【正文】 一元成本費(fèi)用可獲得多少利潤，體現(xiàn)了經(jīng)營耗費(fèi)所帶來的經(jīng)營成果。但是，該指標(biāo)也不是越大越好，指標(biāo)過大表明企業(yè)流動資金利用不充分，獲利能力不強(qiáng)。（7）、　流動資產(chǎn)周轉(zhuǎn)率指企業(yè)一定時期內(nèi)主營業(yè)務(wù)收入凈額同平均流動資產(chǎn)總額的比率，流動資產(chǎn)周轉(zhuǎn)率是評價企業(yè)資產(chǎn)利用率的另一重要指標(biāo)。一般情況 　　下，該數(shù)值越高，表明企業(yè)總資產(chǎn)周轉(zhuǎn)速度越快。因?yàn)楣镜乃姓撸ü蓶|）一般只承擔(dān)有限責(zé)任，而一旦公司破產(chǎn)清算時，資產(chǎn)變現(xiàn)所得很可能低于其帳面價值。股東權(quán)益比率應(yīng)當(dāng)適中。（見附錄表2）三、模型建立和求解（一）、優(yōu)秀酒業(yè)上市公司選取本文采用最常用的兩步分析法，即將因子分析與聚類分析綜合分析數(shù)據(jù)，最后采用對應(yīng)分析彌補(bǔ)因子分析對于變量與樣本之間關(guān)系描述的不足。從而選出哪些酒企業(yè)較為優(yōu)秀。因子分析過程：（1）對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，以消除量綱的影響。反映了各主成份因子對原始信息的解釋程度。成份初始特征值旋轉(zhuǎn)平方和載入合計方差的 %累積 %合計方差的 %累積 %12345.2086.1297.097.9748.053.5299.023.22610（4）建立因子載荷陣（略），用以反映各因子與指標(biāo)的聯(lián)系。根據(jù)旋轉(zhuǎn)矩陣可將原指標(biāo)分為四個因子：第一因子綜合反映了企業(yè)的盈利能力，即為企業(yè)的資金或資本增值的能力，具體指標(biāo)包括每股收益，每股未分配利潤和成本費(fèi)用利潤率，且與第一因子都為正相關(guān)。該項(xiàng)指標(biāo)越高，利潤就越大，反映為企業(yè)的經(jīng)濟(jì)效益越好。第二因子可以說明企業(yè)的償債能力因子，即就是用企業(yè)資產(chǎn)和經(jīng)營過程創(chuàng)造的收益償還債務(wù)的能力，指標(biāo)為資產(chǎn)負(fù)債率，股東權(quán)益比率和現(xiàn)金流動負(fù)債比。(c) 股東權(quán)益比率是股東權(quán)益與資產(chǎn)總額的比率，該比率反映企業(yè)資產(chǎn)中有多少是所有者投入的。(a) 凈資產(chǎn)增長率反映了企業(yè)資本規(guī)模的擴(kuò)張速度，是衡量企業(yè)總量規(guī)模變動和成長狀況的重要指標(biāo)。(b) 總資產(chǎn)周轉(zhuǎn)率是指企業(yè)在一定時期業(yè)務(wù)收入凈額同平均資產(chǎn)總額的比率。（6）下面進(jìn)行因子得分分析，為了便于比較各公司之間的具體差異，運(yùn)用因子得分的方法對數(shù)據(jù)進(jìn)行處理，即將公共因子表示為變量的線性組合。我們知道這些品牌的酒并且有很久遠(yuǎn)的歷史，張裕葡萄酒有百年歷史，五糧液源于宋代宜賓，洋河大曲唐代就已聞名，瀘州酒業(yè)更可追溯到秦代，隨之而來的有很高的知名度，在市場中較高的售價，盈利空間也較高，盈利能力排名靠前與實(shí)際經(jīng)驗(yàn)相符。(d) 營運(yùn)能力前幾位為青島啤酒，新疆啤酒花，燕京惠泉，金種子，北京燕京，我們看到這些企業(yè)基本都屬于生產(chǎn)啤酒為主的企業(yè)，由于啤酒的售價相對白酒，葡萄酒低，銷量大，資金周轉(zhuǎn)較快，反映為企業(yè)需要較強(qiáng)的營運(yùn)能力。本文采取系統(tǒng)聚類法，聚類方法為組內(nèi)連接法，度量標(biāo)準(zhǔn)選擇歐式平方距離。所以我們將總樣本分為8類，將聚類分析類數(shù)設(shè)置為8，得如右圖分類表：第一類企業(yè)包括瀘州老窖，宜賓五糧液，張裕葡萄酒杏花村汾酒，該類企業(yè)有著較強(qiáng)的盈利能力和償債能力。適合想獲得高收益的投資者。第五類企業(yè)包括珠江啤酒，水井坊，古井貢和燕京啤酒，該類企業(yè)總體效益不錯，營運(yùn)方面較突出，其他各項(xiàng)也都處于中等水平。第二，六，八類企業(yè)分別為燕京惠泉啤酒，貴州茅臺，洋河酒廠。從聚類分析可看出，在因子分析中排名前8位的企業(yè)，在聚類分析中都能歸為經(jīng)營較好的企業(yè)。采用財務(wù)指標(biāo)因子作為權(quán)數(shù)，行為企業(yè)，列為財務(wù)指標(biāo)，為了便于視圖，解得維數(shù)為2，距離度量選擇卡方距離。 3類 指標(biāo)為：9；樣品點(diǎn)為4，5，8，10，14，15，21 。