基于多元统计分析方法的新能源板块投资
价值测量
徐天艳，刘传哲2**
作者简介：徐天艳，(1988-)，女，中国矿业大学在读研究生，研究方向：环境金融。
通信联系人：刘传哲，(1964-)，男，教授，博士生导师，研究方向:金融工程与金融风险管理，财务与金融
管理，货币政策与管理，能源金融等. E-mail: rdean@cumt.edu.cn
5 （中国矿业大学管理学院，江苏 徐州 221116）
摘要：科学地评价上市公司的投资价值可以为投资者进行有效的投资决策提供可靠的依据。
针对我国新能源板块上市公司的特点，本文选取了10 个方面37 个评价指标对109 家上市公
司进行了多元统计分析。在因子分析——主成分分析得出综合得分的基础上运用系统聚类分
析对上市公司进行了投资价值判断，并用判别分析对结论做了验证。
10 关键词：新能源板块；多元统计分析；投资价值
 25 0 引言
人类前150 多年的工业化进程中，大约有总共20 亿人因为工业化或城市化大量消耗着
地球的能源，时间跨度很长而且此起彼伏。然而从1978 年改革开放开始，到2000 年入世，
中国这个世界制造业中心冉冉升起，同时带动了第三世界中的巴西、印度等三大人口大国也
同时进入工业化。这就带来了工业化城市必然的需求——大量的消耗能源，地球能源趋紧。
30 然而人类前几百年开发能源的技术，沿用至今，没有新的突破。几百年来，地球外层资源开
发殆尽，已远远不能满足人类的需求。各国都认识到这一紧迫挑战，开始寻找研发新的能源
技术替代能源，于是，新能源行业应运而生。
随着国际原油价格不断创出新高以及燃煤火电对环境的污染，发展新能源已成为全球关
注的焦点。开发风能、太阳能等清洁能源，发展可再生能源产业等支持新能源发展的方针，
35 被明确写进了中国政府工作报告。中国将提高非化石能源占一次能源消费比重至11.4%，并
作为约束性指标写入“十二五”规划。可以预见，中国新能源产业的发展前景将十分广阔，加
之国家对新能源项目的大力支持，我国新能源行业发展迅速。近期随着日本核电站泄漏事件
的爆发，更是引起了全球范围内的核电危机，人们开始进一步提高对新型替代能源的重视。
二级市场上，风能、太阳能、水能相关概念个股无不受到不同程度的追捧。
40 作为一个人口最多的国家，作为一个世界的火车头经济体，更因为经济发展方式转变为
 以内需为主的经济结构，中国更需要掌握能源核心技术，至少需要大量的新能源。新能源作
为中国经济实现所承诺低碳发展目标的重要力量，近年来受到了国家层面的高度重视，政府
亦清楚这一行业对未来整个国民命运的影响，因此相关政策密集出台，大力扶持引导国企、
民企进入新能源行业，风能、光伏、核能以及能源高效率运用的锂电池、新能源汽车等都提
45 到了发展的前列。这就为这一行业创造了巨大的发展投资机会，策利多信号较为明显，作为
今后A 股市场的一个重要投资主题，我们应该关注这一板块。
1 新能源板块投资价值评价指标体系的构建
投资价值分析主要运用基本面数据进行分析，但它不是对基本面信息的简单罗列，而是
通过一种科学的方式优化基本资料，得到价值投资信息。本文正是基于基本面信息的价值分
50 析，根据新能源板的特点构建评价指标体系，运用改进的主成分分析法将这众多的指标和数
据加工处理，得到每支股票的投资价值分数，并对其得分进行聚类、判别分析，有效解决投
资者信息不对称的问题。
从客观地反映上市公司投资价值的角度出发，遵循一定的原则，结合新能源上司公司的
特点和分组主成分分析法的优势，本文从10 个方面共选择了37 个指标建立了评价指标体系
55 （见表1.1）。
表1.1 新能源板块上市公司投资价值评价指标体系1
一级指标 二级指标 属性
每股收益（元）C1 正
每股净资产（元）C2 正
主营业务收入（元）C3 正
净利润（元）C4 正
资产利润率(%)C5 正
每股资本公积金（元）C6 正
基本财务指标B1
每股未分配利润（元）C7 正
主营业务收入增长率(%)C8 正
净利润增长率(%)C9 正
总资产增长率(%)C10 正
净资产增长率(%)C11 正
成长性指标B2
每股收益增长率(%)C12 正
总资产周转率(%)C13 正
净资产周转率(%)C14 正
存货周转率(%)C15 正
经营能力B3
应收账款周转率(%)C16 正
净资产收益率(%)C17 正
总资产收益率(%)C18 正
销售净利润率(%)C19 正 盈利能力B4
毛利率(%)C20 正
资产负债率(%)C21 适度
流动比率C22 适度
速动比率C23 适度
利息保障倍数C24 正
偿债能力B5
长期资产适合率(%)C25 适度
经营现金流与负债比C26 正
现金流量B6 净利润现金含量C27 正
每股现金流（元）C28 正
总股本（股）C29 正 规模性指标B7
总资产（元）C30 正
流通股比例(%)C31 正 公司治理B8 第一大股东比例(%)C32 逆
无形资产账面余额（技术、专利为基础）占总资产比(%)C33 正
创新能力指标B9 技术及研发人员占员工数比例(%)C34 正
大专及以上学历员工占总员工比例(%)C35 正
主营业务鲜明度C36 正 风险性指标B10 股票价格波动率C37 逆
1 票价格波动率是日高频数据（开盘价、最高价、最低价、收盘价）标准差的算术平均值。
 2 新能源板块股票投资价值的多元统计分析
多元统计分析方法广泛地运用于各个方面。面临快速的环境变迁和风险变化，投资者如
何分析和判断新能源板块公司未来的增长潜力特别是投资价值，己经成为投资决策的重要问
60 题。
2.1 数据来源
新能源 (new energy resources ) 又称非常规能源，是指在新技术基础上，系统地开发利
