上市公司盈利能力分析
如何写投诉信-
上市公司盈利能力分析
班级<
/p>
:
财务
1104
姓名
:
刘思达
学号:
1110620404
指导教师
:
强殿英
摘要
:
企业
盈利能力是衡量评价上市企业前景的重要组成部分和具体体现,
企业获取利
润的能力是衡量上市公司业绩的基本指标。
因子分析是指研究从变量群中提取
共
性因子的统计技术,
可在许多变量中找出隐藏的具有代表性的
因子。
将相同本质
的变量归入一个因子,
可减少变量的数目,
还可检验变量间关系的假设。
本文利
p>
用
SPSS
软件对三十家房地产企业进行因
子分析,得出相关结果,期望为决策者
提供科学的决策依据,
进
一步提高公司的业绩,
为我国房地产上市公司及其他人
士提高经
济效益和企业价值提供参考。
关
键
词
:
p>
因子分析,上市公司,盈利能力
一.
引言
随着人民的物质和生活水平在不断地提高,
房地产已经成为我国
经济发展的引擎
和国民经济的重要支柱行业。
人民对住房的需求
不断的攀升,
促进了房地产行业
的崛起。
中国的房地产业得到了快速发展。
房地产业在整个国民经济体系中具有
重要的地位和作用,
对房地产企业的盈利能力评价意义重大。
< br>对于上市公司来说,
盈利能力是企业利用资产创造收益的能力,
< br>反映企业的管理水平和经营业绩,
是
企业发展的动力。<
/p>
盈利能力评价企业在生产经营中的创利水平,
它为企业提供生
p>
产经营的效果和利润以及为投资者提供资本收益等,反映企业的综合素质。
< br>
作为财务分析的工具,
财务比率是指反映会计报表内在
联系的比较分析指标,
对
上市公司盈利能力采用比率分析。
p>
因为财务比率能够揭示会计报表所提供的财务
数据不能直接反映的相
互关系,
并据此对上市公司历史的盈利能力及其未来变动
趋势做
出判断。
因此,
以财务比率对公司的盈利能力进行分析是财务分
析最富创
意的内容。
本文因子分析的变量均是相应的财务比率,
选取了在深圳、
上海上市
的三十家房地
产企业的财务报表数据,进行盈利能力分析与评价。
二.
房地产上市企业盈利能力分析的指标选择
本文参考对盈利能力评价的大量研究结果,
选取了以下的指标体系。
通过对每股
收益、每股净资产、净资产收益率、总资产报酬率、资产净利率、销
售净利率、
销售毛利率七个指标来反映企业的盈利能力。
1.
每股收益
每股收益又称每股税后利润、
每股盈余,
是衡量上市公司盈利
能力最重要的财务
指标。每股收益的计算公式如下:
每股收益
=
(净利润
-
优先股股息
)
/
发行在外的普通股加权平均数
p>
一般来说,
发行在外的普通股每股收益越高,
表明企业的盈利能力较强,
一般在
其它因素不变的情况下,<
/p>
股票的价格相应会比较高,
反之亦然,
故
选择每股资产
来代表上市公司的盈利能力
2
、每股净资产
每股净资产反映每股股票所拥有的资产现值。
每股净资产越高,
股东拥有的资产
现值越多,所承担的投资风险越小。通常每股净资产越高越好。其计
算公式为:
每股净资产
=
净资产
/
总股数
“每股净收益体现了公司发展潜力
与其股票的投资价值。
每股净收益数额大,
意
< br>味着公司有潜力增发股利或增加资本金以扩大生产经营规模,
而公司经营规模扩<
/p>
大、预期利润增长又会使公司股票市价稳步上升。
3
、净资产收益率
< br>净资产收益率是指上市公司的净利润与净资产
(
股东权益
)
的百分比,是反映公司
盈利能力的最
主要指标,
是公司营运能力、
清偿债务和盈利能力综合作用的结
果,
是综合性最强的财务比率,
直接表明股东拥有的净资产的获
利能力,
反映股东权
益的收益水平,即企业盈利的真正绩效。<
/p>
实践中,
净资产收益率可能是国内证券
市场使用频率最高的一个财务比率。
可见
,
净资产收益率指标非常重要,故选择净资产收益率来代表上市公司的盈利能力
[1]
。
4
、总资产报酬率
< br>总资产报酬率是利润总额和利息支出总额与平均资产总额的比率,
是用来衡量公<
/p>
司运用全部资产获取利润的能力,是分析公司盈利能力时又一个非常有用的比
