基于spss的股票量化投資決策

摘要：廣大的投資者一直被具有“高收益、高風險”獨特魅力的資本市場所吸引，而其股票市場則更是以其變幻莫測的股價走勢被人們譽為“科學與藝術”的完美結合。為此，本文利用spss19.0軟件對滬深股市的12只股票的綜合價值進行因子分析及運用K-均值聚類將股票分為3類，為機構投資者以及散戶投資者提供簡單、科學的投資參考。

關鍵詞：因子分析；主成分分析；聚類分析；投資決策

中圖分類號：F830.9 文獻標識碼：A

文章編號：1005-913X（2014）10-0193-02

一、財務分析指標體系的建立

為了便于研究以及確保財務數據的相對真實，我們從光大證券客戶端軟件上截取了最新一期公司的每股收益（X1）、每股凈資產（X2）、每股公積金（X3）、每股未分配利潤（X4）、凈資產收益率（X5）、流動比率（X6）以及流速比率（X7）7大財務指標。同時為了使研究更具普遍性，我們分別從文化傳媒、醫藥、環境保護、能源、信息通訊、機械工業6大板塊的的12只股票作為分析的樣本。選取2014年第二季度報表參數，股票代碼分別華策影視（300133）、華誼兄弟（300027）、云南白藥（000538）、仁和藥業（000650）龍凈環保（600388）桑德環境（000826）、廣聚能源（000096）、東華能源（002221）、烽火通信（600498）、中天科技（600522）、東方精工（002611）、海陸重工（002255）。

由于各指標數據量綱不同，無法進行統一計算。故需對原始數據進行標準化處理，在這里我們采用標準差法對數據進行標準化。

令Xj，Sj分別表示第j個指標樣本平均值和樣本標準差

標準化：，其中i=1，···n；j=1，···p

標準化處理后得到數據如表1所示

二、主成分模型的求解及分析

將表2中的數據帶入spss19.0中進行主成分分析，生成的前三個主成分因素的累計貢獻率已高達94.625%，說明前三個因素代表了絕大部分信息，能夠從分反映原數據的大部分信息。

為了對每個因子載荷做合理的解釋，采用方差最大正交旋轉對因子載荷矩陣進行旋轉，得到結果如表4。

由表2可知：

主因素1在每股凈資產、每股未分配利潤、每股收益3個指標變量上有大于0.7的載荷量，該因素主要反映的是上市公司的成長能力，其貢獻率最大為44.084%，所以將該主因素命名為成長因素（Y1）。

主因素2在流動比率和速動比率2個指標變量上有大于0.7的載荷量，該因素主要反映的是上市公司的償債能力，其貢獻率為32.967%，所以將該主要因素命名為債務因素（Y2）。

主因素3在凈資產收益率上的載荷量高達0.958，而凈資產收益率又是主要反映上市公司盈利能力的重要指標，而其貢獻率也有17.575%，所以將該主要因素命名為盈利因素（Y3）。

為了對個股進行綜合評分，我們運用spss運算出因子載荷矩陣的標準化特征向量，最終得到標準化正交特征向量矩陣，如表3。

最后計算主成分，主成分計算公式為：

原始數據標準化后的矩陣（表2）*標準化正交特征向量矩陣（表5）

在通過表2所示各主成分分析的方差百分比（第一主成分Y1占44.084%，第二主成分Y2占32.967%，第三主成分Y3占17.575%），計算出綜合得分函數，其公式為：

Y綜=0.044084Y1+0.32967Y2+0.17575Y3

則計算結果如表4所示。

由表4我們可以明顯地看出所選12只股票的綜合實力，手頭資金尚不豐裕的散戶投資者可以根據排名集中投資，即投資云南白藥。但為了方便手頭擁有較多資金，能夠進行組合投資的投資者來說主成分分析并沒有給出明確的分類。所以，下面依舊利用spss軟件對股票進行科學的分類。

