基于财务指标上市公司综合评估探究.docxVIP

基于财务指标上市公司综合评估探究 中图分类号：F832文献标识：A文章编号： 1009-4202(2013)07-000-02 摘要本文以重庆板块上市的35家公司为研究对象， 选取10个财务指标全面的、多层次的反映企业经营管理状 况。借助因子分析从这10个初始指标中提炼出三个主因子, 并通过因子命名，明确各主因子的经济含义。最后采用回归 法计算综合绩效总得分及排名，并结合实际进行深层次的研 究和探讨。再以因子分析得到结论为基础进行聚类分析，将 总样本细分，希望可以为投资者构建投资组合提供合理依 据。 关键词上市公司因子分析聚类分析分类评价 一、引言 随着我国金融市场的不断发展，上市公司的数量也在逐 年增加，每个省份都有自己的专属板块，代表着每个省份的 经济活力。在此同时，对于投资者来说，其投资股票的选择 余地也变得更加的广泛。但是这么多公司，有的经营业绩好, 有的经营业绩差。对投资者来说，如何区分出业绩较好的公 司和业绩较差的公司，直接影响到其投资的成功率。因此， 通过一定的方法对上市公司进行分类进行综合评估显得比 较重要。冉伦、李金林(2005)通过对中小企业板块22家上 市公司综合业绩分析得到影响业绩的四个主要影响因素：偿 债及盈利能力、每股获利能力、营运能力、增长能力。并结 合因子得分对22家上市公司的综合业绩进行评价和实证检 验。于华(2007)通过对银行板块12家上市公司进行了综 合分析得到影响公司综合评估的四个主要影响因素：盈利能 力、股本扩张能力、成长能力、生产能力。 二、公司业绩评价指标体系选取 2. 1上市公司综合评价指标体系 一级指标(指标类型):盈利能力，股东获利能力，偿债 能力。二级指标(指标名称)总资产增长率，资产报酬率，总 资产净利润率，每股收益，每股净资产，每股未分配利润，净 资产收益率，流动比率，速动比率，资产负债率。 2.2因子分析 2. 2.1原始数据的预处理 本文采用KMO(Kaiser-Meyer-Olkin)检验法和巴特利特 球形检验法进行检验。结果显示,KMO值为0. 658,基本达到 因子分析的可行性标准。一般经验性结论认为，KMO值越接 近1,因子分析效果越好。巴特利特球形检验给出的相伴概率 值小于显著水平0.05,因此拒绝零假设，认为适合做因子分 析。 2. 2.3因子提取 根据主成分分析法，先将原指标标准化并计算标准化后 指标间的相关矩阵，其次计算该矩阵特征根和特征相量。并 由大到小排列，分别计算其对应主成分。前3个因子的特征 值均符合大于1的标准。根据因子的累计方差贡献率方法, 运行包含10个变量的基本模型，可得到3个因子，这3个因 子使累计方差贡献率为86. 245%,符合大于80%的标准。 Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumula tive % To tai % O f Va riance Cumula tive % 1 5. 132 51. 316 51. 316 5. 132 51.316 51. 316 3. 069 30. 695 30. 695 2 2. 002 20. 015 71. 332 2.002 20. 015 71. 332 2.942 29.419 60. 114 3 1.491 14. 913 86. 245 1.491 14.913 86. 245 2.613 26. 131 86. 245 .693 6. 934 93. 179 .311 3. 112 96. 291 ? 180 1.805 98. 095 ? 101 1.014 99. 109 .069 .691 99. 800 .015 . 154 99. 955 ? 005 ? 045 100.000 Extraction Method： Principal Component Analysis. 2. 2.4因子辨识 经过主成分分析得到的因子变量F1,F2,F3,是对原变量 的综合。本文采用最常用的方差极大法进行因子旋转，它使 得每个因子上具有最高载荷的变量数目最小，可以简化对因 子的解释。 从旋转后的因子载荷矩阵中可以看到：（1）主因子F1 在净资产收益率、每股收益、每股净资产、每股未分配利润 等指标上有较大的载荷，所以F1主要由这几个财务指标来解 释，它代表的是获利能力。主因子1对企业初始变量的方差 贡献达30. 695%,因此，它是企业绩效指标体系的主