股票投资选择中的主成分分析毕业论文
主成分分析在投资组合中的应用研究
主成分分析在投资组合中的应用研究主成分分析（Principal Component Analysis，简称PCA）是一种常用的数据降维方法，广泛应用于各个领域中。
在金融领域中，主成分分析也被广泛应用于投资组合的创建与管理中。
本文将探讨主成分分析在投资组合中的应用研究。
首先，我们需要了解主成分分析是什么以及它的原理。
主成分分析是一种线性降维技术，通过将原始数据从高维空间映射到低维空间，从而降低数据的维度。
通过最大化新特征空间上的方差，主成分分析可以找到保留数据最重要信息的投影方向。
在金融中，我们可以将投资组合看作是多个资产的组合，每个资产代表一个维度，那么主成分分析可以帮助我们将投资组合从高维的资产空间降维到低维空间。
主成分分析的第一应用是投资组合构建。
在构建投资组合时，我们需要考虑多个因素，如风险、收益等。
主成分分析可以通过找出风险与收益之间的最佳平衡点，帮助我们构建一个具有多样性和稳定性的投资组合。
通过将资产在主成分空间上的投影，我们可以得到每个资产的主成分系数，这些系数描述了资产在整个投资组合中占据的重要性。
我们可以根据这些系数调整投资组合的权重，以达到最优的风险与收益平衡。
其次，主成分分析还可以应用于投资组合的风险管理。
在金融市场中，风险是不可避免的，而理性的投资者必须寻找最优的风险管理策略。
主成分分析可以帮助我们识别出最主要的风险因素，并对投资组合进行风险分析。
通过计算主成分的方差贡献率，我们可以确定哪些主成分解释了大部分的风险，然后可以将投资组合中的资产分布在这些主成分上。
这样做可以帮助我们控制投资组合的整体风险水平，并在市场行情变动时及时进行调整。
此外，主成分分析还可以应用于投资组合的监测和评价。
对于一个已有的投资组合，我们可以使用主成分分析来评估其表现和稳定性。
通过计算每个主成分的贡献率，我们可以了解每个主成分对投资组合的影响程度。
如果某个主成分的贡献率较低，说明该主成分对投资组合的影响较小，我们可以进一步优化资产配置，以降低风险并提高收益。
基于主成分分析法的股票选取模型研究
基于主成分分析法的股票选取模型研究一、导言股票投资是一种风险较高的投资方式，投资者需要精准的数据分析方法支持自己的投资决策。
目前，基于大数据分析的股票选取模型已经成为了投资者的首选。
其中，主成分分析法（PCA）是一种常用的统计分析方法，其可以将高维数据转化为低维数据，从而去除冗余信息，提高数据处理效率。
本文将探究基于主成分分析法的股票选取模型，分析其优缺点及实际应用效果。
二、主成分分析法概述主成分分析法是一种多元统计分析方法，其可以将多个相关变量转化为几个互相独立的主成分，这些主成分能够解释原始数据大部分的方差。
主成分分析法广泛应用于数据降维、数据可视化、特征提取等领域。
主成分分析法的数学原理比较复杂，主要是通过矩阵的转化运算实现。
下面是主成分分析法的数学模型：设有p个变量X1、X2、...、Xp，则主成分分析法的模型为：X1=α11F1+α21F2+...+αp1FpX2=α12F1+α22F2+...+αp2Fp...Xp=α1pF1+α2pF2+...+αppFp式中，F1、F2、...、Fp 是主成分，αij 是第i个变量在第j个主成分上的载荷。
主成分分析法的具体实现过程主要包括：数据标准化、计算方差-协方差矩阵、特征值分解、主成分数量确定、主成分计算等步骤。
三、基于主成分分析法的股票选取模型基于主成分分析法的股票选取模型的基本思路是将股票市场的各项指标作为多个变量，通过主成分分析法得出各个变量的主成分，然后将主成分综合起来，选取排名靠前的股票进行投资。
具体实现步骤如下：1、确定股票指标选择好的股票指标是建立模型的基础，通常包括市盈率、市净率、总资产收益率、股息率等。
2、数据标准化对选定的指标数据进行标准化，使其具有可比性，且具有相同的权重。
3、计算方差-协方差矩阵计算选定的指标数据的方差-协方差矩阵，这里的方差-协方差矩阵是由各个指标间的协方差组成。
4、特征值分解对方差-协方差矩阵进行特征值分解，得到各个特征值和对应的特征向量。
主成分分析法在证券投资选股中的运用
主成分分析法在证券投资选股中的运用作者：夏晶晶来源：《环球市场》2020年第10期摘要：量化投资交易的应用越来越广泛，其中量化选股是整个投资交易过程的第一步，也是至关重要的环节，有效的选股策略能够帮助投资者获取投资收益。
