【正文】 了解上市公司的真實狀況。 重慶理工大學(xué)畢業(yè)論文 金融類上市公司經(jīng)營績效的分析 2 研究方法 本論文的研究方法是，通過因子分析法，運用 SPSS 軟件，研究 32 家金融類上市公司的經(jīng)營績效，得出各上市公司綜合經(jīng)營績效和各個因子的得分及排名情況，依據(jù)上述結(jié)果來評價企業(yè)的經(jīng)營績效情況，并在因子得分的基礎(chǔ)上進行聚類分析， 得出按屬性的基本分類以及優(yōu)劣區(qū)分。 《 FORTUNE》財富雜志從 1955 年開始，在每年的 7 月至 8月之間，以上一年度的公司年營業(yè)額（單位美元）為基準指標(biāo)對全球上市公司進行排名，年營業(yè)額最大的500 家上市公司，即“世界 500 強”； 同時它還設(shè)置一些如利潤總額、利潤增長額、主營業(yè)務(wù)利潤率、雇員人 數(shù)、凈資產(chǎn)回報率等輔助指標(biāo)，并分別按照其大小順序進行多項平行的單 指標(biāo)排名，列出各項指標(biāo)最大的前 500 家上市公司。而綜合評價排名對納入標(biāo)準普爾500 指數(shù)中的 500 家上市公司進 行綜合評價并加以排名，將前 50 名上市公司作為該雜志最佳 50 家上市公司。各上市公司的總得分是其 8個指標(biāo)的評級分之和，然后按總得 分排名。尤其是《國有資本金效績評價規(guī)則》以定量分析為基礎(chǔ)、以定性分析 為輔助、業(yè)績評價的綜合結(jié)論。上市公司是股份有限公司的一種，這種公司到證券交易所上市交易，除了必須經(jīng)過批準外，還必須符合一定的條件。 上市公司 經(jīng)營 績效評價指標(biāo)的選取 原則 （ 1） 全面性與重要性原則 選取的指標(biāo)應(yīng)能夠合理地反映企業(yè)的各個要素和各個環(huán)節(jié)，能真實全面地反映企業(yè)的績效水準，能夠顧及企業(yè)績效評價的廣泛性，覆蓋面廣，顧及資源配置受益對象的廣泛性，妥善地權(quán)衡和處理所有者與經(jīng)營者、所有者與債權(quán)人各方面的利害關(guān)系。 重慶理工大學(xué)畢業(yè)論文 金融類上市公司經(jīng)營績效的分析 5 （ 4） 穩(wěn)定性原則 即指績效評價的指標(biāo)體系在指標(biāo)數(shù)量、指標(biāo)內(nèi)涵、評價標(biāo)準等方面相對穩(wěn)定，不易頻繁變動。良好的 財務(wù)效益狀況能反映企業(yè)經(jīng)營績效和企業(yè) 成長性。作為企業(yè)的經(jīng)營目標(biāo)之一，就是要保證實有資產(chǎn)能夠得到有效利用，且通過加快資產(chǎn)周轉(zhuǎn)速度創(chuàng) 造更多的價值。 企業(yè)償債能力分短期償債能力和長期償債能力，其兩方面的強弱直接關(guān)系到企業(yè)經(jīng)濟實力和財務(wù)狀況的好壞，也是判斷企業(yè)財務(wù)策略是否穩(wěn)健以及財務(wù) 風(fēng)險大小的重要標(biāo)桿。通過對這些數(shù)據(jù)的充分分析，就可在考慮外部環(huán)境不變的條件下判斷企業(yè)未來成長能力，使股東未來收益和債權(quán)人債權(quán)降到可接受的風(fēng)險之下。 因子分析的數(shù)學(xué)模型 ??????????????????????pmpmpppmmmmFaFaFaXFaFaFaXFaFaFaX???????2211222221212112121111 用矩陣表示 : ??????????????????????????????????????????????????????Pmpmppmmp FFFaaaaaaaaaXXX????????????212121222211121121 簡記為 )1()1()()1( ???? ?? pmmpp FAX ? 且滿足： i） pm? ； ii） 0),( ??FCov 即 F和 ? 是不相關(guān)的 ； iii） mIFD ??????????????10101)( ?即 mFF?1 不相關(guān)且方差皆為 1。因子載荷 ija 值小于等于 1，絕對值越接近 1，表明因子 jf與變量 ix 的相關(guān)性越強。 因子的方差貢獻 因子 jf 的方差貢獻的數(shù)學(xué)定義為 2jS ＝ ??pi ija12 ，即因子 jf 的方差貢獻是因子載荷陣 A 中第 j 列元素的平方和。 聚類分析的職能是建立一種分類方法 ,它是將一批樣品或變量按照他們在性質(zhì)上的親疏程度進行分類 。 2 聚類分析處理的開始是各樣品自成一類 ,計算各樣品之間的距離 ,并將距離最近的兩個樣品并成一類 。要指出的是，由于對數(shù)據(jù)的獲取渠道較狹窄，在某種程度上此評價結(jié)果可能與 真實情況會有稍微的偏差，但能確信總體情況基本上是一致的。 指標(biāo)數(shù)據(jù)的適用性檢驗 原始指標(biāo)數(shù)據(jù)有一定的相關(guān)性是因子分析的條件，因此我們在做因子分析之前要先檢驗數(shù)據(jù)的適用性。