主成分分析法在股票研究中应用.docVIP

主成分分析法在股票研究中的应用 　　 摘要:文章利用主成分分析法对有色金属板块上市公司第一季度的经营业绩进行了评估。首先从有色金属板块中选择了16家上市公司,选择了9项财物指标,根据报表数据利用通过R软件进行主成分分析。自此基础上,利用主成分方法得出了一种综合排名。研究结果表明,评估比较合理,客观上能反映上市公司的综合水平。 　　关键词:主成分分析;股票;R软件;评估 　　 　　中国股市迅速发展壮大是有目共睹的,随着中国的股市正在逐步走向完善,走向规范化,价格向其内在价值回归是未来股市发展的重要方向。股票的档次将不断拉开,成长率高的绩优股会越来越受到投资者的追捧,过去那种高投机、高市盈率、价格严重偏离其价值的现象将逐步纠正。理智的股票投资者,将会更加重视上市公司的经营业绩、重视股票自身的品质,即重视投资对象的选择。但是随着股市发展、投资手法和证券监管方法的成熟,以及上市公司数量的不断增多,如何科学合理的进行股票的分析和选择是每一个投资者所要解决的首要问题。 　　 笔者选取16家上市中去,根据2006年度证券第四季度报告中的信息以及数据,选择每股收益、投资收益、净利润等9九项财物指标,对这些公司进行了主成分分析,试图对他们进行分类,为股票的分析和选择提供依据。 　　 一、 R软件、主成分分析简介 　　 1. R软件。R软件是一个开放的统计编程环境,是S语言(由ATT Bell实验室的Rick Becker, John Chambe- rs,Allan Wilks开发)的一种方言之一,它是集统计分析与图形直观显示于一体的统计分析软件。R作为一个计划,最早(1995年)是由Auckland大学统计系的Robert Gentleman和Ross Ihaka开始编制,目前由R核心开发小组(R Development Core Team-以后用R DCT表示)维护,他们完全自愿、工作努力负责,并将全球优秀的统计应用软件打包提供给我们使用。我们可以通过R计划的网站了解有关R的最新信息和使用说明,得到最新版本的R软件和基于R的应用统计软件包。R是完全免费的,R可以运行于UNIX, Windows和Macintosh的操作系统上,我们可以编制自己的函数来扩展现有的R语言。 　　 2. 主成分分析法。主成分分析,也称主分量分析,其基本思想是通过原有变量的少数几个线性组合来解释原有变量所体现的样本变差。 　　 设X1,X2,…,XP为原有的P个指标,X=(xij)n×p为其标准化观测矩阵,R=(rij)n×p为其相关系数矩阵,Li=(l1i,l2i,…,lpi)T(i=1, 2,…,p)为P个常数向量。考虑如下线性组合:Yi=■IkiXk(i=1, 2,…,p)为p个指标。Yi的样本方差为VarYi=LiTRLi,协方差Cov(Yi,Yj)=LiTRLj(i,j=1,2,…,p)。希望用较少的新指标代替原来的p各指标,就要求他们含有尽可能多的原指标信息且互不相关。指标信息量的大小通常用该指标的方差来计算,方差越大,信息量就越大,反之则越小。 　　 设R的特征根和对应的正交化单位特征向量分别为 ?姿1?叟?姿2?叟…?叟?姿p?叟0和e1,e2,…,ep,则可以证明当Li=ei时,有VarYi=?姿i,cov(Yi,Yj)=0(i,j=1,2,…,p)。此时令: 　　 bk=?姿k/■?姿j/,k=1,2,…,p(1) 　　 ck=■?姿j/■?姿j,k=1,2,…,p(2) 　　 则bk和ck分别称为第k个主成分的贡献率和前k各主成分的累积贡献率。累积贡献率表明了前k个主成分占有指标总信息量的份额,一般当ck=85%时,就可以用k个主成分来表示原有指标而不会损失多少信息。此时得到的综合评价函数为: 　　 F(X)=b1Y1+b2Y2+…+bkYk=b1e1TX+b2e2TX+…+bkekTX(3) 　　 在上述步骤中,首先需要对观测矩阵进行标准化处理,只有所有指标在同一个量纲范围内,比较才与意义。且有些指标存在正指标、负指标和区间指标的区别,因此标准化显得非常重要。目前标准化处理的主要方法有 值法、指数法、线性插值法、百分位法等。这里我们采用比较常用的正态标准化处理,即 　　 Xij*=■,j=1,2,…,p 　　 其中■j为指标j的平均观测值,?啄j为其标准差。 　　 二、 实证分析 　　 1. 样本的引入。根据2001年度证券中期报告中的有关信息,16个上市有色进入板块的各项指标及其数据如表所示: 　　 指标体系: 　　 X1――每股收益(元);X2――每股净资产(元);X3――净资产收益率;X4――主营业务净利润(万元);X5――股东权益(万元);X6――主营业务收入(万元);X7――主营业务利润(