论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　根据因子得分系数矩阵计算3个公因子的因子得分，再以贡献率为权重计算34家上市公司的综合得分，按由高到低排列，结果见表4。
　　由表4可知，上海汽车（600104）、龙溪股份（600592）、云内动力（000903）的综合得分为前三名。由表3可知，上海汽车（600104）的第一个因子得分最高，说明其发展能力应该很强，而在这34家企业的12个指标的原始数据中的确可见其无论在主营业务收入，总资产增长率，还是资产总额，投资收益方面都远远优于其它企业，可见其的确具有极大的发展能力。龙溪股份（600592）的第三个因子得分最高，说明它具有较好的偿债能力，实际上，该企业的流动比率和速动比率都位于前列，说明该企业当前流动资产的变现能力能力较强。云内动力（000903）的第二个因子得分很高，说明其具有较强的盈利能力，具体可以从其较高的每股收益和每股净资产看出。
　　同样，位于排名末端的3只股票分别为凯马B股（900953）、东风科技（600081）、SST兰宝（000631）这3家企业的三个因子得分都为负数，其中凯马B股（900953）的偿债能力最差，说明其存在较大的财务风险。而东风科技（600081）的三个因子的得分都比较低，说明其整体面不佳。SST兰宝（000631）的第二和第三个因子的得分都非常低，说明其偿债能力和盈利能力都很差，而我们从其名称也可看出它面临着退市的风险。对投资者来讲，这些企业都具有较大风险，投资时要谨慎对待；从企业的角度来讲，如果这些排名靠后的企业不及时采取有效措施改善基本面的话，很可能陷入恶性循环，最终被市场淘汰。
　　三、聚类分析
　　聚类分析是根据事物本身的特性研究个体分类的方法，本文采用聚类的方法处理数据，将具有一定共性的公司分在一类，再对每一类的公司进行分析和总结。
　　采用K中心聚类，将之前分析出的因子作为变量，将这34支股票聚成4类，表5为方差分析表。由表5可知伴随概率sig都非常小，说明聚成4类是可以接受的。
　　由表6可知，上海汽车单独分为一类，其3个因子的得分均为正，而其发展能力更是高居榜首。因此第一类为综合面较好且极具发展能力的企业。第二类中的企业都有一个共同点即偿债能力较差，这类的企业第3个因子的得分几乎都为负值，唯一的一个非负值也非常接近于0。第三类的企业则刚好相反，其偿债能力因子得分均为正值，说明他们相对偿债能力较强。而主要体现为短期偿债能力，说明企业经营活动产生的现金金流量较多，但如果这个指标太大则说明企业流动资金利用不充分。第四类企业则所有因子的得分均为负。与之前用因子得分做出的综合得分情况比较，可见综合得分的最后两名都属于第4类，而综合排名倒数的第三名凯马B股未被聚在第4类，两者似乎存在偏差。
　　四、判别分析
　　（一）判别分析机理辨别分析是通过进行系统分析，找出分组变量和特征变量之间的关系，推导出判别函数，再对其他已知多元变量的信息、但未知判别类型进行分类。SPSS软件提供的判别分析过程是discriminant过程，它按照现有的测量值分类和体现测量值特征的变量演算出判别函数，同时将相关测量值的变量值代入判别函数，按照判别函数对测量值所在的分类进行判别，并与原始值的分类和按判别函数所得出的分类，推导出错分概率。
　　（二）判别分析具体过程采用Fisher线性判别。
　　（1）首先对聚类结果进行验证。分别以1，2，3，4代表第1到第4类，判别函数取原表中的12个指标为变量进行判别。结果显示，金龙汽车，一汽四环，凯马B股由第2类判到了第4类，东风汽车则由第3类判到了第2类。由此可以猜测聚类结果比较粗糙，所以错误的没有将凯马B股判入绩差股类别中。
　　（2）选用逐步判别法控制变量的引入与剔出，筛掉对判别函数供献不大的变量，得到用于对数据进行分类的Fisher线性判别函数系数，如表7所示：
　　F1=1.214×总股本-0.955×流动比率+0.006×净利润-549.671
　　F2=0.356×总股本+6.406×流动比率-50131
　　F3=-0.738×总股本+13.776×流动比率-1.40E-0.5×净利润-11.427
　　F4=-1.089×总股本+6.997×流动比率-1.50E-0.5×净利润-4.294