网站大量收购闲置独家精品文档,联系QQ:2885784924

基于主成分分析法上市钢铁公司财务绩效评价研究.docVIP

基于主成分分析法上市钢铁公司财务绩效评价研究.doc

此“经济”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共7页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于主成分分析法上市钢铁公司财务绩效评价研究

基于主成分分析法上市钢铁公司财务绩效评价研究   [摘 要] 上市公司财务状况受到企业经营者、投资者、债权人等各利益相关者的关注,因此建立合理的财务评价指标体系有利于各利益相关者的有效决策。而财务绩效的评价方法很多,但很多方法含有主观因素。主成分分析法能减少主观的因素,使分析结果能够客观地反应事实。本文利用建立的上市钢铁公司财务绩效评价指标体系,应用主成分分析法对30家钢铁类上市公司进行了综合评价。   [关键词] 钢铁行业 财务绩效 主成分分析法 评价      一、引言   钢铁产业是国民经济的重要基础产业,也是实现工业化的支撑产业,在相当长时期内我国经济发展是需要大量钢铁的,这也决定了钢铁行业是大有发展的行业之一。上市钢铁公司是中国证券市场的重要板块,也是本行业健康运行和整体发展的代表。因此,它的财务绩效评价问题,对促进国民经济有序健康发展具有重要意义。本文在构建财务绩效评价指标体系的基础上,运用SPSS软件的主成分分析法对指标进行评价分析,试图为投资者提供科学的决策依据   二、上市钢铁公司财务绩效评价指标的构建   公司的财务状况可通过会计报表和一系列的财务指标来反映。本文根据科学性、客观性和可比性的原则,以及结合钢铁行业上市公司自身的特点,从运营能力、偿债能力、盈利能力、成长能力和投资者获利能力五个方面选择了15个财务指标来反映钢铁行业上市公司的财务状况。   1.运营能力。企业营运能力就是指企业充分利用现有资源创造社会财富的能力。其实质就是要以尽可能少的资产创造尽可能多的销售收入。因此,企业营运能力评价是影响企业财务状况稳定与否和盈利能力强弱的关键环节。具体指标如下:流动资产周转率(X1)、固定资产周转率(X2)和总资产周转率(X3)。   2.偿债能力。偿债能力是指企业用其资产偿还长短期债务的能力,是企业能否生存和发展的关键。指标如下:流动比率(X4)、资产负债率(X5)和股东权益比率(X6)。   3.盈利能力。盈利能力主要反映企业经营业务创造利润的能力,较强的盈利能力为公司将来迅速发展壮大创造更好的经济效益打下坚实的基础。指标如下:主营业务利润率(X7)、总资产收益率(X8)和净资产收益率(X9).   4.成长能力。企业为了生存和竞争需要不断的发展,通过对企业的成长性分析可以预测企业未来的经营状况的趋势。指标如下:主营业务增长率(X10)、净利润增长率(X11)和净资产增长率(X12)。   5.投资者获利能力。公司股东持有公司股票的目的主要是为了获得投资回报,通过对股票投资者获利能力的分析可以看出公司股票的股东回报情况。指标如下:每股收益(X13)、每股净资产(X14)和每股资本公积金(X15)。   三、主成分分析法介绍   1.主成分分析法的基本原理   主成分分析法(Principal Component Analysis)是把多个指标简化为少数几个综合指标的一种统计分析方法。它的基本原理是:设p个进行综合评价的原始指标:x1,x2,x3…,xp,并假定这些指标在n个单位之间进行比较,则共有np个数据,主成分分析的初始目标是要将这些原始指标组合成新的相互独立的综合指标y1,y2…yp,这些综合指标表现为原始指标的线性函数:      可简记为:式中,指标yi互不相关。因为每个新指标yi都是原始指标的线性组合,都是一个新指标。实际上,主成分分析是将p个原始指标的总方差分解为p个不相关的综合指标yi的方差之和λ1+λ2+…+λp而且使第一个综合指标yi的方差达到最大(贡献率最大);第二个综合指标yi的方差达到第二大,以此类推,一般前面几个综合指标y1,y2…yr(r   (3)根据R的特征值λ运用SPSS计算λ的特征向量   前面提到的用五个新变量代替原来的九个变量,但这三个新变量的表达还不能从输出窗口中直接得到,我们可利用SPSS15.0下的 “Transform→Compute Variable” 得到这三个新变量的表达,即得到特征向量A1、A2和A3(用表5.4主成分载荷矩阵中的数据除以主成分相对应的特征值开平方根便得到三个主成分中每个指标所对应的系数)   A1=(0.084, -0.057, -0.016, 0.150, -0.320, 0.315,0.386,0.421,0.403,0.049,0.091,0.332,0.303,0.220,0.123),A2=(0.408, 0.527, 0.547, 0.347, -0.152, 0.163,-0.130,-0.024,   -0.037,-0.070,0.004,-0.090,-0.025,-0.015,-0.233),A3=(0.086, 0.101, 0.106

文档评论(0)

bokegood + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档