1、 本科 毕业 论文 （二零 届） 我国对外贸易上司公司盈利能力分析 所在学院 专业班级 统计学 学生姓名 学号 指导教师 职称 完成日期 年 月 摘要： 本文 我们将研究重点放在了更具商业本质的上市公司盈利能力和长远发展潜力上。通过对 20家上市公司经营数据的统计， 对企 业盈利能力的分析需要借助财务指标来实现，但对众多的财务指标进行综合分析不但难度大，指标间的相关程度也高，往往出现信息重叠。而且现有的盈利能力评价指标体系大都是主观赋权，无法保证评价结果的客观性。为了更好地分析企业的盈利能力，本文将采用因子分析的方法，将反映盈利能力财务指标中的公共因子提取出来，然后用这些公共因子对企业盈利能力
2、进行综合评价 。 关键词： 盈利能力；因子分析；上市公司 ；回归模型 Chinas foreign trade profitability analysis of listed companies Abstract: In this paper we focus on the more commercial nature and long-term profitability of listed companies on the development potential. By 1334 the statistics listed company data, we found that th
3、e quality of listed companies in China there are three main issues: the construction and restoration, excessive competition, resulting in low levels of overall profit. The quality of a large number of listed companies have to rely on their own hand to further improve the business management and tech
4、nological innovation, improved integration of existing business models to enhance the competitiveness of the company; the other hand, specific analysis of specific cases, different companies take on Different, such as mergers and acquisitions, asset replacement and other methods to resolve Key words
5、: Profitability; factor analysis; principal component analysis;regression model 目录 1 引言 . 错误 !未定义书签。 2 综合评价指标体系的构建 . 2 3上司公司盈利能力评价的研究方法及原理 . 3 3.1 研究方法 . 3 3.2 样 本选择和数据来源 . 3 3.3 数据处理 . 5 3.4 结果分析 . 6 4、研究分析 . 8 5、 Logistic回归建立预警模型 . 9 6 结论 . 13 7 总结 . 15 致谢 . 错误 !未定义书签。 参考文献 . 16 1 1 引言 盈利能力是衡量企业运用
6、其拥有的资本和资产创造现金流量的能力。衡量企业的盈利能企业的盈利能力从来都是财务分析与评价的核心。在各种财务分析和评价方法中，结构分析、趋势分析和财务比率分析是最常用的、也是最重要的方法。其中，财务比率分析由于能够综合不同的财务信息来源、形成综合性的分析结 果而广受关注。但传统的财务比率分析，其信息来源主要是企业的资产负债表和利润表，对现金流量信息关注不够。自从现金流量表成为正式的财务报表后，现金流量信息越来越受到投资人、债权人、管理当局、财务分析师的重视。由于传统会计信息的形成是基于应计制（权责发生制）会计确认基础，而该基础与现金制会计确认基础在原理和方法上不同，故形成的会计信息和财务指标必
7、然存在差异。在进行财务比率分析时，如果不考虑它们之间的差别，就会产生分析和评价结果的重大差异。因此，本文拟根据基于应计制而形成的盈利能力财务比率指标和基于现金制而形成的盈 利能力财务比率指标，在采用科学方法剖析各个财务指标对财务评价结果贡献度的基础上，得出本文的研究结论，提出进一步的研究方向。 上市公司的盈利能力是衡量上市公司能否继续存在和长足发展的基础，盈利能力的高低反映了公司经营者的经营管理能力的高低，也是投资者进行投资决策的依据。对上市公司盈利能力分析的指标很多，然而对众多的指标进行综合分析不但难度较大，而且由于公司的盈利能力同时受到多方面因素的影响，因此对上市公司盈利能力进行实证分析就
