银行业和证券业的统计分析报告Word格式.docx
《银行业和证券业的统计分析报告Word格式.docx》由会员分享，可在线阅读，更多相关《银行业和证券业的统计分析报告Word格式.docx（26页珍藏版）》请在冰点文库上搜索。
为了验证前面得出的结论，用K-SZ方法来检验同一个问题，上表为分析结果。
K-SZ的值分别为2.236、2.236、0.894、0.894、2.236、2.236、0.447、1.118和2.236，其所对应的双边渐进显著性水平分别为小于0.01、小于0.01、0.4、小于0.01、小于0.01、0.988、0.164和小于0.01。
即主营收入增长率、管理费用比例、每股收益和经营利润率不显著；
而其他指标显著。
这种方法与前面的方法在判别变量时相一致，再一次证明了之前的结论。
2.3相关分析——指标间的相关性
我们使用券商的财务指标数据，对这9个财务指标做一个相关分析，来看他们之间的相关性是怎样的。
说明：
例如，资产利润率和股东权益率的相关系数是0.853，说明两者高度相关；
资产利润率和负债权益比的相关系数是-0.857，说明两者高度负相关；
资产利润率和主营收入增长率的相关系数是0.356，说明两者低度直线相关；
资产利润率和管理费用比例的相关系数是0.251，说明两者不存在直线相关；
资产利润率和总资产周转率的相关系数是0.980，说明两者高度相关；
资产利润率和资产负债率的相关系数是-0.853，说明两者高度负相关。
2.4多元线性回归分析——资产利润率的决定
我们根据相关分析的结果，将资产利润率作为因变量，其他财务指标作为自变量，分析他们之间存在着怎样的线性关系，为预测盈利水平提供一个依据。
表中显示模型拟合优度为R=0.994，可见模型的显著性相当好。
表明应变量资产利润率和自变量股东权益率，负债权益比，主营收入增长率，管理费用比例，总资产周转率，资产负债率之间存在极为显著的线性相关关系。
此表中，前四个模型存在回归系数不显著的变量，所以第五个模型是最终模型，从而得到我们的结论：
资产利润率=2.625-0.074*管理费用比例+60.031*总资产周转率
2.5主成分分析——财务指标的归类
我们为了对银行的样本进行指标的归类，采用主成分分析的方法。
结果如图：
1、KMO检验用于研究变量之间的偏相关性，计算偏相关性时由于控制了其他因素的影响，所以会比简单相关系数来得小。
KMO值为0.649，说明适合做因子分析。
2、球形检验的Sig小于0.05，证明变量之间显著，即相互独立。
方差解释能力表证明所选择的4个主成分可以解释总方差接近95%，其余5个成分只占5%，可以说这4个主成分解释了总方差的绝大部分。
“提取平方和载入”一栏表示在未经旋转时，被提取的2个公因子各自的方差贡献信息，它们和“初始特征值”栏的前2列取值一样，说明前2个公因子可以解释总方差接近75%。
最后一栏的“旋转平方和载入”表示经过因子旋转后得到的新公因子的方差贡献值、方差贡献率和累计方差贡献率，和未经旋转相比，每个因子的方差贡献值有变化，但最终的累计方差贡献值不变。
通过特征碎石图可以看出前四个特征值之间的差异较大，其余的变化较小，特征值均小于1，所以取前四个因素作为主成分是合理的。
四个主成分
Z1=0.95X1+0.938X2+0.933X3-0.932X4-0.918X5+0.248X6+0.566X7-0.318X8+0.416X9
其中股东权益比、负债权益比和资产负债率的系数较大，表明Z1描述的是企业的偿债能力；
Z2=-0.58X1+0.38X2-0.203X3+0.074X4+0.104X5-0.881X6+0.784X7+0.046X8+0.391X9
其中管理费用比例、总资产周转率均为负相关，且系数较大，表明Z2描述的是企业的经营效率；
Z3=0.154X1+0.072X2+0.093X3-0.006X4-0.206X5-0.191X6+0.077X7+0.812X8-0.559X9
其中每股收益的系数较大，表明Z3描述的是企业的盈利能力；
Z4=0.135X1-0.136X2+0.171X3+0.195X4+0.152X5+0.267X6-0.002X7+0.478X8+0.593X9
其中主营收入增长率系数较大，表明Z4描述的是企业的发展潜力。
因子方程
X1=-0.955F1+0.017F2+0.025F3+0.078F4
