金融统计分析
金融统计分析报告

金融统计分析报告引言:金融统计分析是一种通过应用数学和统计学的方法来研究金融数据的技术。
它涵盖了多个领域,包括经济学、会计学和金融学等。
金融统计分析的目标是揭示背后的趋势和关联性,以帮助金融机构和投资者做出决策。
本报告将通过对历史数据和趋势的分析,评估市场的表现和未来方向。
1.市场趋势分析通过对市场历史数据的分析,我们可以追踪市场的趋势并预测未来的走势。
在此部分,我们将关注股票市场。
为了分析市场趋势,我们可以使用技术分析方法,例如移动平均线、相对强弱指标和布林带等。
通过分析这些指标,我们可以识别价格的支撑和阻力水平,从而预测未来的趋势。
此外,基本面分析也是一种重要的工具。
通过研究公司财务数据、市场前景和竞争环境,我们可以评估公司的价值和发展潜力,进而分析股票市场的整体趋势。
2.经济数据分析经济数据对于金融统计分析也起着重要的作用。
经济数据反映了一个国家或地区的经济状况,对于金融市场的表现有着重要的影响。
在这一部分,我们将分析一些重要的经济指标,例如国内生产总值(GDP)、通货膨胀率、失业率和利率等。
通过观察这些指标的变化,我们可以评估经济的健康状况和市场的环境。
此外,我们还可以分析购买经理人指数(PMI)等领先指标,以了解经济的未来走势。
这些指标可以提供预测未来经济增长和行业景气度的线索,对于投资者和金融机构制定策略具有重要意义。
3.风险分析金融市场充满风险,投资者和金融机构需要进行风险分析来保护他们的投资。
在这一部分,我们将关注市场波动性的分析。
通过计算标准差、波动率等指标,我们可以评估市场的风险水平。
高波动性意味着市场价格可能快速变动,带来更大的风险。
投资者可以利用这些指标来制定风险控制策略,例如设置止损点和合理的仓位管理等。
此外,我们还可以通过使用相关系数分析来评估投资组合的风险。
相关系数可以用来衡量不同资产之间的相关性,投资者可以通过配置不同的资产来降低投资组合的整体风险。
结论:金融统计分析是一种重要的决策支持工具,它通过对金融市场的数据进行分析,帮助投资者和金融机构做出合理的决策。
金融统计分析知识点总结

金融统计分析知识点总结金融统计学是金融学和统计学互动的产物,通过建立模型和应用统计方法来研究和解决金融领域中的问题。
在实际应用中,金融统计分析是衡量金融市场和经济活动的重要工具。
一、回归分析回归分析是一种通过建立数学模型来分析变量相互关系的方法。
在金融统计分析中,回归分析常用于预测市场的走势和预测股票价格的变化。
通过收集历史数据,建立数学模型,然后加以分析,可以获得有用的预测结果。
二、时间序列分析时间序列分析是用于研究时间序列数据的统计方法。
在金融领域中,时间序列分析主要用于预测金融市场价格的变化。
在时间序列分析中,需要注意一些基本概念,如平稳性、白噪声、自相关、偏自相关等。
三、方差分析方差分析是用于比较多组数据之间的差异的方法。
在金融领域中,方差分析常用于比较不同投资组合的效果。
通过方差分析,可以确定影响不同投资组合效果的因素,进而进行理性投资决策。
四、协方差分析协方差分析是用于研究两个变量之间相关性的统计方法。
在金融领域中,协方差分析常用于研究股票之间的相关性。
通过计算不同股票的协方差,可以了解不同股票的相关性及其对组合投资的影响。
五、蒙特卡洛模拟蒙特卡洛模拟是一种利用概率分布和函数模型进行大量随机数计算的方法,用于对金融市场未来的情况进行模拟。
通过蒙特卡洛模拟,可以估计不同投资组合的风险和收益,并制定合理的投资策略。
六、贝叶斯分析贝叶斯分析是一种基于数据和先验知识来进行推断的方法。
在金融领域中,贝叶斯分析可以用于研究金融市场的走势和预测股票价格的波动。
通过建立贝叶斯模型,可以提高预测的准确率。
七、统计套利统计套利是通过利用市场机会进行投资的一种策略。
在金融领域中,统计套利主要是通过分析不同证券的价格差异来进行投资。
通过对数据进行统计分析,可以发现价格的不合理差异,并进而进行投资。
总的来说,金融统计分析是一个非常重要的工具,可以帮助人们理解金融市场和经济活动。
