货币金融服务板块的主成分聚类分析.docVIP

货币金融服务板块的主成分聚类分析 [摘要]文章利用主成分分析与聚类分析法对金融业中货币金融服务板块的16只股票的2016年会计年度综合财务状况进行了系统分析。首先按营运能力、盈利能力、发展能力、股本扩张能力将11个财务指标归纳为4个一级指标，并对其进行主成分分析，再利用提取出的主成分进行聚类分析。希望通过对上述银行业上市公司客观全面的综合分析，为中小投资者提供理性的投资参考数据，帮助其选取财务状况良好、具有发展潜力的股票，最大限度地提升股票投资价值。 [关键词]银行板块；主成分聚类分析；综合评价 [DOI]1013939/jcnkizgsc201730034 1引言 11研究背景及意?x 随着我国宏观经济的进入持续稳定增长的“新常态”，近几年国内银行业的景气度持续回升，上市银行也面临难得的发展机遇，在资产规模、资产质量、盈利能力等方面都取得了骄人的成绩。银行板块是蓝筹股的重要代表，工商银行、中国银行等银行股成为主力机构调控股票指数的重要工具，上证综合指数是以其总股本来确定权重。 依据财务报表对银行板块上市公司综合实力的评价的重要性就愈加显现出来。 本文以证监会2012年版行业分类中的16家银行的2016年度财务数据作为考察样本，在计算影响综合实力指标的基础上，用主成分聚类分析方法来进行评价，进而得出不同能力指标下的结果，对其进行综合分析并给出相应建议。 12国内外研究现状 综述当前的研究现状，以及本文的研究问题和研究思路 刘倩（2010）得出主成分分析可以有效解决我国企业财务数据高维性和多重共线性的特点，使判别模型更具说服力，但只针对28家上市创业板公司做了研究，数据量不够大，说服力不够强。 王德清等（2012）针对经典聚类分析和普通主成分聚类分析极端情形下的失效问题展开讨论，通过定义客观赋权的主成分距离为分类统计量，并以实证检验取得良好效果为依据，有效地解决了主成分聚类分析在极端情形下所不能揭示的问题。 国外学者做过一些利用数据挖掘算法来分析预测客户行为的研究，例如，采用K-median聚类算法对超级商场消费者的偏好情况进行细分。[5]采用K-mea、SOM（self-organizingmap）、FuzzyK-mea聚类算法对股票交易客户进行细分[6]。运用模糊聚类算法对在线音乐爱好者进行用户细分等。[7] 2研究方法 21主成分聚类分析法 在多指标综合评估的排序问题中，若主成分累计贡献率不够大，即提取出的主成分表达的原始数据不够完整全面，仅按主成分得分对样品直接排序评价会有片面性，这时候可以将主成分分析与聚类分析两种统计方法联系起来，称为“主成分聚类分析”。 将主成分分析与聚类分析相结合，即先进行主成分分析，然后对提取出的几个主成分进行聚类分析，结合主成分的综合排序进行对象分类排名。这种方法一是可以降低指标的维数，将复杂的问题简化；二是可以对聚类分析方法中的每一类进行评价，根据每一类的主成分得分进行排名，得到的排名结果更符合实际。 22聚类分析方法的原理 本文采用的K-mea聚类分析算法是麦奎因提出，算法的要点先确定K值，然后将数据集划分成K类，然后进行反复迭代，把每一个样本重新分配到距离最近的中心类别中。 23聚类分析分类数的确定 K-均值聚类分析方法能够将数据群体迅速、合理地划分成K个子群体，比较适合解决大量数据信息的问题。对于K-均值聚类分析算法，需要着重考虑K值。这是本算法的关键步骤，对聚类产生的结果有很大的影响。 K-均值法具体分类数的确定，离不开实践经验的积累，可以反复进行多次的初值选择，根据各个产生的聚类结果中找出最优的分类。但我们这里借助系统聚类法以一部分样本为对象进行聚类，其结果作为K-均值聚类分析法确定类数的参考。 24主成分聚类分析的计算步骤 设有n个样品，每个样品观测p个指标，将原始数据写成矩阵 X=x11x12…x1p x21x22…x2p xn1xn2…xnp （1）将原始数据标准化。这里不妨设上述矩阵已标准化了。 （2）建立变量的相关系数阵： R=（rij）p×p rij=nk=1（xki-x-i）（xkj-x-j）nk=1（xki-x-i）2nk=1（xkj-x-j）2 （3）求R的特征根 λ1≥λ2≥…≥λn0 及相应的单位特征向量： a1=a11a21ap1，a2=a12a22ap2，ap=a1pa2papp （4）计算写出主要成分 Fi=a1X1+a2X2+…+aPxP 计算主成分贡献率及累计贡献率 √贡献率 λipk=1λk（i=1，2，…，p） √累计贡献率 ik=1λkpk=1λk（i=1，2，…，p） 一般取累计贡献率达85%～95%的特征值λ1，λ2，…，λm所对应的第1，第2，…，第m（m≤p）个主成分。 （5）求p个观测对象在前m个主成分的得分。根据各个主成分的贡献率进