這些企業(yè)位于沿海周邊和主要大城市，可能采用先進(jìn)的管理辦法和生產(chǎn)設(shè)備所以營運(yùn)能力較高。（二）擬合所選上市公司股價曲線，并對其股價發(fā)展趨勢經(jīng)行預(yù)測根據(jù)多元統(tǒng)計分析結(jié)果挑選出得分前8名的股票，觀察這些企業(yè)在證券市場的走勢，建立時間序列ARIMA模型，對其做出擬合并預(yù)測其股價的走勢。式中是平穩(wěn)的自回歸滯后算子多項(xiàng)式，,是可逆的移動平均滯后算子多項(xiàng)式。ARIMA模型建立步驟；（1）、獲得觀察值序列；（2）、判斷序列的平穩(wěn)性；（3）、對原序列經(jīng)行差分運(yùn)算；（4）、對平穩(wěn)的差分后序列經(jīng)行白噪聲檢驗(yàn)；（5）、對平穩(wěn)非白噪聲差分序列擬合ARIMA模型；（6）、模型檢驗(yàn)。（2）、洋河股份2011年6月第一周收盤價：，95%置信區(qū)間：[，]；2011年6月第二周收盤價：，95%置信區(qū)間：[，]；2011年6月第三周收盤價：，95%置信區(qū)間：[，]；2011年6月第四周收盤價：，95%置信區(qū)間：[，]。（6）惠泉啤酒2011年6月第一周收盤價：，95%置信區(qū)間：[，]；2011年6月第二周收盤價：，95%置信區(qū)間：[，]；2011年6月第三周收盤價：，95%置信區(qū)間：[，]；2011年6月第四周收盤價：，95%置信區(qū)間：[，]。（三）計算貝塔系數(shù)系數(shù)也稱為貝他系數(shù)（Beta coefficient），是一種風(fēng)險指數(shù)，用來衡量個別股票或股票基金相對于整個股市的價格波動情況。分析其受大盤影響程度。市場指數(shù)的選取理論上CAPM的市場組合應(yīng)包含所有資產(chǎn)，其中還包括某些不上市交易的金融資產(chǎn)和不動產(chǎn)等。樣本時間跨度的選取收益率的時間跨度也會對貝塔系數(shù)的估計造成影響，選取樣本的數(shù)量過少可能造成信息的損失，選取樣本過多，則可能引入過于陳舊的數(shù)據(jù)，對估計結(jié)果造成影響。因此，這里就存在一個數(shù)據(jù)頻率和時間區(qū)域的平衡問題。所以本文系數(shù)計算所用數(shù)據(jù)的時間區(qū)間為：2008年5月27日至2011年5月31日。理論上來說，收益率的時間間隔越短，貝塔系數(shù)的估計值就越精確。其受到大盤價格波動的影響較明顯。這與系數(shù)計算的結(jié)果相對吻合。在選取之前應(yīng)多與金融專業(yè)方面的專家進(jìn)行溝通，然后確定哪些指標(biāo)更有效，更能說明企業(yè)的經(jīng)營狀況。 貝塔系數(shù)采用單一因素模型且獲得結(jié)果為有杠桿作用的系數(shù)，為粗略估計值，可供比較參考。 time=_n_。proc gplot data=example3_1。 identify var=x(2) nlag=8 minic p=(0:5)q=(0:5)。 plot x*time=1 forecast*time=2 l95*time=3 u95*time=3/overlay。 run。 y=dif(x)。plot x*time=1 y*time=1。 estimate p=0 q=1 noint 。 symbol1 c=black i=none v=star。瀘州老窖data example3_1。 cards。symbol1 c=red I=join v=star。forecast lead=4 id=time out=results。 symbol2 c=red i=join v=none。 input x。 25 25 36 37 33 。 proc arima data= example3_1。proc gplot data=results。 symbol3 c=green i=join v=none l=2。 time=_n_。proc gplot data=example3_1。 identify var=x(3) nlag=8 minic p=(0:5)q=(0:5)。 plot x*time=1 forecast*time=2 l95*time=3 u95*time=3/overlay。 run。 y=dif(x)。plot x*time=1 y*time=1。 estimate q=2 noint 。 symbol1 c=black i=none v=star。青島啤酒data example3_1。 cards。symbol1 c=red I=join v=star。forecast lead=4 id=time out=results。 symbol2 c=red i=join v=none。 input x。 88 106 90 98 。 proc arima data= example3_1。proc gplot data=results。 symbol3 c=green i