金融投資統(tǒng)計分析論文(編輯修改稿)
2024-09-01 17:46 本頁面
【文章內(nèi)容簡介】 在的前提要求，即原有變量之間應(yīng)具有較強的相關(guān)關(guān)系。不難解釋，如果原有變量之間不存在較強的相關(guān)關(guān)系，那么就無法從中綜合出能夠反映某些變量共同特性的幾個較少的公共因子。因此，一般在因子分析時需要首先對因子分析的條件，即原有變量是否相關(guān)進行研究。通?？梢圆捎靡韵聨追N方法：①計算相關(guān)系數(shù)矩陣；②計算反映像相關(guān)矩陣；③巴特利球度檢驗；④KMO檢驗。（二）回歸分析 回歸分析是一種應(yīng)用極為廣泛的數(shù)量分析方法。它用于分析事物之間的統(tǒng)計關(guān)系，側(cè)重考察變量之間的數(shù)量變化規(guī)律，并通過回歸方程形式描述和反映這種關(guān)系，幫助人們準確把握變量受其他一個或多個變量影響的程度，進而為預(yù)測提供科學(xué)依據(jù)。 觀察被解釋變量y和一個或多個解釋變量的散點圖，當(dāng)發(fā)現(xiàn)y與之間呈現(xiàn)顯著的線性關(guān)系，則應(yīng)采用線性回歸分析方法，建立y關(guān)于的線性回歸模型。在線性回歸分析中，根據(jù)模型中的解釋變量的個數(shù)，可將線性回歸模型分成一元線性回歸模型和多元線性回歸模型，相應(yīng)的分析稱為一元線性回歸分析和多元線性回歸分析。一元線性回歸的數(shù)學(xué)模型為： 該公式表明：被解釋變量y的變化可由兩個部分解釋。第一，由解釋變量x的變化引起的y的線性變化部分，即；第二，由其他隨機因素引起的y的變化部分，即。由此可以看出一元線性回歸模型是被解釋變量和解釋變量間非一一對應(yīng)的統(tǒng)計關(guān)系的良好詮釋，即當(dāng)x給定后y的值并非唯一，但它們之間又通過保持著密切的線性相關(guān)關(guān)系。和都是模型中的未知參數(shù)，和分別稱為回歸常數(shù)和回歸系數(shù)，稱為隨即誤差，是一個隨機變量，應(yīng)當(dāng)滿足兩個前提條件，即。上式表明：隨機誤差的期望應(yīng)為0，隨即誤差的方差應(yīng)為一個特定的值。二、 研究過程及結(jié)果（一）因子分析研究過程及結(jié)果 本文主要采用9個上市公司主要財務(wù)指標(biāo)，其中包括：每股收益（元）、每股凈資產(chǎn)（元）、凈資產(chǎn)收益率（%）、現(xiàn)金凈流量（萬元）、主營業(yè)務(wù)收入（萬元）、凈利潤（萬元）、總資產(chǎn)（萬元）、股東權(quán)益（萬元）、投資收益（萬元）。通過多元統(tǒng)計分析中的因子分析，對2011年4月份季報進行分析，提取3個公共因子反映影響個股的主要因素，同時通過選出綜合排名第一的個股進行下一步研究。 本文先將金融板塊個股按總股本大小進行排列，選取前31位的股票作為樣本，這31只股票均為滬深300成分股（工商銀行、…、國元證券）。由于篇幅所限，具體股票原始變量數(shù)據(jù)在這里不再羅列。 設(shè)這些變量分別為，原始變量標(biāo)準化后仍用原記號表示，經(jīng)spss軟件計算得到樣本相關(guān)矩陣，如表1。表1 原始變量相關(guān)系數(shù)矩陣x1x2x3x4x5x6x7x8x9x1.445.667.071.136x2.445.275x3.667.089.266.412.416.404x4.089.627.784.832.821.046x5.071.266.627.769.741.805.665x6.412.784.769.987.992.051x7.416.832.741.987.989.008x8.404.821.805.992.989.117x9.136.275.046.665.051.008.117從表1可以看出，大部分的相關(guān)系數(shù)都較高，各變量呈較強的線性關(guān)系，能夠從中提取公共因子，適合進行因子分析。根據(jù)特征根值大于1的原則，可以提取3個公共因子，如表2。表2 因子分析的初始解初始提取x1.945x2.680x3.901x4.827x5.977x6.950x7.964x8.975x9.857通過表2的第二列可知：此時所有變量的共同度均較高，各個變量的信息丟失都較少。因此，本次因子提取的總體效果較理想。%，大于85%，也可以認為三個公共因子基本反映原始變量絕大部分信息。表3 因子解釋原有變量總方差的情況成份初始特征值提取平方和載入旋轉(zhuǎn)平方和載入合計方差的 %累積 %合計方差的 %累積 %合計方差的 %累積 %1234.6435.2216.042.4667.011.1258.005.0539.001.011在圖1中，橫坐標(biāo)為因子數(shù)目，縱坐標(biāo)為特征根?？梢钥吹剑旱谝粋€因子特征根值很高，對解釋原始變量的貢獻最大；第4個以后的因子特征根值都較小，對
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1