- 相關(guān)推薦
基于分組主成分法的科技板投資價(jià)值分析
摘 要 針對高科技股票投資價(jià)值，選擇208支高科技股票構建了科技板。選擇了財務(wù)指標和非財務(wù)指標，用因子分析法對指標進(jìn)行分組，并對各組指標進(jìn)行主成分分析，得到了科技板上市公司的投資價(jià)值系數。關(guān)鍵詞 高科技板 投資價(jià)值 分組主成分分析
《上市公司行業(yè)分類(lèi)指引》中沒(méi)有單獨設立高科技行業(yè)，嚴格地說(shuō)，高科技并不能作為一個(gè)行業(yè)名稱(chēng)。任何行業(yè)中都會(huì )有一些科技含量高的產(chǎn)品，同時(shí)，高科技一直是一個(gè)很模糊的概念，在不同的時(shí)期，其內涵和外延會(huì )有很大的差異。在資本市場(chǎng)中，高科技板概念的意義也經(jīng)歷了幾個(gè)不同的時(shí)期。從早期的計算機制造、軟件開(kāi)發(fā)，到電子通訊、互聯(lián)網(wǎng)乃至生物工程等等，短短幾年的時(shí)間里，高科技概念對資本市場(chǎng)產(chǎn)生了巨大的影響。在股票市場(chǎng)中，所有具有一定共同特征的上市公司均可以構成一個(gè)板塊。行業(yè)可以用來(lái)作為劃分板塊的依據，而板塊則不一定按照行業(yè)來(lái)劃分。
基于此，本文依據資本市場(chǎng)發(fā)展的特點(diǎn)、綜合高科技企業(yè)的特點(diǎn)，根據《中國高新技術(shù)產(chǎn)品目錄2006》、國家高新技術(shù)產(chǎn)業(yè)開(kāi)發(fā)區高新技術(shù)企業(yè)認定條件和辦法、科技部公布首批103家創(chuàng )新型企業(yè)試點(diǎn)名單的37家上市企業(yè)，從3G、創(chuàng )投概念、軟件開(kāi)發(fā)、航天航空、網(wǎng)絡(luò )信息、高�？萍�、IPv6、數字電視、循環(huán)經(jīng)濟、節能環(huán)保、新能源、軍工概念、食品、生物制藥、06年103家創(chuàng )新企業(yè)中37上市公司中共選擇了208家企業(yè)，組成了高科技板，然后采取分組主成份法，綜合其2006年報中財務(wù)、非財務(wù)信息，對它們進(jìn)行投資價(jià)值分析，得到其綜合投資價(jià)值系數。
1 分組主成分綜合評價(jià)法先容
主成分法和因子分析法在處理***數據中得到了廣泛的運用。很多文獻使用它們對上市公司財務(wù)數據進(jìn)行了分析，得到公司的經(jīng)營(yíng)績(jì)效評價(jià)。
但是，主成分法主要存在四個(gè)方面不足，因子分析法也存在諸如損失信息等缺點(diǎn)，很多文獻提出了改進(jìn)方法，并作了一些實(shí)證研究。主要有張宏培、楊大成的多層次——主成分分析法，徐青、郭忠印、丁藝的層次分析——主成分分析法，候文、張小斐、葉宗裕等因子分析——主成分分析法，他們的總體思想就是先對指標進(jìn)行分組，然后采用主成分分析，所以可以回為分組主成分法。徐義田、王來(lái)生、崔文善、張好治的核——主成分法，彭維湘的多變量綜合的主成分旋轉法研究以及其他采用非線(xiàn)性變換的主成分法，可以回為非線(xiàn)性主成分分析法。另外，還有徐雅靜、王遠征等的主成分——聚類(lèi)分析法等，這些改進(jìn)方法都取得了較好的效果。
