对影响股价的主要财务指标分析

2024-05-31

对影响股价的主要财务指标分析（共7篇）

对影响股价的主要财务指标分析篇1

对影响股价的主要财务指标分析

根据有效市场假说，证券的市场价格充分及时地反映了全部有价值的信息，市场价格代表着证券的真实价值。换言之，对股票市场而言，股票的市场价格能否真实反映上市公司的权益价值是股票市场是否有效的重要标志。由于真实的权益价值通过公司的经营业绩产生，而代表上市公司经营业绩的财务指标从不同侧面真实再现了公司的财务效益、资产质量、偿债风险和发展能力等状况，因而，在成熟的股票市场中，这些指标与其股票价格呈现高度的相关性。如果公司的经营业绩成为股票定价的重要因素，价值投资逐渐成为一种重要的投资理念，那么，在风险相同即宏观因素对个股股价的影响相同以及在行业因素相同的情况下，上市公司的经营业绩就成为影响股价的核心。而财务指标对股票价格的影响仍随行情的波动而有所起伏。每当行情上涨时，股价与财务指标的关联性增强，流通盘因素的作用减弱；而当行情下跌时，情况正相反。

一、主要的几个财务指标对股价的影响:

1、每股收益

中国证监会在《公开发行证券公司信息披露编报规则第9号--净资产收益率和每股收益的计算及披露》中规定每股收益的计算公式如下：每股收益=净利润/末普通股股份总数。每股收益是评价上市公司盈利能力最基本和核心的指标，是投资者进行分析的一种简单而信息含量极高的比率工具，该指标决定了股东的收益水平，每股收益越高，股东的投资效益越好，每一股份所得的利润也越高。据此可作为确定企业股票价格的主要参考指标。在其他因素不变的情况下，每股收益越高，该种股票的市价上升空间则越大。因此每股收益具有引导投资、市场评价功能。

2、每股净资产值

公司净资产代表公司本身拥有的财产，也是股东们在公司中的权益。因此，又叫作股东权益。每股净资产值反映了每股股票代表的公司净资产价值，是支撑股票市场价格的重要基础。每股净资产值越大，表明公司每股股票代表的财富越雄厚，通常创造利润的能力和抵御外来因素影响的能力越强。

3、主营业务收入增长率

主营业务收入增长率可以用来衡量公司的产品生命周期，判断公司发展所处的阶段。一般来说，如果主营业务收入增长率超过10%，说明公司产品处于成长期，将继续保持较好的增长势头，尚未面临产品更新的风险，属于成长型公司。则股价会相应上涨。如果主营业务收入增长率在5%～10%之间，说明公司产品已进入稳定期，股价会稳定一段时间。不久将进入衰退期，需要着手开发新产品。如果该比率低于5%，说明公司产品已进入衰退期，保持市场份额已经很困难，主营业务利润开始滑坡，如果没有已开发好的新产品，将步入衰落。根据其所处的阶段可以判断股价的走势再选择是否投资。

4、市盈率

市盈率=每股市价/每股收益。每股收益反映每一股份所摊得的企业税后净利润，它反映企业的获利能力，但对股票投资者来说，真正反映投资者购买股票付出代价的是股票的市场价格，而不是股票的面值。因此，将股票的市场价格与它的每股收益进行比较，计算出市盈率，更能反映出股票的质量和投资价值。在一般情况下，某一种股票的市盈率越低，表明该股票投资风险较小，取得同样的盈利额所需投资额越小，相对来说投资价值也越大。但也不能一概而论，有时市盈率越低，表明该公司前景欠佳，投资者对其没有太大的信心，因而不愿意承担较大的风险；某一股票市盈率高，表明投资者普遍持乐观态度，对公司充满了信心。投资者要具体股票具体分析，对一些成长性较好的股票其市盈率偏高是较为正常的。

二、股票价格与指标变量间的相关系数并非总保持着一致性的关系举例：以股价与盈利能力的复相关系数为例，沪深280只成份股的期末值达0.5963，比同期的市场平均水平高出70％以上；与每股收益的相关系数也比市场水平高出 59％。不过，上证180成份股与深证100成份股之间还存在着明显差异。上证 180成份股的市场定价更注重盈利能力和账面价值指标，而且比较忽视发展能力；与此相对的是，深证100成份股的定价在比较看重盈利能力的同时，还十分重视发展能力和成长性指标。两者之间存在如此差异，并不意味市场的定价会刻意在沪深两市之间做出不同选择，而更有可能是因为目前两个市场股票的特征差异越来越大。若投资者单纯以上证180成份股或者深证100成份股为主要选股对象，则认识上述差异是必要的。定价相关因素的非线性特征仍不容忽视。笔者利用 5月19日～23日的第19周市场数据，分别就不同的流通盘规模、不同的每股收益水平、不同的股票价格区间下，股价与每股收益、每股净资产、流通盘的相关性进行分析。可以看出：在流通盘、每股收益各自区间的上游（亦即大盘股和绩优股群体），价格与指标参数的相关性更强，也更表现出线性特征；处于超低价位区和次高价位区的股票也有类似特征。相反，流通盘或者每股收益或者股价处于中游区间的股票，其价格与指标参数的相关性很弱而且不够稳定，足见这个“中间阶层”的财务指标因素正缺乏市场的一致性认同，其市场定位的随意性更强或者财务指标之外的其他因素干扰更大。股市的“中间阶层”现象，是一个非理性定价的表现。拥有70％以上股票的“中间阶层”，其市场定价在流通盘因素干扰并不大的情况下发生与公司业绩的偏离，而这种偏离又恰恰是价值被高估，那么它所蕴含的风险便可想而知。总之，我国股市定价因素所具有的非线性特征，一方面意味着多数股票定价的投机成份还很大，市场整体上距离价值投资境界还有很长的路要走。

