金融类上市公司经营绩效的分析大学本科毕业论文.doc

重庆理工大学毕业论文 金融类上市公司经营绩效的分析1 绪论1.1 选题背景自1979年改革开放以来，我国金融业进行了一系列重大改革，扩大了对外开放，稳步发展。1995年颁布商业银行法，为构造商业银行体系和组织机构创造了条件，并为国家专业银行向国有商业银行转轨提供了法律依据。1996年以后，金融业组织体系逐步健全，国有独资商业银行改革为经营货币的现代金融企业，陆续增设和重组120多家股份制中小商业银行，并进一步规范和发展了证券类和保险类金融机构。2003年4月，中国银行业监督管理委员会正式挂牌，形成了银监会、证监会和保监会分工明确、互相协调的金融监管体制。目前，我国已经基本形成由中央银行调控和监督、国家银行为主体、政策性金融与商业性金融分工、多种金融机构合作、功能互补的金融体系。1991年我国第一家金融类上市公司深圳发展银行上市，至今已陆续有37家银行、保险、证券、信托等公司在上海、深圳交易所上市。这些上市公司都取得了不错的经营业绩，在公司治理、引进战略投资者等方面的改革处于我国金融类公司的前列。1.2 研究的目的和意义本文研究的目的是采用科学合理的方法，对金融类上市公司在一定时期经营绩效的优劣程度进行系统分析。并在此基础上，对如何增强上市公司核心竞争力，提升上市公司经营绩效等方面提出若干政策建议。金融类上市公司作为我国上市公司中的优秀企业，其经营管理能力在我国上市公司中具有代表性，其经营情况和发展前景具有非常重要的意义。第一，经营者通过正确地评价上市公司的经营绩效，可以全面系统地剖析影响公司生产经营和发展的因素，了解上市公司的真实状况。并且帮助经营者及时发现公司出现的问题，完善管理，调整经营策略，增强公司的经营实力，推动企业健康发展。第二，对于投资者而言，上市公司的经营绩效是是否具有投资价值的真实依据，可以帮助投资者降低投资风险，进行更加理性的投资。第三，作为政府管理部门，要想达到宏观调控的目的，只有真正了解上市公司的经营绩效，才能够掌握行业发展形势，从而正确地制定政策，明确目标。1.3 研究方法 本论文的研究方法是，通过因子分析法，运用SPSS软件，研究32家金融类上市公司的经营绩效，得出各上市公司综合经营绩效和各个因子的得分及排名情况，依据上述结果来评价企业的经营绩效情况，并在因子得分的基础上进行聚类分析，得出按属性的基本分类以及优劣区分。1.4 国内外经营绩效分析的研究动态1.4.1 国外对公司经营绩效分析的研究一百多年来，国外经济学者和管理专家从不同角度对这一领域进行了一系列的探索，取得了显著的研究成果。尤其是在20世纪80年代以后，企业绩效管理和绩效评价在西方国家开始流行，并得到较为深入的实践探索和推广应用。国外的企业绩效评价大致可以分为四个阶段：成本绩效评价时期、财务绩效评价时期、综合绩效评价时期和战略绩效评价时期。FORTUNE财富杂志从1955年开始，在每年的7月至8月之间，以上一年度的公司年营业额（单位美元）为基准指标对全球上市公司进行排名，年营业额最大的500家上市公司，即“世界500强”；同时它还设置一些如利润总额、利润增长额、主营业务利润率、雇员人数、净资产回报率等辅助指标，并分别按照其大小顺序进行多项平行的单指标排名，列出各项指标最大的前500家上市公司。随着财富杂志对上市公司分类排名的不断改进，目前还形成了多项指标排名系列。BUSINESS WEEK商业周刊十多年来也一直致力于对上市公司的评价和排名，既包括单指标排名，又包括综合排名。单指标排名根据按美元计价的上市公司市价总值大小排出全球市价总值最大的1000家上市公司。而综合评价排名对纳入标准普尔500指数中的500家上市公司进行综合评价并加以排名，将前50名上市公司作为该杂志最佳50家上市公司。商业周刊的评价方法是根据8个指标来对上市公司进行综合评价的。这8个指标分别是：一年来的总收益、三年来的总收益、一年来的销售总额增长率（%）、三年来的销售总额增长率（%）、一年来的利润增长率（%）、三年来的利润增长率（%）、净利润和净资产收益率（%）。综合评价方法是对这8个指标分别评审，每个指标按取值大小进行排名，取值最大的20%取A级，其次的20%取B级，依此类推，最后的20%取E级。各上市公司的总得分是其8个指标的评级分之和，然后按总得分排名。总之，财务绩效评价仍然是当今国外企业评价的主流。