[摘 要] 利用數(shù)據(jù)挖掘技術(shù)中的聚類分析方法進行財務(wù)分析｡選取幾個核心的財務(wù)指標(biāo)數(shù)據(jù),利用SPSS分析軟件對我國上市房地產(chǎn)公司進行聚類分析,將其分類,為投資者提供最佳的決策依據(jù)｡
[關(guān)鍵詞] 數(shù)據(jù)挖掘;聚類分析;財務(wù)分析
[中圖分類號]F275[文獻標(biāo)識碼]A[文章編號]1673-0194(2009)03-0030-03
1 數(shù)據(jù)挖掘技術(shù)
從商業(yè)角度來看數(shù)據(jù)挖掘是一種新的商業(yè)信息處理技術(shù),其主要特點是對商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進行抽取､轉(zhuǎn)換､分析和其他模型化處理,從中提取輔助商業(yè)決策的關(guān)鍵性信息｡數(shù)據(jù)挖掘就是從大量的､不完全的､有噪聲的､模糊的､隨機的實際應(yīng)用數(shù)據(jù)中,提取隱含在其中的､人們事先不知道的､但又是潛在有用的信息和知識的過程[2]｡
數(shù)據(jù)挖掘的分析方法有許多,如關(guān)聯(lián)分析､聚類分析､人工神經(jīng)網(wǎng)絡(luò)和決策樹等｡它被應(yīng)用到公司客戶關(guān)系管理､投資項目決策､銀行風(fēng)險評估和金融市場股價分析等眾多領(lǐng)域｡
2 聚類分析
聚類分析是數(shù)據(jù)挖掘技術(shù)中的重要分析技術(shù),是通過數(shù)據(jù)建模簡化數(shù)據(jù)的一種方法,研究成果主要集中在基于距離和相似度的聚類方法｡就數(shù)據(jù)挖掘功能而言,聚類能夠作為一個獨立的工具獲得數(shù)據(jù)的分布狀況,觀察每一簇數(shù)據(jù)的特征,集中對特定的聚簇集合作進一步的分析,聚類分析主要針對的數(shù)據(jù)類型包括區(qū)間標(biāo)度變量､二元變量､標(biāo)稱變量､序數(shù)型變量､比例標(biāo)度變量以及由這些變量類型構(gòu)成的符合類型[5]｡
稱為數(shù)據(jù)矩陣｡數(shù)據(jù)矩陣是對象—變量結(jié)構(gòu)的數(shù)據(jù)表達方式｡
相異度矩陣(Dissimilarity Matrix),按n個對象兩兩間的相異度構(gòu)建n 階矩陣,又因為相異度矩陣是對稱的,只需寫出上三角或下三角即可:
其中d(i, j)表示對象i與j的相異度,它是一個非負的數(shù)值｡當(dāng)對象i與j越相似或“接近”時,d(i, j)值越接近0;反之,d(i, j)值越大｡相異度矩陣是對象—對象結(jié)構(gòu)的一種數(shù)據(jù)表達方式｡多數(shù)聚類算法都是建立在相異度矩陣基礎(chǔ)上,如果數(shù)據(jù)是以數(shù)據(jù)矩陣形式給出的,就要將數(shù)據(jù)矩陣轉(zhuǎn)化為相異度矩陣｡對象間距離是經(jīng)常采用的求相異度方法｡
3 房地產(chǎn)類上市公司聚類分析研究
3. 1確定挖掘?qū)ο?
