上市公司财务分析

1、上市公司财务分析摘要上市公司的财务描述了公司运作的基本情况，是反映公司运营绩效的重要指标。无论是对本公司的管理，还是在金融市场上的投资，明确这些财务指标的意义，根据需要合理地选择财务指标，使用有效的方法对这些财务指标进行充分的分析都是必不可少的。使用多元统计分析方法对上市公司的财务指标进行综合评价是一种比较客观的评价企业财务绩效的方法。首先，本文对上市公司主要的财务指标和本文所使用的数据进行了解释和说明。其次，接着对将使用的多元统计分析方法进行简要的介绍。最后，使用多元统计方法中的因子分析的方法，提取公共因子，对这些主要财务指标进行实证分析：一方面来验证是否与财务分析中衡量各项能力的指标是否一

2、致；另一方面，利用以各个因子各自贡献率为权重建立因子得分函数，对投资者所关注上市公司财务数据进行综合评价。希望本文能为投资者或管理者进行投资或决策提供一定的思路。关键词： 上市公司；多元统计；因子分析；综合排名；SASAbstractDescription of a listed company's financial operation of the company's basic situation is a reflection of the company an important indicator of operating performance. Whether

3、themanagement of the company, or investment in financial markets, clearly the significance of these financial indicators, according to the need for a reasonable choice of financial indicators, the useof effective methods of these financial indicators are essential for a full analysis of the. The use

4、 of multivariate statistical analysis method for listed companies to conduct comprehensive evaluation of financial indicators is a relatively objective assessment of the methods of enterprise financialperformance. First of all, this article listed companies on the main indicators and the financialan

5、alysis of the data used in this article for an explanation and description. Secondly, then that willbe used for multivariate statistical analysis methods to conduct a brief introduction. Finally, theuse of multivariate statistical methods of factor analysis methods, extracting the public factor of t

6、hese key financial indicators for empirical analysis: on the one hand, to verify whether thefinancial analysis of the ability of indicators to measure the same; On the other hand, the use of contribution of each factor for each weight function of the establishment of factor scores ofinvestors concer

7、ned about the financial data of listed companies to conduct comprehensive evaluation. I hope this paper to investors or investment managers or decision-making to provide a line of thought.Key words: listed company; Multivariate Statistical; factor analysis; comprehensiveranking; SAS1目录摘 要 .1Abstract

8、.2第一章 引言 .4第二章 样本选择及变量介绍 .52.1样本选择 .52.2变量介绍 .52.3样本简单统计 .6第三章多元统计分析 .63.1因子分析 . . 63.1.1因子分析简介 .63.1.2因子分析模型 .73.2KMO and Bartlett's Test .83.3直接因子分析 .93.4确定因子数目的因子分析 .103.5最大方差旋转法因子分析 .113.6因子得分 .13第四章结论的应用 .144.1各因子得分及综合排名 .144.2股票软件 .172第五章 结束语 .17参考文献 .18致 谢 .19第一章引言现在关于公司财务质量评价还没有非常成熟的理论体系

9、。其相关研究主要有公司价值评估体系及公司业绩评价指标体系的研究，主要运用杜邦财务分析体系和沃尔评分法对企业的财务状况进行综合评价。我国在实践操作中所广泛采用的分析评价方法主要有以下3种：一是诚信证券评价系统。根据各上市公司公开披露的有关资料，通过对上市公司当年的盈利水平、发展速度和财务状况方面的六个指标( 包括净资产收益率、资产总额增长率、利润总额增长率、负债比率、流动比率和全部资本化比率) 分别进行考核，然后按各指标的重要性不同确定各指标在综合评价时的权重。二是上市公司评价系统。从1999 年开始进行的“沪市 50 强上市公司”评选活动，采用主营业务收入、净利润、总资产和市值四个指标来评价公

10、司的财务质量。三是国有资本金评价系统。中联财务顾问有限公司和财政部统计评价司的有关专家成立课题组，借鉴国有资本金效绩评价指标体系，结合我国上市公司的特点，建立上市公司业绩评价系统。该评价系统以财务效益为核心，并综合资产运营、偿债能力和发展能力等方面情况，设置了多层次的评价指标体系。这些评价有很多是基于某几项财务指标的单方面分析，在企业综合评价方面大都是采取加权的方法，这种方法要求各评价指标之间相互独立，但事实上企业的各项指标之间有着或多或少的联系，因此剔除这些相关关系才能够更好的评价企业的经营绩效及效益。在加权时在权值的取值上也是比较“随便”的, 权值的选取没有合理的依据，完全凭主观。但近几年