其中因子分析——主成分分析法的優(yōu)點(diǎn)比較明顯，對于非線(xiàn)性變換主成分分析法繁雜的計算，它的計算比較方便，而且可以處理龐大的數據，隨著(zhù)數據的增多，上風(fēng)更加明顯；此次評價(jià)方法綜合了主成分分析和因子分析的優(yōu)點(diǎn)克服了它們各自的缺點(diǎn)。這主要表現在：一是利用了主成分分析中第一主成分的綜合作用，便于綜合評價(jià)模型的解釋?zhuān)欢墙栌靡蜃臃治龇椒ㄍㄟ^(guò)正交旋轉對變量進(jìn)行分組，構造評價(jià)體系結構，并且每個(gè)變量指標都包含在內，保證了評價(jià)體系的完備性；三是在建立的綜合評價(jià)模型中，每個(gè)指標及對應的權重都很明確，便于實(shí)際應用。當對變量進(jìn)行分組以后，如某一組內變量指標較多，其第一主成分(綜合主成分)的貢獻率達不到要求時(shí)，可在該組內再進(jìn)行分組，直到第一主成分具有代表性為止。這樣就構成了多層次分組主成分綜合評價(jià)模型。
2 分組主成分綜合評價(jià)模型的構建
2.1 主成分分析法
�。�1）主成分分析法的基本原理。對線(xiàn)性變換F1=u11X1 u21X2 L up1Xp
F2=u12X1 u22X2 L up2Xp
……
Fp=u1pX1 u2pX2 L uppXp，尋求原始指標的線(xiàn)性組合Fi，滿(mǎn)足
u■■ u■■ L u■■=1
Cov（Fi，Fj）=0，i≠j，i，j=1，2，L，p
Var（F1）≥Var（F2）≥Var（Fp）
Fi便是第i主成分，我們一般選取前m個(gè)累計貢獻率（■λi■λi）達到85%以上的主成分。
�。�2）主成分的綜合評價(jià)。以每個(gè)主成分的貢獻率αi=■為權數，構造綜合評價(jià)函數如下：
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為X1=μ1 a11F1 L a1mFm ε1
X2=μ2 a21F1 L a2mFm ε2
……
Xp=μp ap1F1 L apmFm εp
其中，Fi（i=1Lm）為公共因子，εi（i=1Lm）為特殊因子，它們都是不可觀(guān)測的隨機變量。
�。�2）因子分析法的基本步驟。根據具體題目選取指標，對指標做出判定，是否同向，若不同向，變成同向，對評價(jià)指標無(wú)量綱化處理，得到標準化矩陣，計算得到相關(guān)系數矩陣，解特征方程，計算相關(guān)矩陣的特征值，則根據累計貢獻率確定因子個(gè)數，計算特征向量和初始因子載荷矩陣，因子旋轉，根據加權最小二乘法，也稱(chēng)為巴特萊特因子得分法、或者回回法，也稱(chēng)為湯姆孫因子得分，計算因子得分，結果分析。
2.3 因子分析——主成分分析法的構建
�。�1）基本原理。首先通過(guò)因子分析法將N項指標分為m組，每組包括幾項原始指標。這樣使得每組指標組內高度相關(guān)，而組間的相關(guān)性很弱。同時(shí)以每個(gè)因子的方差貢獻率占所選定因子的總方差貢獻率的比率αi對該指標子集自然賦權。其次，從各指標子集出發(fā)，求取每一樣品在對應子集的第一主成分數值。若有k個(gè)子集，記為Y1，Y2,…，Yk，則第i個(gè)樣品的k個(gè)第一主成分可以表示為p（Y■■），p（Y■■），p（Y■■），上標“1”表示第一主成分。
�。�2）分析模型。通過(guò)上面兩步，可以得到綜合評價(jià)模型：
Fi=αY1p（Y■■） αY2p（Y■■） … αYkp（Y■■）
即綜合得分是每個(gè)指標子集的自然權數與其主成分數值乘積之和。
3 分組主成分綜合評價(jià)模型的實(shí)證研究
3.1 樣本的選擇
根據前文所給的范圍，選取了208家高科技上市公司。
3.2 指標的選擇
