大數據概念股盈利能力分析

劉婷祎

一、問題提出

當移動互聯網、物聯網、云計算等充斥著我們生活的方方面面，以及視頻監控、智能終端、應用商店等的普遍應用，全球的數據量也出現了爆炸式的增長。但是我們對其的利用卻僅限于基礎分析方面，很多專業化分析并沒有被使用，為了能更好地研究分析這類股票，首先需要研究這類股票的盈利能力。而股票的盈利能力也就是指該股票在一段時間內賺取利潤的能力，也被稱為“資金增值能力”。因此研究大數據概念股的盈利能力就顯得尤為重要。

二、研究設計

（一）樣本選取和數據來源

截至2017年7月29日，創業板板塊中大數據概念股共有601支。根據可比性、綜合性等因素，并且考慮數據的可用性，本文選取了其中的56支股票，并針對新浪財經網2017年第一季度的披露數據進行分析研究。

（二）研究方法

因子分析是經過考慮多個變量間相關系數矩陣（或協方差矩陣），同時考慮多個變量在內部的依賴關系，找出少數幾個隨機變量來綜合反映所有變量，這幾個隨機變量不可直接測量，故稱為因子。由于各個因子間是互不相關的，因此所有變量都可以用公因子表示使之成為線性組合。這也就表明因子分析的目的就是使變量的數目變少，使所有變量被少數因子代替，從而去分析整個問題。

因子分析主要經過以下幾個步驟：第一，選出衡量盈利能力的財務指標；第二，對財務指標這些原始變量進行標準差標準化以消除數據指標不同量綱的影響，同時求其相關矩陣R，分析變量之間的相關關系；第三，根據KMO測度和Bartlett球體檢驗以確認待分析的原有若干指標變量是否適合作因子分析；第四，因子提?。坏谖?，因子旋轉和命名。因子分析的目的是要通過找出主因子，并明確每個主因子的意義，從而使結構簡化。第六，先計算每一個樣本點的因子得分，并綜合評價每一個樣本點的因子得分。

（三）變量選取

本文選取了9項財務指標衡量創業板板塊中大數據概念股的盈利能力。其中9項指標為：主營業務利潤率（X1）、總資產凈利潤率（X2）、成本費用利潤率（X3）、營業利潤率（X4）、銷售凈利率（X5）、股本報酬率（X6）、凈資產報酬率（X7）、資產報酬率（X8）、銷售毛利率（X9）。

三、實證分析

（一）KMO測度和Bartlett球體檢驗

通過運用SPSS19.0軟件求得的KMO值（用于比較變量間簡單相關系數和偏相關系數的指標）為0.724>0.7，因此因子分析效果一般會比較好。巴特利特球形度檢驗值為973.749，并且它對應的概率值P接近于0（sig=0.000）。也就是說在顯著性水平為0.05的情況下，顯著性水平遠高于概率P值，故此時應該拒絕巴特利特球形度檢驗的零假設，也表明單位矩陣和相關系數矩陣之間有顯著性差異。通過以上對結果的分析，進一步說明原有變量適合做因子分析。

（二）因子命名

通過spss19.0軟件，首先對原始數據指標進行標準化處理，然后根據其標準化矩陣，從而得出樣本相關系數矩陣，最后由相關系數矩陣出發得到的特征根、解釋方差的比例。根據特征值大于1的默認標準，同時根據累計方差貢獻率大于85%的原則，可選取3個因子進行分析，見表1。為了判斷這種提取方法是否準確，特利用碎石圖來協助判斷。碎石圖用于顯示各因子的重要程度，其橫軸為因子序號，縱軸表示特征值大小。它將因子按特征值從大到小依次排列，從中可以直接觀察到哪些是最主要的因子。峰的陡峭斜率對應于較大的特征值，而后者對應于較小的特征值，其影響較弱。碎石圖告訴我們，前3個因子的散度位于陡坡上，后5個因子離散形成一個平臺，并且特征根小于1個。因此提取3個公因子是合適的。

采用方差極大值得到旋轉的因子載荷矩陣可以看出：在公因子F1上有較高的利潤指標是：X2（總資產凈利潤率%）、X3（成本費用利潤率%）、X4（營業利潤率%）、X5（銷售凈利率%）；X6（股本報酬率%）、X7（凈資產報酬率%）、X8（資產報酬率%）是在公因子F2上載荷較高的利潤指標；X1（主營業務利潤率%）、X9（銷售毛利率%）是在公因子F3上載荷較高的利潤指標；根據公因子較高的指標分布，綜合收益因子表示F1，用來反映該股票的綜合盈利能力；資本資產報酬率因子表示公因子F2，用來反映該股票的投資回報水平；主營業務盈利因子表示F3，用來反映該股票資本資產創造利潤的能力。