对影响股价的主要财务指标分析篇2

我国股票市场是在改革开放后的一段时间内孕育和发展起来的, 由于中国的经济、金融体制处于转轨的特殊时期, 市场中有很多矛盾需要释放, 因此股票价格的变动不仅收到外部因素的影响, 如国家政策, 宏观环境, 行业环境、金融财政政策、市场供求关系等, 而且同时还受到公司财务信息、股民市场预期以及市场监管等市场内部因素的影响。在这些影响因素当中, 广大股民能够直接接触同时能够有效把握的主要是上市公司对外界公布的财务信息, 因此研究和分析上市公司的财务状况与股票价格之间的相关性对于投资者来说十分必要。本文选取房地产行业的股票作为研究对象, 之所以选择房地产行业, 主要是因为该行业对于整个股票市场的影响举足轻重, 能够代表整个股票市场的一般规律。本文试图通过因子分析和回归分析的实证方法来了解我国房地产行业上市公司财务数据对股价的影响, 从而为价值投资者提供投资的依据。

2 研究方法

2.1 样本数据选取

(1) 样本选择。本次实证研究选取证监会规定的房地产行业的上市公司作为研究样本。为保持样本的代表性和可比性, 在挑选样本时剔除了ST类的股票, 以及数据缺失的股票。最终选取了47支符合条件的房地产股票。

(2) 样本数据选取。选取2012年在深圳主板上市房地产公司公布的年报所体现的财务指标, 同时股票的价格为2012年一整年股票的年收盘均价。公司数据主要来源于巨潮咨询网 (www.cninfo.com.cn) 。

2.2 模型建立

评价上市公司财务状况好坏的因素主要包括其盈利能力、营运能力、偿债能力、发展能力和股东获利能力五大方面, 本文主要选取能够代表上市公司这五方面能力的主要财务指标作为自变量X, 以股票一整年的收盘均价作为因变量P建立模型:

式中, Cj (j=1, 2, 3…n) 是影响股票的因素即解析变量, P为股票的收盘均价即因变量, ε是随机误差。

2.3 变量选择

为全面反映财务指标对公司股价的影响, 从偿债能力、盈利能力、运营能力、发展能力、股东获利能力等五个方面共11个指标加以分析, 结果如表1所示。

2.4 因子分析

(1) 因子分析的前提。

根据spss软件, 利用巴特利特球度检验, KMO检验和相关系数矩阵对数据进行分析, 主要观察数据的线性关系, 看能不能利用因子分析来提取因子, 相关结果如下:

从表1相关数据可以看到, 公司的财务数据存在相关关系, 具有一定的线性关系, 可以运用因子分析来提取因子。

从表3的巴特利特球度检验和KMO检验可以看出, 巴特利特球度检验的值为226.316, 其概率非常小, 其对应的概率明显小于0.05。其实, 我们通过观察KMO值, 其值明显大于0.05, 通过查询kaiser对KMO做出的标准, 很容易判断原有变量符合因子分析的前提。

(2) 提取因子。

在这里, 本文通过主成分析法进行因子分析, 筛选标准时要求特征值大于1, 本文选取的是累计方差贡献率大于77%的前几个主成分作为评价分析用的主成分因子, 从表中可以看出, 前三个因子的累计方差贡献率达到77%, 满足要求, 这三个主成分因子的特征值大于1, 基本上反映了大部分信息。

提取方法:主成份分析。

(3) 因子命名。

提取方法:主成份。旋转法:具有Kaiser标准化的正交旋转法。

根据表5的旋转成分矩阵我们可以看到, 第一成分中, 流动性比率, 资产负责率, 净资产比率的载荷分别为0.868, -0.952, 0.943, 主要代表企业偿债能力。第二成分中, 每股收益, 每股净资产的载荷分别为0.923, 0.911, 主要代表股东的获利能力, 第三成分中, 存货周转率的载荷为0.875, 代表公司的运营能力。

2.5 回归分析

a.预测变量: (常量) , REGR factor score 3for analysis 1, REGRfactor score 2for〗analysis 1, REGR factor score 1for analysis 1。

3 结论分析

(1) 由回归结果可知, Adjusted R-squared=0.43表明回归方程对样本值的拟合程度不佳, 说明财务指标并不能很好的解释股价。这也反映影响我国股市的因素很多, 财务指标这类信息只能反映股价的一方面, 国家宏观政策、市场因素也会对股票市场产生重要的影响, 这一点在我们的模型中无法体现。

(2) 在我国, 股票市场的发展仍处于初级阶段, 市场参与者中介机构的数量还是少数, 还是一个散户主导的市场, 市场的投机气氛很浓, 参与者更关心短期的技术走势而非财务指标, 这很有可能使股价走向与财务数据脱钩。而且, 我国证券市场不发达, 导致一些非公司本身因素对股价的影响较大。

(3) 依据有效市场理论, 一般可就股票价格对不同信息资料的反映程度将证券市场分为弱式有效性市场、半强式有效性市场、强式有效性市场三种类型。假如股票市场是半强式有效的, 则股票价格会反映所有公然的信息, 而根据本文的结论, 有关公司财务状况的公然信息并未充分反映到股价中, 这也意味着我国股市尚未达到半强式有效。因此, 我国应从大力培育和发展中介机构、加强和规范信息表露制度、进一步完善证券法律体系等多方面进手进步股票市场有效性。

参考文献

[1]陈曦.沪深A股财务指标对股价影响力实证研究[J].金融观察, 2008, (10) .