通过应用金融统计分析方法,可以制定出合理的投资策略,为实现财富增值提供有力支持。
金融统计分析方法讲解

金融统计分析方法讲解引言在金融领域,统计分析是一种重要的工具,用于揭示数据背后的规律和趋势。
通过统计分析,我们可以对金融市场的变动进行预测,为投资决策提供参考。
本文将介绍几种常用的金融统计分析方法,包括回归分析、时间序列分析和投资组合分析。
1. 回归分析回归分析是一种用于研究变量之间关系的方法,其核心是建立一个数学模型来描述变量之间的关系。
在金融领域,回归分析可用于预测股票价格、利率变动等。
常见的回归分析模型包括线性回归和多元线性回归。
1.1 线性回归线性回归是最简单也是最常用的回归分析方法之一。
它假设变量之间的关系是线性的,通过最小化实际观测值和模型预测值之间的差距来估计模型的参数。
线性回归模型具有以下形式:Y = α + βX + ε其中,Y是因变量,X是自变量,α和β分别是截距和斜率,ε是误差项。
1.2 多元线性回归多元线性回归是对多个自变量与因变量之间的关系进行建模的方法。
它可以提供更准确的预测结果,并能够考虑多个因素对因变量的影响。
多元线性回归模型具有以下形式:Y = α + β1X1 + β2X2 + ... + βnXn + ε其中,X1、X2、…、Xn是自变量,β1、β2、…、βn是各自变量的斜率,α是截距,ε是误差项。
2. 时间序列分析时间序列分析是通过对时间上连续观测值的分析,揭示数据的内在规律和趋势。
在金融领域,时间序列分析可用于预测股票价格、利率变动等。
常用的时间序列分析方法包括移动平均、指数平滑和自回归移动平均(ARMA)模型。
2.1 移动平均移动平均是一种平滑时间序列数据的方法,它通过计算一定窗口内观测值的平均值来减少数据的随机波动。
移动平均可以用于去除数据中的季节性因素,揭示数据的趋势。
常见的移动平均方法有简单移动平均和加权移动平均。
2.2 指数平滑指数平滑是一种通过对时间序列数据进行加权平均来预测未来值的方法。
它假设最近的观测值对预测未来值的影响最大,而较久远的观测值对预测的影响逐渐减小。
金融统计分析

直接融资的优点
筹资方直接面对市场,筹资规模和风险度可以不 受金融中介机构资产规模及风险管理的约束。 直接融资活动具有较强的公开性,再良好的 信息披露制度下筹资方直接面对市场监督的压力, 必须注意规范自己的生产经营活动,将资金投向 高效益的领域。 直接融资活动还受公平性原则的约束,公平 原则有助于形成良好的市场竞争环境,从而有助 于实现资源的最优配置。
商业信用、银行信用
金融市场
通常将交易对象与融资期限相结合,将金 融市场分为: 货币市场:经营一年以下的短期资金, (如票据贴现市场,票据承兑市场,短期拆借市场) 资本市场:经营一年以上的长期资金
(如证券市场)
外汇市场:外汇买卖和调剂外汇需求 黄金市场:买卖黄金和金币兑换
信用
信用是指借贷行为,是以偿还和付息为条 件的价值的单方面的让度。偿还和付息 是信用的基本形式特征。 信用的原始形式为实物借贷 信用关系表现为货币借贷形式时,货币执 行的是支付手段而不是流通手段
间接融资的局限性
由于金融中介机构割断了市场最终需求者 与供应者的联系并集供求于一身,社会 资金运行和资源配置的效率将较多地依 赖于金融中介机构的素质,这不一定是 好事。 对新兴产业、高风险项目的融资要求一般 难以及时、足量地予以满足。
几种典型的信用工具
期票、汇票、支票、信用证、信用卡、股 票、债券
信用的共同特征
第一,信用是以偿还和付息作为条件的借贷行 为; 第二,信用是价值运动的特殊形式,是价值的 单方面转移; 第三,信用是一种债权债务关系的统一,所有 权和使用权的分离。
现代信用的形式
按主题分类: 商业信用 ,银行信用,消费信用 , 国家信用 ,国际信用 其中商业信用和银行信用是市场经济与企业 经营活动直接联系的两中最主要的形式
《金融统计分析》PPT课件

完整版ppt
9
第二章 货币与银行统计分析
第二节 三个基本账户 一、货币当局资产负债表
资产A