率,是另一个衡量企业收益能力的指标。
利润总额与利息支出之和为息税前利润,
是指企业当年实现的全部利润
与利息支
出的合计数。
平均资产总额是平均负债总额与平均所有
者权益的加和,
它也是指
当期期初和期末资产总额的算术平均值
。
5
、资产净利率
资产净利率指标反映的是公司运用全部资产所获得利润的水平,
即公司每单位资
p>
产平均能获得利润的多少。资产净利率是公司净利润与平均资产总额的百分比。
净利润的计算公式为:
净利润=利润总额×(
1
-所得税率)
该指标越高,
表明公司投入产出水平
越高,
资产的利用效率越高,
资产运营越有
效,
成本费用的控制水平越高,
说明公司在增加收入和节约
资金使用等方面取得
了良好的效果,
体现出企业管理水平的高低
,
否则相反。
故选择资产净利率来代
表
上市公司的盈利能力。
6
、销售净利率
销售净利率,
又称销售净利润率,<
/p>
是净利润占销售收入的百分比,
用以衡量企业
在一定时期的销售收入获取的能力。
该指标反映每一元销售收入带来的净利润的
p>
多少,
表示销售收入的收益水平。
它与净利
润成正比关系,
与销售收入成反比关
系,
企业在增加销售收入额的同时,
必须相应地获得更多的净利润,
才能使销售
净利率保持不变或有所提高。
通过分析销售净利率
的升降变动,
可以促使企业在
扩大销售的同时,
注意改进经营管理,
提高盈利水平。
故选择销售净利率
来代表
上市公司的盈利能力。
7
、销售毛利率
销售毛利率指的是企业的毛利占销售收入的百分比,
通常称为毛利率。
其计算公
式如下
:
销售毛利率
=
(
销售收入
-
销售成本
)
/
销售收入
*100%
它表示单位销售收入在扣除销售成本之后所占销售收入的比例。
该指标反映企业
的初始盈利能力,
企业在经营活动中产生的成本
费用等方面的损失由销售毛利率
承受,
它体现了企业的获利空间
。
所以,
销售毛利率是评价企业盈利能力的重要
指标。
三.
对房地产上市公司盈利能力分析的方法介绍
因子分析法
本文研究采用的方法是因
子分析法,
因子分析法是一种实用的多元统计方法。
因
子分析法的主要目的是浓缩数据,
它通过研究众多变量之间的内部依赖关
系来探
求被观测数据中的基本结构,
并用少数几个假想变量来表
示的该数据结构。
这些
假想变量能够反映原来众多的观测变量所
代表的信息,
并解释这些变量之间的相
互依存关系,我们把这些
假想变量称之为因子。
因子分析的数学模型
因子分析的核心是用较少的互相独立的因子反映原有变量的绝大部分信息。
设
原
有
P
个变量
X1
,
X2
,
X3
,…,
Xp
,且每个变量(或经标
准化处理后)的均值为
0
,标准差均为
1
。现将每个原有变量用
K
(
K
)个因子
f1,f2,f3,
……,
fk
的线性
组合来
表示,
因子分析数学模型如下
: <
/p>
x
1
a
11
f
1
a
12
f
2
a
13
f
3
< br>a
1
k
f
k
1
x
2
a
21<
/p>
f
1
a
22
f
2
a
23
f
3
a
2
k
f
k
2
x
p
a
p<
/p>
1
f
1
a
p
2
f
2
a
p
3
f
3
a
pk
f
k
p
矩阵形式表示为
:
X = A F
+ε
。
其中
F
为公共因子
,
A
为因子载荷矩阵
,
是第
i
个原
有变量在第
j
个因子上的负荷。
ε
为特殊因子,表示了原有
变量不能被因子解释
的部分。
因子载荷
在因子不相关的前提下,因
子载荷
a
ij
是变量
< br>X
i
与因子
f
< br>j
的相关系数,反映了变
量
X<
/p>
i
与因子
f
j<
/p>
的相关程度。因子载荷
a
ij
值小于等于
1
,绝对值越接近
1
,表明因
子
f
< br>j
与变量
X
i
的相关性越强,同时,因子载荷
a
ij
也反映了因子
f
j
对解释变
量
X
i
的重要作用和程度。
四
.
房地产
上市企业盈利能力分析的具体过程
本文在构建盈利能力评价指标体系的基础上,
运用
SPSS
软件的因子分析法对指
标进
行评价分析,期望为决策者提供科学的决策依据。
1
.