[2]李锐, 伟吴.上市公司财务信息对股票价格的影响分析[J].证券投资, 2010, (10) .

[3]谢睿.财务指标影响股价的行业差异[J].会计论坛, 2009, (7) .

[4]赵春光, 袁君丽.股价与成交量关系的实证研究—来自深圳证券市场的实证证据[J].财经科学, 2006, (01) .

对影响股价的主要财务指标分析篇3

【关键词】汇率；宏观经济；经济冲击

汇率作为调节国民经济内外均衡的杠杆，是国际金融领域最重要的工具之一。2005年到2013年，我国人民币对美元的汇率经历了较大的几次变化：2005 -2006年期间，人民币对美元的汇率由1美元兑换8.1917元，下调为1美元兑换7.9715元；2007年，人民币下调为1美元兑换7.604元：2008年，人民币对美元下调为1美元兑换6.9451元；2013年，人民币对美元汇率再次下调为1美元兑换6.1932元。虽然人民币汇率一直处于贬值状态，但这段时间变化明显，具有很强的研究价值，因此，本文将以这个历史时期的汇率为研究对象。

一、模型的提出和稳定性检验

1.模型的提出

用矩阵表示m个变量的VAR模型为：

2.稳定性检验

本文选取的经济指标数据是月度的人民币对美元的汇率、工业总产值、M1（狭义货币供应量）、全国居民消费价格指数、外贸进口总额和外贸出口总额6个变量。经过稳定性检验，发现以上指标的时间序列均不稳定，需要进行进一步调整，先后进过量纲消除、季节调整、单位根检验，得出6个变量的平稳一阶差分序列 I（1）。在建立实证模型之前，需要确认6个经济指标是否存在经济意义上的因果关系，因此要检验指标的协整关系。

二、汇率与主要经济指标间的相互影响分析

根据前述公式计算出本模型的AIC值，定阶为2。通常通过系统的脉冲响应函数或方差分解来推断向量自回归的内涵。上述建立的VAR（2）模型的两步预测误差的方差分解如表1。

从上表可知，除外贸进口指标之外，其他经济指标都很独立，互不干扰。预测误差远远超过其它变量的总和么，大部分都保持在80%以上。经过比较发现，汇率对工业总产值和外贸出口的影响较大，分别是6.45%和4.73%，说明人民币汇率变动极大地影响着我国外贸出口。相比外贸出口、工业总产值、Ml对外贸进口指标的预测误差（分别是20.16%、16.17%、3.33%），人民币汇率对其的预测误差只有1.00%，基本上可以忽略不计。汇率（6.45%）和M1（2.56%）对工业生产总值的预测误差较大，说明我国经济增长在很大程度上依赖于扩大投资规模。货币流通量对物价的预测误差为10.47%，可见，影响较大，这是由物价因素的滞后作用决定的。另外，汇率（96. 64%）和M1（96.47%）对自身的预测误差贡献率偏高，说明汇率和M1的经济政策刚性较强。

三、结论

经过上述模型的定量分析可得，人民币对美元汇率、工业总产值、M1（狭义货币供应量）、全国居民消费价格指数、外贸进口总额和外贸出口总额6个指标间存在明显的相互影响的关系，其中，汇率的变动对我国主要宏观经济指标的影响较大。为了稳定宏观经济，必须要保证汇率的稳定，鉴于影响汇率变动的因素众多，包括国际收支状况等，因此，我国应稳定国际收支盈余和外汇储备，稳定其增长率，以便防治人民币汇率的有害波动。

参考文献：

[1]郑鹏程.实际有效汇率对我国主要宏观经济变量影响的实证研究[D].吉林大学，2012.

[2]张秀艳，石柱鲜.汇率对我国主要宏观经济指标的影响分析[J].吉林大学社会科学学报，2002，04：18-23.

对影响股价的主要财务指标分析篇4

在我国经济快速发展的这十年,相比于第一、二产业,第三产业在其中所起到的作用可谓举足轻重,特别是交通运输、电子商务、房地产等行业占据了当今经济发展潮流的巅峰。然而,当前信息化程度的高速发展也给我国第三产业带来了更多的竞争和潜在的危机,如民营经济抗风险能力等问题。为了能够全面合理地了解当前我国第三产业上市公司的财务状况以及为投资者提供科学的分析方法,本文选取了我国部分第三产业的45家上市公司作为研究对象。其中包括2015年被ST的9家公司和与之以1∶4配对的36家非ST公司。要对企业财务状况进行比较全面的分析,必须引入ST公司,因为这样能够对企业财务状况的优劣程度进行更全面的分析。