1.国外资产 (1)外汇 (2)黄金 (3)国际金融机构资产
2.对政府的债权 3.对存款货币银行的债权 4.对非货币金融机构的债权 5.对非金融部门债权
13229 12649
12 568 1583 14358 2072 171
8
第二章 货币与银行统计分析
四、我国货币与银行的统计结构
三个基本账户:货币当局资产负债表、 存款货币银行资产负债表、 特定存款机构资产负债表。
两个合并帐户:货币概览、银行概览
与IMF的标准结构的不同之处: 1、统计准货币时没包括外币账户; 2、统计中没包括保险公司、证券公司、外资金融机构等非货币金融机构。
负债L
1.储备货币
30633
(1构负债 16115
(3)非金融机构存款 3537
a.邮政储蓄
2655
b.机关团体存款 882
2.债券
119
3.政府存款
1486
4.自有资金
366
5.其它(净)
-1191
完整版ppt
10
第二章 货币与银行统计分析
二、存款货币银行资产负债表
金融统计分析
• 第一章 金融统计分析的基本问题
一、金融活动与金融统计
• 金融体系的五个方面
制度 机构 工具 市场 调控
• 中国金融统计的改革与发展
金融统计的建立
转轨时期的发展
完整版ppt
1
第一章 金融统计分析的基本问题
二、中国金融统计面临的新挑战
经济体制改革的要求
经济全球化的新要求 宏观金融监管的要求
金融统计分析试题及答案

金融统计分析试题及答案一、选择题1. 下列哪一项不属于金融统计分析的基本内容?A. 数据的收集和整理B. 数据的分析和解释C. 统计指标的计算和评价D. 统计模型的建立和验证答案:D2. 金融统计分析中,使用较多的统计图形是?A. 条形图B. 散点图C. 饼图D. 折线图答案:D3. 金融统计中常用的财务比率包括下列哪几种?A. 速动比率B. 总资产周转率C. 资产负债率D. 营业利润率答案:A、B、C、D4. 在金融统计分析中,下列哪个指标可用来评价股票的投资价值?A. 市盈率B. 资产负债率C. 存货周转率D. 利润率答案:A5. 标准正态分布的均值和标准差分别为多少?A. 均值为0,标准差为1B. 均值为1,标准差为0C. 均值为0,标准差为0D. 均值为1,标准差为1答案:A二、填空题1. 在金融统计中,常用的风险指标包括_______。
答案:波动率、Beta系数、Value-at-Risk(VaR)等2. 股票的收益率计算公式为________。
答案:(期末价格-期初价格)/ 期初价格3. 在金融市场中,常用的技术分析指标有_______。
答案:移动平均线、相对强弱指标(RSI)、布林线等4. 在金融统计中,_____指标可以用来评估股票的系统风险。
答案:Beta系数5. 在统计分析中,_____是用来描述数据分散程度的统计量。
答案:方差三、简答题1. 请简述金融统计分析在风险管理中的应用。
答:金融统计分析是衡量和控制金融风险的重要工具之一。
通过对金融市场中交易数据的收集和整理,可以计算出各种风险指标,如波动率、Beta系数和Value-at-Risk(VaR)等,用于评估各种金融资产的风险水平。
基于这些指标的分析结果,投资者和金融机构可以制定相应的风险管理策略,降低或避免潜在的风险。
2. 解释什么是相关系数,并说明其在金融统计分析中的应用。
答:相关系数是衡量两个变量之间线性相关程度的统计指标。
金融统计分析与数据挖掘

金融统计分析与数据挖掘近年来,金融领域的数据统计分析与数据挖掘技术得到了广泛的应用。
由于金融市场的复杂性和数据量的庞大,传统的统计方法已经不能满足需求。
因此,金融机构开始广泛采用数据挖掘技术来进行统计分析和预测。
本文将介绍金融统计分析与数据挖掘的基本概念和方法,并探讨其在金融领域的应用。
一、金融统计分析金融统计分析是指通过收集、整理、分析和解释金融数据,探索金融市场的规律和变化。
统计分析可以帮助金融机构了解市场趋势、评估风险,并做出相应的决策。
1. 数据收集金融统计分析的第一步是收集和整理数据。
金融机构可以通过各种途径获取金融数据,包括经济数据、财务报表、交易数据等。
