上市公司盈利能力分析

《上市公司盈利能力分析》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、上市公司盈利能力分析上市公司的盈利能力，是衡量其競爭力的重要指標(biāo)，也是投資人決定其投資去向的依據(jù)。因子分析是一種較為有效的信息分析技術(shù)，在盡可能不損失太多信息的情況下，將眾多具有相關(guān)性的變量簡化為少數(shù)幾個(gè)高度概括數(shù)據(jù)信息的因子來代替原有眾多的數(shù)據(jù)指標(biāo)，利用因子分析方法對(duì)上市公司的盈利能力進(jìn)行比較研究，不僅可以最大限度地減少主觀隨意性，而且還具有系統(tǒng)性、科學(xué)性、客觀性的優(yōu)點(diǎn)，同時(shí)運(yùn)用計(jì)算機(jī)統(tǒng)計(jì)軟件也可以大大減少指標(biāo)分析的工作量，是值得推廣的不同類公司績效比較分析方法?！　∫弧⒀芯吭O(shè)計(jì)　　（一）樣本選取和數(shù)據(jù)截止2009年12月31日，在我國A股市場上

2、市的黑龍江省上市公司已達(dá)24家，其中有2家是被冠以ST標(biāo)記（ST阿繼和ST光明，黑化2010年被冠上ST黑化）。根據(jù)綜合性、可比性等原則，同時(shí)考慮數(shù)據(jù)的可獲得性，本文選取了黑龍江省的22家非ST類上市公司在新浪財(cái)經(jīng)X（）上2009年披露數(shù)據(jù)?！　。ǘ┭芯糠椒ㄒ蜃臃治鍪峭ㄟ^變量的相關(guān)系數(shù)矩陣內(nèi)部結(jié)構(gòu)的研究，通過矩陣變化找出能影響相關(guān)系數(shù)矩陣內(nèi)部結(jié)構(gòu)的研究，找出能控制所有變量的少數(shù)幾個(gè)隨機(jī)變量去描述多個(gè)變量之間的相關(guān)關(guān)系。通常把少數(shù)幾個(gè)隨機(jī)變量稱為因子。然后根據(jù)不同的相關(guān)性將變量分組，使相關(guān)性較高的變量在同一組。簡單來說，因子分析就是對(duì)多變量的數(shù)據(jù)進(jìn)

3、行綜合和簡化，在保證數(shù)據(jù)真實(shí)的情況下，在低維的空間去解決高維的問題。因子分析主要經(jīng)過以下幾個(gè)步驟：第一，將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；第二，計(jì)算所有變量的相關(guān)矩陣R；第三，作KMO樣本測度（Kaiser-Meryer-Olkin，KMO）和Bartlett球體檢驗(yàn)。進(jìn)行因子分析首先要考察所選變量之間是否具有一定的線性關(guān)系，觀察其相關(guān)矩陣，進(jìn)行巴特利特球體檢驗(yàn)和KMO測度，以確認(rèn)待分析的原有若干指標(biāo)變量是否適合作因子分析；第四，因子提取。求R的特征根及相應(yīng)的單位特征向量，根據(jù)其累計(jì)方差貢獻(xiàn)率提取出前若干個(gè)特征根及特征向量；第五，因子旋轉(zhuǎn)和命名。因子分析的

4、目的不僅是要找出主因子，更重要的是知道每個(gè)主因子的意義，為便于對(duì)主因子進(jìn)行解釋，一般須對(duì)因子續(xù)荷矩陣進(jìn)行旋轉(zhuǎn)，以達(dá)到結(jié)構(gòu)簡化的目的。第六，計(jì)算每一樣本點(diǎn)的因子得分并進(jìn)行綜合評(píng)價(jià)?！　。ㄈ┳兞窟x取本文選取了12項(xiàng)財(cái)務(wù)指標(biāo)衡量上市公司盈利能力：攤薄每股收益（X1）、主營業(yè)務(wù)利潤率（X2）、總資產(chǎn)凈利潤率（X3）、成本費(fèi)用利潤率（X4）、營業(yè)利潤率（X5）、銷售凈利率（X6）、凈資產(chǎn)報(bào)酬率（X7）、資產(chǎn)報(bào)酬率（X8）、銷售毛利率（X9）、主營利潤比重（X10）、扣除非經(jīng)常性損益后的每股收益（X11）、股本報(bào)酬率（X12）等，限于篇幅所限，原始數(shù)據(jù)在此從