由于研究重点是财务指标的选取对聚类分析结果的影响,因此为了缩小ST与非ST公司的差异,样本的选取除了考虑在企业规模上相接近,还对ST公司选取了2014年份的财务数据,而非ST公司也选择了与之对应的2014年份的财务数据进行研究。所选取的财务数据均来源于国泰安数据服务中心。

二、非参数检验指标的获取

通过借鉴前人的文献并遵循指标选取所必需的全面性、可比性、重要性及可操作性等原则,本文先从能够反映企业盈利能力、成长能力、偿债能力、现金流量能力、运营能力的240多项财务指标中,选取了具有代表性的40个指标作为备选指标。这样选取的原因是研究指标数量过多不利于及时发现财务危机。

此外,指标之间若存在较大的相关性可能会对分析的最终结果产生偏差和误导。因此,在诸多财务预警文献中,学者们均对研究指标进行了显著性检验,主要检验方法包括参数检验和非参数检验。由于非参数检验统计方法不需要考虑研究对象的分布状态,本文以1∶4配对的45家公司的40个备选指标为例,进行了两独立样本非参数U统计量的曼-惠特尼(Mann-Whitney)显著性检验。

表1列出了两独立样本的曼-惠特尼(Mann-Whitney)检验结果。

由表1可以看出,在显著性概率0.05的水平上有16个指标通过,它们分别为:X1流动比率、X2速动比率、X3现金比率、X5现金流量净额/流动负债、X6资产负债率、X9权益对负债比率、X17资产报酬率、X18总资产净利润率、X19流动资产净利润率、X21长期资本收益率、X23营业成本率、X24营业净利率、X25成本费用利润率、X29资本积累率、X30总资产增长率、X37全部现金回收率。将选取上述指标的方法称为第一种方法,然后进行聚类分析研究。

三、“初始因子载荷矩阵”拟合法获取指标

在因子分析中可以得到“初始因子载荷矩阵”(又称成分矩阵),第二种聚类指标的选取方法就是基于此矩阵而得到的。

“初始因子载荷矩阵”是用来表述主成分因子和各指标之间的一种线性关系,具体形式可写为:

其中:Xi代表第i个指标,i的取值从1到n;Fj为第j个成分因子;aij就是由因子分析所得到的“初始因子载荷矩阵”;等式最后一项ε表示特殊因子,表示公因子之外的影响。若在式(1)两边同时乘以指标Xi,原式则可写为如下形式:

最后一项依然表示公因子之外的影响成分,为了尽量减小该项对分析结果的影响,在因子分析过程中采取累积贡献率大于90%以确定主成分因子数。

公式(2)所示含义可以理解为,对于一个公司各财务指标的平方和与因子分析提取出的公因子之间也可表示成线性组合的关系。于是就可定义公式(2)的因子系数作为第二种方法的指标:

可以看出,该拟合Yj因子指标的获取需要借助于因子分析中的“初始因子载荷矩阵”得到。

为了检验前述非参数检验所选取的财务指标是否可以用来做因子分析,首先进行KMO和巴特利特检验,结果在表2中列出。

样本KMO测试系数为0.774,近似卡方值为1169.732,显著性值为0.000<0.05。表明所选取的16个财务指标间存在较强的相关性,非常适合进行因子分析。

表3为采用正交旋转提取出来主成分因子的总方差解释,可以看出所提取出来的5项主成分因子能够对原始数据信息的解释达到91.22%。

表4是第二种方法获取指标时要使用的“初始因子载荷矩阵”表。利用式(3)便可得到所选取的45家公司各自5项拟合因子指标Y1、Y2、Y3、Y4、Y5。

四、两种方法的聚类分析

聚类分析是统计学中应用非常广泛的多元统计分析方法,其目的是使同一类个体的相似度尽可能大,而不同类别个体之间相似度尽可能小。它在评价企业财务管理及风险水平方面亦得到了广泛应用。聚类分析的方法有很多种,但常用的主要有系统聚类和快速聚类。现采用系统聚类的方法对45家企业财务状况进行比较分析。

使用SPSS和EXCEL软件分别计算得到了两种方法的指标,即第一种方法选取了16项变量指标,第二种方法选取了5项Yj因子指标。表5是分别采用两种指标对45家上市公司进行聚类得到的结果。可以看出,他们均可分为四类,很明显第一种指标的聚类结果不能很好地将ST企业与非ST企业进行鉴别。尤其在第四类中,将很多非ST企业划入,表明第一种指标的选取方法对各企业财务状况敏感性不足。而第二种通过拟合“初始因子载荷矩阵”法得到Yj因子指标的聚类结果明显优于前者,它不但可以将ST企业聚为一类,同时引入的非ST企业数量大幅减少。若以ST企业聚为一类为检验两种方法的标准,则第二种方法的整体误判率仅为4.4%,对应第一种方法的整体误判率高达33%以上。当然这只是基于1∶4配对所得到的数据,在实际情况中,ST与非ST企业的配对比远远高于此比率,这将导致第一种方法的误判率更高。两种方法都对ST000892公司缺失,主要是由于该公司的原始财务指标数据不完整造成的。

由表5可以看出,两种指标选取方法的聚类结果有很大的相似成分。深入分析可对此做如下解释:

第一种方法获得的指标共有16项,它是能够通过提取到的主成分因子进行解释的,也就是说,该16个指标直接聚类与将因子分析得到的“因子得分系数矩阵”的主成分因子作为指标的聚类是等同的,通过计算证实了两者的聚类结果相同。这就表明第一种指标获取方法可使用主成分因子进行解释。

第二种方法选取的Yj因子指标共5项,与前者等价于“因子得分系数矩阵”不同,它是重新定义了与“初始因子载荷矩阵”有关的因子指标。它将企业的各财务指标的平方和作为得分整体,来与因子分析提取出的主成分因子拟合成线性关系。也就是说该方法亦可用主成分因子进行解释。

因此,采用两种指标获得的聚类分析结果虽然有一定的相似成分,但第二种方法选取的Yj因子指标对于采用聚类分析来预警企业财务状况具有较高的敏感度和准确性。

由表3可以看出,第一个成分因子对于整体指标的解释度已经能够达到48.332%,根据第二种方法的式(3),可以计算出四类企业拟合因子指标Y1的均值做定量分析。而因子指标Y1又可以通过因子分析中的旋转后的成分矩阵进行相应的解释。表6和表7分别是计算得到的旋转后的成分矩阵和聚类类别与各类企业Y1因子指标的均值关系。

由表6可以看出,Y1因子指标可以由反映企业运营能力的指标X6(资产负债率)和反映企业盈利能力的指标X17(资产报酬率)、X18(总资产净利润率)、X19(流动资产净利润率)、X25(成本费用利润率)、X24(营业净利率)来解释。因此,对于表7中Y1因子指标均值越大,说明该类企业的运营及盈利能力越强。由表7可以看出,在聚类结果中第二类和第三类企业的Y1因子指标均值较高,表明财务状况处于稳健水平;第一类企业的Y1因子指标均值虽然明显较小但仍然是正值,表明财务状况处于正常水平;第四类企业的Y1因子指标均值则为负值,表明该类企业的财务状况处于不良或危机水平,所以此类中基本都是被认定为ST的企业。表7也列出了被误判企业的Y1因子指标值,被误判为正常水平的ST000033公司为4.07,与均值的5.8水平较为相近;而被误判为危机企业的600892公司为0.42,而均值为-3.07,说明该企业已经接近危机水平的边缘。如果仅从Y1因子指标的解释来看,ST000033公司在未来转为正常水平的概率较大,而600892公司转为财务危机水平的概率较大。值得注意的是,从样本中每一类企业的数量来看,基本呈现正态分布,财务状况一般的企业较多,而财务优良和危机的企业数量相对较少,这与实际行业情况是一致的。因此,属于第一类的企业在未来出现财务危机的概率则相对较高。

综观聚类分析类型的文献,大部分都使用非参数检验法选取的指标或是“因子得分系数矩阵”所得到的成分因子作为指标来进行聚类,得到的聚类结果及意义并不十分显著,所以聚类分析在财务预警方面只是辅助性质。然而基于因子分析的“初始因子载荷矩阵”所定义的拟合财务指标不但增强了区分企业财务状况优劣程度的敏感性,而且还能为企业财务预警提供有力的支持。

五、结论

本文以2014年我国部分第三产业45家上市公司财务状况为例,研究了在不同方法下的财务指标对聚类分析结果的影响。由研究结果可知,采用非参数检验方法所获得的财务指标与因子分析中“因子得分系数矩阵”得到的因子指标有等价关系,该方法的聚类分析结果对上市公司的财务状况敏感性不足,聚类结果比较模糊。而在此基础上,本文通过利用因子分析中的初始因子载荷矩阵来拟合出具有主成分内涵的财务指标并进行了聚类分析。

本文的结果显示,该方法具有较高的敏感性,不仅可以准确地对不同财务水平的企业进行聚类,还能够对每一类结果进行合理的解释。因此,该方法可为行业财务评价及企业危机预测提供一种新思路。

摘要：本文以2014年我国部分第三产业上市公司为例,采用两种不同的方法对财务指标进行选取,并对聚类结果与财务状况水平进行了比较分析。研究表明,第一种采用非参数检验法所取得的财务指标聚类结果等价于采用因子分析中由“因子得分系数矩阵”所取得的因子指标聚类结果。两者均不能直观精确地反映上市公司的财务状况。而在此基础上,第二种采用由因子分析中“初始因子载荷矩阵”拟合出的具有主成分内涵的财务指标进行聚类,结果显示该方法具有较高的敏感性。不仅可以准确地对不同财务水平的企业进行聚类,而且可以对每一类结果进行合理解释。

关键词：聚类分析,因子分析,财务指标,财务危机

参考文献

游怡,刘婉璐.基于因子分析与聚类分析的通讯公司财务状况研究[J].财会通讯,2014(14).

刘蓉晖,雷怀英,付景莉.两种财务困境程度判别模型的构建与比较[J].统计与决策,2013(7).

孔宁宁,魏韶巍.基于主成分分析和Logistic回归方法的财务预警模型比较--来自我国制造业上市公司的经验证据[J].经济问题,2010(6).

