聚類分析在股票市場板塊分析中的應用

摘要鄧秀勤.聚類分析在股票市場板塊分析中的應用.
本文將聚類分析應用於股票市場的研究，研究實例表明，聚類分析方法是股市板塊分析中的一種有效、實用的方法。
關鍵詞：聚類分析，板塊，投資，系統聚類
中圖分類號：O212F830.9文獻標識碼：A
Application of Cluster analysis in stock market board analysis
DENG Xiu-qin
(Dept.of Computer，Shaoguan University，512005)
AbstractThe cluster analysis has been applied in study of stock market.It point out that cluster analysis is an effective and practical way in stock market analysis.
Key words：Cluster Analysis；Board；Investment；System.
一、問題的提出
隨著我國市場經濟建設的高速發展，人們的金融意識和投資意識日益增強，而作為市場經濟的組成部分―股票市場，正逐步走向成熟與規範，越來越多的投資者把眼光投向了股票，歷史已經證明股票是一種不僅在過去已提供了投資者可觀的長期利益，並且在將來也將提供良好機遇的投資媒體。然而，股價漲跌無常，股市變幻莫測，投資者要想在股市投資中贏取豐厚的投資回報，成為一個成功的投資者，就得認真研究上市公司的歷史、業績和發展前景，詳細分析上市公司的財務狀況，樹立以基本分析為主，技術分析為輔的投資理念，找出真正具有投資價值的股票，進行長期投資。
股票投資的基本分析分為宏觀分析、中觀分析、微觀分析三大部分，宏觀分析指對國家的國民經濟以及政治、文化的分析，微觀分析指公司分析，而中觀分析主要指行業分析和地區分析等，板塊分析主要歸屬於中觀分析，兼有微觀分析。中國股市從無到有，發展至今已頗具規模，前些年，在中國股市發展的初生階段，由於市場規模小，上市公司數量不多，加上股民的投資思維和操作方法不太成熟，因此，投機性特強，這時用不上多少板塊分析。但是，隨著股市發展、投資手法和證券監管方法的成熟，以及上市公司數量的不斷增多，如果再和以往一樣，面對上千種股票胡亂抓一氣，碰運氣，甚至受各種股評和謠言所左右，則很難走向理性化，進而難以最終取得投資成功。因此，在成熟股市中，一個股民若想成功，必須學會板塊分析，習慣理性操作，樹立板塊投資理念。
板塊是指具有共同特徵的股票群。股市中的板塊可以行業和產業、地域、時間、特殊題材等多種角度來劃分，而在每一板塊中又有幾十種甚至上百種股票。面對眾多股票及每個公司的眾多財務數據，怎樣才能客觀、全面、準確地分析並選出各板塊及板塊內的績優龍頭股和潛力股呢?筆者用多元統計分析中的聚類分析方法，對此問題作一些探討。
二、聚類分析在股市板塊分析中的應用
系統聚類分析的基本思想是首先將每個樣本當作一類，然後根據樣本之間的相似程度並類，並計算新類與其它類之間的距離，再選擇相近者並類，每合併一次減少一類，繼續這一過程，直到所有樣本都並成一類為止。在聚類過程中，我們選用歐氏距離來度量類與類之間的相似程度，聚類方法採用類平均法。
我們以高科技板塊中的31個上市公司為研究對象，分析中選取了這31個上市公司1997年的每股收益、每股凈資產、股東權益率、凈資產收益率、凈利潤率等五個反映上市公司綜合盈利能力的指標，數據取自［4］(略)。應用SAS軟體中的系統聚類過程CLUSTER對31個樣本進行聚類，得到表1所示的聚類過程。表1中NCL為聚類數；Clusters Joined為每次聚成一個新類的2個樣品(標有OB)或舊類(標有CL)；FREQ為新類中所含有的樣品數；SPRSQ為半偏R2，它表示每一次合併對信息的損失程度，看這一列的數值可知：從4類合併成3類時信息損失(為0.1042)最多，此統計量表明聚成4類較合適；CCC在NCL=4時達到唯一的峰值-2.49，它支持分4類；PSF為偽F統計量，PSF出現峰值時所對應的分類數較合適，從這一列的數值可知PSF在NCL=17、NCL=12、NCL=9和NCL=4時4次達到峰值，但在NCL=4時峰更陡些；PST2為t2統計量，PST2出現峰值的前一行所對應的分類數較合適，從這一列的數值可知NCL=3時出現峰值9.8，它也支持分4類。綜合這四個統計量可知：將31個樣本分成4類較合適。根據表1，作出圖1所示的聚類譜系圖。當我們取分類閥值為1.0時，31個樣本被分成了四類，各類包含的樣本如下：
表1系統聚類過程

NCL Clusters Joined FREQ SPRSQ CCC PSF PST2 DIST
30 OB2 OB19 2 0.0018 . 19.0 . 0.2330
