基于因子分析方法的上市公司绩效评估

《基于因子分析方法的上市公司绩效评估》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于因子分析方法的上市公司绩效评估　　【摘要】本文是以中国上市公司中的电力行业的公司为研究对象，综合运用统计学、经济学和管理学的相关理论，对中国上市公司综合性绩效评价的理论与模型进行了系统的研究。在综合比较分析上市公司绩效评价的DCF法、单因素评价模型、多因素评价模型和EVAMVA模型系统等优劣的基础上，采用了统计中的因子分析法，对上市公司的流动比率、速冻比率、存货周转率、应收账款周转率、净资产收益率、每股收益、净利润增长率、净资产增长率、主营业务收入增长率等指标数据进行建模和分析，给经营者和投资者以参考，有比较大现实研究价值和意义。　　【关键词】上市公司绩

2、效评价多元统计因子分析电力板块　　引言　　因子分析是将具有错综复杂关系的变量或样本综合为少数几个因子，以再实现原始变量与因子之间的相互关系，同时根据不同因子还可以对变量进行分类。实际上就是一种用来检验潜在结构是怎样影响观测变量的方法。　　本文在建立上市公司经营业绩评价指标体系之后，选定进行分析的上市公司的相关财务指标，收集数据并进行加工整理，利用R型因子分析模型进行建模。得出所选上市公司的综合得分，并进行综合实力排名。本文对上市公司绩效评价采用因子分析法，以因子变量的方差贡献率作为权数，克服了之前一些评价方法中采用的主观赋权法的人为因素。　　一、评价体系的建

3、立　　在当前证券市场上由于非财务指标的可靠性不如财务指标，因此上市公司选择经营业绩评价指标应该以财务指标为主导。借鉴国内外上市公司经营业绩评价指标的选取方法，本文采用指标体系中的流动比率、速冻比率、存货周转率、应收账款周转率、净资产收益率、每股收益、净利润增长率、净资产增长率、主营业务收入增长率9个指标。　　样本考虑到电力板块的公司数据比较全，于是找到深圳能源，皖能电力，赣能股份，明星电力，西昌电力五个公司作为绩效评价的样本。　　二、模型的建立　　（一）构建标准化数据的相关数据矩阵　　观测深圳能源，皖能电力，赣能股份，明星电力，西昌电力五个公司的样本数据，采

4、用流动比率、速冻比率、存货周转率、应收账款周转率、净资产收益率、每股收益、净利润增长率、净资产增长率、主营业务收入增长率9个指标的数据。每个指标采取的是最近4年的平均值，为了消除各指标间的量纲影响，在趋同化后，要对个指标进行无量纲标准化处理，以构建标准化数据的相关数据矩阵。　　（二）R型因子分析数学模型　　X■=a■F■+a■F■+……+a■F■+ε■X■=a■F■+a■F■+……+a■F■+ε■┇X■=a■F■+a■F■+……+a■F■+ε■（1）　　且满足：　　i）m？燮p；　　ii）Cov（F，？着）=0，即F和？着是不相关的；　　iii）D（F）=1

5、01？埙01=Im，即F■…F■不相关且方差皆为1。　　D（？着）=σ■■0σ■2？埙0σ■p，即？着1，…，？着p不相关且方差不同。　　（三）因子分析适用性检验　　如前所述，指标间具有一定的相关性是因子分析的前提。在因子分析法的适用性检验上，本文采用巴特利球型检验法。巴特利特球体检验以变量的相关系数矩阵为出发点，用于检验相关阵是否是单位阵。该检验统计量服从卡方分布，其零假设是相关系数矩阵为单位矩阵，可以根据常规的假设检验判断相关系数矩阵的非对角线元素是否显著异于零。采用巴特利特球体检验进行显著性检验，卡方统计值为314.563，显著性概率为0.000，小于

6、1%，说明数据具有显著相关性，适宜做因子分析。　　三、因子分析过程　　（一）信息保留程度　　表1为原始变量的共同度，即公因子方差比，表示各原始变量的信息通过主成分分析法萃取后被保留的程度即信息保留程度。该表显示除主营业务收入增长率这一指标提取的信息量相对低一点，其余各指标提取的信息量都几乎接近于1，而每股收益这一指标提取的信息量为1，说明该变量的几乎全部信息都被所选取的因子说明了，由此可证明所选取的因子是很合理的。　　表1公因子方差比　　（二）因子的选取　　利用matlab软件可以得出有三个因子的特征值大于1，而第四个因子的特征值也接近于1。样本方差的累积贡

7、献率高达91.442%，可以认为前3个因子综合了原始指标的绝大部分信息，提取3个因子就能对这几家公司的业绩作出评估。　　因子载荷矩阵列示的是所选取的主成分与原始指标间的线性关系，各主成分是原始指标的线性组合，因子载荷反映了主成分与原变量的相关系数。确定了因子之后，用matlab软件把3个因子提取出来（见表2）。　　表2因子载荷矩阵　　（三）因子方差贡献率　　因子载荷矩阵列示的是所选取的因子与原始指标间的线性关系，各因子是原始指标的线性组合，因子载荷反映了因子与原变量的相关系数。为方便和简化对因子的解释，需将原因子载荷矩阵进行结构调整简化，即将因子轴进行旋转。

8、　　进行方差最大化旋转后的因子载荷阵，可以看出第一因