X2=0.942F1+0.036F2+0.238F3+0.048F4
X3=0.923F1+0.195F2+0.243F3-0.02F4
X4=0.922F1-0.118F2+0.11F3-0.173F4
X5=-0.916F1+0.018F2-0.061F3+0.262F4
X6=0.264F1+0.932F2+0.058F3-0.058F4
X7=0.472F1-0.763F+0.369F3-0.008F4
X8=0.155F1-0.088F2+0.968F3-0.143F4
X9=-0.136F1-0.05F2-0.132F3+0.976F4
综上，成分矩阵是未经旋转的因子载荷矩阵，旋转成分矩阵是经过旋转的因子载荷矩阵。
旋转后每个公因子上的载荷分配地更清晰了，因而比未旋转时更容易解释各因子的意义。
已知因子载荷是变量与公共因子的相关系数，对一个变量来说，载荷绝对值较大的因子与它的关系更为密切，也更能代表这个变量。
旋转矩阵散点图表明
1、每股收益、经营净利率、资产利润率三个指标基本重合，反映企业的盈利能力；
2、管理费用、总资产周转率两个指标基本重合，反映企业的经营效率；
3、股东权益比、负债权益比、资产负债率三个指标基本重合，反映企业的偿债能力；
4、主营收入增长率反映企业的成长性。
因子成分得分系数矩阵
F1=0.208X1-0.205X2-0.148X3+0.034X4+0.195X5-0.248X6+0.078X7+0.071X8+0.207X9
股东权益比、负债权益比、资产负债率的得分系数差不多，且较大，再一次表明第一个主成分是反映企业偿债能力的；
F2=-0.093X1+0.039X2+0.102X3+0.647X4+0.162X5+0.041X6+0.014X7-0.472X8+0.052X9管理费用的得分系数较大，再一次表明第二个主成分是反映企业经营效率的；
F3=-0.109X1+0.158X2+0.934X3+0.17X4+0.122X+0.219X6+0.063X7+0.157X8+0.091X9主营业务增长率的得分系数较大，再一次表明第三个主成分是反映企业发展潜力的；
F4=-0.081X1+0.175X2+0.043X3+0.041X4+0.164X5-0.001X6+0.96X7+0.051X8+0.183X9每股收益的得分系数较大，再一次表明第四个主成分是反映企业盈利能力的。
2.6聚类分析——银行的分类
聚类分析是根据研究对象的特性，对他们进行定量分类的一种多元统计方法。
可以将一批样品或变量，按照其性质上的亲疏程度进行分类。
下面针对本次案例选取的以下指标对本案例中的十个上市银行样本进行聚类分析。
偿债能力分析：
股东权益比（%），负债权益比（%），资产负债率
成长能力分析：
主营收入增长率
经营效率分析：
管理费用比率，总资产周转率
盈利能力分析：
经营净利率，资产率润率
聚类过程为，第一步数据标准化。
为了消除参与聚类的变量在数量级上的差异，首先进行数据标准化。
第二步将银行名称作为观测量，将其他指标作为标记变量，选择到对应的框中。
第三步聚类的数目选择从2到4，输出的统计变量选择系统树图和冰柱图。
通过凝聚过程表可以看出10个银行的聚类过程。
首先6和8聚成一类，9和10聚成一类，随后6，8，9，10聚成一类。
以此类推，直到第9步所有银行聚成一大类。
聚类分析中的类成员表
由此表可以看出，在分别聚成2，3，4类的时候，10家银行的聚类情况。
在聚成4类的时候，银行、民生银行是一类，浦发银行、兴业银行是一类，招商银行、交通银行、工商银行、中国银行是一类，银行与银行是一类。
聚成3类的时候，银行、民生银行是一类，浦发银行、兴业银行、招商银行、交通银行、工商银行、中国银行是一类，银行与银行是一类。
聚成2类的时候，银行与银行是一类，其余银行为一类。
由以上聚类结果可以看出，银行、民生银行在成长性和生长能力方面是本样本中名列前茅的一类，但是其盈利能力较弱。
兴业银行、浦发银行比较相似。
这两家银行在股本扩、成长性和生长能力方面也排在前列,属于成长性较强的一类,在盈利能力方面处于中等水平。
银行与银行在盈利能力方面排在12支银行股的最前面,表明了第二类具有较强的获利能力，而偿债能力稍弱。
此外有招商银行、交通银行、民生银行、银行、中国银行、工商银行。
其中,中国银行、工商银行两只中国股市上的航空母舰,由于股本超大,所以各项指标表现不是很突出。