对影响股价的主要财务指标分析篇5

摘要：随着我国经济的快速发展，使得全国房地产市场都呈现出高涨势态，从房地产市场发展趋势来看，影响市场需求的主要经济因素可包括城镇人口数以及居民可支配收入。对于西部地区房地产市场的研究，本文先从该地区的两个主要经济指标入手，对其数据进行比较分析，以观察房地产市场的需求状况。

关键词：西部；房地产；经济指标

1. 概论

从我国政府提出西部大开发战略实施以来，西部地区的各项发展都受到国家的高度关注和各方面的大力支持，西部地区房地产市场的发展状况也成为我们研究的主要方向。

所以，对于西部地区房地产市场的研究，本文先从西部各省份最基本的经济指标入手，选择城镇人口数量，地区生产总值以及家庭可支配收入作为该研究对象，来反应市场所能接受并承担的房地产产品的需求量。对该两个研究数据运用图标结合比较分析的方法，观察研究西部地区房地产市场发展的区域差异，并提出西部地区房地产市场发展的建设性意见，使得市场有效发展。

2. 城镇人口数比较分析

从对房地产市场的各项研究中，专家学者把房地产需求主要分为两大类：一类是人口数量不断增加所带来的正常居住需求；第二类便是投机需求。本文选取城镇人口数量为研究对象，从市场的正常需求来研究市场的发展状况。

由于2000年2001年人口为当年人口普查推算数，其余年份人口为年度人口抽样调查推算数据，直到2005年起，个地区人口数据统一为常住人口口径。因此，为统一比较分析，我们的研究数据采用了05年到12年西部地区各省份城镇人口数据，根据国家统计局统计数据显示，四川省近10年来一直为西部地区人口大省，根据数据年份变化趋势，可以看出，四川省一直处于西部第一，并与其他省份差价逐渐拉大，从05年2710万人口增长到2012年的3516万；西藏省处于最低，每年增长量仅1-2万人，年增长率也仅有1%-3%，城市人口增长缓慢， 12年总城镇人口数量仅为70万，与其他省份相差甚远；除了西藏以外，处于最低水平的省份还有青海和宁夏两省，城镇人口数也仅有300万人左右；其次为新疆，甘肃，到12年统计数据截止，其人口数量都在1000万人口以下。其余西部省份——贵州，内蒙，重庆，云南，陕西和广西6省份，城镇人口数为1000万到2000万之间。

3. GDP与城镇居民可支配收入比较分析

我们选取西部各地区年度生产总值以及该地区的城镇人口可支配收入作为研究对象。

根据国家统计局统计数据，从发展趋势可以看出四川省经济总体发展水平也一直处于第一位置，并逐年呈现增加态势，从03年5333亿元持续上涨达到12年的23872亿元，10年间总增长额达到348%，07年以后增长趋势加快，从11和12年发展趋势来看，经济持续发展；西藏，青海，宁夏三省在西部地区生产总值中居末位，西藏最低。其余8个省份12年地区生产总值先后排名份依次为内蒙15880亿元，陕西14453亿元，广西13035亿元，重庆11409亿元，云南10309亿元，处于中等位置，整体均处于向上增长趋势，09和10年两年间增长幅度最大，发展最快，但增长幅度在11年后有所放缓，也符合我国整体经济发展的趋势；经济发展处于中下位的为新疆，12年地区生产总值仅为7505亿元，贵州6852亿元和甘肃5650亿元，这三个省份，虽然与最低的三省有一定差距，但仍处于缓慢增长阶段，经济发达程度还处于较低的水平，属于经济发展初期阶段。

除了地区生产总值数据分析，我们还搜集了西部地区城镇居民人均可支配收入02年到13年的数据，从图中我们可以观察到城镇居民人均可支配收入变化趋势图。我们可以看到，从整体发展趋势来看，12省份均为指数缓慢上升趋势，人均可支配收入逐年增加，12年内蒙古自治区达到西部地区最高值，城镇居民可支配收入达到23150.3元，其次为重庆市22968.1元，最低为甘肃，仅有17156.9元，最高与最低两省相差达到5418.9元；其余省份均处于18000-20000之间，如果按照月份平均来算，西部地区城镇居民人均可支配收入每月也仅有1500元。

由以上数据分析可见，西部地区整体发展水平仍处于初级低等阶段，虽然有部分省市地区发展较快，平均水平也相对较高，如四川，重庆两省，但也有很多欠发达地区，如西藏，青海，贵州等省，对于西部地区总体发展趋势，与其他地区相比，仍然呈现出区域分布不均匀，经济发展不平衡的状态。

4. 结论

结合上述西部地区三个主要经济指标：城镇人口数，地区生产总值以及家庭可支配收入的历年数据分析，由于区域分布不均匀，经济发展不平衡的出现，我们可以大致把西部各省份对于房地产市场发展的不同状态划分以下为4类：

第一类：有较大的需求空间，且具有消费能力

综合对比以上数据可以看出：四川省为人口大省，地区生产总值也为西部最高，但其城镇居民可支配收入却没有达到西部最高，从四川省目前的经济状态分析，其处于经济发展对房地产有足够的需求水平较高，且有该需求的消费能力，但是对于房地产市场的供给来说，中低档房地产供给应该占据大多数消费群体。

同时，重庆在西部地区，也属于中上等发展城市，而且人口数量较多，有很大的潜在需求市场。

第二类：有一定的需求空間，但消费能力有待发展

划分为第二类的地区有贵州，广西，陕西，云南四大省份，根据以上数据分析，我们可以总结出他们所具有的几个相同特征：1.经济水平有待发展，整体经济水平不高，人均可支配收入较其他中东部地区相对较少，偏中下水平；2. 由于人口的持续增长，对住房存在潜在的需求，但由于人均可支配收入较低，对房地产市场的需求主要以中低住房为主，中高档住房以及投机需求较少。