對于高科技股票的投資價(jià)值分析，石海燕、許敏、姚正海、鄧同等學(xué)者主要從構建高科技上市公司投資價(jià)值（經(jīng)營(yíng)績(jì)效）評價(jià)指標體系這一角度進(jìn)行了研究。通過(guò)財務(wù)數據得出的上市公司經(jīng)營(yíng)績(jì)效，從一定程度上反映了其投資價(jià)值，但是一些非財務(wù)數據（如創(chuàng )新投進(jìn)、研發(fā)職員比例、股本結構等）也對其投資價(jià)值有重要影響。所以，從更加客觀(guān)地反映上市公司投資價(jià)值的角度出發(fā)，結合高科技上司公司的特點(diǎn)和分組主成分分析法的上風(fēng)，本文從公司規模(總資產(chǎn)、總股本)、公司治理結構（流通股比例、第一大股東持股比例）、成長(cháng)性（主營(yíng)業(yè)務(wù)收進(jìn)增長(cháng)率、凈利潤增長(cháng)率、總資產(chǎn)增長(cháng)率、凈資產(chǎn)增長(cháng)率、每股收益增長(cháng)率）、經(jīng)營(yíng)能力（總資產(chǎn)周轉率、凈資產(chǎn)周轉率、存貨周轉率、應收賬款周轉率、經(jīng)營(yíng)周期）、盈利能力（凈資產(chǎn)收益率、總資產(chǎn)收益率、凈利潤率、毛利率）、償債能力（資產(chǎn)負債率、活動(dòng)比率、速動(dòng)比率、長(cháng)期資產(chǎn)適合率、利息保障倍數）、現金流量（經(jīng)營(yíng)現金流與負債比、凈利潤現金含金量、每股現金流）、創(chuàng )新性（以技術(shù)和專(zhuān)利為基礎的無(wú)形資產(chǎn)賬面余額占總資產(chǎn)的比例、技術(shù)及研發(fā)職員占員工數比例、大專(zhuān)及以上學(xué)歷員工占總員工比例）、風(fēng)險性（主營(yíng)業(yè)務(wù)鮮明度、股票波動(dòng)率）九個(gè)方面共30個(gè)指標進(jìn)行綜合分析。其中財務(wù)數據來(lái)自和訊網(wǎng)（www.hexun.con）、非財務(wù)數據（除股票波動(dòng)率）根據巨潮資訊網(wǎng)（www.cninfo.com）公布的2006年年報整理而得。根據北大經(jīng)濟中心提供的日高頻數據（開(kāi)盤(pán)價(jià)、最高價(jià)、最低價(jià)、收盤(pán)價(jià)）分別計算標準差，股票波動(dòng)率就是它們標準差的均勻值。
3.3 數據的預處理
將指標同向化處理，使所有指標都對股票的投資價(jià)值方向為正貢獻，對逆指標取倒數；再對指標數據進(jìn)行標準化處理。
3.4 分組主成分分析
分析工具采用的是SPSS13.0。相關(guān)系數矩陣顯示30個(gè)指標間的相關(guān)度較高，Kaiser-Meyer-Olkin Measure of Sampling Adequacy為0.539，此值適中，表明因子分析結果具有可用性。因子分析使用主成分法得到9個(gè)因子，其累計貢獻率達85.65%。
接著(zhù)對9組指標分別進(jìn)行主成分分析，發(fā)現第一主成分的貢獻率都達到要求，最后根據模型得到綜合分數。
3.5 結果分析
由于篇幅的局限性，根據綜合得分排名列出前10項與后10項，并作簡(jiǎn)單分析（見(jiàn)表1）。
