《应用多元统计分析课程论文》9100字

应用多元统计分析课程论文：COVID-19疫情对湖北省上市企业盈利状况的影响分析目录TOC\o"1-2"\h\u30620引言 26202一、相关理论及算法原理 33237二、数据及模型 519605三、结论与政策建议 1128063参考文献 12摘要:重大疫情对公司盈利的影响可以从行业外部环境与企业内部结构进行分析。本文根据手足口病、甲型H1N1流感与甲型H7N9流感爆发前后疫情爆发地内所有上市公司相关数据，基于K-Means方法分类，对公司当时面临的外部环境与内部结构分别进行了描述性统计分析；并通过XGBoost方法对不同的外部环境与内部结构进行了重要度排序。结果表明，与企业所属行业相比，其内部结构对抵御疫情对利润的冲击更为重要。进一步从内部结构的分析中得出，疫情对高负债、小市值企业盈利的影响尤为剧烈。政府管理层通过提振贷款机构的信心、企业通过在疫情期间逐步向数字化转型以拓宽业务渠道，从而积极创造现金流均可有效抵御疫情冲击。关键词：新型冠状病毒肺炎；K-Means方法；XGBoost方法；疫情分析引言2020年春节前夕，COVID-19在武汉的爆发及其在全国的迅速蔓延，对民众的日常生活和社会经济状况产生了比较大的影响，也对民众的生命健康造成了一定程度的威胁。疫情改变了中国，也在一定程度上改变了我们每个人的生活。随着各类风险如疾病对生命健康的威胁、社会政治不稳定所造成的恐慌情绪、本土经济受损以及全球经济受挫同时出现，COVID-19对我国经济的打击不仅体现在人们对短期经济增长、社会安定预期的破灭，还势必通过全球经济产业链影响到其他国家的经济；进而加剧对我国经济的不利影响，形成一个恶性循环。虽然目前新冠疫情得到有效控制，我国的疫情已经得到了很大程度的控制，已经形成了较好的疫情防控局面；生产生活也已经得到了很好地复苏、人民的生活基本恢复了。但毋庸讳言，COVID-19对我国经济造成了广泛而深刻的负面影响。例如，企业停产停工导致各个行业之间的供应链被打乱，金融机构对未来经济的信心下降导致债务危机等等。对于重大疫情的分析，各界学者均进行了相关研讨。张文斗，祖正虎，许晴的研究内容为SARS对交通运输及电信业造成的影响研究，通过时间序列分析和灰色系统理论预测模型分析法对其进行分析，结果显示SARS疫情对中国交通运输业产生了较大的负面影响、对电信业发展却并没有形成预想中明显的促进效果。而张连城，贾金思从经济根源上研究了SARS对我国的经济所造成的重大影响，发现正是在一定程度上信息不充分以及公共物品的供给不够充足从而导致的市场失灵，才会使得中国经济所受的冲击较大。为了更清晰地研究该疫情对各行业、各体量企业的影响，为决策部门提供如何精确地帮助受影响较大的企业渡过难关，本文针对对国内历史上重大疫情发生前后当地企业的盈利变化情况，从疫情爆发地各个公司的行业外部环境、企业内部结构进行分析，力图根据历史情况来判断企业的哪些特征是造成盈利下滑的主要推动力、哪些特征能有助于抵御COVID-19的冲击。同时考虑到2003年非典型肺炎爆发距离现在时间较长，数据量少且难以收集，本文收集了2007年安徽省爆发手足口病前后、2008年广东省爆发甲型H1N1流感与2013年爆发甲型H7N9流感前后疫情爆发地内所有上市公司的总市值、资产负债率、现金净流量、营业收入与行业类别数据。分析了不同行业、体量、资产负债率和现金流入率的公司盈利受影响的情况，并对相关特征的重要度进行了排序，以此判断在COVID-19期间，湖北省中哪类企业可能受到的影响最大。主要结论显示负债较高，现金流较差的小型制造业类企业在疫情影响年受到的打击最大。相关理论及算法原理在早期COVID-19疫情的预测、预警和对疫情风险进行分析时，相关的模型以及算法都被广泛的应用，发挥了重要的作用。通过实时更新的少量数据，对COVID-19传播构建SIR、SEIR传播动力学模型和中国独特的防控策略的数学模型，利用统计计算方法估计确定模型的未知参数，本文采用了数据处理、最小二乘法和MCMC(MarkovChainMonteCarlo)方法等；本文分析了达到峰值时间、峰值规模、最终感染规模等传播风险指标，同时评估了封锁、密切隔离和检测等重大防控策略的有效性和及时性。