亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于因子分析和聚類分析的股票分析方法

        2014-04-29 19:48:05郝瑞張悅
        時代金融 2014年26期
        關(guān)鍵詞:聚類分析因子分析

        郝瑞 張悅

        【摘要】在股票投資市場不斷發(fā)展的今天,由于各種限制因素,可供廣大投資者選擇的價值投資方式都存在不同程度上的缺陷。本文選擇滬深300指數(shù)成分股作為樣本,運用SPSS軟件因子分析與聚類分析的方法將樣本股票排名、分組,對排名高低與各個分組的股票進行了特征分析,以此探索出了一種新的股票基本面分析方法,可以在較低維度綜合考慮若干股票分析指標,并把股票分類,適應(yīng)不同偏好的廣大投資者的投資需求。

        【關(guān)鍵詞】因子分析 聚類分析 股票分析方法

        一、引言

        隨著中國金融市場的發(fā)展,股票投資在中國早已成為了廣大投資者投資組合的重要組成部分。但是,散戶投資者由于信息成本等原因大多更多的側(cè)重于技術(shù)分析,一定程度上忽視了基本面分析;其次,西方現(xiàn)代股票定價理論如CAPM、Fama-French三因子模型、APT理論、MM理論,甚至DCF現(xiàn)金流貼現(xiàn)法都存在著各自不容忽視的不足,以及欠缺在實踐中的可行性;再次,國內(nèi)機構(gòu)投資者的選股理論存在較高運行成本或初始投資要求,散戶投資者難以采用;國內(nèi)目前實際中廣泛采用的價值投資方法為主觀賦權(quán)法,但此方法需要考慮的財務(wù)指標與財務(wù)數(shù)據(jù)很多,人為給定的權(quán)數(shù)客觀性較弱會影響模型的準確性,也不適合散戶投資者運用。基于以上的原因,提供出一個適用于新時代背景下證券投資市場的證券分析方法具有充足的必要性。

        本文將分析樣本定為滬深300指數(shù)成分股,運用資產(chǎn)總計、產(chǎn)權(quán)比率、每股收益等十個指標進行因子分析,將原有十個指標降維成三個公共因子,然后基于降維后的數(shù)據(jù),采用聚類分析的方法對樣本股票進行分類處理,得到具有不同特征的股票分類,最后構(gòu)造出一個在更低維度下綜合考慮多項價值分析指標的適用于具有不同偏好的投資者的股票分析方法。

        二、數(shù)據(jù)來源與處理

        本文的研究樣本為滬深300指數(shù)的三百只成分股,數(shù)據(jù)來源為Wind數(shù)據(jù)庫中相應(yīng)股票2013財年年度業(yè)績報告數(shù)據(jù),原始數(shù)據(jù)矩陣從略。為了數(shù)據(jù)的可參考性,對樣本中的唯一一只ST股票“*ST大荒”進行了剔除。原因為該股票的利潤總額與凈利潤兩項指標均為負,且都是非常大的異常值,會對因子分析的結(jié)果產(chǎn)生顯著的負面影響。

        本文初始使用的十個股票基本面分析指標如下:

        表1 因子分析模型指標

        三、多變量方法

        根據(jù)何曉群[1],因子分析主要用于對指標降維,聚類分析主要用于對樣品分類。本文利用因子分析和聚類分析來構(gòu)建股票分析方法。下面對這兩種多變量統(tǒng)計分析方法作簡要介紹。

        (一)因子分析

        因子分析模型是利用降維的思想,由研究原始變量相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā),把一些具有錯綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個綜合因子的一種多變量統(tǒng)計分析方法。最早由英國心理學(xué)家C.E.斯皮爾曼提出。他發(fā)現(xiàn)學(xué)生的各科成績之間存在著一定的相關(guān)性,單科成績好的學(xué)生,往往其他各科成績也比較好,從而推想是否存在某些潛在的共性因子,或稱某些一般智力條件影響著學(xué)生的學(xué)習(xí)成績。因子分析可在許多變量中找出隱藏的具有代表性的因子。將相同本質(zhì)的變量歸入一個因子,可減少變量數(shù)目,還可檢驗變量間具有某種潛在關(guān)系的假設(shè)。

