银行业和证券业的统计分析

目录

银行业和证券业的统计分析

——从上市公司的角度

1 研究概要

1.1背景介绍

随着中国金融市场的逐步完善与繁荣，越来越多的人开始关注这个领域。而作为金融市场重要组成部分的证券市场，理所应当地吸引了人们最多的眼球。本次统计大作业的研究中心选择也正是基于这种考虑。在行业类型的选择上，我们结合了小组成员的专业和兴趣，确定了金融行业的两大主要组成部分——银行业与证券业。以期通过SPSS统计软件进行相应的统计分析，寻找这些公司间的共性与特性，为投资者的投资提供有用的参考。

1.2数据选择

我们从A股上市的银行和券商中分别选取十家，根据其2009年6月30日的半年报计算出九个主要的财务指标：股东权益比、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SPSS统计软件债率、每股收益、经营净利率和资产利润率。数据见附表1。

1.3统计方法

通过上述财务指标比较分析银行业与证券业的差异、盈利水平以及股价的变动等方面。我们运用到的统计方法包括描述统计、相关分析、多元线性回归、方差分析、两个独立样本的非参数检验、主成分分析、聚类分析、判别分析、多维尺度分析、时间序列分析。

2 SPSS统计分析结果

2.1描述统计——两行业特征的比较

我们分别对银行和券商这两个行业的十组数据进行统计描述，以求对两行业之间的特征能有个大致的掌握。结果如下所示：

（1）银行业：

（2）券商：

通过上表可以看出

（1）券商的股东权益比均值为32.09291远大于银行的5.46292，说明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；

（2）银行的负债权益比1917.5398相较证券业的238.48243高，说明银行的负债比例较高，这主要是由于银行吸收存款的特性造成的；

（3）从主营收入增长率来看，银行业发展比较稳定，而券商的成长能力较强。

（4）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

2.2两个独立样本的非参数检验——银行业与证券业各指标分布的差异

通过对两个独立样本（银行业与证券业）的均值、中位数、离散趋势、偏度等进行差异性检验，分析它们是否来自相同分布的总体。

样本变量的Mann-Whitney U统计量的值分别为0、0、39、33、0、45、26、0；Wilcoxon W统计量的值分别为55、55、94、88、55、55、100、81、55；Z统计量值分别为-3.78、-3.78、-0.832、-1.285、-3.781、-3.78、-0.378、-1.814、-3.78，负值说明实际观测的秩和比期望观测的秩和要小。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的Sig值比0.05小，说明银行业与证券业的这些指标有显着差异。而主营收入增长率、管理费用比例、每股收益和经营利润率的Sig值比0.05大，说明这些指标在银行业与券商业中差异不大。

为了验证前面得出的结论，用K-S Z方法来检验同一个问题，上表为分析结果。K-S Z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着性水平分别为小于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着；而其他指标显着。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。

说明：表中显示模型拟合优度为R=0.994，可见模型的显着性相当好。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着的线性相关关系。

此表中，前四个模型存在回归系数不显着的变量，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：

说明：

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，证明变量之间显着，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。

说明：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。

说明：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