总体，本案例中的10家银行的基本面都比较好,没有绩差股,其分析结果由市场表现可以证实。
2.7判别分析—深发银行与华夏银行的类目判别
随后，我们选取了发展银行和华夏银行在相关指标中的数据，并做了判别分析。
根据我们聚类的分组，当聚成3类的时候，银行、民生银行是一类，浦发银行、兴业银行、招商银行、交通银行、工商银行、中国银行是一类，银行与银行是一类。
我们通过判别分析，讨论发展银行与华夏银行属于以上三个类别中的哪一类。
最终判别结果如图所示：
按照案例顺序的统计量
案例数目
最高组
第二最高组
判别式得分
P（D>
d|G=g）
实际组
预测组
p
df
P（G=g|D=d）
到质心的平方Mahalanobis距离
组
函数1
函数2
初始
1
.863
2
1.000
.295
.000
24.372
-4.034
2.786
.802
.440
36.287
-.853
-1.819
3
33.689
-5.081
3.075
4
.532
1.261
26.978
-2.308
-1.751
5
.263
2.673
104.162
8.146
2.612
6
.952
.099
30.086
-.973
-1.221
7
98.569
8.628
-.622
8
.327
.999
2.237
.001
17.011
-2.655
-.729
9
.154
3.748
37.166
.482
-.499
10
.870
.278
32.950
-1.352
-1.831
11
未分组的
.267
2.640
131.784
9.753
1.876
12
.687
.749
20.336
-1.914
-.723
由上表可以看到，发展银行被分到第3组，也就是与银行、银行为一组。
而华夏银行被分到第2组，即与浦发、招商、兴业、交通、工商、中国银行为一组。
2.8方差分析——中国银行和银行的盈利水平差异
为比较中国银行和银行在盈利水平方面是否存在显著差异，通过单因素方差分析比较两者的每股收益水平是否存在显著差异。
下表所示为2007年6月30日到2009年9月30日，两家银行各季度的每股收益水平，其单位为元。
时间
090930
090630
090331
081231
080930
080630
080331
071231
070930
070630
银行
0.4413
0.2824
0.1416
0.5327
0.4507
0.2918
0.135
0.3804
0.2552
0.1867
中国银行
0.2445
0.1615
0.0729
0.2503
0.2332
0.1656
0.0852
0.2215
0.1802
0.1177
方差分析结果如下所示：
Sig值=0.011<
0.05，说明两者的盈利水平存在显著差异
2.9多维尺度分析——银行相似度分析
为了了解银行业中各家银行的相似程度，我们设计了针对这十家银行相似度的调研问卷，随机抽取10名同学进行测试。
问卷中请受访者排列出对这些银行两两间相似的感知程度，并对相似程度打分（1—10分，1分为最相似，10分为差别最大）。
数据参见附表2，SPSS运算结果如下：
Iterationhistoryforthe2dimensionalsolution（insquareddistances）
Young'
sS-stressformula1isused.
IterationS-stressImprovement
1.47489
2.44488.03002
3.43795.00693
4.43556.00239
5.43434.00122
6.43363.00072
Iterationsstoppedbecause
S-stressimprovementislessthan.001000
Stressandsquaredcorrelation（RSQ）indistances
RSQvaluesaretheproportionofvarianceofthescaleddata（disparities）
inthepartition（row,matrix,orentiredata）which
isaccountedforbytheircorrespondingdistances.
StressvaluesareKruskal'
sstressformula1.
