基于金融數(shù)據(jù)分析的滬深16支股票類型研究

劉光遠

（貴州大學(xué)經(jīng)濟學(xué)院，貴陽 550025）

引言

Markowitz的分散化投資組合理論是投資行業(yè)最為經(jīng)典的理論之一，但是其一個必要前提為組合中資產(chǎn)的不相關(guān)或負相關(guān)性，即如果多資產(chǎn)負相關(guān)，則可以在最大程度上減少風(fēng)險并保有一定的收益，這也是投資組合所樂見的。因此，能夠通過一定的指標體系對股票資產(chǎn)進行類型劃定并表明其中的關(guān)系便是該研究的主要問題。根據(jù)該重點，本文將進行金融模型分析，以便從一個更加客觀的角度對股票資產(chǎn)類型與相關(guān)性展開研究。

一、研究的數(shù)據(jù)

本文研究的數(shù)據(jù)來源于wind數(shù)據(jù)庫，其中包含了所研究股票的6個財務(wù)維度，他們分別是凈資產(chǎn)收益率（ROE）、營業(yè)收入同比增長率（IGR）、總資產(chǎn)周轉(zhuǎn)率（SOA）、每股收益（EPS）、每股凈資產(chǎn)（BPS）、資產(chǎn)負債率（LA）。所研究的股票標的具體為：萬科A、金融街、格力電器、中航飛機、五糧液、新希望、紫光股份、九芝堂、蘇寧云商、科大訊飛、浦發(fā)銀行、南方航空、招商銀行、黃河旋風(fēng)、貴州茅臺、山東黃金。

二、實證結(jié)果分析

（一）財務(wù)指標聚類結(jié)果分析

在下載了上述16只股票包括凈資產(chǎn)收益率、營業(yè)收入同比增長率、總資產(chǎn)周轉(zhuǎn)率、每股收益、每股凈資產(chǎn)和資產(chǎn)負債率6大指標在2016年12月31日的年報數(shù)據(jù)。利用聚類分析中的歐式距離計算和總合出各支股票之間的空間距離，在設(shè)置3個分組的條件下得到各分組中在6大指標中的平均數(shù)值，以便歸納各組股票的一致性特征，為之后構(gòu)建嚴謹?shù)耐顿Y組合尋找決策的依據(jù)。

各指標分組結(jié)果均值表

從上表中可以看出，通過對股票權(quán)益收益率、營業(yè)收入增長率以及資產(chǎn)負債率核心指標的考量后，本文發(fā)現(xiàn)上述分組具有以下特點。

第1組股票所在公司由于ROE和EPS都較低故屬于低盈利型企業(yè)，但是由于其LA處于20%左右，所面臨的財務(wù)風(fēng)險較小故屬于低風(fēng)險型企業(yè)。此外，其IGR達到了150%以上，故其處于一個高成長階段。因此，定義該組為低盈利、低風(fēng)險、高成長組。

第2組股票所在公司由于ROE和EPS都較適中故屬于中盈利型企業(yè)，但是由于其LA處于40%左右，所面臨的財務(wù)風(fēng)險適中故屬于中風(fēng)險型企業(yè)。此外，其IGR處于了17.6%，故其處于一個中低成長階段。因此，定義該組為中盈利、中風(fēng)險、中成長組。

第3組股票所在公司由于ROE和EPS都較適中故屬于中盈利型企業(yè)，但是由于其LA達到80%左右，所面臨的財務(wù)風(fēng)險適中，故屬于高風(fēng)險型企業(yè)。此外，其IGR處于了12.95%，故其處于一個中低成長階段。因此，定義該組為中盈利、高風(fēng)險、中成長組。

對應(yīng)于各組中不同公司股票的構(gòu)成，可以從16支股票分組結(jié)果表中得到詳細的信息。

（二）利用主成分分析進行指標體系降維評價

為了進行更加體系化的評價，本研究利用PCA的方法對研究標的的在2016年6指標的數(shù)據(jù)進行降維，發(fā)現(xiàn)指標間的關(guān)系（如圖1所示）。

圖1 變量主成分關(guān)系圖

從圖1中可知，六大財務(wù)指標的關(guān)系已經(jīng)變得比較清晰，資產(chǎn)負債率與其他指標相關(guān)性較弱，可以獨自組成一個主成分，營業(yè)收入增長率和總資產(chǎn)周轉(zhuǎn)率相關(guān)程度較大，也可以歸為一個主成分，而每股收益、凈資產(chǎn)收益率和每股凈資產(chǎn)聚集程度較大，可以歸為一個主成分。

而從因子模型中可以看出，資產(chǎn)負債率在二維表中對整個模型產(chǎn)生了負向的作用，而總資產(chǎn)周轉(zhuǎn)率和營業(yè)收入增長率在41.08%的維度上起到了負向的作用，同時也在28.03%的第二個維度上產(chǎn)生了對總體模型的正向的作用。而每股收益、每股凈資產(chǎn)和凈資產(chǎn)收益率對整體模型都起到了正向的解釋作用。而就各變量作用大小而言，資產(chǎn)負債率、每股收益和每股凈資產(chǎn)對于模型的解釋力度最大（見圖2）。

圖2 樣本因子分布圖

對于樣本個體在PCA中的分布情況可由圖2得知，前兩個維度共解釋了近70%的變化，當(dāng)將兩者結(jié)合于一張二維圖中時，以兩個維度上（0，0）為分割點，我們可以直觀地看到，五糧液公司雖然與其他公司兩個維度上的數(shù)值比較接近，但是卻在（0，0）點的正方向，說明五糧液在公司業(yè)績和債務(wù)分險控制上也較為出色，相較于萬科、格力電器、南方航空、浦發(fā)銀行和招商銀行，雖然在業(yè)績角度比較出色，但是由于經(jīng)營負債率較高，其聚集在了第二個維度的負方向。而九芝堂、山東黃金、新希望、蘇寧云商和科大訊飛雖然在債務(wù)風(fēng)險上較為穩(wěn)妥，但是其為股東帶來的收益明顯趕不上地產(chǎn)和銀行業(yè)的企業(yè)。然而，黃河旋風(fēng)、中航飛機和金融街等上市公司不管在績效還是在債務(wù)風(fēng)險方面都較為遜色。

結(jié)語

本文利用聚類分析和主成分分析的方法對A股中的16支股票進行類型劃分，得到的結(jié)果可以為Markowitz均值方差模型中最優(yōu)組合的構(gòu)建提供強有力的客觀構(gòu)造方法，使得投資組合搭建能夠更加科學(xué)化。