        設(shè)原有p個變量,…,且每個變量(或經(jīng)標準化處理)的均值為0,標準差均為1。現(xiàn)將每個原有變量用m(m

        X

        =a

        F

        +a

        F+…

        +a

        F+

        ε

        X

        =a

        F

        +a

        F+…

        +a

        F+ε

        ……………………………………

        X

        =a

        F

        +a

        F+…

        +a

        F+

        ε

        也可用矩陣形式表示為:

        X=AF+ε

        其中:

        A=

        F稱為X的公共因子,矩陣A中的元素稱為因子載荷,的絕對值大,表明與的相依程度越大,或稱公共因子對于的載荷量越大,ε稱為特殊因子,表示了原有變量不能被因子解釋的部分。

        因子分析模型的建立步驟大致為:

        第一,建立指標體系,構(gòu)成原始矩陣Z,在保證全部指標同向化的基礎(chǔ)上對樣本數(shù)據(jù)進行標準化處理,公式如下:

        Z=(i=1,2,...,p;j=1,2,...,n)

        =X,S=(X-)(i=1,2,...,p;j=1,2,...,n)

        得到標準化矩陣,計算變量的簡單相關(guān)系數(shù)矩陣R。

        第二,解特征方程|R-λE|=0,計算相關(guān)矩陣的特征值λ,若

        λ1≥λ2≥…λp,以λp≥1為標準確定公共因子個數(shù)P。

        第三,計算初始因子載荷矩陣和公共因子方差,用正交或斜交旋轉(zhuǎn)的方法求得正交或斜交因子載荷矩陣;根據(jù)正交或斜交因子載荷矩陣相關(guān)系數(shù)絕對值,確定并命名公共因子。

        最后,計算公共因子得分和綜合得分。在最小二乘法的意義下,可以得到F的估計值:

        =A'R-1X

        式中,A為因子載荷矩陣,R為原始變量的相關(guān)陣,S為原始變量向量。

        根據(jù)各因子的方差貢獻率占p個因子總方差貢獻率的比重作為權(quán)重進行加權(quán)匯總,得出各樣本的綜合得分。

        (二)聚類分析

        聚類分析是一種多元統(tǒng)計方法,它將個體或?qū)ο蠓诸?,使得同一類中的對象之間的相似性比與其他類的對象的相似性更強。目的在于使類間對象的同質(zhì)性最大化和類與類間對象的異質(zhì)性最大化。

        我們認為,所研究的樣品或指標(變量)之間是存在著程度不同的相似性(親疏關(guān)系)。于是根據(jù)一批樣品的多個觀測指標,具體找出一些能夠度量樣品或指標之間的相似程度的統(tǒng)計量,以這些統(tǒng)計量為劃分類型的依據(jù),把一些相似程度較大的樣品(或指標)聚合為一類,把另外一些彼此之間相似程度較大的樣品(或指標)又聚合為另外一類。

        聚類方法主要有系統(tǒng)聚類法和K-均值法,K-均值法主要應(yīng)用于比系統(tǒng)聚類法大得多的數(shù)據(jù)組。由于要對299只股票進行分類,本文的實證分析使用了K-均值法。

        K-均值法的思想是把每個樣品聚集到其最近形心(均值)類中去。這個過程由下列三步所組成:首先,把樣品粗略分成K個初始類;然后進行修改,逐個分派樣品到其最近均值的類中去(通常用標準化數(shù)據(jù)或非標準化數(shù)據(jù)計算歐氏距離)。重新計算接受新樣品的類和失去樣品的類的形心(均值);重復(fù)第2步,直到各類無元素進出。

        四、實證分析

        股票投資中的基本面分析的共同缺點為同時需要考慮的指標過多且數(shù)據(jù)非常龐雜,不適合普通投資者使用,所以本文首先運用因子分析的方法對初始選定的十個指標進行降維處理,縮減為三個指標,在每個指標下對樣本中的299只股票給出得分并構(gòu)造分別的排名與綜合排名。最后,運用快速聚類的方法對樣本中的股票進行分類處理,使本文所構(gòu)建的股票分析方法適用于具有不同投資偏好的投資者。