8、具有重要意义。 2 2 综合评价指标体系的构建 对企业盈利能力的分析需要借助财务指标来 实现，但对众多的财务指标进行综合分析不但难度大，指标间的相关程度也高，往往出现信息重叠。而且现有的盈利能力评价指标体系大都是主观赋权，无法保证评价结果的客观性。为了更好地分析企业的盈利能力，本文将采用因子分析的方法，将反映盈利能力财务指标中的公共因子提取出来，然后用这些公共因子对企业盈利能力进行综合评价。 盈利能力具有数量和质量两个方面的规定性。盈利能力的数量，主要是指盈利金额的大小或高低。盈利能力的质量，其内涵则较为丰富，包括真实性、现金保障性、稳定性、增长性等特性。实际上盈利能力数量和质量两个方面的规定
9、 性是相互渗透、不可分割的。根据我国上市公司的实际情况，在综合考虑影响盈利能力各要素的基础上。设计合理有效的评价指标体系，有助于科学公正的盈利能力评价。 本文选取了能够反映盈利能力数量和质量特征的 6个关键财务指标。 表 2 1各项指标含义 盈利能力指标 含 义 X1 扣除非经常损益后的每股收益率 =扣除非经常性损益后归属于公司普通股股东的净利润发行在外的普通股加权数 X2 销售毛利率 (%)=（营业收入营业成本） /营业收入 100 X3 净资产收益率 (%)=净利润 /平均净资产 X4 资产负债率 =（负 债总额 资产总额） 100% X5 总资产周转率 =营业收入净额 /平均资产总额 X
10、100 X6 股权集中度 =记录公司的股权集中度指针与股本结构，包括大股东持股比例， H指数， Z指数，国家股比例，法人股比例，流通股比例等 3 3 上司公司盈利能力评价的研究方法及原理 3.1 研究方法 因子分析法是将多个实测变量换为少数几个不相关的综合指标 (主因子 )的统计分析方法，所得的线性综合指标 (主因子 )尽管不能直接观测到，但它更能反映事物的本质。通过将观测变量分类，把相关性较高、联系比较紧密的变量分在同一类中，与之不同类的变 量则相关性较低。每一类的变量实际上代表一个本质因子，或一个基本结构。根据因子分析的目的，主因子应该比原始变量少，但包含的信息量应该相对损失较少。主因子的
11、基本特点：一是主因子的数量远少于原有变量的数量，对主因子的分析能够减少分析中的计算工作量；二是主因子并不是原有变量的简单取舍，而是对原变量的重新组构，它们能够反映众多指标的绝大部分信息，不会产生重要信息的丢失问题；三是主因子之间没有线性相关关系，对主因子的分析能够为研究工作提供较大的便利。 因子分析法的主要目的在于通过寻找或确定几个较少的假想“ 因子”来反映 多个观测变量中蕴含的大部分信息，从而浓缩或化简观测数据。同时，浓缩后的因子相互独立，代表了数据间的基本结构，使研究者更方便地把握数据的本质特征以及因子和观测变量之间的关系。多元统计分析中的因子分析法在构造综合评价值时所涉及的权数都是从数学
12、变换中伴随生成的，根据主因子的方差贡献率客观而不是人为地确定指标权重，避免了权重选择的主观性。 3.2 样本选择和数据来源 本文选取 2005年底之前在深沪 A股上市的 20家上市公司为研究样本。运用公司 2009年报数据进行计算并分析。从中选取能够全面体现盈利能力数量和质量特征 的 6个财务指标，采用因子分析法，运用 SPSSl6.0统计分析软件，对该行业上市公司盈利能力进行综合评价。分别研究变量 Xl、 X2、 X3、 X4、 X5、 X6的数据分布规律。经过检验， 6个变量的频数分布符合正态分布。 4 表 3 2 各项指标数据 样本 扣除非经常损益后的每股收益率 销售毛利率 (%) 净资
13、产收益率 (%) 资产负债率 (%) 总资产周转率 (%) 股权集中度 (%) 深发展 A 2.4723E-05 24.52 0.86 96.31 0.4736 12.60 万科 A 6.19906E-06 41.99 7.09 66.11 0.2189 20.31 ST国农 0.000102528 38.86 -5.41 42.42 0.1980 11.68 世纪星源 8.96828E-06 62.91 5.75 48.98 0.2348 9.38 深振业 A 0.000269331 55.71 5.66 67.74 0.2440 23.39 ST零七 -6.81209E-06 72.48
14、1.14 101.13 0.1271 12.90 ST宝利来 0.000134957 14.94 2.16 7.43 0.3409 9.85 中国宝安 1.85647E-05 31.26 5.80 59.13 0.5101 7.73 SST华新 5.10144E-05 36.38 -9.46 53.25 0.1883 5.13 深物业 A 1.92784E-05 21.56 -1.55 69.94 0.5500 2.74 南玻 A 2.83679E-05 30.53 7.45 49.30 0.1743 12.91 沙河股份 0.000190146 43.18 0.20 66.23 1.1803