西方国家主要运用杜邦财务分析体系和沃尔比率综合分析法对企业财务状况和经营成果进行综合评价，并已经形成了一套成熟的方法体系。1.4.2 国内对公司经营绩效分析的研究1993年财政部颁布的企业财务通则所设计的财务指标体系由流动比率等8项指标构成；1994年国有资产管理局等部门颁布了以资产保值增值为核心的4项指标体系；1995年财政部颁布的企业经济效益评价指标体系由销售利润率等lO项指标构成；1999年四部委颁布了国有资本金效绩评价规则和国有资本金效绩评价操作细则，对国有企业业绩评价进行了重新规范，重点评价企业财务效益状况、资产营运状况、偿债能力状况和发展能力状况四个方面，由净资产收益率等8项基本指标、资本保值增值率等16项修正指标和领导班子基本素质等8项评议指标三个层次构成，全面反映企业的生产经营状况和经营者的业绩；2002年财政部五部委修订的企业效绩评价操作细则由净资产收益率等28项指标组成，提高了对企业偿债能力和发展创新能力的评价，使该评价体系更为客观公正，更具有可操作性。尤其是国有资本金效绩评价规则以定量分析为基础、以定性分析为辅助、业绩评价的综合结论。定量分析与定性分析相互校正，以此形成企业经营从指标的采用来看，既有财务指标(基本指标和修正指标)，又有非财务指标(评议指标)，这较之1995年的24指标体系有了较大进步，但是，该指标体系也有需进一步完善之处。比较具有代表性的综合评价方法还有在沪深股市上市公司业绩评价中享有较高声誉的中国诚信证券评估有限公司所作的诚信证券评价系统，其根据各上市公司公开披露的有关资料，通过对上市公司净资产收益率、资产总额增长率、利润总额增长率、负债比率、流动比率和全部资本化比率6个指标分别进行考核，权重分别为：55、9、13、7、7、9，然后将各项指标的得分乘以相应的权重，相加得到最后的综合得分。2 上市公司经营绩效分析的理论基础2.1 上市公司经营绩效的相关定义2.1.1 上市公司上市公司是指所发行的股票经过国务院或者国务院授权的证券管理部门批准在证券交易所上市交易的股份有限公司。上市公司是股份有限公司的一种，这种公司到证券交易所上市交易，除了必须经过批准外，还必须符合一定的条件。2.1.2 经营绩效及经营绩效评价企业经营绩效，是指企业在一定时期内利用其有限的资源从事经营活动所取得的成果，其表现形式是多方面的。企业经营绩效评价，是指利用企业所有财务和非财务信息，借助数理统计等各种分析方法，从信息使用者(包括投资人、债权人、管理者等)角度出发，选取特定的指标体系，对照统一的标准，遵循一定的程序，对企业一定经营期间的经营绩效做出客观、公正和准确的综合评判。通过经营绩效评价，可以科学地评判企业经营成果，有助于引导企业正确的经营行为，帮助企业寻找经营差距及其产生的原因，促进企业加强经营管理，提高经济效益。2.2 上市公司经营绩效评价指标的选取原则（1）全面性与重要性原则选取的指标应能够合理地反映企业的各个要素和各个环节，能真实全面地反映企业的绩效水准，能够顾及企业绩效评价的广泛性，覆盖面广，顾及资源配置受益对象的广泛性，妥善地权衡和处理所有者与经营者、所有者与债权人各方面的利害关系。同时，指标的选取的全面性固然重要，但又不能面面俱到，因此应该选择那些影响企业绩效的主要方面，而并非所有方面。（2）可比性与可操作性原则可比性就是评价指标应具有普遍的统计意义，使评价结果能体现企业间横向比较和时间上的纵向比较，同时在满足评价目的的需要前提下，从实际出发，指标概念清晰，表达方式简单易懂，数据来源易于收集，绩效评价指标体系切实可行。（3）可计量性原则选取的绩效评价指标应该是可计量、可量化分析的指标，以便于在对指标的分析过程中，对指标之间能够相互比较。（4）稳定性原则即指绩效评价的指标体系在指标数量、指标内涵、评价标准等方面相对稳定，不易频繁变动。2.3 上市公司经营绩效评价指标 (1)财务基本状况是构成上市公司经营绩效评价的核心内容。上市公司财务绩效评价包括两个方面内容：评价企业经济效益和评估经营者经营业绩，而企业财务基本状况是体现经济效益和经营者业绩的主要载体。企业所有者或股东关心的是所投资本能否带来预期回报，能否令资本保值增值；借出资本安全是债权人关心的主题，正常利润回报和企业良好经济效益是债权安全的主要保障，只有这样，企业才能偿还到期债务。良好的财务效益状况能反映企业经营绩效和企业成长性。所以，上市公司财务绩效评价体系必将财务效益基本状况作为评价体系的核心内容。