上述分析可以为疾病防控和决策部门提供重要的决策依据，服务于我国重大突发传染病的防控，具有明确的理论和现实意义。K-Means聚类：K-Means是一种常见的无监督的聚类算法，其算法步骤如下：从样本中随机选择k个作为聚类的初始中心a=针对数据集中每个样本xi对于每个类别aj，加入新的样本点更新它的质心(聚类中心):a重复上面两步操作，直到达到某个中止条件（迭代次数、最小误差变化等）。Gradientboosting算法：梯度提升(GradientBoosting)是一种机器学习技术，可以解决分类和回归问题。它通过集成多个基学习器（如决策树），来形成一个效率较高的分类或回归模型。梯度提升分阶段建立弱模型，并在每一阶段通过优化任意可微的损失函数来构建弱预测模型。对于一个不完美的预测模型，梯度提升算法在的基础上增加了一个估计量来对其进行改善，即：并将在残差上拟合的想法推广到损失函数。由于残差是均方误差损失函数关于的负梯度，故梯度提升法本质上是一种梯度下降算法。具体步骤如下：初始化：计算伪残差：基于生成学习器.计算最优的，更新模型，并重复步骤2至4.XGBoost算法：XGBoost是基于梯度提升算法而产生的。XGBoost的目标函数由用来衡量预测值与真实值的误差和正则化项两部分组成。正则化项包含两部分，表示叶子结点的个数，表示叶子节点的分数。可以控制叶子结点的个数，λ用于控制叶子节点的分数，防止过拟合，如下式所示：当以ft由于每个样本都最终会落到一个叶子结点中，因此可以将同一个叶子结点的样本重组起来：因此，目标函数改写成关于叶子结点分数的一个一元二次函数，故最优的和目标函数公式为：数据及模型自COVID-19病毒肺炎疫情爆发以来，湖北省乃至于全国各地的企业均受到了不同程度的影响。为了研究该次疫情对湖北省上市企业盈利的冲击究竟有多大以及企业所属行业和公司内部结构分别能在多大程度上抵御疫情冲击，本文从聚宽数据库收集了2007年安徽省（手足口病爆发）上市公司的所属行业与各项财务指标、2008年（甲型H1N1流感爆发）和2013年（甲型H7N9流感爆发）广东省上市公司的所属行业与经营性活动产生的现金净流量、资产负债率、业务收入、总市值等财务指标。重大疫情发生年各类公司的描述性分析重大疫情发生年各类公司的外部环境分析表1给出了手足口病、甲型H1N1、甲型H7N9流感发生年份对应省份的各个行业的盈利率（该类别下盈利公司家数/该类别下总公司数）以及上述年份与湖北COVID-19疫情发生时上市公司数量。表1重大疫情发生年各行业的公司数量重大疫情发生年各行业公司数量行业2007年安徽2008年广东2013年广东盈利率2019湖北新冠信息技术332940.5226公用事业110120.835医疗保健112260.819可选消费1026540.6113工业1347780.5721房地产120220.803日常消费36140.554材料1120350.5713能源3110.801金融2680.673合计(平均)48180344(0.56)98可以看出，无论在哪一省份，工业企业和材料企业的数量占比总是处于一个较高水平（两者合计在四次疫情发生年中分别占50%、37.2%、32.8%和34.7%），因此，疫情冲击对这些企业造成的影响可能较大。此外，广东省的信息技术类企业由2008年的32家发展到了94家，而且该行业公司在湖北省占比最高，达到了26.5%。这说明随着经济发展，我国的发展重心已逐渐转向高科技行业，同时也暗示着疫情对此类企业的冲击也不会太小。从前三次疫情各个行业的盈利率也可以看出，信息技术、工业和材料这三类行业均处于一个较低的水平，分别为52%、57%与57%。而医疗保健、公用事业与房地产行业受这类疫情的影响较小，分别为81%、83%与80%，与实际情况相符。