15、 13.82 深康佳 A 9.79092E-05 19.43 2.06 64.35 0.9441 17.13 *ST中华 A -7.75917E-05 1.86 25.37 942.90 0.3058 5.18 ST中冠 A 5.91218E-05 -15.27 -36.78 25.70 0.4083 30.02 深深宝 A 9.67442E-05 19.39 9.48 21.57 0.5153 4.80 深华发 A 3.03714E-05 13.51 5.88 35.23 2.7528 13.82 长城开发 4.50769E-05 2.13 14.91 32.21 0.3982 3.06 深
16、赤湾 A 6.22088E-05 60.46 19.73 42.38 0.7281 18.98 深天地 A 0.000152786 41.99 1.72 62.69 0.4736 6.78 指 标 5 3.3 数据处理 在数据分析过程中发现个别 变量有些样本的数据异常，如有两个数据远离正态分布的中心点，可以认为是“小概率数据”为了消除这些小概率数据对分析结果的影响，把这些数据去掉。另外，在一些上市公司年报数据的统计分析中，选择把利润为负的 企业去掉。这样虽然使分析结果更漂亮，但破坏了分析的完整性。本文选择保留利润为负的企业数据。此外还要消除量纲的影响。消除量纲的办法很多，这里采用的是标准化处理
17、方法。通过前面的分析可知，本文选择 9个变量是符合正态分布的。这满足进行标准化处理的前提条件。所谓标准化处理，就是将变量值转化为数学期望为 0方差为 l的标准化数值，从而达到同度量效果。而且标准化数据保存了原始数据的所有统计学信息。 假设变量是 X，变量 X的数学期望是 E，标准差是 S，则经过标准化处理后的新变量是 Y，Y=(X一 E) S。 表 3 2 巴特利特球度检验 和 KMO检验 KMO 和 巴特利特检验 KMO 0.705 巴特利特检验 近似卡方 18.453 自由度 15 P 值 0.024 由上表可知，巴特利特球度检验统计量的观测值为 18.453，相应的概率 P 值小于显著性
18、水平 0.05，则应拒绝原假设，认为相关系数矩阵与单位矩阵有显著性差异。同时， KMO值大于 0.705，原有变量适合因子分析。 表 3 3 因子解释原有变量总方差的情况 初始特征值 旋转数额的平方的荷载 总数 方差百分比 积累方差百分 比 总数 方差百分比 累计百分比 1 2.036 33.931 33.931 2.036 33.931 33.931 2 1.316 21.931 55.861 1.316 21.931 55.861 3 1.040 17.332 73.194 1.041 17.332 73.194 4 0.749 12.479 85.672 5 0.408 10.128 9
19、5.801 6 0.252 4.199 100.000 从表 3-3 中可以看出，前 3 个因子的特征根大于 1，累计方差贡献率为 73.194%，即前3 个变量解释了原有变量总方差的 73.194%。在因子旋转后，累计方差比没有改变，没有影响原有变量的共同度。总体上，原有变量的信息丢失较少，因子分析效果理想。 6 表 3 4 旋转后的因子载荷矩阵 构成 F 1 F 2 F 3 X1 0.692 0.267 0.242 X2 0.186 0.887 0.074 X3 -0.683 0.448 0.436 X4 -0.778 -0.162 -0.164 X5 0.093 -0.440 0.860
20、 X6 0.666 -0.194 -0.138 由表 3-4 可知，每股指标（ X1、 X6） 在第一个因子上有较高的载荷，第一个因子 F1可以成为每股指标因子；营运能力指标（ X2、 X3）在第二个因子上有较高的载荷，第二个因子 F2 可以称为营运指标因子；盈利能力指标（ X3、 X5）在第三个因子上有较高的载荷，第 三个因子 F3可以称为盈利指标因子。 表 3 5 因子得分系数矩阵 成分得分系数矩阵 构成 F 1 F 2 F 3 X1 0.340 0.203 0.233 X2 0.091 0.067 0.071 X3 -0.335 0.341 0.419 X4 -0.382 -0.123
21、-0.158 X5 0.046 -0.334 0.872 X6 0.327 -0.147 -0.133 根据表 3-5 的结果，我们可以写出以下因子得分函数： F1=0.34X1+0.091X2-0.3354X3-0.382X4+0.046X5+0.327X6- F2=0.203X1+0.0674X2+0.341X3-0.123X4-0.334X5-0.147X6 F3=0.233X1+0.071X2+0.419X3-0.158X4-0.872X5-0.133X6 3.4 结果分析 l、变量共同度表。 变量共 同度表给出了提取公因子前后各个变量的共同度，它描述了全部公因子对于观测变量的总方差所作的贡献，即全部公因子反映出原变量信息的百分比。如变量“ Xl”的共同度为 0 33931，表明提取的公因子对变量“ Xl”的方差做出了 33.931的贡献。从上表可以看出，提取的公因子对于所有变量的方差贡献率还是比较高的，说明变量空间转换为因子空间时，保留了较多的信息，因此，因子分析的结果是有效的。 2、因子载荷矩阵。