这些数据需要进行清洗和处理,以确保其准确性和可靠性。
2. 数据描述和可视化在数据收集之后,金融机构需要对数据进行描述和可视化。
这可以通过统计指标、图表和图形来实现。
通过可视化手段,金融机构可以更直观地理解数据的特征和规律。
3. 统计分析方法金融统计分析涉及多种统计方法,包括描述性统计、回归分析、时间序列分析等。
这些方法可以帮助金融机构识别出关键因素和变量之间的关系,从而进行预测和决策。
二、数据挖掘技术数据挖掘是一种通过挖掘大量数据来发现隐藏在其中的模式和关联性的技术。
在金融领域,数据挖掘技术可以用于发现交易模式、评估风险和进行市场预测。
1. 数据预处理数据预处理是数据挖掘的第一步,包括数据清洗、缺失值处理和异常值检测等。
通过预处理可以提高数据的质量和准确性,避免数据偏差对结果的影响。
2. 数据挖掘方法数据挖掘方法包括分类、聚类、时序分析、关联规则挖掘等多种技术。
这些方法可以帮助金融机构发现数据中隐含的模式和规律,以及不同变量之间的关系。
3. 可视化和解释数据挖掘结果通常以可视化形式呈现,以便金融机构更好地理解和解释。
通过图表和图形,金融机构可以直观地观察到数据的模式和趋势。
三、金融统计分析与数据挖掘的应用金融统计分析与数据挖掘技术广泛应用于金融领域,如银行业、保险业和证券交易等。
《金融统计分析》课件

按照一定的标准将数据分为不同的类别,便于统计分析。
数据编码
将数据转换为计算机能够识别的格式,便于存储和传输。
数据可视化
图表类型
柱状图、折线图、饼图、散点图等。
可视化目的
直观展示数据特征,发现数据规律,辅助决策。
Part
03
描述性统计分析
数据的集中趋势
平均数
描述数据的中心位置,反 映数据的平均水平。
数据收集
收集与金融市场相关的数据和信 息,包括股票价格、交易量、利 率、汇率等。
结论解释与报告撰写
根据分析结果,得出结论并解释 其意义,最后撰写分析报告,向 决策者提供决策建议。
数据整理
对收集到的数据进行清洗、整理 和分类,确保数据的准确性和完 整性。
数据分析
运用统计学和计量经济学方法对 数据进行深入分析,包括描述性 统计、回归分析、时间序列分析 等。
回归分析的应用场景
在金融领域中,可用于预测股票价格、利率 变动等。
Part
05
时间序列分析
时间序列的平稳性检验
单位根检验
用于检验时间序列是否存在单 位根,判断序列是否平稳。常 见的单位根检验方法有ADF检
验和PP检验。
趋势图分析
通过绘制时间序列的趋势图, 观察序列是否存在明显的上升 或下降趋势,以初步判断序列
数据的分布形态
正态分布
一种常见的概率分布,特点是中间高、两边低、左右对称。
偏态分布
数据分布不对称,可能有一侧的数值明显高于另一侧。
峰态分布
描述数据分布的尖锐程度,即数据的峰值与平均值之间的差异。
数据的异常值检测
01
02
03
Z分数法
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
张艳婷20143191金融学院金融3班晚上班基于因子分析法的中国上市商业银行股票投资价值分析内容摘要:目前我国上市的商业银行一共有16 家,本文根据同花顺软件公布的各商业银行财务分析报,选取其中能够反映银行资产状况、盈利能力、成长能力以及偿债能力的指标,运用多元统计分析中的因子分析方法构建综合评价指标体系,以反映上市商业银行的盈利能力和发展水平,为股票投资者分析银行发展前景和股票升值空间提供一定的依据。
关键词:上市银行,投资价值,因子分析法一、前言当股票交易市场日渐成熟,交易模式得到监管并且愈发完善时,会吸引越来越多的理财者投资于股票交易市场。
由于股市行情存在大量风险,为了规避投资风险,投资者往往会通过搜集各种市场信息,以增加投资判断的准确性。
但是,股票交易市场的行情并不是一成不变的,经常会受到来自各种不同方面不同因素的影响,从而对某支股票的走势产生一定的影响。
同时这些因素产生的内部原因和引发的动力制约条件都相当复杂,有的甚至会产生多种因素的共同作用。