就医药行业而言，重大疫情给医药流通（感冒药类）、医疗耗材（口罩、防护服类）等企业带来直接的业绩增长机会；就公共事业行业而言，疫情期间人们普遍待在家中，用水、用煤、用电量都会大幅提高，也有着直接的业绩增长机会；就房地产行业而言，由于其存在着预收账款多的行业特性，现金流充沛、负债少；而且疫情期间市场热度的回落有利于其低成本获取优质招拍挂的地块，在疫情结束后很容易能实现盈利。重大疫情发生年各类公司的内部结构分析考虑到不同年份、不同省市的经济发展状况不同，若直接按比例对公司体量进行分类可能会导致结果不够准确，本文基于K-means聚类的方法，通过公司的总市值和业务收入两个指标来对公司体量大小进行划分，分为大、中、小三类；考虑到公司的利润波动、通货膨胀等因素，本文将疫情发生年的利润与前三年经折现后的平均利润相比较，将公司分为盈利与亏损两类，其结果如表2所示。表2重大疫情发生年各体量的公司数量与盈利情况重大疫情发生年各体量的公司数量与盈利情况2007年安徽2008年广东2013年广东2019湖北新冠公司体量大34813中8101013小3716632672公司的盈利情况盈利22111216-亏损2669128-由于疫情爆发期的持续时间通常不会超过一年，有着良好内部结构的公司常常能在疫情结束后的恢复期迅速挖掘市场，减少前期损失、增加利润。所以总体来讲疫情对公司全年的利润影响不会过于剧烈，这从表中也可以看出，三次疫情下这些公司的盈利率分别为45.8%、61.7%和62.8%。加权平均盈利率达到了61%。尽管不可避免地存在着幸存者偏差，但仍可以看出，重大疫情对相对较发达地区的公司盈利的影响较弱，且随着时间的推进，其影响也是逐渐减弱的。这一方面是因为国家经济实力的发展，整个系统的抗风险能力逐渐增大，面对这些重大疫情时受到的影响较小；另一方面是因为国家应对重大疫情的经验更为充足，能更迅速地作出针对性较强的应对方案。为了研究公司内部结构对其盈利能力的影响，本文两两组合了市值、资产负债率（总负债/总资产）和现金流入率（现金净流入/营业收入）三个指标，在此基础上计算公司的盈利率及其在公司数量加权下的平均值。表3展示了不同市值与资产负债率下的各类公司盈利率。表3市值与负债率对公司盈利率的影响重大疫情期间各类公司盈利率市值大中小加权平均值资产负债率高0.730.750.370.38中0.500.890.430.51低1.000.820.610.63加权平均值0.730.820.60可以看出，在同一资产负债率的情况下，小公司的盈利率整体来说低于大公司；而在同一市值的类别中，低负债率的公司整体盈利情况更好。表中，盈利率最低的是高负债率的小公司，其盈利公司的占比只有37%，且随着资产负债率的下降与市值的增大，盈利率分别上升了约14%和26%。而低负债率的大公司全部实现了盈利。考虑到样本量的影响，尽管市值较大的公司其盈利率可能出现部分失真，但在市值方面，平均盈利率由小市值的60%上升到大市值的73%；在负债率方面，由38%上升到63%。不难看出总体趋势是低负债率、大市值对公司的抗风险能力有着重要作用。表4展示了在不同市值与现金流入率的分类下，各类公司的盈利率及其在公司数量加权下的平均值。表4市值与现金流入率对公司盈利率的影响重大疫情期间各类公司盈利率市值大中小加权平均值现金流入率高0.861.000.620.64中0.500.670.620.62低0.750.900.440.55加权平均值0.730.820.60不难看出其中盈利率最低的为低现金流入率的小公司，仅为44%。随着现金流入率的增加，小公司的盈利率也不断提高，达到了62%，上升了18%。而中大型公司的现金流入率对其盈利率的提升并不是非常显著，上升幅度仅在10%左右。这与实际情况也是相符合的。大型公司由于存在规模效应的信息优势，在产品的生产研发过程中尽管有时不能收回现金流，但并不能显著影响贷款方对其未来状况的担忧，因此重大疫情对这类公司的影响也有限。尽管如此，在这种分类形式下，现金流入率由低到高的平均值也由55%上升到了64%。