（三）各因子得分和綜合得分

本文計算各公共因子得分是采用回歸法進行的，計算的綜合得分是通過各公共因子得分與各公共因子方差貢獻率占公因子累計方差貢獻率的比例來求得的。若是股票的某一項因子得分大于0，則表明該因子的獲利能力超過樣本平均水平，反之則低于樣本平均水平；有較好盈利能力的股票的綜合性能得分大于0，并且得分越大越好；盈利能力狀況較差的股票的綜合績效得分小于0，并且其絕對值越大越不好，盈利能力處于一般水平的股票的得分處于0分附近。

綜合得分排名前五的分析如下：杰恩設計的綜合得分最高；排名第二的為華大基因以及排名第五的為道氏技術；前三支股票的 3個公因子的盈利能力都超過樣本平均水平，并且資本資產報酬率因子的表現尤為突出；排名第三的為昆侖萬維，它的3個公因子的盈利能力也超過樣本平均水平，但是它的主營業務盈利因子尤為突出，這與前三支股票有很大差別；排名第四的為朗源股份，但是它的資本資產報酬率因子和主營業務盈利因子得分均小于0，這表明這兩項因子的盈利能力均低于樣本平均水平，綜合得分全靠綜合收益因子拉動。以上分析表明，雖然排名前五的股票的盈利能力比較好，但是在整體上既有優勢，相應的也有劣勢。

（四）歸類分析

本文的歸類分析是在以創業板大數據概念股中的56支進行因子得分分析的基礎上，將每支股票的各個因子得分作為變量而得到的結果。

第一類的特點：在三個公因子中得分全為正，并且這類股票的綜合業績得分位居前茅，這也就表明這類股票的各項盈利能力都很強，因為這類股票不僅具有較強的綜合盈利能力、而且還具有較高的資本資產報酬率和較高的主營業務盈利能力，所以這類股票可以稱為綜合發展型股票。

第二類的特點：在三個公因子中總有一項得分為負值，其中只有N中科的綜合收益因子得分為負，而且相對于本股票其他二個因子得分來說，體現明顯的弱勢，有待改進。比如像中科電氣、康泰生物、東軟載波、天孚通信、影視勝、杭州園林、四方達，這些股票的F1綜合收益因子和F3主營業務盈利因子得分很高，但是F2資本資產報酬率因子卻為負，體現出它們運用資本資產創造盈利能力上相對較差，這也是今后需要改進的地方。同樣的道理，長盈精密、寒銳鈷業、贏合科技、雪榕生物在F3主營業務創造盈利能力上相對比較差。這類股票在綜合業績得分上總體來說居于中上游，但是其中一個方面在盈利能力上仍有欠缺，故可以稱這類股票為全面綜合發展欠缺型股票。

第三類的特點：在三個公因子中只有一項得分為正值，像朗源股份、金利華電、科大智能、山河藥輔、華策影視、興源環境、銀河磁體在F_1 綜合收益因子得分比較高，也說明了這類股票雖然在其他兩個方面有很大欠缺，但是在綜合收益創造盈利能力方面還是很有優勢的。同樣的道理，只有隆盛科技和富滿電子在F_2資本資產盈利能力方面有很大優勢，以及萬達信息、華自科技、冠昊生物、華宇軟件、匯納科技、新開普、中青寶、拓爾思在F_3主營業務盈利能力方面有很大優勢。這類股票在綜合業績得分上位居中下游，各項盈利能力發展不均衡，呈現單極化趨勢，故可以稱這類股票為發展單級型股票。

第四類特點：在三個公因子中得分全為負值，相應的這類股票的綜合業績位居最后，這也就表明這類股票的各項盈利能力都比較差，若想得到好的發展則需要全面改進各項盈利能力，故可以將這類股票定義為亟需全面改進型股票。

四、結論

根據上述關于大數據概念股的分類可知：第一類股票占創業板板塊大數據概念股的10.71%。這類股票不僅綜合業績高，并且各項因子的盈利能力也都很強，被稱為盈利能力綜合發展型股票，但是這類股票相應比較少，因此投資的價值相對較好。第二類股票占比達23.21%，這類股票雖然盈利能力也比較強，在綜合業績得分上總體來說居于中上游，但是在某一因子方面還是由明顯的欠缺，亟需改進，也被稱為盈利能力全面綜合發展欠缺型股票，因此在投資時需根據情況適當買賣。第三類股票占比達32.14%，這類股票在綜合業績得分上總體來說居于中下游，但是在某一方面還是有一定的優勢，因此需要發展有力優勢，及時補足欠缺的方面，也被稱為盈利能力發展單級型股票，因此這類股票的投資須慎重。第四類股票占比高達33.93%，這類股票的各個因子盈利能力都比較差，綜合業績更是居于后位，處于創業板大數據概念股的中等偏下水平，需要改進的地方比較多，因此要是想投資這類股票需慎重，并及時關注這類股票的發展。