鐘燁林

（郴州市人力資源服務(wù)中心，郴州 423000）

0 引言

發(fā)展和提升互聯(lián)網(wǎng)和相關(guān)服務(wù)，對推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合，深化供給側(cè)結(jié)構(gòu)改革、不斷壯大我國經(jīng)濟(jì)實(shí)力和綜合國力具有重要意義，對互聯(lián)網(wǎng)和相關(guān)服務(wù)上市公司的財(cái)務(wù)狀況進(jìn)行科學(xué)、合理的綜合評價，有助于利益相關(guān)者清晰地了解上市公司財(cái)務(wù)現(xiàn)狀，明確上市公司的優(yōu)勢與不足之處，有利于加強(qiáng)上市公司財(cái)務(wù)管理，促進(jìn)上市公司的健康發(fā)展。聚類分析是數(shù)據(jù)挖掘中一個重要的研究領(lǐng)域，已廣泛地應(yīng)用于人工智能、空間數(shù)據(jù)庫、生物醫(yī)藥、經(jīng)濟(jì)和管理等領(lǐng)域。本文利用因子分析和聚類分析法，對我國互聯(lián)網(wǎng)和相關(guān)服務(wù)上市公司的財(cái)務(wù)狀況進(jìn)行分析，力求為相關(guān)決策提供一定的參考。

1 因子分析法

因子分析的一般模型為：

式中：x1,x2,…,xk為k個原始變量；F1,F2,…,Fm為m個因子，且m＜k；aij為因子載荷，是第i個原始變量xi有第 j個因子Fj上的載荷；ε為隨機(jī)因子，代表公因子之外的影響因素。

為了便于描述研究對象的特征，需要反過來將因子表示為原始變量的線性組合，如公式（2）所示，稱為因子得分函數(shù)，用它可以計(jì)算每個因子的得分，以便對數(shù)據(jù)進(jìn)行更深入的研究。

2 K-均值聚類

聚類分析就是根據(jù)數(shù)據(jù)的特征把樣本空間的多個樣本或者每個樣本觀測到的多個變量劃分成不同的類別，每一類有各自相似的特征，各個類之間又各不相近。聚類的方法有多種，其中K-均值聚類是一種快速聚類的方法，其特點(diǎn)是占用內(nèi)存少、處理速度快。

K-均值聚類法需要事先指定類別的劃分個數(shù)，再確定各個聚類中心，然后計(jì)算所有樣本點(diǎn)與聚類中心的距離，最后按距離的多少進(jìn)行分類。該方法按如下步驟進(jìn)行：

（1）確定要劃分的類別數(shù)目K。在實(shí)際應(yīng)用中，既要根據(jù)問題的實(shí)際情況，又要考慮聚類的效果，最后得到理想的劃分類別數(shù)量。

（2）確定K個類別的初始聚類中心。與第1步相同，初始聚類中心的確定同樣需要根據(jù)問題的實(shí)際情況綜合考慮，如果使用SPSS進(jìn)行聚類，可以由系統(tǒng)自動指定初始聚類中心。

（3）根據(jù)距離最短的原則將每個樣本分到前面確定的K個類別中。

（4）重新確定K個類中心。根據(jù)所分成的K個類別，計(jì)算每個類別中全部觀測值在各變量上的均值，并以均值點(diǎn)作為新的K個類別中心。

（5）重復(fù)前面第4步，如果迭代次數(shù)達(dá)到事先指定的最大迭代次數(shù)（SPSS默認(rèn)值為10）或新確定的聚類中心點(diǎn)與上一次迭代確定的中心點(diǎn)的最大偏移量小于指定值（SPSS默認(rèn)值為0.02），則聚類終止。

3 實(shí)例分析

3.1 樣本選擇與財(cái)務(wù)評價指標(biāo)確定

根據(jù)中國證券監(jiān)督管理委員會發(fā)布的2017年3季度上市公司行業(yè)分類結(jié)果，選取2016年互聯(lián)網(wǎng)和相關(guān)服務(wù)52家上市公司為樣本。以《企業(yè)會計(jì)準(zhǔn)則》規(guī)定的若干財(cái)務(wù)指標(biāo)為依據(jù)，遵循科學(xué)性、客觀性、可比性、系統(tǒng)性和可行性等原則，參考以有的研究文獻(xiàn)，對財(cái)務(wù)綜合評價指標(biāo)體系進(jìn)行構(gòu)建，得到財(cái)務(wù)績效評價指標(biāo)框架，共計(jì)18個財(cái)務(wù)指標(biāo)。由于各財(cái)務(wù)指標(biāo)之間可能具有較強(qiáng)的相關(guān)關(guān)系，因此在具體分析過程中，不能直接采用原始數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，否則得出的結(jié)論缺乏客觀性。通過Spearman檢驗(yàn)法分析原始指標(biāo)的相關(guān)性，剔除不適合進(jìn)行因子分析的指標(biāo)。經(jīng)統(tǒng)計(jì)檢驗(yàn)并結(jié)合經(jīng)濟(jì)意義進(jìn)行分析，最終剔除銷售費(fèi)用率、三項(xiàng)費(fèi)用比重、存貨周轉(zhuǎn)率、凈利潤增長率、資產(chǎn)負(fù)債率、應(yīng)收賬款周轉(zhuǎn)率、主營業(yè)務(wù)利潤率和主營業(yè)務(wù)收入增長率等8項(xiàng)財(cái)務(wù)指標(biāo)；保留每股收益、凈資產(chǎn)增長率、銷售毛利率、速動比率、凈資產(chǎn)收益率、流動資產(chǎn)周轉(zhuǎn)率、資產(chǎn)報(bào)酬率、流動比率、總資產(chǎn)增長率和總資產(chǎn)周轉(zhuǎn)率等10項(xiàng)財(cái)務(wù)指標(biāo)。