第三类：需求空间较少，但相对具有较高消费能力

该类只把内蒙古一个地区划为一类，主要考虑到以下几个方面：第一，由于其地区人口稀少，但是相对与其他地区的经济发展水，该地区人均可支配收入较多，属于地广人稀资金充裕的地区，我们认为该地区对房地产市场的需求可以从中国高档住房供应入手，但由于人数量的限制，供应量不宜太大。

第四类：需求较少，经济欠发达

最后一类地区包括经济欠发达地区西藏，青海，宁夏，甘肃，新疆五个省份，该类地区主要存在人口稀少，对房地产的相对需求也少的同时，地区生产总值偏低，人均可支配收入较低，每有满足自身住房需求的水平，对房地产市场的需求甚少，还处于初期有待发展阶段。

由于西部地区各因素的制约，西部地区经济发展水平以及居民人口对房地产市场的需求有所不同，呈现出高度的地区差异，对于不同地区不同地段的房地产市场发展，我们需要分类分别处理，对于仅有的数据分析，还有待进一步加强和深入的研究。

参考文献

[1] 陈日清、杨海平.房地产市场研究综述[J].华北金融，2010.

[2] 蔡穗声、王幼松.中国房地产市场地区差异分析[J].房地产市场，2004.

[3] 靳允彤.试论我国房地产市场发展现状[J].行业研究，2012.

[4] 郭春玉.济南市与青岛市房地产市场比较研究[D].山东师范大学，2012.

对影响股价的主要财务指标分析篇6

关键词：铜期货价格；股票价格；协整检验

股票价格以及期货价格在本质上都是属于预期价格。从期货和股票的定价理论与相关实证可以看出，期货价格与现货价格有着紧密的联系，同时现货价格又直接或间接地影响着相关行业上市公司的股票价格表现。市场的有效性是商品期货市场与股票市场之间这种关联性存在的前提，在我国弱式有效的市场环境背景下，期货价格对相关行业股票价格的影响是本文研究的方向。

1期货价格影响股票价格的途径

原材料产品价格的变动对于相关资源类企业的成本与企业效益具有直接影响，这种影响通过股票市场上投资者对企业未来业绩变动的预期，转为对相关上市公司股票价格的影响。一般来讲现货价格与期货价格之间存在着综合的双向因果关系：两者之间存在着相互影响与作用，并且相互决定，有效市场中期货价格与现货价格之间存在着长期均衡关系。期货市场的有效性是其价格发现和套期保值两大功能的基础和前提，只有当期货市场有效时，期货价格的变动才能准确和迅速地反映未来现货市场供求关系的变化。

3主要研究结论

在对期铜价格与相关行业公司股票价格之间关系的实证检验中，我们可以得到如下结论：铜冶炼及铜制品行业与期货价格指数之间并不存在长期均衡关系。这主要是由于期货价格对该类公司股票价格的价格传导链相对较长，中间影响因素过多所造成的。对该类公司而言，铜期货价格首先对现货价格作出反映，进而由现货价格决定铜制品行业公司的生产成本，同时值得注意的是影响该类公司成品的销售价格的因素也在决定企业盈利，而诸多因素共同影响下的企业盈利能力才能最终影响到公司股票的价格。有色金属矿采选行业股价与铜期货价格指数之间存在长期均衡关系。这主要是由于期货价格对该类公司股票价格的传导链条相对较短，使得期货价格的波动能直接影响到企业的生产成本并决定企业最终的盈利，因此期货价格对该类公司股票价格的影响也更为迅速和直接。本文的研究结论对我们分析商品期货价格影响相关上市公司股票价格的程度和能力提供了一些启示，同时也对我们认识证券市场价格传导机制以及期货市场的价格发现能力有所帮助，从本文结论我们可以看出我国的股票和期货市场是趋于有效的，这也就使我们在对资源类股票进行分析时可参考相关期货价格的变动，帮助我们作出更合理的投资分析和决策。（作者单位：湖北大学）

参考文献：

[1]Fama.EfficientCapitalMarkets：“AReviewofTheoryandEmpiricalwork，[J].TheJournalofFinance，1970，25（May）：383—417

[2]ElamEandDixonLB.“ExaminingtheValidityofaTestofFuturesMarketEfficiency一[J].TheJournalofFuturesMarkets，1988，8（3）：365—372.

[3]Francis，KimS.MultiscaleHedgeRatiobetweentheAustralianStockandFuturesMarkets：EvidencefromWaveletAnalysis[J].JournalofMultinationalFinancialManagement，2006，16（4）：411—423

[4]王益：沪铜期货的弱式市场有效性检验[J]，统计观察，2005

[5]唐英，温涛.资源类股票价格与期货价格关系的研究一以深沪股市铜业上市公司与铜期货为例[J]，中国证券期货，2007年12月号.

[6]章晟，余攀.跨市场相关资产价格互动的实证研究——以金属铜为例[J]，财贸经济，2008年12期.