(2)资产营运状况是提高上市公司经营绩效的重要方法。资产营运状况是指企业资产的周转情况，反映企业占用经济资源的效率。作为企业的经营目标之一，就是要保证实有资产能够得到有效利用，且通过加快资产周转速度创造更多的价值。资产营运状况可以反映企业的生产状况和经营者的资产管理水平，是绩效评价不可或缺的内容。但应该注意的是，在评价企业资产营运状况时，要根据不同情况，考虑相应的生产周期和行业差别等因素。(3)偿债能力是上市公司财务安全性的重要表现形式。企业偿债能力分短期偿债能力和长期偿债能力，其两方面的强弱直接关系到企业经济实力和财务状况的好坏，也是判断企业财务策略是否稳健以及财务风险大小的重要标杆。通过对上市公司短期和长期偿债能力做出正确判断：首先能分析资产负债比例是否适度及其反映企业利用财务杠杆的水平，以指导企业进行合理举债；其次，可以令银行、基金等金融投资机构合理分析上市公司的金融风险；最后，被评价企业可以合理评估其自身的资信状况，以提高在业界的诚信度。(4)成长能力是上市公司未来企业价值的重要来源。无论是股东还是债权人都十分关注企业的发展能力，影响上市公司成长能力的因素很多，包括总资产的增长、主营业务收入的增长、利润的增加等。通过对这些数据的充分分析，就可在考虑外部环境不变的条件下判断企业未来成长能力，使股东未来收益和债权人债权降到可接受的风险之下。另外，对企业成长能力科学评价，在一定程度上可以防止企业经营者追求短期效益，促进企业可持续的、健康的、稳定的发展。3 上市公司经营绩效分析的基本方法概述3.1 因子分析3.1.1 因子分析的基本思想因子分析的基本思想是通过变量（或样品）的相关系数矩阵（对样品是相似系数矩阵）内部结构的研究，找出能控制所有变量（或样品）的少数几个随机变量去描述多个变量（或样品）之间的相关（相似）关系，但在这里，这少数几个随机变量是不可观测的，通常称为因子。然后根据相关性（或相似性）的大小把变量（或样品）分组，使得同组内的变量（或样品）之间相关性（或相似性）较高，但不同组的变量相关性（或相似性）较低。3.1.2 因子分析的数学模型用矩阵表示:简记为 且满足：i）；ii） 即F和是不相关的；iii）即不相关且方差皆为1。 即不相关，且方差不同。其中是可实测的个指标所构成维随机向量，是不可观测的向量，F称为X的公共因子或潜因子，即前面所说的综合变量，可以把它们理解为在高维空间中的互相垂直的个坐标轴；称为因子载荷是第个变量在第个公共因子上的负荷，如果把变量看成维因子空间中的一个向量，则表示在坐标轴上的投影，矩阵A称为因子载荷矩阵；称为X的特殊因子，通常理论上要求的协方差阵是对角阵，中包括了随机误差。3.1.3 因子分析的相关概念3.1.3.1 因子载荷在因子不相关的前提下，因子载荷是变量与因子的相关系数，反映了变量与因子的相关程度。因子载荷值小于等于1，绝对值越接近1，表明因子与变量的相关性越强。同时，因子载荷也反映了因子对解释变量的重要作用和程度。3.1.3.2 变量共同度变量共同度也即变量方差。变量的共同度的数学定义为=，即变量的共同度是因子载荷矩阵A中第行元素的平方和。3.1.3.3 因子的方差贡献因子的方差贡献的数学定义为，即因子的方差贡献是因子载荷阵A中第j列元素的平方和。可见，因子的方差贡献反映了因子对原有变量总方差的解释能力。该值越高，说明相应因子的重要性越高。3.1.4 因子分析的基本步骤（1）考察原有变量是否适合进行因子分析（2）因子提取（3）使因子更具有命名可解释性（4）计算各样本的因子得分 3.2 聚类分析3.2.1 聚类分析的定义聚类分析是从数值分类学中逐渐分离出来的一个新的分支。聚类分析的职能是建立一种分类方法,它是将一批样品或变量按照他们在性质上的亲疏程度进行分类。凡是具有数量特征的变量都可以采用系统聚类方法,选择不同的距离和聚类方法可以获得满意的数值分类效果。聚类分析法是把个体逐个地合并成一些子集,直至整个总体都在一个集合之内为止。3.2.2 聚类分析的分类步骤1 聚类前先对数据进行变换处理;2 聚类分析处理的开始是各样品自成一类,计算各样品之间的距离,并将距离最近的两个样品并成一类。