29 OB16 OB30 2 0.0026 . 16.1 . 0.2792
28 OB9 OB23 2 0.0026 . 15.7 . 0.2804
27 OB25 OB27 2 0.0027 . 15.7 . 0.2839
26 OB6 OB28 2 0.0041 . 14.3 . 0.3516
25 CL30 OB20 3 0.0056 . 12.6 3.1 0.3751
24 OB3 CL27 3 0.0058 . 11.7 2.2 0.3880
23 OB1 OB26 2 0.0063 . 11.2 . 0.4340
22 CL25 CL28 5 0.0116 . 9.5 3.4 0.4492
21 OB17 OB31 2 0.0070 . 9.5 . 0.4599
20 CL24 OB5 4 0.0087 . 9.2 2.1 0.4654
19 OB10 OB15 2 0.0075 . 9.4 . 0.4744
18 OB4 OB8 2 0.0082 . 9.5 . 0.4952
17 OB11 OB21 2 0.0082 . 9.7 . 0.4965
16 CL26 CL29 4 0.0133 . 9.4 4.0 0.4998
15 CL20 OB7 5 0.0111 . 9.5 1.9 0.5228
14 CL23 CL18 4 0.0143 . 9.5 2.0 0.5680
13 OB14 CL21 3 0.0129 . 9.7 1.8 0.5857
12 OB13 OB24 2 0.0141 . 9.9 . 0.6512
11 CL22 CL16 9 0.0427 . 8.5 7.2 0.6546
10 OB12 CL13 4 0.0185 . 8.8 1.9 0.6848
9 CL19 OB22 3 0.0224 . 9.1 3.0 0.7485
8 CL11 CL15 14 0.0868 . 7.0 9.2 0.7943
7 OB18 OB29 2 0.0213 . 7.8 . 0.7989
6 CL14 CL17 6 0.0492 -3.12 7.8 5.3 0.8501
5 CL8 CL12 16 0.0573 -2.85 8.0 3.8 0.9007
4 CL9 CL10 7 0.0703 -2.49 8.4 5.1 0.9533
3 CL6 CL5 22 0.1745 -3.55 6.2 9.8 1.0341
2 CL3 CL4 29 0.1656 -3.49 4.8 6.7 1.0618
1 CL2 CL7 31 0.1428 -0.00 . 4.8 1.3179
圖1樣本聚類分析的動態過程
第一類：OB18(天津磁卡)，OB29(燕化高新)；
第二類：OB22(深科技)，OB15(實達電腦)，OB10(清華同方)，OB12(東大阿派)，OB14(長城電腦)，OB31(風華高科)，OB17(東方通信)；
第三類：OB1(華光科技)，OB26(佛山照明)，OB4(國脈通信)，OB8(工大高新)，OB11(振華科技)，OB21(彩虹股份)；
第四類：OB2(冰箱壓縮)，OB19(同濟科技)，OB20(華東電腦)，OB9(長安信息)，OB23(中科健)，OB16(湘計算機)，OB30(倍特高新)，OB6(南華西)，OB28(深圳華強)，OB7(廈門信達)，OB25(華意壓縮)，OB27(粵TCL)，OB3(復華實業)，OB5(南洋實業)，OB13(中國高新)，OB24(深華源)。
第一、二類公司在經營規模、經營實力、技術水平等方面具有一定優勢，竟爭能力強，經營業績優良，綜合財務狀況良好，屬高科技板塊的績優龍頭股，頗具發展潛力和長期投資價值，是高科技板塊中投資者的首選投資對象。其中第一類的天津磁卡、燕化高新1997年凈利潤率分別為45.86%和44.32%，凈利潤增長率分別是93.6%和96.95%，其獲利能力遠遠大於其它公司。第四類公司業績一般，投資者應謹慎介入，可多加觀望。
三、結束語
聚類分析能綜合多項財務指標來反映上市公司的盈利能力和水平，所得聚類結果與公司的實際財務狀況和經營狀況相吻合。我們還可以對所選出的各個板塊的龍頭潛力股再進行聚類分析，找出最具實力的板塊龍頭股。
作者單位：鄧秀勤(廣東韶關大學計算機系，韶關，512005)
參考文獻
［1］何劍著(1997)，《深滬股市板塊分析》，廣州出版社，廣州.
［2］武冠卓等編著(1997)，《深滬股市公司分析》，廣州出版社，廣州.
［3］方開泰(1989)，《實用多元統計分析》，華東師範大學出版社，北京.
［4］信息早報社編(1998)，《98選股投資手冊：上市公司97年報大全》，中國檔案出版社，北京.
［5］胡良平主編(1996)，《現代統計學與SAS應用》，軍事醫學科學出版社，北京.
［6］高惠璇等編(1995)，《SAS系統與基礎統計分析》，北京大學出版社，北京.