创业板上市公司的运营状况综合评价分析.doc

创业板上市公司的运营状况综合评价分析 （湖南大学金融与统计学院 湖南 长沙 410079） 摘要：针对创业板上市的28只股票，搜集其2009年第三季度的财务报表数据，运用多元统计学的主成分分析方法进行综合评价，得出鼎汉技术（300011）在创业板中排名第一，而乐普医疗（300003）排在第26位，结果基本反映了前段时间股价走势的路线，这为投资于创业板市场的投资者来说具有一定的参考价值 关键词：创业板；主成分分析；股价；综合评价 一、前述 在经济社会中，一种现象及集中现象之间具有多种特性，而要完好的描述解释这些现象则需要多个变量，有时不知不觉中我们又会用不同的变量重复的解释某一特征。这样对于现象的认识就会产生误差。因此在多元统计中，有一类方法采用“降维”思想，把多个变量综合成几个变量，这样解释现象变得容易得多。这类方法主要有：主成分分析、因子分析、典型相关分析等。他们的基本思想如下： 主成分分析就是在损失信息最小的条件下把原始变量包含的全部信息提取综合为少数几个综合变量的方法，我们知道描述现象的原始变量的信息反映在协方差矩阵和相关矩阵上，而这两者的差异在于是否对原始变量进行过标准化处理。因此主成分分析从协方差矩阵或相关矩阵入手，通过线性变换，在一些约束条件下，使得变换后的矩阵，按顺序集结了原始变量的信息（方差信息），最后提取前几项代表原始变量反映现象的特征。而因子分析则是主成分分析的推广。从原始变量的相关矩阵出发，在得到主成分形式，即因子载荷（负荷）阵后，再不好解释综合变量的情况下，通过因子旋转（而这无非也是通过线性变换），最后因子得分才最终更好地解释综合变量。除了和主成分分析一样用于综合评价外，因子分析还能为其他统计方法提供支持，比如在得到因子得分后，就可以用之代替原始变量进行回归、聚类、判别等统计分析方法。典型相关分析则是分析两组变量之间的相关关系，方法思想类似主成分分析，只不过是并在一定约束条件下，分别提取主成分而已，最后在进行相关分析，得到典型相关系数、典型交叉载荷、解释典型变量。 二、数据分析过程 2009年10月23日首批创业板开板仪式在深交所开幕，标志着创业板正式进入股市投资者的投资领域中。对于热衷于投资新兴板块的投资者来说，全面的了解上市公司的情况几乎不可能，而毫无理性的闯入只会带来“割肉”的痛苦。基于上述背景，本文收集创业板26家首次上市公司2009年9月30号公布的第三季度的八项财务指标（全部28家上市公司，由于两家财务数据不全，剔除）进行分析，提取公共因子，最后对26家上市公司进行综合排名，希望借此给投资者一些建议。 公司的财务指标有多项，通过参考文献资料对财务指标所作的聚类分析，本文选取如下八项指标：净利润率X1、税前利润增长率X2、速动比率X3、资产负债率X4、总资产周转率X5、存活周转率X6、主营业务收入增长率X7、净利润增长率X8。X1、X2反映盈利能力，X3、X4反映偿债能力，X5、X6反映经营效率，X7、X8反映成长能力。在做因子分析之前，先做主成分分析，以判定指标是否可以做因子分析，判定方法是KMO检验。由主成分分析得到如下表格结果： 表1-1 Correlation Matrix(相关表矩阵) X1 X2 X3 X4 X5 X6 X7 X8 Corr X1 1 0.190443 0.576194 -0.45972 -0.15356 -0.47454 0.148169 0.173478 　 X2 0.190443 1 0.082179 0.052779 -0.08986 0.06187 0.925538 0.995524 　 X3 0.576194 0.082179 1 -0.69235 -0.10269 -0.38032 0.035763 0.029214 　 X4 -0.45972 0.052779 -0.69235 1 0.005103 0.511106 0.137866 0.051145 　 X5 -0.15356 -0.08986 -0.10269 0.005103 1 0.095446 -0.08397 -0.0813 　 X6 -0.47454 0.06187 -0.38032 0.511106 0.095446 1 0.108285 0.064914 　 X7 0.148169 0.925538 0.035763 0.137866 -0.08397 0.108285 1 0.913798 　 X8 0.173478 0.995524 0.029214 0.051145 -0.0813 0.064914 0.913798 1 Sig. X1 　 0.175699 0.001033 0.009068 0.226945 0.007154 0.235036 0.