个体间距离的定义通常采用欧氏距离：EUCLID()= k是样本个数3 选择并计算类与类之间的距离,并将距离最近的两类合并,如果类的个数大于1,则继续并类直至所有样品归为一类为止;样本数据与小类、小类与小类间亲疏程度的度量：最短距离法 最长距离法 组间平均链锁法 组内平均链锁法 重心法 离差平方和法4 最后绘制系统聚类谱系图,按不同的分类标准或不同的分类原则,得出不同的分类结果.4 金融类上市公司经营绩效的实证分析4.1 金融类上市公司经营绩效评价指标体系4.1.1 金融类上市公司经营绩效评价指标体系的构建在借鉴国内外学术界已有研究成果，同时考虑到我国金融类上市公司自身发展的实际情况，选取了反映金融类上市公司综合实力的9项指标，建立了相应的评价指标体系，见下表。各项指标及含义每股收益（元）总资产报酬率（%）总资产周转率（%）净利润增长率（%）总资产增长率（%）主营收入增长率（%）资产总额（万元）利润总额（万元）主营业务收入（万元）4.1.2 金融类上市公司经营绩效分析数据的来源本文所分析的数据均来自于巨潮资讯网（）、中国上市公司资讯网（）、金融界（）和证券之星（），原始数据均为2011年3月31日各上市公司公布的财务数据。要指出的是，由于对数据的获取渠道较狭窄，在某种程度上此评价结果可能与真实情况会有稍微的偏差，但能确信总体情况基本上是一致的。详见附表1。4.2 对金融类上市公司进行因子分析 4.2.1 原始指标的标准化要对原始数据进行无量纲化处理，首先就要计算各个指标的平均值和标准差，然后将这些数据代入标准化公式中，经计算可以得到各金融类上市公司各项指标的标准化值。经标准化后，指标Z的的均值为0，方差为1，不改变变量之间的相关关系，因此对论文的推导没有影响。4.2.2 指标数据的适用性检验 原始指标数据有一定的相关性是因子分析的条件，因此我们在做因子分析之前要先检验数据的适用性。本文采用巴特利特球度和KMO两种检验方法，来验证索取数据是否适合做因子分析，检验结果如下：表1 巴特利特球度检验和KMO检验KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.617Bartletts Test of SphericityApprox. Chi-Square266.996df36Sig.000巴特利特球度检验以原有变量的相关系数矩阵为出发点，其零假设是，相关系数矩阵是单位阵，其检验统计量根据相关系数矩阵的行列式计算得到，且近似服从卡方分布。如果该统计量的观测值比较大，且对应的概率值小于给定的显著性水平，则应拒绝零假设，认为相关系数矩阵不太可能是单位矩阵，原有变量适合作因子分析；KMO检验用于比较变量简单相关和偏相关系数，KMO的统计量如果小于0.5，则不适合因子分析。根据检验结果，巴特利特球度检验统计量的观测值为266.996，相应的概率为0.000，小于0.05，拒绝零假设，适合做因子分析。同时，KMO值为0.617，大于0.5，也适合进行因子分析。4.2.3 提取因子表2 因子分析的初始解CommunalitiesInitialExtractionZscore: 每股收益1.000.817Zscore: 总资产报酬率1.000.830Zscore: 总资产周转率1.000.959Zscore: 净利润增长率1.000.934Zscore: 总资产增长率1.000.763Zscore: 主营收入增长率1.000.903Zscore: 资产总额1.000.972Zscore: 利润总额1.000.963Zscore: 主营业务收入1.000.970Extraction Method: Principal Component Analysis.表2为因子分析的变量共同度，它反映因子变量对原始变量总方差的解释比例，由第二列可知，提取四个特征根时，其变量的共同度超过了75%，各个变量的信息丢失都较少。因此本次因子提取的总体效果较理想。表3 因子解释原有变量总方差的情况Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %13.50438.93738.9373.50438.93738.9372.87231.91331.91322.04922.77161.7082.04922.77161.7082.41026.78058.69231.40115.56877.2761.40115.56877.2761.41815.75674.44841.15612.84890.1241.15612.84890.1241.41115.67590.1245.4474.96995.0936.2923.23998.3327.0981.08599.4178.044.49199.9099.008.091100.000Extraction Method: Principal Component Analysis.