        (一)因子分析

        1.數(shù)據(jù)預(yù)處理。首先,本文所選指標并非所有都為正向指標,根據(jù)范坤等[2]提供的方法,我們對逆向指標和適中指標進行正向化處理。指標產(chǎn)權(quán)比率是逆向指標,它是負債總額與所有者權(quán)益總額的比率,產(chǎn)權(quán)比率高,是高風(fēng)險、高報酬的財務(wù)結(jié)構(gòu);產(chǎn)權(quán)比率低,是低風(fēng)險、低報酬的財務(wù)結(jié)構(gòu),因之,我們將該指標下所有數(shù)據(jù)取負。指標資產(chǎn)負債率是一種適中指標,它是企業(yè)負債總額在資產(chǎn)總額的占比,公認的適宜水平為40%~60%。我們設(shè)定50%作為閾值,將數(shù)據(jù)與50%的差的絕對值取負。

        其次,由于本文選取的各指標數(shù)值大小存在較大差異,單位不盡相同,需要對各指標進行標準化處理。標準化后的數(shù)據(jù)矩陣如表2,從中可以看出,十個指標變量中大部分變量之間存在高度相關(guān),故適合進行因子分析。

        表2 標準化后的數(shù)據(jù)矩陣

        2.確定公共因子個數(shù)并進行因子旋轉(zhuǎn)。從樣本相關(guān)矩陣出發(fā)進行因子分析,計算得出特征值和特征向量,選出三個特征值大于1的公共因子并對因子進行方差最大正交旋轉(zhuǎn)后進行分析,輸出結(jié)果如表3和表4所示:

        表3 因子提取及總方差貢獻率

        表4 旋轉(zhuǎn)后因子載荷陣

        在表3中可以看到因子模型具有三個公因子如第一、二、三行所示,累計總方差貢獻率達到了83.55%,代表著因子分析模型在保持可以解釋83.55%的總方差的同時達到了降維的效果。

        表4中的二、三、四列分別是三個特征值所對應(yīng)的特征向量。可以看到表中的前六個指標:利潤總額、凈利潤、總股本、資產(chǎn)總計、主營業(yè)務(wù)利潤,以及主營業(yè)務(wù)收入在第一公因子1上都具有大的正載荷,可以成為公司規(guī)模因子;第七、八個指標:資產(chǎn)負債率與產(chǎn)權(quán)比率在第二公因子2上均有大的正載荷,可以成為公司償債能力因子;第九、十指標:每股收益和凈資產(chǎn)收益率在第三公因子3上為大的正載荷,則可以解釋為公司盈利能力因子。

        3.因子得分?;谝陨戏治?,采用回歸最小二乘法則可以得出旋轉(zhuǎn)后因子得分矩陣,如表5所示:

        表5 旋轉(zhuǎn)后因子得分矩陣

        基于表5就可得出因子得分方程:

        1=0.207zscore(利潤總額)+0.205zscore(凈利潤)+0.218zscore(總股本)+0.512zscore(資產(chǎn)總計)+0.180zscore(主營業(yè)務(wù)利潤)+ 0.221zscore(主營業(yè)務(wù)收入)

        -0.022zscore(每股收益)-0.005zscore(凈資產(chǎn)收益率)+ 0.081zscore(產(chǎn)權(quán)比率)+0.158zscore(資產(chǎn)負債率)

        2=0.038zscore(利潤總額)+0.031zscore(凈利潤)+0.061zscore(總股本)+0.098zscore(資產(chǎn)總計)+0.014zscore(主營業(yè)務(wù)利潤)+ 0.284zscore(主營業(yè)務(wù)收入)

        -0.049zscore(每股收益)-0.050zscore(凈資產(chǎn)收益率)+ 0.510zscore(產(chǎn)權(quán)比率)+0.590zscore(資產(chǎn)負債率)