三、聚類分析模型的建立與求解

我們將各主成分得分系數帶入spss中進行K-均值聚類得到表5（最終分類表）和表6（最終聚類中心）

由表5、6可以得出。

第1類股票成長能力、償債能力、盈利能力各方面都比較好，適合中長線、較多資金投資。

第2類股票在償債能力以及盈利能力方面有所欠缺但成長性還可以，所以適宜少量資金的長期持有。

第3類股票則在成長性和盈利能力方面欠缺，不建議持有該類股票。

四、結語

本文通過選取6大板塊的12只股票運用spss軟件進行主成分分析及聚類分析，將股票的財務指標量化，既克服了兩種分析方法分別在組合投資與個股投資上的不足，又將二者的長處合為一體，并且簡單明了地將分析結果給了出來，幫助投資者特別是散戶投資者科學、理性地進行投資。但畢竟股市是“科學與藝術”的結合品，想完全依靠數學分析軟件對股價走勢進行精準的預測從而獲利也是不現實的，將股票量化進行投資也只是盡可能低降低投資者投資的盲目性與減少損失，并不能完全達到穩賺不賠的投資目標。所以，每一股市投資者心中仍然需要牢記“股市有風險，入市須謹慎”，并在此基礎之上運用數學分析軟件進行理性投資。

參考文獻：

[1] 鄧維斌，唐興艷.spss19.0統計分析使用教程[M].北京：電子工業出版社，2012.

[2] 王慶慶.股票綜合得分的主成分分析[J].學術討論，2009（12）：297-298.

[責任編輯：文 筠]

摘要：廣大的投資者一直被具有“高收益、高風險”獨特魅力的資本市場所吸引，而其股票市場則更是以其變幻莫測的股價走勢被人們譽為“科學與藝術”的完美結合。為此，本文利用spss19.0軟件對滬深股市的12只股票的綜合價值進行因子分析及運用K-均值聚類將股票分為3類，為機構投資者以及散戶投資者提供簡單、科學的投資參考。

關鍵詞：因子分析；主成分分析；聚類分析；投資決策

中圖分類號：F830.9 文獻標識碼：A

文章編號：1005-913X（2014）10-0193-02

一、財務分析指標體系的建立

為了便于研究以及確保財務數據的相對真實，我們從光大證券客戶端軟件上截取了最新一期公司的每股收益（X1）、每股凈資產（X2）、每股公積金（X3）、每股未分配利潤（X4）、凈資產收益率（X5）、流動比率（X6）以及流速比率（X7）7大財務指標。同時為了使研究更具普遍性，我們分別從文化傳媒、醫藥、環境保護、能源、信息通訊、機械工業6大板塊的的12只股票作為分析的樣本。選取2014年第二季度報表參數，股票代碼分別華策影視（300133）、華誼兄弟（300027）、云南白藥（000538）、仁和藥業（000650）龍凈環保（600388）桑德環境（000826）、廣聚能源（000096）、東華能源（002221）、烽火通信（600498）、中天科技（600522）、東方精工（002611）、海陸重工（002255）。

由于各指標數據量綱不同，無法進行統一計算。故需對原始數據進行標準化處理，在這里我們采用標準差法對數據進行標準化。

令Xj，Sj分別表示第j個指標樣本平均值和樣本標準差

標準化：，其中i=1，···n；j=1，···p

標準化處理后得到數據如表1所示

二、主成分模型的求解及分析

將表2中的數據帶入spss19.0中進行主成分分析，生成的前三個主成分因素的累計貢獻率已高達94.625%，說明前三個因素代表了絕大部分信息，能夠從分反映原數據的大部分信息。

為了對每個因子載荷做合理的解釋，采用方差最大正交旋轉對因子載荷矩陣進行旋轉，得到結果如表4。

由表2可知：

主因素1在每股凈資產、每股未分配利潤、每股收益3個指標變量上有大于0.7的載荷量，該因素主要反映的是上市公司的成長能力，其貢獻率最大為44.084%，所以將該主因素命名為成長因素（Y1）。

主因素2在流動比率和速動比率2個指標變量上有大于0.7的載荷量，該因素主要反映的是上市公司的償債能力，其貢獻率為32.967%，所以將該主要因素命名為債務因素（Y2）。