在表3中，第一组数据项（第二至第四列）描述了初始因子解的情况。可以看到，第1个因子的特征根值为3.504，解释原有9个变量总方差的38.937%，累计方差贡献率为38.937%；第2个因子的特征根为2.049，解释原有9个变量总方差的22.771%，累计方差贡献率为61.708%。其余数据含义类似。在初始解中由于提取了9个因子，因此原有变量的总方差均被解释掉；第二组数据项（第五至第七列）描述了因子解的情况。可以看到，由于指定提取四个因子，四个因子共解释了原有变量总方差的90.124%。总体上，原有变量的信息丢失较少，因子分析效果较理想。图1 因子的碎石图在图1中，横坐标为因子数目，纵坐标为特征根。可以看到：第1个因子的特征根值很高，对解释原有变量的贡献最大；第5个以后的因子特征根值都较小，对解释原有变量的贡献很小，因此提取四个因子是合适的。表3和图1都说明，提取了四个因子，基本反映了变量的绝大部分方差。4.2.4 因子的命名解释在因子载荷矩阵中，首先找出在每个因子上有显著负载的变量，根据这些变量的意义给因子一个合适的名称，具有较高负载的变量对因子名称的影响更大。根据以往研究表明，通常情况下绝对值大于0.5的因子载荷就被认为是显著的。负载的绝对值越大，在解释因子时越重要。因子负载反映了观测变量和因子之间的相关系数，负载的平方表示因子所解释的变量的总方差。因子载荷为负，并不代表小，只代表方向。为了更好的理解公因子的实际意义进而对公因子进行命名，通常要对初始因子载荷矩阵进行旋转，本文选用方差最大化方法对因子进行旋转，这种正交旋转方法可以使得每个公因子上具有较高载荷的变量数最小，因此可以简化对因子的解释。经旋转后的因子载荷矩阵如下:表4 旋转后的因子载荷矩阵Rotated Component MatrixaComponent1234Zscore: 利润总额.961.130-.145-.032Zscore: 资产总额.954.154-.194-.012Zscore: 主营业务收入.876.057.417.160Zscore: 主营收入增长率.039.949.001-.015Zscore: 净利润增长率.077.941-.166.123Zscore: 总资产增长率.315.726.124.349Zscore: 总资产周转率-.037-.060.977-.010Zscore: 每股收益-.185.219.190.836Zscore: 总资产报酬率-.359-.029.390-.741Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 5 iterations.上表较为清晰的显示了公因子的经济意义，利用该矩阵，我们可以更好的解释公因子的含义。第一公因子对利润总额、资产总额和主营业务收入这三项指标具有较高的载荷，最低载荷为0.876，所以第一公因子可以充分反映这三项指标所包含的信息，可解释为营运能力因子；主营收入增长率、总资产增长率、净利润增长率在第2个因子上有较高的载荷，第2个因子主要解释了这一变量，可解释为公司的发展能力因子；总资产周转率在第3个因子上有较高的载荷，第3个因子主要解释了这一变量，可解释为偿债能力因子；每股收益、总资产报酬率在第4个因子上有较高的载荷，第4个因子主要解释了这一变量，可解释为盈利能力因子。到这里，我们对32家金融类上市公司各公因子的命名就做完了，同时对其经济意义也做了相关定义。被选取的公因子、所含变量如下： 因子名称因子包含变量营运能力因子利润总额、资产总额、主营业务收入发展能力因子主营收入增长率、总资产增长率、净利润增长率偿债能力因子总资产周转率盈利能力因子每股收益、总资产报酬率4.2.5 计算因子得分在对公因子进行命名和经济意义解释以后，需要对因子进行定量的测度，具体计算出每个因子对应每个样本数据的值，这些值就是因子得分。求解因子得分的过程就是通过观测变量的线性组合来表示因子，因子得分就是观测变量的加权求和，权数的大小表示变量对因子的重要程度。本文采用回归法得到因子得分系数，下表是通过SPSS软件运算得到的经正交最大化旋转后的因子得分系数矩阵。