        3=0.014zscore(利潤總額)+0.010zscore(凈利潤)+0.046zscore(總股本)+0.039zscore(資產(chǎn)總計)+0.003zscore(主營業(yè)務(wù)利潤)+ 0.037zscore(主營業(yè)務(wù)收入)

        -0.568zscore(每股收益)-0.556zscore(凈資產(chǎn)收益率)+ 0.062zscore(產(chǎn)權(quán)比率)+0.011zscore(資產(chǎn)負債率)

        將原始變量下標準化之后的數(shù)據(jù)代入上述方程就可以計算出每一只股票的各個因子的評價得分,然后以各因子方差貢獻率占三個因子總方差貢獻率比重作為權(quán)重進行加權(quán)匯總,得出每只股票的綜合得分,即:

        F=(48.537F1+18.79F2+16.217F3)、83.549

        最后根據(jù)綜合得分就可以得到299家上市公司的綜合得分排名,為從簡,該表列示了前后十名的股票:

        表6 三因子綜合得分排名

        4.結(jié)果分析。從SPSS軟件輸出結(jié)果來看,三個因子和綜合得分的取值范圍為:-0.817≤1≤8.861,-3.047≤2≤0.585,-0.412≤2≤0.536,-1.092≤綜合得分≤4.710。第一因子1越大表明上市公司的規(guī)模越大,反之越??;第二因子2越大表示上市公司的償債能力越強,反之越弱;第三因子3越大說明上市公司的盈利能力越好,反之越差。

        在因子一,規(guī)模因子的排名中,國有四大行工商銀行、農(nóng)業(yè)銀行、中國銀行、建設(shè)銀行,及中石油、中石化包攬了前六名,同時這六家上市公司也是綜合排名的前六名。影響綜合排名的主要因素還是因子一,即使由于因子一的權(quán)重較大,但究其根本,還是由于上市公司的規(guī)模大小起到了決定性作用??紤]到我國股票市場現(xiàn)實,規(guī)模較大的公司擁有天然的較強的風(fēng)險承受力與抵御力,也擁有較低的融資成本與充足的消費者資源儲備,比較適合風(fēng)險厭惡程度比較高的投資者,當(dāng)整個市場下挫的時候這一類公司仍然有能力使其股價保持穩(wěn)定。

        在因子二,償債能力的排名中,由于資產(chǎn)負債率與產(chǎn)權(quán)比率較高,包括四大行在內(nèi)的商業(yè)銀行的排名均較為靠后。排名靠前的股票是中石油、中石化、上汽集團之類的大型上市公司,而且這些公司大多有一個共同的特點:規(guī)模大、盈利能力中等,綜合排名靠前。根據(jù)曹裕等[3]提到的生命周期理論,這些公司均處于成熟期,與別的發(fā)展初期的企業(yè)相比,由于規(guī)模較大,得出在盈利能力方面不占優(yōu)勢的結(jié)論也屬合理。投資這一類股票面臨的金融風(fēng)險較小,但由于盈利能力處于一般水平,短期之內(nèi)股票價格可能不會產(chǎn)生較大增長。綜合來講,這類股票比較適合注重長期增長的風(fēng)險厭惡的投資者。

        在因子三,盈利能力排名中可以看出盈利能力好的股票在規(guī)模與償債能力上不一定有較大優(yōu)勢,但在綜合排名中大多處于較為靠前的位置,這說明盈利能力也是對股票綜合排名貢獻較大的一類指標。這類股票在短期之內(nèi)股價可能會有較快較高的增長,但持續(xù)時間會比較短,適合偏好流動性,投資周期比較短的投資者。

        (二)K-均值法聚類分析

        我們需要在樣本中的299只股票中將具有相同、相近性質(zhì)的股票聚合為一個類。由于在因子分析中已經(jīng)對樣本數(shù)據(jù)進行了處理,且將分析指標濃縮為了三個維度,我們就可以直接利用三個公共因子對股票進行聚類分析。

        1.第一次聚類分析。首先,運用SPSS軟件將樣本分為四個類別,各個分組中的股票數(shù)量如表7所示:

        表7 分組情況

        其中,第一組的成員為貴州茅臺,第二組的成員為工商銀行、中國銀行、農(nóng)業(yè)銀行,以及建設(shè)銀行,第三組為中國石油與中國石化,第四組為其他所有292只股票。最后的各分類重心如表8所示:

        表8 最后各分類重心

        第一組的貴州茅臺在規(guī)模與償債能力上均表現(xiàn)一般,但突出的盈利能力使其單成一組;第二組的成員國有四大行在規(guī)模因子的得分遠遠超過其他股票,但償債能力較差,盈利水平一般;第三組中石油與中石化在規(guī)模上相比第一組稍差,但在償債能力上非常突出。

        由于將分組定為四個,其中第四組尚有292只股票,實際并沒有達到聚類分析的目的,所以基于此種情況,我們對第四組股票樣本進行了第二次快速聚類分析。

        2.第二次聚類分析。將分類數(shù)定為3,第一次聚類中的第四組的292只股票的聚類情況如下:

        表9 分組情況

        表10 最后各分類重心

        如表9、10所示,第一類股票有27只,包括平安銀行、招商銀行、華夏銀行等,特點為規(guī)模較大,盈利能力稍強,償債能力處于一般水平;第二類股票有86只,包括美的集團、東阿阿膠、云南白藥等,特點為規(guī)模較小,償債能力與盈利能力均優(yōu)秀;第三類股票有179只,包括比亞迪、三一重工、長江電力等,較前兩類而言規(guī)模最小,償債能力較好,盈利能力較弱。

        3.結(jié)果分析。綜上,將第二次聚類結(jié)果中的三類股票作為綜合的第四、五、六類股票,給出兩次聚類分析得到的六類股票的橫向比較,如下表所示:

        表11 兩次聚類分析最后各分類重心

        最終,根據(jù)因子分析以及兩步聚類分析的結(jié)果,我們可以得出如下結(jié)論:

        第一類股票是貴州茅臺。在樣本中,相比其他股票,規(guī)模較小,償債能力處于一般水平,但其盈利能力非常突出,適合偏好流動性以及短線投資的投資者。

        第二類股票是國有四大行:工商銀行、農(nóng)業(yè)銀行、中國銀行,以及建設(shè)銀行。在規(guī)模上與其他股票相比絕對領(lǐng)先,但在償債能力與盈利能力上表現(xiàn)都不突出。適合風(fēng)險厭惡程度較高的股票投資者進行投資。

        第三類股票是中國石油與中國石化,在規(guī)模上與第二類相比稍差,但在樣本中也處于領(lǐng)先的位置,在償債能力上非常優(yōu)秀,盈利能力一般。這兩只股票短期內(nèi)可能不會在股市上有很優(yōu)秀的表現(xiàn),但由于其出色的償債能力以及較大的規(guī)模,非常適于風(fēng)險厭惡且偏好長期投資的投資者。

        第四類股票規(guī)模一般,償債能力較差,盈利能力較好。其中主要包括一些規(guī)模相對較小的輕資產(chǎn)型商業(yè)銀行。這類股票在保證了一定增長能力的同時,股價在一段時間內(nèi)會比較穩(wěn)定。上行市場中股價不會有太大上漲,同時下挫市場中也不會有太大的下跌,比較適合穩(wěn)健型的投資者進行投資。

        第五類股票規(guī)模較小,償債能力與盈利能力均較為優(yōu)秀,適于偏好流動性、投資周期較短的投資者進行投資。

        第六類股票規(guī)模較小,償債能力處于一般水平,盈利能力較差。因此,此類股票在一定時間內(nèi)不適宜投資者進行投資。

        五、結(jié)論

        基于SPSS軟件的因子分析的方法可以有效地減少分析上市公司股票公開報告時需要考慮的指標數(shù)目,而后的聚類分析可以清晰的將具有不同因子特征的上市公司分類,找出與某類投資者投資偏好相符的股票。

        本方法的優(yōu)點在于:第一,可以濃縮上市公司公開的財務(wù)指標,用很少的因子代替繁雜的指標種類,使投資者對上市公司有一個簡明、清晰的認識;第二,投資者可以清晰的看到每個因子下每只股票的得分排名情況以及綜合得分排名情況,便于比較上市公司在經(jīng)營管理能力等各方面的優(yōu)劣;第三,投資者可以輕易的找到適宜達到自己投資決策的目標類型的股票來補充自己的投資組合??傊?,本文對于不同投資者或投資機構(gòu)分析股票以及構(gòu)建投資組合都有一定的參考和指導(dǎo)意義。

        參考文獻

        [1]何曉群.多元統(tǒng)計分析[M].北京:中國人民大學(xué)出版社,2012.

