基于财务报表的创业板上市公司财务特征分析

《基于财务报表的创业板上市公司财务特征分析》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、基于财务报表的创业板上市公司财务特征分析　　一、财务特征界定及描述　　（一）财务特征界定特征是指事物区别于其他事物的独特属性，本文的财务特征是指通过对公司财务数据的综合研究，从而得到创业板上市公司经营成果、财务状况及未来发展情况等各方面的综合评述，从中寻找创业板上市公司所具有的共同特性。具体而言，本文综合市场及公司特性等方面的考虑，主要从公司的成长能力、盈利能力、营运能力及偿债能力等方面对公司的财务特征进行探究。　　（二）财务特征指标体系财务特征分析主要以公司盈利能力、营运能力、偿债能力以及成长能力四大方面为主，选取其中最具代表性的、可以反映公司实际情况的财务指标作为研究对象，综合分析公

2、司经营成果、财务状况及未来发展情况等情况。本文参考诸多文献所述，并综合考虑指标的代表性，从而选取创业板上市公司财务特征指标体系，具体指标如表1所示：　　二、财务特征分析采用方法　　对财务特征的分析有定量分析与定性分析两种，本文主要采用因子分析法对创业板上市公司的财务数据进行定量分析，以使结果更加科学直观。　　因子分析法是用较少的相互独立的因子反映原有变量的绝大部分信息，设有p个变量x1，x2，x3，…，xp，且变量标准差为1，均值为0。每个原有变量有k（k

3、a21f1+a22f2+a23f3+…a2kfk+？着2x3=a31f1+a32f2+a33f3+…a3kfk+？着3xp=ap1f1+ap2f2+ap3f3+…apkfk+？着p　　也可用矩阵公式表示为：X=AF+？着。其中：F为因子，因其出现在每个变量的线性表达式中，因而F又称公共因子。A为因子载荷矩阵，aij（i=1，2，…，p；j=1，2，…，k）为因子载荷，即第i个原有变量在第j个因子上的负荷。？着为特殊因子，表示原有变量不能被因子解释的部分，同变量一样，其均值也为0，又可看做残差。　　因子分析法主要包括四个步骤，即前提条件、提取因子、因子命名以及计算因子得分。本文主要采用KM

4、O检验及巴特利特球度检验；在因子提取时，主要运用基于主成分分析模型的主成分分析法，同时选取正交旋转方式进行因子命名。　　三、创业板上市公司财务特征实证分析　　（一）数据处理本文依据数据有效性及数据可得性原则，选取了193家创业板上市公司2011年相关财务指标数据作为原始数据，其中部分指标数据因不符合数据统计要求而未采用。同时，为确保数据一致性和可比性，本文将原始数据中的负向指标取正，并对原始数据进行无量纲化及标准化处理。　　（二）KMO及巴特利特球度检验在进行因子分析之前，对标准化处理后的数据进行KMO检验，测定所有原始变量是否适合进行因子分析。在巴特利特球度检验中，统计量的观测值为35

5、10.004，且其对应的概率值小于给定的显著性水平（显著性水平为0.05），则应拒绝原假设，可以认定相关矩阵不大可能是单位矩阵，此外，在KMO检测中，度量值为0.857，根据Kaiser给出的KMO度量标准，此度量值符合因子分析的要求，所以可以得出结论，变量间相关性较强，适合进行因子分析。　　（三）因子提取首先对所有变量进行尝试性分析，采用主成分分析法，对变量的相关系数矩阵提取其特征根值大于1的特征根，使用SPSSv17.0软件所得到的特征根提取及其方差贡献率，具体见表2所示：　　表2中第一组数据是初始因子解的情况，其中：第一个因子的特征根为4.982，可以累计解释原有变量的35.583

6、%，第二个因子的特征根为3.725，可以累计解释原有变量的62.192%，第三个特征根为1.948，可以累计解释原有变量的76.105%，第四个特征根为1.012，可以累计解释原有变量的83.333，在初始因子提取中，总共提取了14个因子，因而变量总方差累计达到了100%。　　表2中第二组数据为提取4个因子的方差累计情况，其中，只有前四个因子符合特征根大于1的条件，而且前四个因子对于所有因子的解释率达到了83.333%，原有变量丢失信息较少，因此因子提取结果较满意。　　表2中第三组数据为最终因子提取的情况，因子旋转后没有影响原有因子的提取，也没有影响到方差累计情况，不过因子旋转后，改变了

7、各个因子各自的方差贡献，优化了原有因子额解释度。　　从图1碎石图可以更加直观的观测到因子的提取情况，及其对解释原有变量的贡献度。从图1中可以看到，前四个因子对于原有变量的解释贡献最大，其中又以第一个因子的贡献为最大，而除了前四个因子之外的其他因子对于原有变量解释的贡献都很小，基本可以忽略。　　（四）因子命名根据本文所选取的数据及原始变量，选用方差最大法进行正交旋转，结果如表3所示：　　经过5次迭代后得出的因子载荷矩阵显示：因子1对股