基于分组主成分法的科技板投资价值分析(2)
2017-08-22 05:45
导读:(2)主成分的综合评价。以每个主成分的贡献率αi=■为权数,构造综合评价函数如下: F=α1F1 α2F2 L αmFm 2.2 因子分析法 (1)因子分析法的基本原理。因
(2)主成分的综合评价。以每个主成分的贡献率αi=■为权数,构造综合评价函数如下:
F=α1F1 α2F2 L αmFm
2.2 因子分析法
(1)因子分析法的基本原理。因子分析的一般模型为X1=μ1 a11F1 L a1mFm ε1
X2=μ2 a21F1 L a2mFm ε2
……
Xp=μp ap1F1 L apmFm εp
其中,Fi(i=1Lm)为公共因子,εi(i=1Lm)为特殊因子,它们都是不可观测的随机变量。
(2)因子分析法的基本步骤。根据具体题目选取指标,对指标做出判定,是否同向,若不同向,变成同向,对
评价指标无量纲化处理,得到标准化矩阵,计算得到相关系数矩阵,解特征方程,计算相关矩阵的特征值,则根据累计贡献率确定因子个数,计算特征向量和初始因子载荷矩阵,因子旋转,根据加权最小二乘法,也称为巴特莱特因子得分法、或者回回法,也称为汤姆孙因子得分,计算因子得分,结果分析。
2.3 因子分析——主成分分析法的构建
(1)基本原理。首先通过因子分析法将N项指标分为m组,每组包括几项原始指标。这样使得每组指标组内高度相关,而组间的相关性很弱。同时以每个因子的方差贡献率占所选定因子的总方差贡献率的比率αi对该指标子集自然赋权。其次,从各指标子集出发,求取每一样品在对应子集的第一主成分数值。若有k个子集,记为Y1,Y2,…,Yk,则第i个样品的k个第一主成分可以表示为p(Y■■),p(Y■■),p(Y■■),上标“1”表示第一主成分。
(2)分析模型。通过上面两步,可以得到综合评价模型:
Fi=αY1p(Y■■) αY2p(Y■■) … αYkp(Y■■)
即综合得分是每个指标子集的自然权数与其主成分数值乘积之和。
(转载自中国科教评价网http://www.nseac.com)
3 分组主成分综合评价模型的实证研究
3.1 样本的选择
根据前文所给的范围,选取了208家高科技上市公司。
3.2 指标的选择
对于高科技股票的投资价值分析,石海燕、许敏、姚正海、邓同等学者主要从构建高科技上市公司投资价值(经营绩效)评价指标体系这一角度进行了研究。通过财务数据得出的上市公司经营绩效,从一定程度上反映了其投资价值,但是一些非财务数据(如创新投进、研发职员比例、股本结构等)也对其投资价值有重要影响。所以,从更加客观地反映上市公司投资价值的角度出发,结合高科技上司公司的特点和分组主成分分析法的上风,本文从公司规模(总资产、总股本)、公司治理结构(流通股比例、第一大股东持股比例)、成长性(主营业务收进增长率、净利润增长率、总资产增长率、净资产增长率、每股收益增长率)、经营能力(总资产周转率、净资产周转率、存货周转率、应收账款周转率、经营周期)、盈利能力(净资产收益率、总资产收益率、净利润率、毛利率)、偿债能力(资产负债率、活动比率、速动比率、长期资产适合率、利息保障倍数)、现金流量(经营现金流与负债比、净利润现金含金量、每股现金流)、创新性(以技术和专利为基础的无形资产账面余额占总资产的比例、技术及研发职员占员工数比例、大专及以上学历员工占总员工比例)、风险性(主营业务鲜明度、股票波动率)九个方面共30个指标进行综合分析。其中财务数据来自和讯网(www.hexun.con)、非财务数据(除股票波动率)根据巨潮资讯网(www.cninfo.com)公布的2006年年报整理而得。根据北大经济中心提供的日高频数据(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均匀值。
(科教范文网http://fw.nseac.com) 3.3 数据的预处理
将指标同向化处理,使所有指标都对股票的投资价值方向为正贡献,对逆指标取倒数;再对指标数据进行标准化处理。
3.4 分组主成分分析
分析工具采用的是SPSS13.0。相关系数矩阵显示30个指标间的相关度较高,Kaiser-Meyer-Olkin Measure of Sampling Adequacy为0.539,此值适中,表明因子分析结果具有可用性。因子分析使用主成分法得到9个因子,其累计贡献率达85.65%。