11、来对上市公司的业绩综合评价正逐步走向科学化，例如层次分析法(AHP)，模糊评价法及其深化灰度理论模型在上市公司的经营绩效评价中得到越来越多的应用，从美国引入的 EVA 财务管理方法也被越来越多的学者所采用，统计学的多元统计方法在这方面大显身手（特别是因子分析法） 。因子分析法是从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它能把多个变量化为少数几个综合变量，而这几个综合变量可以反映原来多个变量的大部分信息，面对众多的财务数据起到3降维的作用，而且使用这种方法得出的综合得分结果更具客观性，能一定程度上避免赋值的主观性。本文运用SAS

12、和 SPSS软件，根据互联网上的“和讯数据”提供的上市公司财务数据，选取的部分公司的部分数据为样本进行因子分析，通过财务综合评价以反映各公司的综合实力，从实证分析的角度为拓展财务综合评价的定量测试方法方面进行了初步探索。在本文的写作中大量参考了前辈的文章，重点参考了2007 年 4 月、第 26 卷、第 2 期的兰州交通大学学报中的王波和冉美华的文章因子分析在财务综合评价中的应用。该文章简单易懂而有一定深度，实在是不可多得的好文章。4第二章样本选择及变量介绍2.1 样本选择本文数据样本选自互联网，具体位置为“和讯网>股票 >数据频道 >上市公司”，第一页和第二页，数据时间为2

13、009 年第 1 季度。考虑到被ST 的公司存在一定的问题，所以去除被 ST和数据不完整的公司，共 31 个上市公司， 20 个变量。 像万科 A、TCL集团、 川化股份、中兴通讯、长城电脑这样的知名上市公司也在样本里面。2.2变量介绍表 1 ：变量解释说明表变解释说明及计算公式变解释说明及计算公式量量a1流动比率 =流动资产 /流动负债c3净资产收益率 =净利润 /平均净资产a2速动比率 =( 流动资产 - 存货 )/ 流动负c4净资产周转率销售收入 /（期初净资产总额债+期末净资产总额） /2a3资产负债率 =负债总额 /资产总额c5固定资产周转率 =销售收入 /固定资产净值a4利息保障倍

14、数 =息税前利润 /利息费用d1净现金流量 =现金流入量现金流出量b1净资产收益率 =净利润 /平均净资产d2每股现金流量（经营活动所产生的净现金流量优先股股利）流通在外的普通股股数b2总资产利润率 =净利润 /资产总额e1主营业务增长率=( 本季度主营业务收人- 上季度主营业务收入 )/上季度主营业务收入b3毛利率 =( 销售收入 - 销售成本 )/销售e2净利润增长率 =（本季度净利润增长额 /上季度收入净利润）b4净利率 =净利润 /权益资产e3总资产增长率=( 本季度总资产 -上季度总资产)/ 上季度总资产c1应收账款周转率 =销售收入 /平均应收e4净资产增长率=( 期末净资产一期初

15、净资产)/账款期初净资产c2存货周转率 =销售收人 /平均存货e5每股收益增长率=(本期股息率 - 上期股息率 )/上期股息率52.3 样本简单统计表 2：31个样本的均值和方差变量均值方差变量均值方差a110.6999224c300.116696a210.6044687c400.332334a35415.030788c510.697742a4918.000707d11173472411099533786b121.5277677d200.668172b210.64512e1-443.95199b32513.784124e27122.1144b4810.777893e31124.75964c11

16、861.836019e4416.80879c211.3090651e5-4112.77096第三章多元统计分析3.1 因子分析因子分析简介统计分析方法是一种“ 透过现象看本质”方法。应用该方法，可以从统计数据中发现经济活动的规律性和因果关系，所以在经济分析中大量用到统计学分析方法。因子分析法是主成分分析法的推广和发展。它通过对一组变量( 指标 ) 之间的相互关系的研究，综合成少数几个综合性因子，并将原始变量再现为这些因子的一种线性线性组合。同时，利用变量之间的相关情况或者样品之间的相似情况，还可以研究变量或者样品之间的相关性。如果研究变量之间的相关性，一般是从相关系数矩阵出发的，称为R 型因子

17、分析；如果研究对样品进行分类，一般是从相似系数矩阵出发计算的，称为Q 型因子分析。在多种指标综合评价中，人们一般应用的是R 型分析。通常指的因子分析指的就是R 型因子分析 , 本文所指的因子分析就是R 型因子分析，从相关系数出发的。因子分析是一种很有效的降维和信息萃取方法，因子分析是一种把错综复杂关系的变量归结为少数几个综合因子的多边统计分析方法，起到简化观测或评价系统的作用。因子分析法是在尽量减少信息丢失的前提下，从众多指标中提取出少量的不相关指标，然后再根据贡献率定以权重，进而计算出综合得分，其计算结果更为准确、客观、操作性比较强。因子分析中有多种确定因子变量的方法，如基于主成分模型的主成