用的可再生能源。如核能、太阳能、风能、生物质能、地热能、海洋能、氢能和核聚变能等。
相应新能源板块是以沪深两市具有太阳能、风能、生物质能、燃料电池等新能源概念的A
65 股上市公司为板块成员的概念板块，该板块发展迅速，并形成了一定的产业规模，投资前景
广阔。
截至本文定稿，部分个股尚未公布2010 年财务信息，因此本文只选取了金融界网站2上
公布的122 只新能源个股作为分析对象，然后采取多元统计分析方法，综合其 2009 的财务、
非财务信息，对它们进行投资价值分析，得到其综合投资价值排名并对结果进行分析。其中
70 数据（除股票波动率）根据巨潮资讯网（www.cninfo.com）公布的2010 年年报整理和和讯
网（www.hexun.com）提供而得，另根据CCERDATA 中国经济金融数据库提供的日高频数
据（开盘价、最高价、最低价、收盘价）分别计算标准差，股票波动率就是它们标准差的算
术平均值。
2.2 数据预处理
75 对于个别极端值采取剔除、取均值等方法处理。
2.2.1 正向化处理
在多指标综合评价中，有些指标值越大评价越好，称为正向指标（也称效益型指标或望
大型指标）；有些是指标值越小评价越好的指标，称为逆向指标（也称成本型指标或望小型
指标），还有些是指标值越接近某个值越好的指标．称为适度指标。在综合评价时，首先必
80 须将指标同趋势化，一般是将逆向指标和适度指标转化为正向指标，所以也称为指标的正向
化。本文拟采用“最大值与之做差”的方法对逆向指标和适度指标进行正向化处理。
逆指标正向化： ij ij ij x' = max{x } − x
适度指标正向化： x' max | x k | | x k | ij ij ij = − − − ，适度值k 取各单位该指标值的理想
值。
85 此方法是线性变换，不会改变指标值的分布规律，同时考虑数据最好为正，较好的满足
后面的正态化变换（取对数、取平方根等变换）的要求。
2.2.2 无量纲化处理
不同评价指标往往具有不同的量纲和量纲单位，为了消除由此带来的不可公度性，还应
将各评价指标作无量纲化处理。为了消除变量量纲和数量级的影响，又能反映原始数据的变
90 异信息，可以使用“均值化”方法。所谓均值化，即用各指标的均值去除相应的原始数据。
2 金融界： http://summary.jrj.com.cn/cb/Agu_1106.shtml
 设综合评价中共有n 个单位，m 个指标记为1 m X ,L,X ， x (i 1, n; j 1, ,m) ij = L = L 表
示第i 个单位的第j 个原始指标，用 x j 表示第j 个指标的均值，用ij y 表示经过无量纲化处
理的第i 个单位的第j 个指标，均值化可以表示为ij ij j y = x x 。均值化不改变各指标间的
相关系数，相关系数阵的全部信息都在相应的协方差阵中得到反映。各指标均值化后的均值
都为 1，其方差为var( j ) var( j ) / 2j ( j / j )2 95 y = x x = σ x ，即均值化后各指标的方差是各指标
变异系数的平方，它保留了各指标变异程度的信息。
2.2.3 正态化处理
为了进行多元统计分析，需要确保数据的正态分布。对数据的正态分布进行检验[1]，采
用 SPSS 非参数检验（Nonparametric Tests）中1-Sample Kolmogornov-Smirnov Test 方法，
100 其中满足正态分布和可以近似看作正态分布(Asymp.Sig. (2-tailed)>0.05)的如表2.1：
表2.1 1-Sample K-S 检验结果
指标 C5 C7 C10 C20 C21 C22 C23
N 122 122 122 122 122 122 122
Normal Parameters（a，
b）
Mean 1.0004 0.9996 0.9997 1.0005 0.4673 0.9787 1.4484
Std. Dev 1.01151 1.28701 1.14357 0.55019 0.13463 0.48148 0.29057
Most Extreme
Differences Absolute 0.118 0.114 0.105 0.088 0.106 0.061 0.073
Positive 0.087 0.050 0.105 0.088 0.068 0.043 0.073
Negative -0.118 -0.114 -0.070 -0.058 -0.106 -0.061 -0.070
Kolmogorov-Smirnov Z 1.309 1.262 1.158 0.971 1.166 0.671 0.810
Asymp.Sig.(2-tailed) 0.065 0.083 0.137 0.302 0.132 0.759 0.527
对不满足正态分布的数据，Box-Cox 变换可以有效地对绝大多数不服从正态分布且不
105 易变换到接近正态的指标进行变换[2]。首先，进行数据清理。因为使用Box-Cox 转换，所有
的数据必须大于0，本文共计清除13 支股票。接着，进行数据的 Box-Cox 变换。对进行数
据清理后的样本，运用Minitab16 软件中的 Box-Cox 变换功能计算，其中（优化或取整）
由软件直接计算得到，具体数值见下表2.2：
110 表2.2 Box-Cox 变换的取整值
指标 C1 C2 C3 C4 C5 C6 C13 C14 C15 C16 C17 C18
值 0.34 0.00 -0.17 0.00 0.33 0.32 0.00 0.00 -0.28 -0.35 0.50 0.50
学术论文网Tag：代写论文 代写代发论文 代发论文 职称论文发表