[7]解晓军，邰东旭.铜期货价格对相关股票价格影响的实证研究——基于状态空间模型[J]，东方企业文化，2011

[8]陈宋恩：商品期货市场带领股市走势，[N]亚太经济时报，2003—1l一2000

个股股价走势影响因素分析篇7

在本文中，主要研究采用的个股是“鞍钢股份（000898）”。鞍钢股份有限公司成立于1997年5月8日。1997年7月22日在香港发行8.9亿股H股，1997年11月16日在国内发行3亿股A股，并在深圳证券交易所挂牌交易。

“鞍钢股份”作为我国钢铁企业的优秀代表，在大盘中占有较大权重，“宝钢股份”作为钢铁股的龙头股，扮演着领头羊的角色。目前宝钢后期走势仍然充满变数，而鞍钢目前股价处于低位时期，两只股票具有一定的联动性，而这之间他们是否具有一定的内在联系？如果存在内在的联系，那么根据宝钢的变化能否判断鞍钢的变动趋势？大盘的变动又会怎样影响鞍钢股份的股价？

研究思路

总体思路是：首先，收集相关样本数据并进行预处理；其次，利用相关性分析选择确定影响鞍钢股份股票价格的主要因素；再次，运用SPSS软件进行回归分析，建立线性和非线性模型。线性回归模型的建立，本文运用回归分析中的多元线性回归模型（multivariable linear regression model）：假定从理论上或经验上已经知道输出变量y是输入变量x1，x2，…，xm的线性函数，但表达其线性关系的系数是未知的，要根据输入输出的n次观察结果来确定系数的值，按最小二乘法原理来求出系数值，所得到的模型即为多元线性回归模型。

分析过程

样本数据收集说明

研究采用的数据是以2012年1月4日至2012年5月9日（除去周末和节假日停盘）共81天的“鞍钢股份”的收盘价为因变量，“上证指数”和“宝钢股份”的收盘价，“鞍钢股份”的交易量，板块指数为自变量来分析对“鞍钢股份”的影响因素。

实证分析

利用相关性分析选择确定主要影响因素

用SPSS分析的过程中，将鞍钢的股价作为因变量，将上证指数，宝钢股价，鞍钢交易量作为自变量，进行相关性的比较，从中选出与鞍钢股价相关性最明显的因素。

从相关性这张表可以看出：鞍钢的股价与宝钢股价，上证指数，以及其自身的交易量存在着正相关的关系，而与钢铁板块的指数存在着负相关关系。从相关系数的绝对值大小可以看出：鞍钢的股价与上证指数的相关程度最大，其次为宝钢。

并且从上表可以看到，钢铁板块与鞍钢的相关系数为-0.050，同时，钢铁板块与宝钢的相关系数为-0.022，因此可以看出，钢铁板块的指数与钢铁类个股股价之间线性关系不显著，也就是说钢铁板块指数对钢铁类个股的股价影响很小，所以在下一步构建模型的时候通过逐步回归法可以剔除该因素。

综上所述，在4个自变量里，选择上证指数和宝钢股价作为影响鞍钢股价的主要因素进行进一步的模型构建，剔除钢铁板块和交易量因素。

建多元线性回归模型进行分析

采用逐步回归法选择自变量的判别标准，进入回归方程的自变量有两个，第一个模型自变量为上证指数，第二个模型自变量为上证指数和宝钢股价，因变量是鞍钢股价。

此表给出了关于回归方程的一些常用统计量。R是回归方程的复相关系数，它是反映因变量与所有自变量之间线性相关程度的指标。其值越接近于1，表示因变量与自变量之间的线性相关程度越高，其值越接近于0，表示因变量与自变量之间的线性相关程度越低。RSquare是样本判定系数，它是反映回归方程拟合程度的指标。其值越接近于1，说明回归方程的拟合程度越好。从该表样本判定系数R Square可以看出：模型1和模型2的拟合性都较好。

a.Dependent Variable：鞍钢

从此回归方程的系数表可以得出以下结论：

设鞍钢股价为Y，上证指数为X，宝钢股价为X

模型1可以得出：Y=-0.904+0.002X，对回归系数进行显著性检验的t统计量的值=26.330，相伴概率p=0.000<0.05，因此拒绝原假设，即可认为变量X对因变量Y的影响是显著的。

从模型2可以得出：Y=-0.550+0.003X-0.082X；对回归系数进行显著性检验的t统计量的值分别为13.622和-2.175，相伴概率p分别为0.000和0.032且都小于0.05，因此拒绝原假设，即可认为变量X，X对因变量Y的影响是显著的。

从BETA值可以看出，因为1.092>-0.174，所以对鞍钢股价来说，上证指数的影响更大一些。

通过以上分析，认为由多元线性回归得出的模型能比较好的反映这几者之间的关系。

构建非线性模型进行分析

在前面的研究中，可以发现上证指数对鞍钢股价有着比较明显的影响，因此，我们进一步研究他们之间的关系。如下表：

从此表中，由T值和P值都可以看出，应拒绝原假设，说明常数项和系数项都不为0。设鞍钢为Y，上证指数为X，则二次方程为：Y=-10.987+0.007X+（-5.9E-007）X2。

得出结论

从前面的分析中，可以得出鞍钢的股价与上证指数，宝钢股价，钢铁板块指数，鞍钢交易量存在着一定的关系。其中，鞍钢股价与上证指数，宝钢股价的关系较明显，且符合以下的多元线性回归模型：