18、分分析法和基于因子分析模型的主轴因子法、极大似然法、最小二乘法等，其中基于主成分模型的主成分分析法是使用最多的因子分析方法，也是本文采用的因子分析方法。因子分析具有以下几个显著的特点：第一，因子变量的数量远少于原有指标的数量，对因子变量的分析能够减少分析中计算的工作量；第二，因子变量不是对原有因变量的取舍，而是根据原始变量的信息进行重构，它能7够反映原有变量的大部分信息；第三，因子变量之间不存在线性相关关系，对变量的分析较为方便；第四，因子变量具有命名解释性，即该变量是对某些原始变量信息的综合和反映。因子分析模型因子分析的出发点是用较少的相互独立的因子变量来代替原来变量的大部分信息，可以通过下

19、面的数学模型来表示：假定有 n 个观测对象，构成样本集N1、N2、? 、 Nn ， p 个考核指标，在此我们称为变量，对n 个样本分别计算p 个变量的值，可以得到原始数据矩阵：x11 ? x1mx21 ? x2mX p gm?xp1 ? xpm假定标准化后的矩阵仍记为X ，则相关矩阵 RXX T求解相关矩阵的特征方程RI0, 记特征值为123?p0 ，特征向量矩阵为 U p gp ， U 为正交矩阵。令FUTX,则1010FF TUTXXTU UTRU UTUU T U0p0pF 为主因子阵。 FU gX为第个样品因子观测值，又称因子得分矩阵。在因子分析中， 通常只选择其中m(mp) 主因子，

20、 它们代表总体信息量的大部分，从而达到简化观测评价系统的目的例如按选取的主因子的信息量和占总体信息量的85%，即寻求 m,使得mpi /i85%i 1i 1这 m个 主因子将 U 矩阵剖分为 2 部分，其中一部分为 m个因子能解释的含主要信息，另一部分只含少量信息。因子模型则可以表示为 ( 略去特殊因子 ) ：8X1U11F1 U12 F2? U1mFmX 2U 21F1U22F2? U 2m Fm?X pU p1F1U p 2F2? U pm Fm经规格化和方差最大旋转后得到因子载荷矩阵A，其因子的典型代表变量突出，从而得以对主因子的经济意义给以明确解释。根据各样本在不同主因子上的得分，可以

21、对样本进行不同角度的比较评价。因子分析的基本步骤：1 ) 检验待分析的原有若干变量是否适合于因子分析；2 ) 构造因子变量；3 ) 利用旋转使得因子变量更具有可解释性；4 ) 计算因子变量的得分。3.2 KMO and Bartlett's TestKMO检验和 Bartlett检验是两个常用的测度因子分析模型有效性的统计指标。KMO(Kaiser-Meyer-Olkin measure of sampling adequacy)测度样本的充足度。KMO的统计值一般界于 0和 1之间，若该统计指标在0.5 和 1之间则表明可以进行因子分析，若小于0.5则表明不适宜进行因子分析。本研究的

22、KMO值为 O.629 ( 大于 O.5 )。Bartlett统汁指标检验相关矩阵是不是单位矩阵( 原假设为相关矩阵为单位阵)。卡方检验结果表明，Bartlett球形检验的卡方统计值为1700.191(P< O.000)拒绝原假设，相关矩阵不是单位阵，可以考虑进行因子分析。通过 SPSS的 Analyze Data Reduction 模块，并选择 KMO and Bartlett's Test选项，检验结果如下：表 3 ： KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of Sampling Adequacy(检验

23、).629Bartlett's Test of球形检验，x2Approx. Chi-Square(统计值 )1657.970Sphericitydf28Sig( 显著性水平 ).0009通过以上两项统计指标的检验表明本文所选择的数据适合进行因子分析。3.3 直接因子分析在因子分析时，本研究采用主成分分析法提取因子。通过SAS软件，使用 factor过程，主要结果如下：表 4：因子的特征值及贡献率特征值差分方差贡献率累计方差贡献率13.861444370.356462600.19310.193123.504981760.973253060.17520.368332.531728710.0

24、91733830.12660.494942.439994880.692984540.12200.616951.747010340.056859510.08740.704361.690150830.483796750.08450.788871.206354090.310937560.06030.849180.895416530.386360590.04480.893990.509055940.119279650.02550.9193100.389776290.018345680.01950.9388110.371430610.117530010.01860.9574120.253900600.0

