|
235 表2.13 因子5 的主成分系数矩阵 Component Component P1 P1 总资产增长率C10 0.615 流通股比例C31 -0.463 净资产增长率C11 0.638 Y = (C10,C11,C31) 5 ，主成分权重= 1 5 α 。 对因子6 进行主成分分析，根据特征根大于1 的规则和累积贡献率确定主成分个数为1 个，其表达式为： 6 6 1 P = Y P i ，特征值为1.914，其主成分系数矩阵为： 240 表2.14 因子6 的主成分系数矩阵 Component Component P1 P1 总资产增长率C21 0.571 流通股比例C25 -0.524 净资产增长率C22 -0.632 Y = (C21,C22,C25) 6 ，主成分权重= 1 6 α 。 对因子7 进行主成分分析，同因子4 提取2 个主成分，其表达式为： 7 7 1 7 2 P = Y P +Y P i ， 主成分的特征值分别为1.775 和0.988 其主成分系数矩阵为： 245 表2.15 因子7 的主成分系数矩阵 Component Component P1 P2 P1 P2 经营现金流与负债比 C26 0.631 -0.067 主营业务收入增长率 C8 0.207 0.926 净利润现金含量C27 0.456 -0.370 每股现金流C28 0.593 0.033 Y = (C26,C27,C8,C28) 7 ，主成分权重= (0.643,0.357) 7 α 。 对因子8 进行主成分分析，根据特征根大于1 的规则和累积贡献率确定主成分个数为1 个，其表达式为： 8 8 1 P = Y P 250 i ，特征值为1.488，其主成分系数矩阵为： 表2.16 因子8 的主成分系数矩阵 Component Component P1 P1 技术及研发人员占总员工比 C34 0.707 大专以上学历员工占总员工 比C35 0.707 Y = (C34,C35) 8 ，主成分权重= 1 8 α 。 对因子9 进行主成分分析，同因子4 提取2 个主成分，其表达式为： 9 9 1 9 2 P = Y P +Y P 255 i ， 主成分的特征值分别为1.519 和0.883，其主成分系数矩阵为： 表2.17 因子9 的主成分系数矩阵 Component Component P1 P2 P1 P2 存货周转率C15 0.641 -0.290 应收账款周转率C16 0.637 -0.316 速动比率C23 0.429 0.903 Y = (C15,C23,C16) 9 ，主成分权重= (0.632,0.368) 9 260 α 。 对因子10 进行主成分分析，根据特征根大于1 的规则和累积贡献率确定主成分个数为 1 个，其表达式为： 10 10 1 P = Y P i ，特征值为1.257，其主成分系数矩阵为： 表2.18 因子10 的主成分系数矩阵 Component Component P1 P1 净利润增长率C9 0.707 每股收益增长率C12 0.707 265 Y = (C9,C12) 10 ，主成分权重= 1 10 α 。 对因子11 进行主成分分析，同因子4 提取2 个主成分，其表达式为： 11 11 1 11 2 P = Y P +Y P i ， 主成分的特征值分别为1.065 和0.935，其主成分系数矩阵为： 表2.19 因子11 的主成分系数矩阵 Component Component P1 P2 P1 P2 利息保障倍数C24 0.707 0.707 无形资产占总资产比 C33 -0.707 0.707 270 Y = (C24,C33) 11 ，主成分权重= (0.533,0.467) 11 α 。 (4)综合得分表达式 由主成分综合表达式为： m m P(Y ) = α P + + α P i 1 1 L 可以算出11 个因子中各个指标的主 成分值，再根据得分综合表达式( ) ( ) F Y1P Y1 Y P Yk K =α +L+α 即可得出最后的综合得分公 275 式： F=0.102C1+0.044C2+0.082C3-0.080C4+0.114C5+0.044C6+0.026C7+0.012C8+0.029C9+0. 049C10+0.050C11+0.029C12+0.066C13+0.068C14+0.014C15+0.013C16+0.114C17+0.106C18+ 0.102C19-0.054C20+0.038C21-0.042C22+0.008C23+0.027C24-0.035C25+0.022C26+0.009C27 +0.023C28+0.081C29+0.086C30-0.037C31-0.004C32-0.002C33+0.036C34+0.036C35-0.092C36 280 -0.015C37 3 聚类分析判别结果 3.1 聚类分析 将预处理后的数据带入上面公式中，就可以得到每支股票的综合得分，按照得分多少进 行排名。对综合得分使用SPSS19.0 进行系统聚类(Hierarchical Cluster)分析，设定聚类类型 285 为样品聚类（Q 型聚类），聚类方法为离差平方和法(Ward’s Method)，距离测度为欧氏距离， 并且要求聚类进行到把所有观测量分为4 类。