说明就整体而言，现金流入率也能使公司形成一定的安全边际，在疫情持续期间保障公司的的营业利润。从实际情况来看，大量公司在危机中破产，并不是因为盈利能力出现了问题，而是资金链断裂，导致没有充足的现金流来应对企业的日常开支。表5则展示了在不同负债率与现金流入率的分类下，各类公司的盈利状况及其在公司数量加权下的平均值。表5资产负债率与现金流入率对公司盈利率的影响重大疫情期间各类公司盈利率资产负债率高中低加权平均值现金流入率高0.370.670.840.64中0.390.540.670.62低0.350.490.580.55加权平均值0.380.510.63可以看出，同时有着低现金流入率和高负债率的公司盈利能力最差，仅有35%，而有84%的同时拥有低负债率和高现金流入率的公司实现了在疫情影响下的盈利。在这种分类下，现金流入率对高负债率的公司能否实现盈利的影响仍不是很明显，无论其现金流量如何，相对能盈利的公司均不过40%。而对于负债率没那么高的企业而言，良好的现金流仍能提高其盈利率。这可能意味着高负债率的公司在重大疫情的影响下可能面临着“爆仓”风险，由于被强制要求还款而被迫出售资产或进入清算程序，导致在疫情结束后生产力难以恢复到原有水平。此外，由于市值变化导致盈利率从60%上升到73%，上升了13个百分点；由于负债率变化导致盈利率从38%上升到63%，上升了25个百分点；由于现金流入率变化导致盈利率从55%上升到64%，仅上升了9个百分点。从这三个指标加权平均值的变化可以看出，负债率对公司风控能力的影响最大，其次是公司体量，最后是公司创造现金流的能力。重大疫情发生年各类公司特征的重要度排序为了更清晰地比较各类公司特征在抵御疫情冲击上所起的作用，本文以公司在疫情年是否实现盈利为目标变量，将体现公司内部结构的资产负债率、现金流入率与市值指标以及体现公司外部环境的行业指标（以虚拟变量的形式呈现）作为预测变量，进行了XGBoost分类。并分别特征重要度从内部结构、外部环境以及综合结果三个方面进行了分析。各项特征重要度的具体结果如表6所示。表6基于XGBoost分类的重要度结果各项特征的重要度特征整体内部结构外部环境资产负债率31.32%38.97%-市值29.38%32.13%-现金流入率22.76%28.89%-医疗保健5.45%-12.33%房地产3.89%-11.67%材料2.53%-17.67%公用事业1.56%-5.67%信息技术0.97%-14.00%日常消费0.97%-17.33%工业0.78%-12.67%可选消费0.39%-8.67%金融0.00%-0.00%能源0.00%-0.00%可以看出，当将内部结构与外部环境一同纳入XGBoost分类时，内部环境的重要度要远大于公司所处的行业：内部结构的重要度占总重要度的84%，外部环境仅占16%。当仅考虑内部结构时，资产负债率、市值与现金流入率的重要度差距并不是很大，其中资产负债率的重要度最高，达到了39%，而现金流入率的重要度仅比其低10个百分点，为28.9%。而当仅考虑外部环境时，各行业之间的重要度存在着显著差别，材料业与日常消费业的重要度最大，均超过了达到了17%，但金融业与能源业这两个行业与企业是否盈利几乎没有关系。公司内部结构因素的重要度排序图1展示了将资产负债率、现金流入率与市值进行XGBoost分类后重要度排序的结果，与上述分析也相符合。图1公司内部结构的重要度排序这表明在对公司盈利造成不利影响的因素中，贷款机构的信心是很重要的一环，其既对小公司有着深刻影响，又对高负债率的公司有着决定性的影响。因此，在这次的COVID-19疫情中，提振金融机构的信心，使其不对中小企业断贷，少对高负债率企业催债尤为关键。同时，各企业也应该积极优化内部结构，加快资金周转，将疫情对企业未来持续经营造成的影响降到最低。公司外部环境因素的重要度排序本文设置虚拟变量来分别描述10个行业，并将公司是否盈利作为二元分类的标准，用XGBoost方法对其重要度进行了排序，具体结果如图2所示。图2各行业对公司盈利率影响的重要度排序可以看出，受到疫情影响最为严重的是材料行业，其次是日常消费行业、信息技术行业与工业行业。