基于因子分析與聚類分析的中國煤炭行業上市公司財務績效評價

□ 秦 穎

(東南大學 江蘇 南京 211189)

一、樣本確定與財務評價指標體系構建

(一)樣本量確定

本文依據證監會2012年行業劃分標準，在所列示的26家煤炭開采與洗選上市公司中剔除了進行特殊處理的*ST平能和*ST安煤兩家上市公司。

表1 我國24家煤炭上市公司

(二)財務指標確定

本文初步選定13個財務指標涵蓋償債、盈利、營運和發展能力四方面。償債能力用流動比率、速動比率和資產負債率三項指標表示；盈利能力選資產報酬率、凈資產收益率、凈利率和每股收益四項指標；營運能力選擇應收賬款周轉率、存貨周轉率和總資產周轉率三項指標；發展能力選取總資產增長率、營業收入增長率和營業利潤增長率三項指標。

(三)確定分析方法

本文首先進行因子分析，從多個財務評價指標中提取主成分來反映原始數據信息，對含義清晰的主因子進行命名、計算得分及排名，繼而根據因子得分采用K-均值聚類法對樣本數據進行聚類分析并評價。

二、基于因子分析的煤炭上市公司財務績效評價

通過對各指標納入分析范圍后累計貢獻率高低以及因子解釋難易程度的考量，最終選擇下列10個財務指標，令X1=流動比率X2=速動比率X3=資產負債率X4=凈資產收益率X5=營業利潤率X6=每股收益X7=應收賬款周轉率X8=存貨周轉率X9=總資產周轉率X10=凈利潤增長率。

(一)因子分析

本文運用SPSS19.0統計軟件先對2017年24家煤炭上市公司的財務數據做標準化處理，然后基于標準化數據進行因子分析操作。

表2 煤炭行業24家上市公司各項指標的基本描述統計

1.KMO和Bartlett球形度檢驗

由表3可知：2017年樣本數據KMO檢驗統計量為0.507，大于0.5，且sig值為0，小于0.05，說明該樣本數據適合做因子分析。

1955年，Husqvarna推出了品牌歷史上頗具傳奇色彩的產品—Silverpilen，這個名字在瑞典語中有“silver arrow”的意思。這輛僅重75公斤的摩托車擁有不少在當時尚屬先進的技術，可以說在一定程度上引領了后來摩托車技術發展的潮流。但更為可貴的是，Husqvarna并沒有在這一款成功的車型上不停地炒冷飯，在2014年，Husqvarna發布了由Kiska設計公司開發的名為SVARTPILEN和VITPILEN兩款全新車型。和前輩車型亮相時所帶來的震撼一樣，這兩款全新的摩托車同樣具備了未來主義的科幻風格造型，令人過目難忘，也令人想入非非。

2.因子個數的選擇

表3 KMO和Bartlett的檢驗

表4 解釋的總方差

圖1 碎石圖

本文采用主成分分析法，按照累計貢獻率>85%的標準提取出4個公共因子，其中第1個因子方差貢獻率最大，反映了33.215%的原始變量信息，其余三個因子分別代表了25.661%，14.444%，12.204%的原始變量信息，即4個公共因子累計提取了原始變量信息的85.523%，信息損失較少。

由圖1碎石圖也可以看出，成分數為4時，特征值的變化曲線趨于平緩，也可大致確定出主成分個數為4。與按累計貢獻率確定的主成分個數是一致的。

3.因子旋轉

表5 旋轉成份矩陣a

通過采用方差最大化的方法可以使含義不清晰的初始因子載荷矩陣在旋轉后具有明顯的實際意義，便于因子命名。從表5可知，X1、X2、X3三項指標均表示償債能力。將因子F1命名為償債因子；X4、X5、X6三項指標代表盈利能力，將因子F2命名為盈利因子；在變量X7、X8、X9上有較大載荷的因子F3命名為營運因子；在變量X10上有較大載荷的因子F4命名為發展因子。旋轉后四個因子的貢獻率分別為28.499%、25.902%、18.180%、12.942%。

4.因子得分

表6 成份得分協方差矩陣

由表7得，兩個因子沒有線性相關性，實現了因子分析的設計目標。

表7 成份得分系數矩陣

四個主成分表達式如下：

F1=0.361*x1+0.362*x2-0.292*x3-0.028*x4+0.028*x5+0.026*x6+0.121*x7-0.066*x8-0.030*x9-0.095*x10

F2=-0.049*x1-0.047*x2-0.161*x3+0.358*x4+0.402*x5+0.266*x6-0.122*x7-0.036*x8+0.072*x9-0.017*x10

F3=0.080*x1+0.079*x2-0.025*x3-0.017*x4-0.248*x5+0.168*x6+0.581*x7+0.239*x8+0.334*x9+0.085*x10

F4=-0.109*x1-0.114*x2-0.036*x3-0.059*x4+0.042*x5+0.014*x6+0.252*x7-0.318*x8-0.211*x9+0.745*x10

以三個因子的方差貢獻率為權數，綜合因子加權總分：

F=0.28499F1+0.25902F2+0.18180F3+0.12942F4

由于其中三家公司的指標數據不全，以下對有效的21家公司進行因子得分排序：

表8 2017年21家煤炭上市公司各因子得分和排名

5.評價

通過以上分析可知，四個因子對我國煤炭上市公司財務業績的影響程度不同，償債因子影響最大。2017年中綜合得分大于0的上市公司有10家，最高分與最低分差距較大；上市公司金瑞礦業和中國神華的綜合績效絕對領先，整體看來，煤炭上市公司發展狀況參差不齊，行業發展存在較大差距，對經濟新常態的適應能力有所不同。三、基于K-均值聚類分析的煤炭上市公司的財務績效評價

用因子得分結果，K-均值聚類法把樣本分為四類。

表9 最終聚類中心

利用因子得分結果，K-均值聚類法把樣本分為四類。第一類公司發展能力較強而償債較弱，包含2家公司；第二類公司償債能力較強，盈利相對較弱的1家上市公司；第三類是營運能力較好，但發展能力和盈利能力都有所欠缺的3家公司；第四類公司是盈利能力較好，但發展能力、營運能力和償債都不佳的15家公司，除盈利能力大大優于同類公司外，其余三項能力都處在行業末端，即使現有的產品及技術市場前景較為樂觀，但創新發展、加強管理可以使公司更好地適應當下的經濟環境。上市公司所屬類別情況如表10所示。

表10 21家煤炭上市公司分類情況

四、總結

本文利用因子分析法和聚類分析法對2017年我國煤炭上市公司的財務績效進行評價的結果顯示：我國煤炭上市公司整體財務績效并不樂觀，行業發展差距較大，部分公司表現出單方面能力較為突出的不均衡發展態勢。各公司可根據實際情況，采取相應措施，進行資源整合或創新轉型發展，積極配合國家改革，實現均衡高效發展。