財務(wù)分析是管理中不可缺少的工具,是在會計信息供給與會計信息需求之間架起的一座橋梁,它通過對會計信息的透視與剖析,滿足會計信息需求者的不同要求[1]｡財務(wù)狀況反映了公司的運營狀況｡本文選取了我國上市公司中20家具有代表性的房地產(chǎn)公司進行分析:招商地產(chǎn)(000024)､萬科A(000002)､棲霞建設(shè)(600533)､榮盛發(fā)展(002146)､中糧地產(chǎn)(000031)､中華企業(yè)(600675)､華發(fā)股份(600325)､保利地產(chǎn)(600048)､金地集團(600383)等,分別用X1,X2,X3,…,X20表示｡可以預(yù)測大部分公司屬于一類,也即表現(xiàn)一般,它們將歸為一類;很少一部分歸為一類,也即表現(xiàn)業(yè)績優(yōu)良或是較差｡再利用其他輔助指標(biāo)就可以判定哪些是值得投資的｡
3. 2數(shù)據(jù)準(zhǔn)備
3. 2. 1數(shù)據(jù)選取
以2008年3月31日為時點,選取20家上市房地產(chǎn)公司以下關(guān)鍵財務(wù)數(shù)據(jù):流動資產(chǎn)合計､總資產(chǎn)合計､流動負債合計､長期負債合計､資本公積､盈余公積､未分配利潤7個財務(wù)數(shù)據(jù),分別用L1,L2,L3,…,L7表示(見表1)｡
表3反映了聚類分析的凝聚過程｡
第一列表示聚類分析的步驟,在本次分析中共進行了19次｡第二和第三列表示哪兩個樣本聚成了一類｡第四列表示兩個樣本的相似系數(shù)｡第五列表示參與聚類的是樣本還是類,0表示樣本,非零數(shù)字N表示第N步產(chǎn)生的聚類參與本步聚類｡第七列表示本步驟聚類結(jié)果將在以后的第幾步中用到｡ 第一行表示8和9兩個樣本最先進行了聚類,樣本間相似系數(shù)為0.998,本次聚類結(jié)果將在以后的第四步中用到;以此類推,將20個樣本全部聚類｡
表4是最終聚類結(jié)果的類成員表,在利用SPSS分析過程中,本文設(shè)置分為2~4類,從而輸出了劃分2~4類時每個樣本屬于某一類的結(jié)果｡
4 結(jié) 論
聚類分析事前并沒有制定分類的標(biāo)準(zhǔn)｡本文中,當(dāng)劃分為兩類的時候,只有銀基發(fā)展和其他不同類,通過傳統(tǒng)的財務(wù)分析方法可以得出,其總資產(chǎn)增長率為負;當(dāng)劃分為3類時,天倫置業(yè)各項指標(biāo)表現(xiàn)都較差,其總資產(chǎn)周轉(zhuǎn)率是最低的;當(dāng)劃分為4類時,華業(yè)地產(chǎn)的總資產(chǎn)周轉(zhuǎn)率和凈資產(chǎn)報酬率都不錯,尤其是速動比率最大｡聚類分析對于通過財務(wù)指標(biāo)理性選擇值得投資的上市公司起到了積極的作用,但一個企業(yè)的價值衡量并不限于此,聚類分析只是提供了一個可以橫向比較同類上市公司的工具｡
主要參考文獻
[1] 葛家澍. 財務(wù)會計理論､方法､準(zhǔn)則探討[M]. 北京:中國財政經(jīng)濟出版社,2002.
[2] 〔加〕 Jiawei Han,M kamber. 數(shù)據(jù)挖掘技術(shù)與概念[M]. 北京:機械工業(yè)出版社,2001.
[3] 李劍鋒,李一軍,祁威,等. 數(shù)據(jù)挖掘在公司財務(wù)分析中的應(yīng)用[J]. 計算機工程與應(yīng)用,2005(2).
[4] 林偉林,林有. 數(shù)據(jù)挖掘在上市公司財務(wù)狀況分析中的應(yīng)用[J]. 市場周刊:財經(jīng)論壇,2004(10).
[5] 李雄飛,李軍. 數(shù)據(jù)挖掘與知識發(fā)現(xiàn)[M]. 北京:高等教育出版社,2003.
[6] 章文波,陳紅艷. 實用數(shù)據(jù)統(tǒng)計分析及SPSS 12.0應(yīng)用[M]. 北京:人民郵電出版社,2006:179-192.