5、略?！　《?、實(shí)證結(jié)果分析　?。ㄒ唬㎏MO測度和Bartlett球體檢驗(yàn)將黑龍江省22家上市公司的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，可以消除數(shù)據(jù)指標(biāo)不同量綱的影響，同時(shí)計(jì)算其相關(guān)系數(shù)矩陣，限于篇幅所限，標(biāo)準(zhǔn)化數(shù)據(jù)和相關(guān)系數(shù)矩陣在此從略。KMO測度和Bartlett球體檢驗(yàn)結(jié)果見（表1），可以看出：通過運(yùn)用SPSS17.0軟件求得樣本數(shù)據(jù)經(jīng)標(biāo)準(zhǔn)化后的相關(guān)系數(shù)矩陣的KMO值為0.586接近于0.6，表明可能不太適合做因子分析，但同時(shí)從表1中可以看出：巴特利特球度觀測值為411.165，對(duì)應(yīng)的概率值P接近于0（Sig=.000），在顯著性水平為0.05的情況下，概率

6、P值遠(yuǎn)低于顯著性水平，應(yīng)該拒絕巴特利特球度檢驗(yàn)的零假設(shè)，可以認(rèn)為相關(guān)系數(shù)矩陣與單位矩陣存在顯著差異，表明原有變量還是適合進(jìn)行因子分析?！　。ǘ┮蜃用ㄟ^運(yùn)用SPSS17.0軟件，將原始數(shù)據(jù)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化后，根據(jù)其標(biāo)準(zhǔn)化矩陣，求出樣本相關(guān)系數(shù)矩陣，并求其出特征值和特征向量，根據(jù)得出的特征值和特征向量，最終提取特征根大于1的因子，計(jì)算結(jié)果見（表2）?？梢钥闯觯呵叭齻€(gè)特征根大于1的初始因子的方差累計(jì)貢獻(xiàn)率達(dá)到了88.441%，即前三個(gè)因子能夠反映原有指標(biāo)88.441%的信息，因此上述12項(xiàng)指標(biāo)可以綜合成公共因子F1，F(xiàn)2和F3。將初始因子方差經(jīng)正交旋

7、轉(zhuǎn)后得到（表3）。可以看出：經(jīng)過旋轉(zhuǎn)后，因子總的方差貢獻(xiàn)率沒變，只是適當(dāng)分散了不同因子的方差貢獻(xiàn)率，這樣能夠更好地對(duì)因子進(jìn)行解釋和分析。同時(shí)采用方差極大值法對(duì)初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)后得到（表4）?？梢钥闯觯汗蜃覨1上載荷較高的利潤指標(biāo)是：X3（總資產(chǎn)凈利潤率）、X4（成本費(fèi)用利潤率）、X5（營業(yè)利潤率）、X6（銷售利潤率）；公因子F2上載荷較高的利潤指標(biāo)是：X7（凈資產(chǎn)報(bào)酬率）、X8（總資產(chǎn)報(bào)酬率）、X12（股本報(bào)酬率）；公因子F3上載荷較高的利潤指標(biāo)是：X2（主營業(yè)務(wù)利潤率）、X9（銷售毛利率）、X10（主營利潤比重）；從而將F1定義為綜合收

8、益率因子，反映企業(yè)的綜合盈利情況；F2定義為：資本資產(chǎn)報(bào)酬率因子，反映企業(yè)的投資回報(bào)水平；F3定義為：主營業(yè)務(wù)盈利因子，反