这也与上述分析和实际情况一致。而医疗保健、公用事业与房地产行业的盈利率高，重要度排名却靠后的原因是样本量较小且该方法对亏损类别判断的精确率高于对盈利类别，故判断得出的准确率相对偏低。由于大面积的停产停工，各制造业的供应链遭到破坏，使得整个生产流程停滞，进而影响如材料业、工业、和信息技术企业的产量。而日常消费之所以会受到严重影响，是因为在重大疫情期间，人们倾向于待在家中，从而消费能力降低。一些商务销售环节，春节期间没法走动，导致后期业务开展受到影响，如线下影院等。因此，在这次的COVID-19疫情中，对企业的帮扶重心应偏向于餐饮业等日常消费业以及一些高科技制造业。外部环境与内部结构对公司盈利率的联合重要度排序图3则综合考虑了公司的内部结构与行业的影响，将这两方面的指标同时纳入XGBoost进行重要度排序，其结果如下图所示。图3行业与结构对公司盈利率联合影响的重要度排序综合这三张表来看，不难看出负债率、市值与现金流这些内部结构的重要度远大于各个行业。说明相较于公司所属的行业，其内部结构更为重要。尽管不同的行业特性受到来自疫情的冲击各不相同，但保持一个良好的财务结构却能显著增强其风控能力。尽管现金流入率的重要度在公司内部结构指标中排在最后，但仍远大于行业指标，其作用也不可忽视。经分析，可以发现受疫情影响最大的就是日常消费业和以材料、信息技术、工业企业为首的制造业中高负债、小市值企业。这也为在此次COVID-19疫情中，为宏观调控发挥作用的方向给出了一个参考。结论与政策建议春节假期，本来是拉动消费增长的黄金周。据商务部监测，在过去的十年里，春节假期全国餐饮企业和零售行业的销售额从2010年的3400亿元增长至2019年的10050亿元。然而2020年受疫情影响，几乎全民都待在家中，销售额必然受到较大冲击;与此同时，此时大量劳工居家隔离，没有办法如往年定期返岗，有些制造企业因需要赶紧开工而会受到冲击，这一冲击对于中小型企业尤其大。而高负债率的公司在重大疫情的影响下可能面临着“爆仓”风险，由于被强制要求还款而被迫出售资产或进入清算程序，导致在疫情结束后生产力难以恢复到原有水平。小公司由于本身资信程度不如大企业，贷款途径和贷款利率都远不如后者，其受到的影响相比于后者更为严重。此外，无论公司大小，其账目上良好的现金流或能有效缓解债务到期的问题，对减缓疫情冲击有着重要作用。基于本文对国内历史上重大疫情发生年间影响企业盈利的各方面因素的分析，结合此次COVID-19疫情的发生时间，可以得出这样一个结论：这次的COVID-19疫情最有可能对以餐饮业为首的日常消费业和以材料、信息技术等为首的制造业造成影响，而对其中高负债、小市值企业的影响尤为剧烈，而良好的现金流能够部分抵御该疫情的冲击。同时，由于这次疫情的规模、范围要远远大于手足口病、H1N1与H7N9疫情，其对公司的影响之深也会远大于上述分析的结果。因此，就本次疫情而言，本文提供了如下建议：对于宏观管理机构而言，首先，由于现金流在一定程度上可以减缓疫情对企业盈利的冲击，故通过适当减免工厂、大型生产设施的租赁费用与水电费等降低企业的场地闲置成本与用电成本，从而一定程度上增加企业的现金流；对于部分企业滞销的对抗疫活动有用的产品，宏观管理机构可以以捐赠补贴或是收购—捐赠的形式，在促进企业支持抗疫的同时为其创造现金流。此外，由于负债率对公司盈利的影响最为深刻，故提振贷款机构的信心、降低相关人员的恐慌尤为重要。具体而言，可以适当降低各类金融机构的强制平仓线以防止恶性循环，适当、暂时地增加贷款机构对中小企业坏账的容忍度。还可以通过政府基金支持、强化融资保险和担保等增信支持方式来缓解小微企业负债率高的问题。对某些中小企业，其受疫情影响较大、发展潜力较大但暂时受到冲击而又运行困难的，可强制要求贷款企业，使其不得抽贷、断贷、压贷、罚息；或为鼓励金融机构在疫情防控期间为中小企业提供持续的贷款服务，对于在此期间由于为中小企业续贷而受到亏损的贷款机构给予适当补助。