基于主成分分析法的特色小镇概念股上市公司的信用风险研究.docxVIP

基于主成分分析法的特色小镇概念股上市公司的信用风险研究 　　摘要：特色小镇的产业化发展与特色小镇概念股上市公司的投资经营息息相关，上市公司的信用风险关系到我国股票市场的健康稳定发展，以及我国经济体制改革的顺利进行和经济稳步发展。本文通过构建特色小镇概念上市公司的信用风险评价体系，选取沪深10家概念股2018年财务指标利用主成分分析法和matlab软件对其上市公司进行信用风险评价，并针对公司财务和运营方面提出建议对信用风险做出合理管控。 　　关键词：特色小镇概念股;主成分分析;matlab;信用风险 　　2016年3月到现在，我国已经推出了多项的政策支持推进特色小镇建设，政策面上从最早的规划引导到已经推进到政府工作计划层面，显然特色小镇建设是正在稳步的提速中。中央层面将特色小镇建设与新型城镇化、扶贫战略挂钩，并且给予了重大的金融优惠政策，其中包括为特色小镇提供低息、长期金融支持，以及建立绿色信贷通道等。随之而来的就是基于特色小镇而发展的概念股，概念股上市公司风险主要为政策风险、财务风险和信用风险。信用风险评估发展至今已有百年历史，人们对其研究出许多度量模型，例如kmv模型、logistic模型、creditmetrics模型、灰色关联模型等。本文选取主成分分析法，构建评价指标体系进行我国特色小镇概念股上市公司信用风险分析。 　　一、主成分分析法（pca）的基本原理 　　主成分分析法是一种较为客观的多指标评价方法，是考察多个变量间相关性的一种多元统计分析方法，它是研究如何通过少数几个主成分（即原始数据的线性组合）来解释多变量的方差—协方差结构。信用风险作为一个多变量问题，变量太多会增加计算量和增加分析问题的复杂，我们希望在进行定量分析的过程中涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的。其简要数学过程如下：设估计样本组概念股上市公司为n家，原始数据矩阵x： 　　（1）对x进行标准化处理; 　　（2）计算相关系数矩阵r，并求出其特征值λ与特征向量α; 　　（3）根据特征值计算累积贡献率，给出恰当的主成分个数; 　　（4）计算所选出的k个主成分的得分。将原始数据的中心化值代入前k个主成分的表达式，分别计算出各单位k个主成分的得分，并按得分值的大小排队。 　　二、實证研究 　　（一）特色小镇概念股上市公司信用风险评价指标体系 　　目前，对特色小镇概念股上市公司信用风险评价指标体系尚无统一标准，本研究结合特色小镇发展状况，及相关企业金融和实业支持情况，构建了符合特色小镇概念股上市公司信用风险评价的指标体系， 　　（1）盈利能力：净资产收益率，净资产收益率-摊薄，销售毛利率，销售净利率 　　（2）偿债能力：资产负债比率 　　（3）资产管理能力：净利润同比增长率，扣非净利润同比增长率，营业总收入同比增长率 　　（4）成长能力：存货周转率 　　（5）送转能力：基本每股收益，每股经营现金流，每股净资产，每股资本公积金，每股未分配利润 　　（二）数据来源 　　基于信用风险规避，本文从同花顺选取沪市和深市共10家关联度最强的特色小镇概念股上市公司，其他数据为各家公司的年报获取补充。公司分别为海南瑞泽、弘高创意、华斯股份、华夏幸福、美好置业、美尚生态、盈峰环境、泰和集团、天域生态和棕榈股份。 　　（三）matlab实证分析过程 　　根据以上特色小镇概念股上市公司的信用风险评价体系，借助matlabr2014a软件对2018年10家上市公司财务数据进行主成分分析，首先对数据进行z标准化处理，并计算相关系数矩阵，得到14个指标的特征值及累积贡献率。如下表： 　　第1列是各项指标特征值，贡献率=[λi]/（[λ1]+[λ2+λ3+…+λ14）]。根据14个不同成分的贡献率，选出各成分累加达到90%以上的主成分，特征值均大于1，即4个主成分且累积贡献率达到90.51%，因此提取4个主成分代表14个指标描述10家上市公司的信用风险。从最终的结果来看，前4个主成分的累积贡献率为90.51%，在损失了9.49%的精确度下涵盖了14个指标的主要信息。且第一个主成分主要体现在基本每股收益、净资产收益和净资产收益-摊薄、每股未分配利润以及销售毛利率五个指标上，且这五个指标在第一主成分具有相似载荷，体现了上市公司盈利能力。 　　根据因子得分系数矩阵，得出各主成分表达式为f1，f2，f3.f4，以各因子方差贡献率为权重，得出综合得分函数为：f=0.5712[×]f1+0.2000[×]f2+0.1368[×]f3+0.0918[×]f4。 　　通过上式可就计算上市公