主因素3在凈資產收益率上的載荷量高達0.958，而凈資產收益率又是主要反映上市公司盈利能力的重要指標，而其貢獻率也有17.575%，所以將該主要因素命名為盈利因素（Y3）。

為了對個股進行綜合評分，我們運用spss運算出因子載荷矩陣的標準化特征向量，最終得到標準化正交特征向量矩陣，如表3。

最后計算主成分，主成分計算公式為：

原始數據標準化后的矩陣（表2）*標準化正交特征向量矩陣（表5）

在通過表2所示各主成分分析的方差百分比（第一主成分Y1占44.084%，第二主成分Y2占32.967%，第三主成分Y3占17.575%），計算出綜合得分函數，其公式為：

Y綜=0.044084Y1+0.32967Y2+0.17575Y3

則計算結果如表4所示。

由表4我們可以明顯地看出所選12只股票的綜合實力，手頭資金尚不豐裕的散戶投資者可以根據排名集中投資，即投資云南白藥。但為了方便手頭擁有較多資金，能夠進行組合投資的投資者來說主成分分析并沒有給出明確的分類。所以，下面依舊利用spss軟件對股票進行科學的分類。

三、聚類分析模型的建立與求解

我們將各主成分得分系數帶入spss中進行K-均值聚類得到表5（最終分類表）和表6（最終聚類中心）

由表5、6可以得出。

第1類股票成長能力、償債能力、盈利能力各方面都比較好，適合中長線、較多資金投資。

第2類股票在償債能力以及盈利能力方面有所欠缺但成長性還可以，所以適宜少量資金的長期持有。

第3類股票則在成長性和盈利能力方面欠缺，不建議持有該類股票。

四、結語

本文通過選取6大板塊的12只股票運用spss軟件進行主成分分析及聚類分析，將股票的財務指標量化，既克服了兩種分析方法分別在組合投資與個股投資上的不足，又將二者的長處合為一體，并且簡單明了地將分析結果給了出來，幫助投資者特別是散戶投資者科學、理性地進行投資。但畢竟股市是“科學與藝術”的結合品，想完全依靠數學分析軟件對股價走勢進行精準的預測從而獲利也是不現實的，將股票量化進行投資也只是盡可能低降低投資者投資的盲目性與減少損失，并不能完全達到穩賺不賠的投資目標。所以，每一股市投資者心中仍然需要牢記“股市有風險，入市須謹慎”，并在此基礎之上運用數學分析軟件進行理性投資。

參考文獻：

[1] 鄧維斌，唐興艷.spss19.0統計分析使用教程[M].北京：電子工業出版社，2012.

[2] 王慶慶.股票綜合得分的主成分分析[J].學術討論，2009（12）：297-298.

[責任編輯：文 筠]

摘要：廣大的投資者一直被具有“高收益、高風險”獨特魅力的資本市場所吸引，而其股票市場則更是以其變幻莫測的股價走勢被人們譽為“科學與藝術”的完美結合。為此，本文利用spss19.0軟件對滬深股市的12只股票的綜合價值進行因子分析及運用K-均值聚類將股票分為3類，為機構投資者以及散戶投資者提供簡單、科學的投資參考。

關鍵詞：因子分析；主成分分析；聚類分析；投資決策

中圖分類號：F830.9 文獻標識碼：A

文章編號：1005-913X（2014）10-0193-02

一、財務分析指標體系的建立

為了便于研究以及確保財務數據的相對真實，我們從光大證券客戶端軟件上截取了最新一期公司的每股收益（X1）、每股凈資產（X2）、每股公積金（X3）、每股未分配利潤（X4）、凈資產收益率（X5）、流動比率（X6）以及流速比率（X7）7大財務指標。同時為了使研究更具普遍性，我們分別從文化傳媒、醫藥、環境保護、能源、信息通訊、機械工業6大板塊的的12只股票作為分析的樣本。選取2014年第二季度報表參數，股票代碼分別華策影視（300133）、華誼兄弟（300027）、云南白藥（000538）、仁和藥業（000650）龍凈環保（600388）桑德環境（000826）、廣聚能源（000096）、東華能源（002221）、烽火通信（600498）、中天科技（600522）、東方精工（002611）、海陸重工（002255）。