因此,在面对股票投资选择时,不仅仅是要规避风险获得投资收益,更重要的是要如何运用科学的分析手段构建出一套具有科学参考价值的股票投资价值评价体系。
因子分析法是从研究变量内部相关的依赖关系出发,把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。
即将相关比较密切的几个变量归在同一类中,每一类变量就成为一个因子,以较少数的几个因子即可描述许多指标或因素之间的联系,反映原资料中的大部分信息。
通过提取关键因子,可以有效地找出影响程度最大的因素。
因此本文将应用因子分析的方法,将不同商业银行股票进行分类,找出制约其增盈质量的最主要因素,并根据分析结果,提出商业银行提高其股票投资价值的路径,帮助投资者作出正确的投资决策。
二、研究对象的确定及评价指标体系的构建为了能够对上市银行进行全面综合的分析,本文从盈利能力、经营能力、偿债能力、成长能力和资本构成五大角度出发,结合银行业自身的特点,选取相应的财务指标概括上市银行的财务特征。
1.行业分析及样本建立本文以中国银行,中国光大银行,建设银行,中国民生银行,中信银行,招商银行,中国农业银行,浦发银行,平安银行,宁波银行,兴业银行,中国工商银行,华夏银行,交通银行,南京银行,北京银行等 16 家上市银行作为主要分析对象。
各项财务指标是根据同花顺 iFind 公布的 2014 年一至三季度财务报告整理而得。
2.业绩指标的选择①盈利能力指标。
盈利能力是决定股票价值的重要因素。
其中,净利润和每股收益反映盈利能力的大小,主营业务收入一般作为上市银行的重点发展方向和利润的主要来源。
因此,本文中选取的反映盈利能力的指标有:净利润(x1)、主营业务收入(x2)、主营业务收益率(x3)、以及每股收益(x4)。
②偿债能力指标。
本文选取资产负债率(x5)作为反映偿债能力的主要指标。
银行的资产负债率过低或者过高都不合适,资产负债率过低表示银行的经营可能过于保守,过高表明公司可能扩张过度,导致没有充足的流动资金保障。
③成长能力指标。
成长性好的上市公司扩张能力越强,盈利的增长速度越快。
主营业务收入增长率反映了上市银行扩大市场规模的能力,能够体现银行的成长性;净利润增长率影响上市银行的资本积累、发展以及给投资者的回报。
本文选取主营收入增长率(x6)、净利润同比增长率(x7)反映成长能力。
④扩张能力指标。
经营业绩良好的公司其股本的扩张能力也应较强。
每股净资产值反映了每股股票代表的公司净资产价值,是股票市场价格的重要基础。
每股净资产、每股公积金、每股未分配利润的值越大,表明银行创造利润和抵抗外来风险的能力越强。
本文以每股净资产(x8)、每股公积金(x9)、每股未分配利润(x10)反映股本扩张能力。
三、因子分析及其结果1.指标体系检验提取方法 :主成份旋转法:具有 Kaiser 标准化的正交旋转法。
a.旋转在 5 次迭代后收敛。
使用 Spss19.0 软件,进行 KMO 与 Bartlett 检验,目的在于检验收集的数据是否适用于因子分析。
通过检验得出 KMO 检验值为 0.55,大于 0.5,说明本文样本选取较为合理,数据适合采用因子模型进行处理分析。
2.求相关矩 R 的特征根和特征向量贡献率和累积贡献率采用主成分方法提取因子,得知前三个因子对样本方差的累计解释率达到了 88.15%。
因此本文中只需要提取前三个因子就能对 16 家上市商业银行的股票价值做出较合理的解释。
3.因子荷载旋转根据表 1 旋转成份矩阵,因子 F1 在净利润,营业收入,每股公积金和总资产上有较大载荷,这表明因子 F1 受这四个变量的影响较大,因此将因子 F1 命名为效率因子。
因子 F2 在每股收益,每股净资产,每股未分配利润上有较大影响,因此将其命名为规模因子。
因子F3 在净利润同比增长率,营业收入增长率,资产负债率上有较大载荷,可以命名为发展因子。
4.计算因子得分与综合得分提取方法:主成份。
旋转法:具有 Kaiser 标准化的正交旋转法。
构成得分。