25、34624070.01270.9701130.219276530.088989840.01100.9810140.130286690.028933680.00650.9875150.101353010.043303250.00510.9926160.058049760.020828730.00290.9955170.037221030.010383170.00190.9974180.026837870.006925380.00130.9987190.019912480.014094810.00100.9997200.005817680.00031.000010图 1：碎石图结果分析：初始因子方

26、法是主成分法。通过表4可以看到：第一个为3.86 ，累计贡献率为 0.19 ；第二个特征值为3.5 ，累计贡献率为0.37 ；第三个特征值为2.53172871 ，累计贡献率为 0.49 ；第四个特征值为2.43999488 ，累计贡献率为0.62 ；第五个特征值为1.7 ，累计贡献率为 0.70 。按照最小特征值的标准，即取累计贡献率为大于1的特征值，应该保留7个因子。但观察碎石图（图1），特征值大于1的点尽管有 7个，但发生剧烈变化的拐点在第9个点，而第 9个点后面的点的特征值的取值变化就比较平缓了。考虑到财务数据的实际意义，选7个或者 9个不具有好的公共因子解释性。选 5比较合适，且选

27、5个的话累计贡献率也达到了0.7 ，可行。所以选取5个因子。3.4 确定因子数目的因子分析使用 SAS软件的 factor过程，取 n=5，也即取因子的数目为5，对数据进行分析，载荷阵如下：表 5 ：因子载荷矩阵Factor1Factor2Factor3Factor4Factor5a10.32784-0.115890.71720-0.098240.19391a20.270520.106720.73513-0.053600.3023011a3-0.72707-0.020920.077880.26065-0.33963a40.407150.152970.25017-0.215010.37329b1

28、0.274490.674600.000190.58936-0.07205b20.685230.50477-0.071210.34934-0.01386b30.27650-0.469770.195840.61801-0.14672b40.731510.15201-0.017840.48723-0.25000c10.17623-0.270990.121260.51760-0.40171c20.090180.38529-0.213720.280300.06070c3-0.566850.747330.039300.014400.05249c4-0.652560.671120.089400.224770

29、.04047c5-0.643370.614860.170130.219120.04456d10.180240.03340-0.433510.201440.58564d20.219200.12142-0.496000.220970.61062结果分析：可以大致看出公共因子Factor1 在 a3、a4、b2、b4、c4、c5上有较大的负载；公共因子 Factor2 在 b1、b2、b3、 e3上有较大的负载；公共因子Factor 在 a1、 a2、 e3上有较大的负载；公共因子Factor4 在 b1、 b3上有较大的负载；公共因子Factor5 在 d1、 d2上有较大的负载。但是部分公共因子

30、在许多变量上有较大且相近的载荷，比较模糊，不好解释。尝试使用最大方差旋转法分析数据。3.5 最大方差旋转法子因分析使用 SAS软件的 factor过程，取 n=5和 rotate=varimax，采用最大方差旋转法分析结果如下：表 6 ：最大方差旋转法的因子载荷矩阵Factor1Factor2Factor3Factor4Factor5a1-0.224740.012230.166420.75478-0.18570a2-0.007770.076300.143560.82783-0.08638a30.47872-0.180120.34477-0.39522-0.42631a4-0.129100.06

31、643-0.171520.572850.24222b10.381700.846960.024980.047190.13070b2-0.047940.84775-0.194860.178980.24628b3-0.432240.363100.62422-0.05307-0.16677b4-0.331280.864370.017560.034770.00602c1-0.266100.407040.39865-0.19445-0.33949c20.242030.38518-0.05158-0.104520.25295c30.927320.00231-0.155910.000740.00931c40.

32、961570.048540.07145-0.05814-0.0305712c50.922420.022400.117700.00049-0.07557d1-0.058160.084720.08926-0.065150.76310d2-0.021490.153360.03798-0.078190.83604e10.25938-0.03074-0.111620.65087-0.09154e20.035990.44000-0.717600.24685-0.21394e30.10562-0.080860.719410.33575-0.31970e40.161580.109610.578910.1687

33、70.14508e50.037090.41313-0.728010.30834-0.19004结果分析：表5与表 6对照观察可以发现变量在公共因子上的负载“两极”化了。比如变量 c3、 c4 、c5在公共因子 Factor1 上的负载由表5里的 0.6 左右变为表6里的 0.9 左右。这表明经过最大方差旋转， 因子负载情况变得明显了集中了，采用最大方差法旋转处理是成功的。同时也可以发现这样的结果：公共因子Factor1主要由 c3( 总资产周转率 )、c4（净资产周转率）、c5（固定资产周转率）表示，这3个变量是反映公司运营能力的指标，所以可以将公共因子Factor1 归纳为运营因子；公共因子