由于各指標數據量綱不同，無法進行統一計算。故需對原始數據進行標準化處理，在這里我們采用標準差法對數據進行標準化。

令Xj，Sj分別表示第j個指標樣本平均值和樣本標準差

標準化：，其中i=1，···n；j=1，···p

標準化處理后得到數據如表1所示

二、主成分模型的求解及分析

將表2中的數據帶入spss19.0中進行主成分分析，生成的前三個主成分因素的累計貢獻率已高達94.625%，說明前三個因素代表了絕大部分信息，能夠從分反映原數據的大部分信息。

為了對每個因子載荷做合理的解釋，采用方差最大正交旋轉對因子載荷矩陣進行旋轉，得到結果如表4。

由表2可知：

主因素1在每股凈資產、每股未分配利潤、每股收益3個指標變量上有大于0.7的載荷量，該因素主要反映的是上市公司的成長能力，其貢獻率最大為44.084%，所以將該主因素命名為成長因素（Y1）。

主因素2在流動比率和速動比率2個指標變量上有大于0.7的載荷量，該因素主要反映的是上市公司的償債能力，其貢獻率為32.967%，所以將該主要因素命名為債務因素（Y2）。

主因素3在凈資產收益率上的載荷量高達0.958，而凈資產收益率又是主要反映上市公司盈利能力的重要指標，而其貢獻率也有17.575%，所以將該主要因素命名為盈利因素（Y3）。

為了對個股進行綜合評分，我們運用spss運算出因子載荷矩陣的標準化特征向量，最終得到標準化正交特征向量矩陣，如表3。

最后計算主成分，主成分計算公式為：

原始數據標準化后的矩陣（表2）*標準化正交特征向量矩陣（表5）

在通過表2所示各主成分分析的方差百分比（第一主成分Y1占44.084%，第二主成分Y2占32.967%，第三主成分Y3占17.575%），計算出綜合得分函數，其公式為：

Y綜=0.044084Y1+0.32967Y2+0.17575Y3

則計算結果如表4所示。

由表4我們可以明顯地看出所選12只股票的綜合實力，手頭資金尚不豐裕的散戶投資者可以根據排名集中投資，即投資云南白藥。但為了方便手頭擁有較多資金，能夠進行組合投資的投資者來說主成分分析并沒有給出明確的分類。所以，下面依舊利用spss軟件對股票進行科學的分類。

三、聚類分析模型的建立與求解

我們將各主成分得分系數帶入spss中進行K-均值聚類得到表5（最終分類表）和表6（最終聚類中心）

由表5、6可以得出。

第1類股票成長能力、償債能力、盈利能力各方面都比較好，適合中長線、較多資金投資。

第2類股票在償債能力以及盈利能力方面有所欠缺但成長性還可以，所以適宜少量資金的長期持有。

第3類股票則在成長性和盈利能力方面欠缺，不建議持有該類股票。

四、結語

本文通過選取6大板塊的12只股票運用spss軟件進行主成分分析及聚類分析，將股票的財務指標量化，既克服了兩種分析方法分別在組合投資與個股投資上的不足，又將二者的長處合為一體，并且簡單明了地將分析結果給了出來，幫助投資者特別是散戶投資者科學、理性地進行投資。但畢竟股市是“科學與藝術”的結合品，想完全依靠數學分析軟件對股價走勢進行精準的預測從而獲利也是不現實的，將股票量化進行投資也只是盡可能低降低投資者投資的盲目性與減少損失，并不能完全達到穩賺不賠的投資目標。所以，每一股市投資者心中仍然需要牢記“股市有風險，入市須謹慎”，并在此基礎之上運用數學分析軟件進行理性投資。

參考文獻：

[1] 鄧維斌，唐興艷.spss19.0統計分析使用教程[M].北京：電子工業出版社，2012.

[2] 王慶慶.股票綜合得分的主成分分析[J].學術討論，2009（12）：297-298.

[責任編輯：文 筠]