具体结果如下表，并以聚类类别2、1、3、4 分别定义为差、中、良、优四等。 表3.1 综合得分与聚类结果 股票名称 综合得分 综合排名 聚类类别股票名称 综合得分 综合排名 聚类类别 包钢稀土 4.065 1 4 特变电工 0.764 56 1 佛塑科技 3.128 2 4 方大集团 0.759 57 1 川投能源 3.091 3 4 澳柯玛 0.703 58 1 精工科技 2.952 4 4 粤水电 0.680 59 1 贵糖股份 2.767 5 4 京能热电 0.678 60 1 长电科技 2.036 6 3 东源电器 0.678 61 1 贵研铂业 1.799 7 3 汇通能源 0.664 62 1 大港股份 1.791 8 3 TCL 集团0.663 63 1 综艺股份 1.783 9 3 江苏阳光 0.646 64 1 华帝股份 1.746 10 3 兰太实业 0.622 65 1 时代新材 1.717 11 3 安泰科技 0.620 66 1 江特电机 1.673 12 3 威远生化 0.620 67 1 小天鹅A 1.620 13 3 东方电气 0.619 68 1 三友化工 1.548 14 3 乐山电力 0.613 69 1 光电股份 1.453 15 3 同方股份 0.607 70 1 同济科技 1.435 16 3 广汇股份 0.598 71 1 中材科技 1.424 17 3 航空动力 0.543 72 1 安凯客车 1.386 18 3 中煤能源 0.540 73 1 珠海港 1.377 19 3 天威保变 0.535 74 1 华微电子 1.365 20 3 哈投股份 0.519 75 1 上海汽车 1.344 21 3 杉杉股份 0.481 76 1 福田汽车 1.290 22 3 风帆股份 0.478 77 1 凯恩股份 1.257 23 3 西藏矿业 0.447 78 1 横店东磁 1.226 24 3 长城电工 0.434 79 1 拓日新能 1.213 25 3 通威股份 0.405 80 1 宏达新材 1.169 26 3 双良节能 0.391 81 1 荣华实业 1.093 27 1 中国宝安 0.387 82 1 中通客车 1.081 28 1 广州控股 0.370 83 1 王府井 1.074 29 1 远兴能源 0.361 84 1 阳光照明 1.069 30 1 泰达股份 0.351 85 1 江苏国泰 1.043 31 1 海马股份 0.341 86 1 荣信股份 1.040 32 1 泰豪科技 0.336 87 1 生益科技 1.027 33 1 复星医药 0.288 88 2 鄂尔多斯 0.997 34 1 *ST 山焦 0.286 89 2 南玻A 0.981 35 1 鑫茂科技 0.283 90 2 维科精华 0.970 36 1 奥特迅 0.281 91 2 华仪电气 0.969 37 1 东湖高新 0.255 92 2 金龙汽车 0.963 38 1 东力传动 0.246 93 2 中科英华 0.954 39 1 宝新能源 0.243 94 2 美菱电器 0.929 40 1 华电国际 0.225 95 2 孚日股份 0.919 41 1 中环股份 0.201 96 2 北新建材 0.913 42 1 万家乐 0.190 97 2 中核科技 0.898 43 1 吉电股份 0.168 98 2 凯迪电力 0.872 44 1 有研硅股 0.148 99 2 长征电气 0.869 45 1 海南椰岛 0.105 100 2 华光股份 0.857 46 1 ST 汇通 0.100 101 2 长安汽车 0.812 47 1 金山股份 0.097 102 2 棱光实业 0.797 48 1 粤电力A 0.044 103 2 中金岭南 0.795 49 1 中信国安 0.038 104 2 厦门钨业 0.794 50 1 国电电力 -0.008 105 2 中成股份 0.787 51 1 联创光电 -0.090 106 2 新南洋 0.783 52 1 *ST 新材 -0.100 107 2 银星能源 0.779 53 1 上风高科 -0.371 108 2 西藏药业 0.776 54 1 岷江水电 -0.407 109 2 九鼎新材 0.766 55 1 290 从表中可以看出2009 年新能源板块表现较好，整体得分比较高，其中得分大于 1 的有 33 家，占30.28%；得分大于 0.5 的有 75 家，占 68.81 %；而得分大于 0 的比例达 95.41%， 得分为负值的仅5 家。但从聚类结果来看，良好以上的仅占23.85%，表现差的占了20.18%。 3.2 判别分析 295 对上面的分类结果,设定一个类别变量X，其取值定义以聚类类别2、1、3、4，并将X 作为已知的类别变量(Grouping Variable)，将C1，C2,```,C37 等37 个指标设为建立判别函数 所需的自变量(Independents)，选择逐步判别法(Use stepwise method)，在分类中使用交互验 证方法(Leave-one-out classification)来验证本文所建立的判别函数。 