        [2]范坤,馮長煥.因子分析中指標數(shù)據(jù)如何正確預(yù)處理[J].財會月刊:理論版,2013(003):85-88.

        [3]曹裕,陳曉紅,王傅強.我國上市公司生命周期劃分方法實證比較研究[J].系統(tǒng)管理學(xué)報,2010(3):313-322.

        作者簡介:郝瑞(1992-),男,北京人,對外經(jīng)貿(mào)大學(xué)投資學(xué)本科在讀,研究方向:財務(wù)管理;張悅(1993-),女,北京人,對外經(jīng)貿(mào)大學(xué)經(jīng)濟與金融本科在讀,研究方向:金融經(jīng)濟學(xué)。

        猜你喜歡
        聚類分析因子分析
        基于聚類分析研究貴州省各地區(qū)經(jīng)濟發(fā)展綜合評價
        商情(2016年39期)2016-11-21 08:45:54
        新媒體用戶行為模式分析
        農(nóng)村居民家庭人均生活消費支出分析
        基于因子分析法的二胎概念股投資價值分析
        中國市場(2016年38期)2016-11-15 23:35:01
        基于主導(dǎo)產(chǎn)業(yè)視角的戰(zhàn)略性新興產(chǎn)業(yè)識別以及實證研究
        基于省會城市經(jīng)濟發(fā)展程度的實證分析
        中國市場(2016年33期)2016-10-18 12:16:58
        山東省縣域經(jīng)濟發(fā)展評價研究
        商(2016年27期)2016-10-17 07:17:42
        實證分析會計信息對股價的影響
        商(2016年27期)2016-10-17 05:39:59
        基于聚類分析的互聯(lián)網(wǎng)廣告投放研究
        科技視界(2016年20期)2016-09-29 12:32:48
        “縣級供電企業(yè)生產(chǎn)經(jīng)營統(tǒng)計一套”表輔助決策模式研究
        无码精品久久久久久人妻中字| 日本一区二区三区四区在线视频| 日韩乱码中文字幕在线| 无码丰满熟妇一区二区| 亚洲色偷偷色噜噜狠狠99| 国产精品国产三级国产an| 久久亚洲网站中文字幕| 精品伊人久久大线蕉色首页| 99热久久这里只精品国产www| 久久精品国产热久久精品国产亚洲| 久久亚洲宅男天堂网址| 欧美熟妇另类久久久久久多毛| 白天躁晚上躁麻豆视频| 8av国产精品爽爽ⅴa在线观看| 中文字幕人成乱码中文| 精品国产yw在线观看| 婷婷久久久亚洲欧洲日产国码av| 国产91对白在线观看| 白色白色视频在线观看| 国产97色在线 | 国产| 2019年92午夜视频福利| 又色又爽又黄的视频网站| 日本一区二区免费在线看| 国产乱了真实在线观看| 久久久久成人亚洲综合精品| 国产一区二区三区涩涩涩| 国产无套中出学生姝| 无码精品国产va在线观看| 精品无码一区二区三区小说| 国语对白精品在线观看| 777精品久无码人妻蜜桃| 国产欧美va欧美va香蕉在线观| 人妻少妇激情久久综合| 噜噜噜噜私人影院| 国产裸体歌舞一区二区| 人妻av午夜综合福利视频| 国产麻豆久久av入口| 亚洲欧美aⅴ在线资源| 手机看片福利日韩国产| 久久99精品久久只有精品| 国产又粗又猛又黄又爽无遮挡|