前10名中，中國石化在中國石油市場(chǎng)中處于寡頭壟斷地位，是中國最大的一體化能源化工企業(yè)，是我國唯一的乙烯氯堿一體化生產(chǎn)企業(yè)，并且是國內最大的合成橡膠生產(chǎn)基地之一。公司注重新區和老區新層系的勘探發(fā)現，實(shí)現了油氣當量?jì)Σ善胶庥杏�，并為后繼接替資源奠定了基礎。馳宏鋅鍺是一家極為優(yōu)質(zhì)的鉛鋅生產(chǎn)企業(yè)，通過(guò)不斷收購將較大幅度地增加公司鉛鋅金屬儲量和采選冶煉能力，消除同業(yè)競爭和減少關(guān)聯(lián)交易。使得公司的資源儲備上風(fēng)、規模上風(fēng)、和技術(shù)上風(fēng)不斷增強。欣網(wǎng)視訊憑借在通訊服務(wù)行業(yè)多年的運作經(jīng)驗、強大的服務(wù)隊伍和過(guò)硬的服務(wù)質(zhì)量，公司已與多家行業(yè)內的主要系統供給商建立了合作伙伴關(guān)系；隨著(zhù)3G的來(lái)臨，面向3G的通訊服務(wù)市場(chǎng)將十分巨大。寶鋼股份公司是我國鋼鐵行業(yè)的龍頭企業(yè)，在全球鋼鐵行業(yè)企業(yè)排名居第6位，到2012年，公司鋼產(chǎn)量達到5 000萬(wàn)t，年均增長(cháng)15％。鹽田港2006年被深圳證券信息有限公司和鵬元資信評估有限公司聯(lián)合評為“A＋”治理等級，公司具備較好的投資潛力。鞍鋼股份、公用科技、用友軟件和歌華有線(xiàn)在各自的領(lǐng)域均有出色的成績(jì)。航天信息2006年每股盈利達到1.14元，同比增長(cháng)近40％，它們無(wú)疑擁有較高的投資價(jià)值，同時(shí)與股票交易市場(chǎng)對照，也十分吻合。
在后10名中，S滬科技、安彩高科、遼源得亨、大唐電信、萬(wàn)杰高科、長(cháng)安信息均淪為*ST，現名為：S*ST滬科、*ST安彩、*ST得亨、*ST大唐、*ST萬(wàn)杰、*ST長(cháng)信。而力諾太陽(yáng)歷史遺留的負擔較重，產(chǎn)品價(jià)格競爭比較激烈，產(chǎn)品同質(zhì)化現象較突出，能源供給價(jià)格的持續上漲，給公司生產(chǎn)本錢(qián)造成了很大影響，產(chǎn)生了嚴重虧損。航天科技、兆維科技、榮華實(shí)業(yè)也主要由于2006年嚴重虧損而排名靠后。綜上，通過(guò)分組主成分分析法，綜合分析上市公司全面的信息，得出股票的投資價(jià)值系數，與實(shí)際比較吻合，對于投資分析具有一定的參考作用。
參考文獻
1 彭維湘.多變量綜合的主成分旋轉法研究[J].數目經(jīng)濟技術(shù)經(jīng)濟研究，2005（6）
2 葉宗裕.主成分綜合評價(jià)方法存在的題目及改進(jìn)[J].統計與信息論壇，2004（3）
3 張小斐，郝志敏.FA-PCA綜合評價(jià)模型及其有效性研究[J].統計與信息論壇，2003（11）
4 候文.對應用主成分法進(jìn)行綜合評價(jià)的探討[J].數理統計與治理，2006（3）
5 徐雅靜，汪遠征.主成分分析應用方法的改進(jìn)[J].數學(xué)的實(shí)踐與熟悉，2006（6）
6 張宏培，楊大成.西部大開(kāi)發(fā)中的各省區區位上風(fēng)的多層次的主成分分析[J].數理統計與治理，2001（5）
7 徐青等.應用層次——主成分分析法評價(jià)高等級公路安全性[J].森林工程，2005（1）
8 彭維湘，多變量綜合的主成分旋轉法研究[J].數目經(jīng)濟技術(shù)經(jīng)濟研究，2005（6）
9 王學(xué)民.多元統計分析[M].上海：上海財經(jīng)大學(xué)出版社，2005
10 盧紋岱主編.SPSS for Windows統計分析（第3版）[M].北京：電子產(chǎn)業(yè)出版社，2006
【基于分組主成分法的科技板投資價(jià)值分析】相關(guān)文章：
基于ＥＶＡ的投資決策分析03-20
試論基于價(jià)值鏈分析的旅游資源的價(jià)值提升03-20