MatrixStressRSQMatrixStressRSQ
1.251.6692.257.668
3.344.3864.317.480
5.433.0126.400.166
7.413.1108.391.199
9.414.10710.428.040
Averaged（rms）overmatrices
Stress=.37063RSQ=.28349
_
Configurationderivedin2dimensions
StimulusCoordinates
Dimension
StimulusStimulus12
NumberName
1.9900-1.2684
2浦发.56281.2326
3民生.48691.2875
4招商-.42251.2343
5.9115-1.0253
6兴业1.0381.6582
7.8168-1.0652
8交通-1.4191-.2900
9工商-1.4838-.3699
10中国-1.4807-.3938
可见，在第6次迭代后S-stress值变化小于0.001，达到收敛标准。
Stress=0.37063，RSQ=0.28349，模型拟合程度不理想。
根据概念空间图可以看出：
银行、银行、银行极为相似；
民生银行、浦发银行、兴业银行、招商银行较为相似；
中国银行、工商银行、交通银行极为相似。
究其原因，我们可以看出银行、银行、银行均为城市商业银行，他们普遍存在着总体规模较小、发展程度多取决于当地经济发展、市场定位不清等特点。
而民生银行、浦发银行、兴业银行、招商银行均属于股份制商业银行，在规模、经营模式等方面具有相似性。
中国银行、工商银行和交通银行规模比较大，营业网点多，认可程度比较高，因而普遍认为他们之间的相似程度比较高。
2.10时间序列——股价的随机性验证
直观地讲，时间序列指随着时间变化的、具有随机性的、且前后相互关联的动态数据序列，它是依特定时间间隔而记录的制定变量的一系列取值。
基于对股票知识的了解与相关资料的查询，我们认为对股价进行时间序列的分析是有意义的。
我们选取海通证券09年12月15日-28日十天的收盘价，先定义时间序列，再进行自相关分析。
数据如下所示：
12.15
12．16
12.17
12.18
12.21
12．22
12.23
12.24
12．25
12.28
收盘价（元）
17.15
17.46
17.12
17.29
17.88
17．32
17.8
18.26
17.99
18.38
上图给出了参数估计过程中的迭代过程信息，从中我们可以看到，迭代过程在第6次迭代停止，原因是迭代最大值超过了界限。
最终的Rho值为-0.51823857，标准差为0.34914868，DW检验值为2.6434629，说明我们的序列一阶自相关性不高。
同时，与调整的均非常小，也再次证明了自相关性不高。
上图为估计的回归系数，可以看到常数项与一阶滞后项的系数T值的显著性水平均较低，大于0.05，因此再次证明这两个系数是不显著的。
最后验证了股票价格服从随机游走的特性。
3结论
通过以上SPSS软件的分析，我们得出了如下结论：
（1）通过描述统计发现，证券行业风险较大要求券商有较强的抵御外部风险的能力；
银行相较证券行业，负债比例较高，这主要是由于银行吸收存款的特性造成的；
银行业发展比较稳定，而券商的成长能力较强。
比较两个行业的盈利水平，可以发现券商的资产管理能力，资产的利用率相对较高，善于改善生产经营管理，降低成本费用，有利于利润总额的增加。
（2）通过相关分析发现，所选取的9大指标中，有部分存在高度相关关系。
（3）通过主成分分析，基本消除了各指标之间的共线性；
最终总结为四大主要成分，即盈利能力，包括每股收益经营净利率、资产利润率；
经营效率，包括管理费用、总资产周转率；
偿债能力，包括股东权益比、负债权益比、资产负债率；
发展潜力，包括主营业务增长率。
（4）通过聚类分析发现，银行、民生银行在成长性和生长能力方面是本样本中名列前茅的一类，但是其盈利能力较弱。
兴业银行、浦发银行比较相似,属于成长性较强的一类,在盈利能力方面处于中等水平。
银行与银行在盈利能力方面排在12支银行股的最前面,表明了较强的获利能力，但偿债能力稍弱。
此外中国银行、工商银行两只中国股市上的航空母舰,由于股本超大,所以各项指标表现不是很突出。
（5）通过判别分析发现，深发银行和华夏银行分别属于第三类和第二类。
（6）通过多元线性回归分析，我们拟合了决定利润水平的线性方程，即资产利润率=0.430+0.018*股东权益率+2.835E-5*负债权益比-0.040*管理费用比例+60.192*总资产周转率+0.006*资产负债率。
（7）通过两个独立样本的非参数检验发现，股东权益比、负债权益比、总资产周转率、资产负债率和资产利润率比在银行业与证券业间有显著差异；
而主营收入增长率、管理费用比例、每股收益和经营利润率在银行业与证券业中差异不大。
（8）通过方差分析发现，国有商业银行和其他商业银行的盈利水平存在显著差异。
（9）通过多维尺度分析发现，银行、银行、银行极为相似；
（10）通过时间序列分析发现，股票价格服从随机游走的特性。
4总结
本次案例使用SPSS统计软件，运用了十种统计分析方法对10家上市银行和10家券商进行了统计分析，期望能够寻找
升级会员 