如果該統(tǒng)計量的觀測值比較大，且對應(yīng)的概率 p 值小于給定的顯著性水平? ，則應(yīng)拒絕零假設(shè)，認為相關(guān)系數(shù)矩陣不太可能是單位矩陣，原有變量適合作因子分析； KMO檢驗用于比較變量簡單相關(guān)和偏相關(guān)系數(shù)， KMO的統(tǒng)計量如果小于 ，則不適合因子分析。因此本次因子提取的總體效果較理想。在初始解中由于提取了 9個因子，因此原有變量的總方差均被解釋掉；第二組數(shù)據(jù)項（第五至第七列）描述了因子解的情況?？梢钥吹剑旱?1個因子的特征根值很高，對解釋原有變量的貢獻最大；第 5個以后的因子特征根值都較小，對解釋原有變量的貢獻很小，因此提取四個因子是合適的 。負載的絕對值越大，在解釋因子時越重要。經(jīng)旋轉(zhuǎn)后的因子載荷矩陣如下 : 表 4 旋轉(zhuǎn)后的因 子載荷矩陣 Rotated Component Matrixa Component 1 2 3 4 Zscore: 利潤總額 .961 .130 Zscore: 資產(chǎn)總額 .954 .154 Zscore: 主營業(yè)務(wù)收入 .876 .057 .417 .160 Zscore: 主營收入增長率 .039 .949 .001 Zscore: 凈利潤增長率 .077 .941 .123 Zscore: 總資產(chǎn)增 長率 .315 .726 .124 .349 Zscore: 總資產(chǎn)周轉(zhuǎn)率 .977 Zscore: 每股收益 .219 .190 .836 Zscore: 總資產(chǎn)報酬率 .390 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations. 上表較為清晰的顯示了公因子的經(jīng)濟意義，利用該矩陣，我們可以更好的解釋公因子的含義。求解因子得分的過程就是通過觀測變量的線性組合來表示因子，因子得分就是觀測變量的加權(quán)求和，權(quán)數(shù)的大小表示變量對因子的重要程度。在這里，權(quán)重指的是各公因子旋轉(zhuǎn)后所得方差貢獻率 ，它們是全部公因子旋轉(zhuǎn)后總方差貢獻率所占的比重。 從綜合績效得分來看， 農(nóng)業(yè)銀行、建設(shè)銀行、工商銀行、中國銀 行 、中國人壽、民生銀行、華夏銀行、宏源證券、招商銀行、浦發(fā)銀行、中國平安、交通銀行 這 12家公司，綜合績效得分均在 以上，綜合績效表現(xiàn)相對較好； 長江證券、山西證券、華泰證券、中國太保、光大銀行這 5家公司 的綜合績效得分接近零，綜合績效表現(xiàn)一般； 興業(yè)銀行、太平 洋、中信銀行、北京銀行、中信證券、寧波銀行、南京銀行、海通證券、廣發(fā)證券、東北證券、國元證券、深發(fā)展 A、興業(yè)證券、招商證券、國金證券 這 15 家公司的綜合績效均小于 ，分值總體較低，表明其綜合績效相對其他公司來講較差 。從發(fā)展能力因子得分可以看到有 21家上市公司的成長能力因子得分為正值，超過公司總數(shù)的一半，說明金融類上市公司總體發(fā)展能力較好。從償債 因子得分一欄可以看出 ，得分為正值的公司只有 8家，而 沒有得分 小于 1的公司，說明金融類上市公司總體上的償債 能力一般 。 基于因子得分上的 聚類分析 以上的分析讓我們獲知了哪幾支股票在哪些方面的強勢。聚類分析的凝聚狀態(tài)表 如下： 重慶理工大學(xué)畢業(yè)論文 金融類上市公司經(jīng)營績效的分析 17 表 6 聚類分析中的凝聚狀態(tài)表 Agglomeration Schedule Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage Cluster 1 Cluster 2 Cluster 1 Cluster 2 1 15 30 .037 0 0 6 2 7 31 .039 0 0 14 3 5 23 .057 0 0 10 4 14 19 .091 0 0 14 5 17 24 .097 0 0 13 6 15 21 .103 1 0 11 7 1 22 .119 0 0 9 8 8 13 .144 0 0 18 9 1 9 .150 7 0 19 10 5 18 .175 3 0 16 11 15 20 .189 6 0 17 12 27 29 .219 0 0 15 13 17 28 .274 5 0 25 14 7 14 .327 2 4 16 15 27 32 .357 12 0 21 16 5 7 .443 10 14 18 17 15 26 .670 11 0 21 18 5 8 .694 16 8 20 19 1 10 .778 9 0 29 20 5 6 .960 18 0 26 21 15 27 17 15 25 22 3 16 0 0 30 23 12 25 0 0 26 24 2 4 0 0 27 25 15 17 21 13 28 26 5 12 20 23 28 27 2 11 24 0 31 28 5 15 26 25 29 29 1 5 19 28 30 30 1 3 29 22 31 31 1 2 30 27