利用表 2 可以得到因子得分函数:在计算因子得分的基础上“根据其方差贡献率与两个因子累计贡献率之比对得分进行加权汇总”得到各商业银行综合得分公式:F*=(38.944F1+32.667F2+16.54F3)/ 88.158 最后根据综合得分公式,对样本进行从高到低排序,得到表 3:5.结果分析与总结①各因子得分排名。
从效率因子,规模因子,发展因子的排名情况可以看出,建设银行、工商银行、中国银行和农业银行排在F1 因子前四名。
工商银行、农业银行和建设银行排在因子的前三位。
招商银行、兴业银行和中国民生银行占据了因子排名的前三名。
②因子总得分排名分析。
通过观察因子总分排名,前四位分别是建设银行、工商银行、农业银行和中国银行,综合经营绩效水平最高,股票价值相对最高;排在最末三位的分别是北京银行、南京银行和兴业银行,综合经营绩效水平相对较差,股票价值较低。
通过对因子总得分排名的分析可以得知,银行股票价值的高低受到规模和资本的影响程度较大。
股份制商业银行在流动能力和盈利能力方面占有一定优势,不过国有银行的发展相对于股份制商业银行来说更加安全与稳健。
由于是国家控股银行,拥有国家背景的支持,尽管在流动能力、盈利能力方面不如其他股份制银行,但在规模和资本方面有较大的优势。
表 3 上市银行根据因子得分的排名四、对我国上市银行的启示及发展建议我国证券市场正在快速发展,更应该提倡运用理性、稳健的投资分析方法。
这一方面,可以使得股票投资的风险大大降低,规范投资者的投资行为,使股票市场得以健康有序发展;另一方面,还可以促进上市公司不断提升经营业绩,自身的成长能力,提高市场竞争力。
针对目前我国上市银行的发展现状,以及本文的分析结果,对上市银行的发展给出以下建议: 1.加强自身建社,拓展盈利渠道从因子分析的结果可以看出,我国商业银行的发展规模和资本结构对其股票投资价值有着至关重要的作用,所以银行应该着重加强自身建设。
对于国有股份制银行而言,尽管在流动性和盈利性方面不如股份制商业银行,但是其在资本和规模方面具有较大的优势。
然而当前国有银行部门职能过于繁杂,应该深化精简。
对于股份制商业银行而言,由于具有较强流动性和盈利性,应该加强同业间的合作,不断开拓新市场,扩大业务覆盖范围。
2.加强对风险的管理市场上存在着政策风险、市场风险、操作风险、道德风险等等多种风险。
银行应该将安全性和稳定性放在首位,提早做好防范风险的各项准备,增强自身抵御风险的能力。
同时由于当前互联网金融的快速发展给银行的传统业务带来了不小的冲击,为了应对市场变化,银行应该适时进行利率改革,开发新产品。
发展中间业务,提高中间业务收入。
3.充分运用各项宏观调控政策股份制商业银行虽然在规模上不及国有制银行,但是在综合排名中有一些仍然排在前列,在安全性、稳定性和盈利性等方面都具有较大的发展优势。
由于目前国家对于股份制商业银行的各项宏观政策尚未十分清晰,因此股份制银行要加强对各项有利政策的培训,提高政策运用能力。
通过用好税收等政策,最终提高自身的增盈水平,也属于一条有效的途径。
参考文献:[1] 郝瑞,张悦.基于因子分析和聚类分析的股票分析方法—以沪深 300 指数成分股为例[J].时代金融,2014,[2] 张琼 ,邢绪文 .基于因子分析理论的我国上市银行绩效评价[J].金融教育研究,2012[3] 刘强.基于主成分分析的上市证券公司竞争力研究[J].经济研究导刊,2011[4] 庞如超.我国财产保险公司信用评级模型构建研究—基于因子分析法和聚类分析法[J].金融理论与实践,2012[5] 黎曦.我国中小企业板上市公司经营绩效实证分析—基于因子分析和聚类分析[J].科技和产业,2011[6] 许倩 .聚类分析在金融投资分析中的应用 [J].财经界 (学术版),2012,[7] 霍楠 .金融投资分析中的聚类分析方法应用 [J].现代商业 ,2010,02:18.[8] 刘沩玮.基于因子分析和聚类分析的创业板上市公司综合评价[J].财务与金融,2010[9] 吴家超.层次分析法在股票投资价值评价中的应用[J].行政事业资产财务,2014[10] 赵景妍.基于因子分析法的我国上市银行绩效研究[J].对外经贸,2013。