金融類上市公司經(jīng)營績效的分析畢業(yè)論文(編輯修改稿)
2025-07-16 13:06 本頁面
【文章內(nèi)容簡介】 sExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %12345.4476.2927.0988.044.4919.008.091Extraction Method: Principal Component Analysis.在表3中，第一組數(shù)據(jù)項（第二至第四列）描述了初始因子解的情況。可以看到，%，%；，%，%。其余數(shù)據(jù)含義類似。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。可以看到，由于指定提取四個因子，%?？傮w上，原有變量的信息丟失較少，因子分析效果較理想。圖1 因子的碎石圖在圖1中，橫坐標(biāo)為因子數(shù)目，縱坐標(biāo)為特征根。可以看到：第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。表3和圖1都說明，提取了四個因子，基本反映了變量的絕大部分方差。 因子的命名解釋 在因子載荷矩陣中，首先找出在每個因子上有顯著負載的變量，根據(jù)這些變量的意義給因子一個合適的名稱，具有較高負載的變量對因子名稱的影響更大。根據(jù)以往研究表明。負載的絕對值越大，在解釋因子時越重要。因子負載反映了觀測變量和因子之間的相關(guān)系數(shù)，負載的平方表示因子所解釋的變量的總方差。因子載荷為負，并不代表小，只代表方向。為了更好的理解公因子的實際意義進而對公因子進行命名，通常要對初始因子載荷矩陣進行旋轉(zhuǎn)，本文選用方差最大化方法對因子進行旋轉(zhuǎn)，這種正交旋轉(zhuǎn)方法可以使得每個公因子上具有較高載荷的變量數(shù)最小，因此可以簡化對因子的解釋。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 MatrixaComponent1234Zscore: 利潤總額.961.130Zscore: 資產(chǎn)總額.954.154Zscore: 主營業(yè)務(wù)收入.876.057.417.160Zscore: 主營收入增長率.039.949.001Zscore: 凈利潤增長率.077.941.123Zscore: 總資產(chǎn)增長率.315.726.124.349Zscore: 總資產(chǎn)周轉(zhuǎn)率.977Zscore: 每股收益.219.190.836Zscore: 總資產(chǎn)報酬率.390Extraction 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。第一公因子對利潤總額、資產(chǎn)總額和主營業(yè)務(wù)收入這三項指標(biāo)具有較高的載荷，所以第一公因子可以充分反映這三項指標(biāo)所包含的信息，可解釋為營運能力因子；主營收入增長率、總資產(chǎn)增長率、凈利潤增長率在第2個因子上有較高的載荷，第2個因子主要解釋了這一變量，可解釋為公司的發(fā)展能力因子；總資產(chǎn)周轉(zhuǎn)率在第3個因子上有較高的載荷，第3個因子主要解釋了這一變量，可解釋為償債能力因子；每股收益、總資產(chǎn)報酬率在第4個因子上有較高的載荷，第4個因子主要解釋了這一變量，可解釋為盈利能力因子。到這里，我們對32家金融類上市公司各公因子的命名就做完了，同時對其經(jīng)濟意義也做了相關(guān)定義。被選取的公因子、所含變量如下： 因子名稱因子包含變量營運能力因子利潤總額、資產(chǎn)總額、主營業(yè)務(wù)收入發(fā)展能力因子主營收入增長率、總資產(chǎn)增長率、凈利潤增長率償債能力因子總資產(chǎn)周轉(zhuǎn)率盈利能力因子每股收益、總資產(chǎn)報酬率 計算因子得分在對公因子進行命名和經(jīng)濟意義解釋以后，需要對因子進行定量的測度，具體計算出每個因子對應(yīng)每個樣本數(shù)據(jù)的值，這些值就是因子得分。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。本文采用回歸法得到因子得分系數(shù)，下表是通過SPSS軟件運算得到的經(jīng)正交最大化旋轉(zhuǎn)后的因子得分系數(shù)矩陣。表5 因子得分系數(shù)矩陣Component Score Coefficient MatrixComponent1234Zscore: 每股收益.139.632Zscore: 總資產(chǎn)報酬率.153.262Zscore: 總資產(chǎn)周轉(zhuǎn)率.020.002.691.009Zscore: 凈利潤增長率.418Zscore: 總資產(chǎn)增長率.042.264.118.136Zscore: 主營收入增長率.453.027Zscore: 資產(chǎn)總額.339Zscore: 利潤總額.346Zscore: 主營業(yè)務(wù)收入.327.325.072Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.根據(jù)上表可寫出因子得分函數(shù)：=+++++=+++++=+++++=+++ 金融類上市公司經(jīng)營績效得分情況在計算出主因子得分情況后，要對32家金融類上市公司的經(jīng)營績效進行綜合客觀評價，因此要對結(jié)果進行定量分析，所得定量分析結(jié)果就可以看做是公司的綜合績效得分，與單個公因子得分析相比，綜合績效得分是綜合了三個公因子后的結(jié)果，因此可以較為綜合客觀的評價32家金融類上市公司的經(jīng)營績效情況，可以更加全面客觀、綜合直觀表述32家上市公司的總體情況。該計算法即，首先提取公因子得分，然后用加權(quán)的方法，按其貢獻比重進行求和。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。各因子得分見附表2。所以32家金融類上市公司綜合經(jīng)營績效得分計算公司如下：F該表顯示了32家金融類上市公司經(jīng)營績效綜合得分及諸單因子得分和排名情況?？梢钥闯龅氖堑梅执笥?的公司其經(jīng)營績效情況較好，而且數(shù)值越大，經(jīng)營情況就越好；經(jīng)營績效得分小于0，表明公司經(jīng)營績效較差，而且絕對值越大，說明其經(jīng)營績效越差；得分為0或者在0附近，表明其經(jīng)營績效較普通。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、分值總體較低，表明其綜合績效相對其他公司來講較差。第一公因子是營運因子，它所占比重在各個因子中最大（%），所以其對于其總體經(jīng)營績效具有較大的影響。該因子主要反映企業(yè)的營運能力，從營運因子的得分數(shù)據(jù)可以看到，得分為正值的公司只有6家，而沒有得分小于1的公司，表明金融類上市公司總體上的營運能力一般；只有工商銀行、建設(shè)銀行、中國銀行、農(nóng)業(yè)銀行、中國人壽、交通銀行這6家公司表現(xiàn)非常突出，展現(xiàn)出其很好的營運能力。第二公因子是發(fā)展能力因子，主要反映上市公司的成長能力。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。，表明這家公司的發(fā)
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1