34、Factor2 主要由变量 b1（净资产收益率）、 b2（总资产利润率）、b3（毛利率）、 b4（净利率）表示，显然这些变量是反映公司盈利能力的指标，所以公共因子Factor2可以归纳为盈利因子；公共因子Factor3主要由 e2（净利润增长率）、 e3（总资产增长率）、e4（净资产增长率）、 e5（每股收益增长率） 表示， 这 4个变量反映公司发展情况，公共因子Factor3 可归结为成长因子；公共因子 Factor4 主要由 a1（流动比率）、a2（速动比率）、a3（资产负债率）、a4（利息保障倍数） 表示，这 4个变量主要说明公司的偿债能力，公共因子 Factor4可归结为偿债因子；公共

35、因子 Factor5 主要由 d1( 净现金流量 ) 、d2( 每股现金流量 ) 表现，这 2个变量反映公司的现金流量，所以公共因子Factor5可归纳为流动因子。因子分析的结果与变量的现实经济意义不谋而合。整理成表格如下：表 7 ：公共因子及其对应变量Factor1 运营载荷Factor2 盈利载荷Factor3 成长载荷Factor4 偿债载荷Factor5 流动载荷因子因子因子因子因子c1 应收账款-0.2661b1 净资产收0.84696e1 主营业务 -0.11162a1 流动比率0.75478d1 净现金流0.7631周转率益率增长率量c2 存货周转0.24203b2 总资产利0.

36、84775e2 净利润增-0.7176a2 速动比率0.8278d2 每股现金0.8360率润率长率流量413c3 总资产周0.92732b3毛利率0.3631e3总资产增0.71941a3 资产负债-0.3952转率长率率c4 净资产周0.96157b4净利率0.86437e4净资产增0.57891a4 利息保障0.5729转率长率倍数c5 固定资产0.92242e5每股收益 -0.72801周转率增长率将公共因子Factor i 表示为 Fi ，则变量可分别表示为：a1-0.22474*F10.01223*F20.16642* F30.75478* F4 -0.18570*F5a2-0.0

37、0777*F10.07630*F20.14356* F30.82783* F4 -0.08638*F5?e50.03709* F10.41313* F2 -0.72801*F30.30834* F4 -0.19004*F53.6 因子得分表 8 ：标准化因子得分系数Factor1Factor2Factor3Factor4Factor5a1-0.04716-0.026040.079570.30091-0.05209a20.01751-0.012320.085020.335990.00137a30.120430.007030.09566-0.14974-0.19878a4-0.02099-0.03

38、440-0.030570.234160.13719b10.121880.288050.05812-0.015310.02648b20.003080.25913-0.022000.026910.07224b3-0.109600.157860.23327-0.03735-0.08684b4-0.080130.292710.03676-0.04359-0.05309c1-0.073080.185140.13833-0.11202-0.19216c20.074620.125260.00850-0.049610.10183c30.256730.00613-0.042230.014680.01554c40

39、.268850.037510.04221-0.004790.00148c50.258730.029010.058060.01944-0.01520d10.00037-0.010070.071570.009810.38139d20.011800.008480.058610.002940.41173e10.08238-0.04506-0.018410.26544-0.01122e20.004200.12224-0.255230.03699-0.15709e30.041970.001190.268660.15612-0.10190e40.063380.044130.240530.096020.107

40、60e50.005790.10744-0.256670.06469-0.1406814令 Ni 为样本 i 在公共因子上的得分， aij 为样本 i 在变量 j上的取值标准化后的数值。则样本在公共因子 Factor1 上的得分 N i 可表示为：N i -0.04716*ai10.01751*ai 2 0.12043*ai 3 -0.02099*ai 40.12188ai 50.00308*ai 6 -0.10960*ai7 -0.08013*ai 8 -0.07308*ai 90.07462*ai100.25673*ai 110.26885*ai 12+0.25873* ai130.00037* ai140.01180*ai150.08238*ai 160.00420*ai 17 0.04197* ai 180.06338*ai 190.00579*ai 20同理其它样本在其它公共因子上的的得分也可类似表示。第四章结论的应用4.1 各因子得分及综合排名每个公共因子都有自己方差贡献率，利用方差贡献率加权求得综合得分可以反映公司的整体情况：Sn 为样本 n 的综合得分，Fi 为在样本 n 在公共因子i 上的得分，则Sn 可表示为：Sn = 0.1931* F10.1752* F20.1266* F30.1220* F40.0874* F5 / 70.43%因为 5 个公共