3.2 數(shù)據(jù)預(yù)處理

由于評價指標(biāo)之間通常具有有不同的數(shù)量級和量綱，為了保證結(jié)果的可靠性，因此，需要對原始指標(biāo)值進(jìn)行規(guī)范化處理，對于效益型、成本型、適度型等指標(biāo)，按公式（3），得到無量綱化數(shù)據(jù)yij。

3.3 因子降維與得分

使用SPSS19.0軟件，根據(jù)旋轉(zhuǎn)后的因子載荷矩陣和實(shí)際意義，將得到的4個因子命名為：盈利能力、成長能力、營運(yùn)能力和償債能力。再根據(jù)因子得分系數(shù)矩陣以及公式（2），得到因子得分函數(shù)為公式（4）。

因此，我們得到觀測樣本的四個因子得分，如表1所示。

表1 各公司的因子得分情況表

3.4 聚類結(jié)果

通過SPSS平臺得到的最終聚類中心，如表2所示。

表2 最終聚類中心

從表3可以看出，把52個互聯(lián)網(wǎng)和相關(guān)服務(wù)上市公司分成5類是比較合理的。

表3 各分類變量在類別之間的方差分析表

3.5 結(jié)論和建議

根據(jù)表2最終的聚類結(jié)果，我們可以得出如下結(jié)論：

第一類包括2個上市公司，這類公司償債能力強(qiáng)，盈利能力和成長能力一般，營運(yùn)能力差。第二類包括3個上市公司，這類公司成長能力強(qiáng)，盈利能力和營運(yùn)能力較差，償債能力差。第三類包括44個上市公司，這類公司營運(yùn)能力一般，成長能力、償債能力和盈利能力都較差。第四類包括2個上市公司，這類公司盈利能力和營運(yùn)能力強(qiáng)，成長能力一般，償債能力較差。第五類包括1個上市公司，這類公司營運(yùn)能力、償債能力和成長能力強(qiáng)，但盈利能力差。因此，根據(jù)以上分析，我們可以得到五類上市公司各自的優(yōu)勢和劣勢比較，如表4所示。

表4 52個互聯(lián)網(wǎng)和相關(guān)服務(wù)上市公司的優(yōu)勢和劣勢比較分析表

對盈利能力較差的上市公司，在增加收入的基礎(chǔ)上，要控制各項(xiàng)成本費(fèi)用。對營運(yùn)能力較差的公司，要做好資金預(yù)算，增大資產(chǎn)的周轉(zhuǎn)率。對償債能力較差的公司，要控制好資產(chǎn)負(fù)債率，將其保持在穩(wěn)定適度的范圍內(nèi)，控制好債務(wù)結(jié)構(gòu)，降低財(cái)務(wù)風(fēng)險(xiǎn)。

應(yīng)用因子分析和K-均值聚類方法，通過財(cái)務(wù)指標(biāo)對互聯(lián)網(wǎng)和相關(guān)服務(wù)上市公司進(jìn)行分類，依據(jù)聚類分析的結(jié)果，上市公司利益相關(guān)者可以更好地深入了解公司的財(cái)務(wù)狀況、優(yōu)勢和劣勢，做出最佳決策，采取更有針對性的有效措施，促進(jìn)上市公司持續(xù)健康發(fā)展。

[1]中國證券監(jiān)督管理委員會.2017年3季度上市公司行業(yè)分類結(jié)果[EB/OL].http://www.csrc.gov.cn/pub/newsite/scb/ssgshyfljg/201711/t20171114_326991.html.

[2]Jiawei Han,Micheline Kamber.Data Mining Concepts and Techniques.北京:機(jī)械工業(yè)出版社，2001.

[3]賈俊平.統(tǒng)計(jì)學(xué)[M].北京:中國人民大學(xué),2016.

[4]上市公司公告.http://disclosure.szse.cn/m/drgg.htm

[5]發(fā)行上市公告.http://www.sse.com.cn/disclosure/listedinfo/listing/

[6]新浪財(cái)經(jīng).http://finance.sina.com.cn/

[7]魏成龍,周士元.中國上市公司并購評價及其影響因素研究[M].北京:企業(yè)管理出版社,2013.

[8]杜棟,龐慶華,吳炎等.現(xiàn)代綜合評價方法與安全精選[M].北京:清華大學(xué)出版社,2012.