此外，通过变更还款安排、延长还款期限、改变付息周期等方式，减轻中小企业贷款到期与盈利受损的期限错配问题。对于企业而言，首先应适度举债，在发挥财务杠杆正面效用的情况之下不危及企业的持续经营能力。在中长期债务到期的之前寻找债务延期渠道，以避免在受不可抗力的影响下，企业盈利下降而导致的资不抵债，从而使公司不可避免的进入清算程序。其次，对于小企业而言，由于贷款资源主要都被“财政支配的经济形态”所支配，难以从银行获得大额贷款，其资金来源的成本要远高于大公司，因此盈利的利息保障倍数不可避免地低于大公司，相比于大公司更为脆弱，更需要注意贷款额度。最后，企业本身不能总是等着政府救助，由于公司内部结构的重要度远远高于行业类别，故增强盈利能力、优化债务结构才是长久之计。创造现金流的能力对企业的风控能力有着正面影响，在国家的扶持之下应积极寻找拓宽业务的渠道，更加主动地向数字化转型。在体力工作实在难以进行的条线上进行线上头脑风暴，讨论产品的优化方向、潜在的销售渠道以及更合理的管理方式。谋定后动，从而在复产复工后能更迅速地增强自身竞争力。参考文献ChenT,TongH,BenestyM.xgboost:ExtremeGradientBoosting[J].2016.DrGordonG.Liu,DrJeffJ.Guo,ScottR.Smith.EconomiccoststobusinessoftheHIV/AIDSepidemic[J].Pharmacoeconomics,22(18):1181-1194.SooCheong(Shawn)Jang.Growth-focusedorprofit-focusedfirms:Transitionstowardprofitablegrowth[J].TourismManagement,32(3):p.667-674.LuoSumei,ZhangYuxi,ZhouGuangyou.FinancialStructureandFinancingConstraints:EvidenceonSmall-andMedium-SizedEnterprisesinChina[J].Sustainability,10(6):1774-.MitsuruKatagiri.Amacroeconomicapproachtocorporatecapitalstructure[J].JournalofMonetaryEconomics,66(sep.):79-94.Panda,AjayaKumar,Nanda,Swagatika.WorkingcapitalfinancingandcorporateprofitabilityofIndianmanufacturingfirms[J].ManagementDecision:MD-07-2017-0698.RichardACash,VasantNarasimhan.ImpedimentstoGlobalSurveillanceofInfectiousDisease:Economicandsocialconsequencesofopenreporting[J].Development,42(4):115-120.Wu,Tong,Perrings,Charles,Kinzig,Ann,等.Economicgrowth,urbanization,globalization,andtherisksofemerginginfectiousdiseasesinChina:Areview[J].Ambio,46(1):18-29.陈海强,韩乾,吴锴.现金流波动、盈利稳定性与公司价值——基于沪深上市公司的实证研究[J].金融研究,2012(9):181-194.冯录召,余宏杰,杨维中.流感大流行的疾病负担和经济影响研究进展[J].中华流行病学杂志,2007,28(4):405-407.管晓永.论中小企业融资担保的投资主体[J].科技进步与对策(10):154-156.郭娜.政府？市场？谁更有效——中小企业融资难解决机制有效性研究[J].金融研究,2013(3):