表5 因子得分系数矩阵Component Score Coefficient MatrixComponent1234Zscore: 每股收益-.126-.017.139.632Zscore: 总资产报酬率-.082.153.262-.559Zscore: 总资产周转率.020.002.691.009Zscore: 净利润增长率-.062.418-.091-.068Zscore: 总资产增长率.042.264.118.136Zscore: 主营收入增长率-.065.453.027-.176Zscore: 资产总额.339-.010-.106-.086Zscore: 利润总额.346-.017-.072-.098Zscore: 主营业务收入.327-.063.325.072Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.根据上表可写出因子得分函数：=-0.126-0.082+0.020-0.062+0.042-0.065+0.339+0.346+0.327=-0.017+0.153+0.002+0.418+0.264+0.453-0.010-0.017-0.063=0.139+0.262+0.691-0.091+0.118+0.027-0.106-0.072+0.325=0.632-0.559+0.009-0.068+0.136-0.176-0.086-0.098+0.0724.2.6 金融类上市公司经营绩效得分情况在计算出主因子得分情况后，要对32家金融类上市公司的经营绩效进行综合客观评价，因此要对结果进行定量分析，所得定量分析结果就可以看做是公司的综合绩效得分，与单个公因子得分析相比，综合绩效得分是综合了三个公因子后的结果，因此可以较为综合客观的评价32家金融类上市公司的经营绩效情况，可以更加全面客观、综合直观表述32家上市公司的总体情况。该计算法即，首先提取公因子得分，然后用加权的方法，按其贡献比重进行求和。在这里，权重指的是各公因子旋转后所得方差贡献率，它们是全部公因子旋转后总方差贡献率所占的比重。各因子得分见附表2。所以32家金融类上市公司综合经营绩效得分计算公司如下：F该表显示了32家金融类上市公司经营绩效综合得分及诸单因子得分和排名情况。可以看出的是得分大于0的公司其经营绩效情况较好，而且数值越大，经营情况就越好；经营绩效得分小于0，表明公司经营绩效较差，而且绝对值越大，说明其经营绩效越差；得分为0或者在0附近，表明其经营绩效较普通。从综合绩效得分来看，农业银行、建设银行、工商银行、中国银行、中国人寿、民生银行、华夏银行、宏源证券、招商银行、浦发银行、中国平安、交通银行这12家公司，综合绩效得分均在0.1以上，综合绩效表现相对较好；长江证券、山西证券、华泰证券、中国太保、光大银行这5家公司的综合绩效得分接近零，综合绩效表现一般；兴业银行、太平洋、中信银行、北京银行、中信证券、宁波银行、南京银行、海通证券、广发证券、东北证券、国元证券、深发展A、兴业证券、招商证券、国金证券这15家公司的综合绩效均小于-0.1，分值总体较低，表明其综合绩效相对其他公司来讲较差。第一公因子是营运因子，它所占比重在各个因子中最大（31.913%），所以其对于其总体经营绩效具有较大的影响。该因子主要反映企业的营运能力，从营运因子的得分数据可以看到，得分为正值的公司只有6家，而没有得分小于-1的公司，表明金融类上市公司总体上的营运能力一般；只有工商银行、建设银行、中国银行、农业银行、中国人寿、交通银行这6家公司表现非常突出，展现出其很好的营运能力。第二公因子是发展能力因子，主要反映上市公司的成长能力。从发展能力因子得分可以看到有21家上市公司的成长能力因子得分为正值，超过公司总数的一半，说明金融类上市公司总体发展能力较好。其中华夏银行的发展能力因子得分达到了2.45638，表明这家公司的发展能力非常好。而海通证券、东北证券、国元证券、深发展A、兴业证券、国金证券、招商证券这7家公司的得分均小于-1，说明其发展和成长性较差。第三公因子是偿债能力因子，主要反映上市公司的偿债能力。从偿债因子得分一栏可以看出，得分为正值的公司只有8家，而没有得分小于-1的公司，说明金融类上市公司总体上的偿债能力一般。第四公因子是盈利能力，主要反映上市公司的盈利能力。可以看出有15家上市公司的盈利能力因子得分为正值，说明金融类上市公司总体盈利能力有待改进。