数据标准化处理
若原始指标的量纲
或经济意义不同,
将原始指标直接求得综合得分,
将很难
给予一个合理的经济解释;
若原始指标变量数量级差较大,
则变量值大的综合指
标
(
公共因子
)
的影响也大。对原始指标进行无量纲化处理的方法有
很多种,如标
准化、
均值化或级差正规化。
由于标准化处理会保持原始指标数值的相对稳定性,
在进行因子运算时会带来许多便
捷,因此是最普遍的做法。
设表示
X
ij
第
i
个公
司第
j
个指标的指标值,则其标准化值为
X
ij
X
ij
X
j
/
S
j
p>
n
1
其中,
X
p>
j
X
ij
,
S
j
n
n
1
1
n
X
ij
X
j
n
1
n
p>
1
2
。
标准化后的数据服从
(
0,1
)
标准正态分布,经过这样标准化的变量并不改变变量
之间的相关系数
[3]
。
而
SPSS
在调用因子分析过程进行分析时,
SPSS
< br>会自动对原始数据进行标准
化处理,
所以在得到计算结果
后的变量都是指经过标准化处理后的变量,
但
SPSS
并不直接给出标准化后的数据,
如需要得到标准化数据,
具体操作过程如下:
点
击
分析
——
描述统计
——
描述,进入“描述性”对话框,实现
对
30
家房地产
< br>上市公司
7
项财务指标数据标准化,标准化后的数据以<
/p>
Z
开头命名。
2
求解所有变量的相关系数矩阵并进行检验
因子分析的目的是简化数据,
找出基本的数据结构,
避免评
价指标之间的相
关性所引起的权重的偏倚,
因此,
使用因子分析的前提条件是变量之间应该有较
强的相关关系。
所以,
在提取公因子之前要对观测变量之间的相关程度进行检验。
本文借助变量的相关系数、巴特利特球度检验和
KMO
检验方法进行分析。
巴利特球体检验可以用来检验变量间是
否存在相关。
零假设
H
0
:
相关系数矩
阵是单位矩阵,即相关系数矩阵为对角
矩阵(对角元素不为
0
,非对角矩阵为
0
)
且主对角元素均为
1
。
如果统计量的观测值比较大,
且对应的概率
P
值小于给定的
显著性水平α,
则认为相关系数矩阵不太可能是单位矩阵,
因此拒绝原假设,
可
以进行因子分析,否则应该慎重考虑。
KMO
检验,它比较了观测到的变量间的相关系数和偏相关系数的大小。<
/p>
KMO
值越接近于
1
,意味着变量间的相关性越强,原有变量越适合作因子分析
KMO
< br>值
越接近
0
,表明变量间的相关
性越弱,原有变量不适合作因子分析。
相关矩阵
1.000
.756
.597
.597
.594
.275
.137
每股净资
净资产收
资产报酬
资产净利
销售净利
销售毛利
每股收益
相关
每股收益
每股净资产
净资产收益率
资产报酬率
资产净利率
销售净利率
销售毛利率
产
.756
1.000
-.003
.049
.037
.222
.184
益率
.597
-.003
1.000
.864
.878
.207
.080
率
.597
.049
.864
1.000
.974
.221
.138
率
.594
.037
.878
.974
1.000
.287
.181
率
.275
.222
.207
.221
.287
1.000
.511
率
.137
.184
.080
.138
.181
.511
1.000 <
/p>
上表是原有变量的相关系数矩阵,
由表可知,
大部分的相关系数较高,
各变
量呈较强的线性关系,适合进
行因子分析。一般而言,
KMO
测度
>
0.5
,意味着因
子分析可以进行,而在
0.7
以上则是令人满意的值。
K
MO
和
Bartlett
检验
取样足够度的
Kaiser-Meyer-
Olkin
度量。
Bartlett
的球形度检验
近似卡方
df
Sig.
.613
204.192
21
.000
上表是
KMO
和巴利特球体检验结果。由表可知,
KMO<
/p>
值为
0.613
,说明对该
样本可以使用因子分析。巴特利特球体检验的结果为
204.192
,自由度为
21
,显
著
性水平为
0.000<0.05,
拒绝零假设,可以进行因子分
析。通过以上检验可以说明
用因子分析来进行盈利能力的统计分析可以取得良好的效果。
3
.
提取公因子
本文采用主成分分析法从七个盈利能力指标中提取公因子。
公因子方差
每股收益
每股净资产
初始
1.000
1.000
提取
.978
.985