站所公布的电力上市年度报告，本文收集了2006年25家电力上市公司的15项数据，应用SPSS软件进行聚类分析。K-means聚类法，称为快速聚类分析（Quick Cluster），它可以有效地处理多变量大样本的样品聚类分析（Q型聚类分析）。根据SPSS软件进行K均值聚类分析，本文把电力企业上市公司分为4类，分析结果如下：应用SPSS软件进行K-Means聚类，当采用动态聚类对25家电力上市公司分为四类时，经过2次迭代过程聚类中心就已不发生变化，分类结果如下：第一类包括：鲁能泰山、深南电A、鲁能泰山、东方热电、闽东电力、深南电B；第二类包括：豫能控股；第三类包括：皖能电力、汕电力A、皖能电力；第四类包括：韶能股份、宝新能源、建投能源、穗恒运A、深能源A、粤电力A、韶能股份、宝新能源、建投能源、漳泽电力、长源电力、赣能股份、吉电股份、黔源电力、粤电力B。 从上市公司因子得分情况看，对每一类上市公司进行分析，具有以下特点：第一类：这类电力上市公司经营绩效评价最差，表现为：资产利润率、净利润增长率，净资产收益、经营净利率、存货周转率低，其余几个方面处于一般水平；第二类：这类电力上市公司经营绩效评价为中，表现为：存货周转率高、主营成本比高、净利润增长率高、长期负债比率低；第三类：最明