实验结果显示有109 个样本参加判别分析，无缺失值。在“单变量组间均值相等的假设 300 检验中，部分指标显著水平Sig.>0.05，以及组间协方差矩阵相等相等的Box’s M 检验中显 著水平Sig.=0.000，拒绝了协方差矩阵相等的零假设，两个检验都说明并不适合把37 个指 标变了一起引入到判别方程中，故而本文采取的是逐步判别分析法(Use stepwise method)。 表3.2 Variables Entered/Removed Wilks’ Lambda Step Entered Statistic df1 df2 df3 Exact F Statistic df1 df2 Sig. 1 净利润增长率 0.298 1 3 105.000 82.572 3 105.000 0.000 2 每股收益增长 率 0.174 2 3 105.000 48.478 6 208.000 0.000 表3.2 显示了逐步判别分析运行记录，第一步引入了净利润增长率这个指标，第二步引 305 入了每股收益增长率，两步的显著水平Sig.都等于0.000，说明这两步中分别纳入判别函数 的变量对正确判断分类都是有作用的。 在判别分析中一共提出了3 个典则判别函数，解释了所有变异的100%，见表3.3，表 3.4 则说明本文中建立的典则判别函数有意义。 310 表3.3 Eigenvalues(特征值表) Function Eigenvalue % of Variance Cumulative % Canonical Correlation 1 10.114a 92.8 92.8 0.954 2 0.517a 4.7 97.5 0.584 3 0.270a 2.5 100.0 0.461 a: First 3 canonical discriminant functions were used in the analysis. 表3.4 Wilks’ Lambda Test of Function(s) Wilks’ Lambda Chi-square df Sig. 1 through 3 0.047 311.043 27 0.000 2 through 3 0.519 66.609 16 0.000 3 0.787 24.284 7 0.001 315 未标准化的典则判别函数的系数有常数项，从表3.5 中可得出三个判别函数分别是： 表3.5 Canonical Discriminant Function Coefficients Function 1 2 3 每股收益 4.158 3.005 -3.494 净利润增长率 0.146 -0.045 0.008 总资产增长率 0.450 0.518 0.390 每股收益增长率 0. 104 0.038 0.011 总资产收益率 -1.224 -1.339 2.146 利息保障倍数 0.120 0.113 0.016 长期资产适合率 -0.153 0.132 0.945 经营现金流与负债比 0.161 0.015 -0.142 总资产 2.887 1.902 -0.404 (Constant) -7.323 -5.121 -3.288 Unstandardized coefficients C24 - 0.153 C25 0.161 C26 2.887 C30 -7.323 4.158 1 0.146 9 0.450 10 0.104 12 -1.224 C18 0.120 1 × + × + × Y = + ×C + ×C + ×C + ×C × + × 320 C24 0.132 C25 0.015 C26 1.902 C30 -5.121 3.005 1- 0.045 9 0.158 10 0.038 12 -1.339 C18 0.113 2 + × + × + × Y = + ×C ×C + ×C + ×C × + × C24 0.945 C25 - 0.142 C26 - 0.404 C30 -3.288 - 3.494 1 0.008 9 0.390 10 0.011 12 2.146 C18 0.016 3 + × × × Y = ×C + ×C + ×C + ×C + × + × 表3.6 是组均值处地典则判别函数值，未标准化的典则判别函数的中心值在各变量均值 325 处。 表3.6 Functions at Group Centroids Function 聚类类别 1 2 3 1 -0.535 -0.163 -0.428 2 -3.619 -0.317 0.792 3 2.741 1.252 0.268 4 10.942 -1.876 0.615 Unstandardized canonical discriminant functions evaluated at group means. 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 |