其中，中信证券、南京银行、华夏银行、中国银行这四家公司的得分均小于-1，表明其盈利方面遇到了严重的问题，急需改善盈利状况。4.3 基于因子得分上的聚类分析 以上的分析让我们获知了哪几支股票在哪些方面的强势。我们希望将这32支股票进行一下分类，来看看按属性的基本分类以及优劣区分。在先前进行因子分析时，在数据窗口中有四个名为FAC1_1、FAC2_1、FAC3_1、FAC4_1的变量，这四个变量是各上市公司相应的第一、二、三、四因子的得分。以这四组得分为原始数据，再次使用软件进行对样本公司聚类分析。聚类分析的凝聚状态表如下：表6 聚类分析中的凝聚状态表Agglomeration ScheduleStageCluster CombinedCoefficientsStage Cluster First AppearsNext StageCluster 1Cluster 2Cluster 1Cluster 211530.0370062731.03900143523.057001041419.091001451724.097001361521.10310117122.1190098813.1440018919.150701910518.1753016111520.1896017122729.2190015131728.274502514714.3272416152732.357120211657.443101418171526.670110211858.6941682019110.77890292056.960180262115271.214171525223161.25300302312251.509002624242.36900272515172.759211328265123.546202328272114.77824031285155.904262529291510.091192830301314.198292231311214.82930270在表6中，第一列表示聚类分析的第几步；第二、第三列表示本步聚类中哪两个样本或小类聚成一类；第四列是个体距离或小类距离；第五、第六列表示本步聚类中参与聚类的是个体还是小类，0表示样本，非0表示由第n步聚类生成的小类参与本步聚类；第七列表示本步聚类的结果将在以下第几步中用到。表6显示了32家金融类上市公司聚类的情况。聚类分析的第1步中，15号样本（中信证券）与30号样本（长江证券）聚成一小类，它们的个体距离是0.037，这个小类将在下面第6步用到；同理，聚类分析的第6步中，第一步聚成的小类（以该小类中第一个样本号15为标记）与21号样本又聚成一小类，它们的距离是0.103，形成的小类将在下面的第11步用到。经过31步聚类过程，32个样本最后聚成了一大类。我们还可由树形聚类图看到更直接的聚类成果。从树形聚类图可以看出，32家金融类公司大体上可以分为五类，结合各样品的因子得分指标，我们大体可以得到以下分析结果：第一类包括：中国银行、建设银行、工商银行、农业银行。该类股票的各项财务指标都比较均衡且排在前列，可见这组的公司日常经营稳定有序，实力比较雄厚，同时偿债能力也不错，稳定性较高，而且他们还具有较好的发展潜力。所以这组在总体经营业绩上最好，长期、短期投资都适合。第二类包括：中国太保、中国平安、中国人寿。该类股票的营运能力处于同行业较高的水平，公司资本管理控制能力强；发展能力和盈利能力也还不错，整体经营业绩不错，不过公司股票偿债能力比较差，说明其财务风险比较大，容易成为债权人关注的对象，投资的风险不能忽视。第三类包括：太平洋、国金证券。该类股票盈利能力因子排名靠前，说明该类公司资本创造利润的能力较强。但其的其他财务指标不是很理想，营运能力和偿债能力都比较差，现阶段投资还是要慎重。第四类包括：中信银行、交通银行、南京银行、北京银行、兴业银行、华夏银行、招商银行、民生银行、浦发银行、光大银行、深发展A、宁波银行。该类股票的各项指标都一般，投资需谨慎。第五类包括：中信证券、海通证券、招商证券、华泰证券、兴业证券、宏源证券、东北证券、国元证券、广发证券、长江证券、山西证券。该类股票偿债能力一般，说明公司的管理层采取的稳健型的财务政策，财务风险比较小。但其的其他财务指标不是很理想，现阶段投资还是要谨慎。图2 聚类分析的树形图5 结论5.1 研究结论面对上市公司财务报表中众多的指标，使用多元统计分析中因子分析和聚类分析的方法来进行上市公司经营绩效的分析具有一定的优势。因子分析方法能较好地达