主成分分析法常被用于选股策略中，其主要通过主成分分析法构建指标体系，来评价上市公司的投资价值。
实证分析中，选取新三板挂牌的17家物业公司，并依据企业的偿债能力、股本扩张能力、盈利性、成长性选择10个财务指标进行分析，对上市公司综合评分，给予投资建议。
关键词：量化选股;主成分分析;财务指标一、前言随着投资组合理论的发展，量化投资分析选股的方法逐渐成为证券投资分析的主流选股方式，它可以大幅提高投资效率，优化投资组合管理和风险控制。
其中量化投资的应用在欧美市场，特别是美国市场发展十分成熟。
国内量化投资的应用还处于初级阶段，但随着金融市场的完善，越来越多的投资者和投资机构使用量化投资进行选股和资产配置。
目前，在量化选股方法有多因子选股、风格轮动选股、行业轮动选股以及趋势跟踪选股，其中最常用的是多因子选股策略，主成分分析法是构成该策略的方法之一。
二、主成分分析法的理论及指标处理（一）主成分分析法的基本思想主成分分析法是一种将多个变量因子转变为几个综合指标的降维分析方法。
首先从财务报表中选择相关财务指标作为因子变量，并将这些因子简化相互之间没有相关性的几个主成分，每一个主成分都解释原先财务数据所包含的大部分信息。
其次，从简化的几个主成分中提取出具有较强解释力的新主成分，并根据不同成分因子的方差百分比赋予新主成分不同权重，建立多因子综合打分的选股模型，对所选上市公司进行综合扫分排名，以此评价其投资价值。
（二）财务指标选择通常具有投资价值的公司，其财务报表便能反映其价值，故而选取财务指标作为投资价值分析的变量因子，构建的指标体系要考虑四个方面，即公司的成长性、盈利性、股本扩张能力以及偿债能力。
本文基于物业管理行业，选取如下指标：流动比率、资产负债比率、每股收益、销售净利率、净资产收益率、每股净资产、每股资本公积金、每股未分配利润、净利润增长率、营业收入增长率。
基于主成分分析的股票投资策略
Ｖ １２ Ｎｏ １ ０．８ ．
长 春师 范学 院学 报 （ 自然科 学版 ）
Ｊｕ ｌ ｆ ｂ ａ ｈｎＮ ｒ ｌ ｎ ｅ ｉ （ ａ ｒ ｉ ｃ ｝ ｏｍａ ｏ ． ｇ ｕ ｏ ｉ ｒｔ Ｎ ｔ ａ Ｓ ｅ ｅ Ｃｍ ｅ ｍａ Ｕ ｖ ｓｙ ｕ ｌ ｃ ｎ
２０ ０ ９年 ２月
Ｆ ｂ２ ｏ ｅ ．０ ９
基 于 主成 分 分 析 的股 票 投 资策 略
李建 军，虞 跃
２０９ ） １０４ （ 南京理 工大 学统 计与 金融数 学 系 ，江苏南 京
［ 摘
要］本文利用主成分分析方法对沪深股市 ３ 个主流板块的股票进行分析，从中选取各个板块具
有 高成 长和盈利能力的股票组 成股票池 ，并 对股票池 中的股票再次进行主成分分析 ，得到上市公 司成
十年 的发展 ，价值 、成长 投资理 念被 人们 普遍 接受 ，只 有那 些 真正 具有 内在价 值 ，成 长性 良好 的上 市公 司 ， 才能让 投资 者在 公 司财 富增长 过程 中获 得较好 的投 资 收益 。主成分 分析 的方法 可对 上市公 司 的价值 、成 长进
行综 合评估 。１３本文 基 于主成 分分 析 的分析结 果 ，提 出相应 的股 票投资 策略 。 ［ ］ — １ 主成 分分 析
主成分 分 析是将 多个 变量 通 过线性 变换 以选 出较少 重要 变量 的一 种多元 统计分 析方 法 ，它 旨在利 用降维
的思 想 ，把 多 指标 转化 为少数 几个 综合 指标 ，又称 主分 量 分析 。在实 际课题 中，为了全量 （ 因素 ） 或 ，因为每个 变量都 在 不 同程 度上 反 映这 个课 题 的某 些 信 息 。但 是 ，在
∑
主成分分析在投资组合中的应用——以中芯概念股为例
主成分分析在投资组合中的应用——以中芯概念股为例导语：在金融投资领域，投资者常常面临着如何进行投资组合的选择和调整的问题。
而主成分分析（Principal Component Analysis，PCA）作为一种常用的数据降维技术，可以帮助投资者理解和优化投资组合。
本文以中芯国际（中芯概念股）为例，探讨主成分分析在投资组合中的应用。
第一部分：主成分分析原理及其在投资组合中的意义主成分分析是一种通过线性变换将数据从原始高维空间转换为低维空间的统计技术。
它的主要目标是找到一组新的正交维度（主成分），这些维度能够尽可能地保留原始数据中的信息。
在投资组合中，主成分分析可以帮助投资者降低数据维度，理解投资组合中的关键变量，并发现隐藏在数据背后的潜在规律。
第二部分：中芯国际的投资组合分析中芯国际是中国领先的半导体制造企业之一，是中国大陆唯一一家集成电路制造商，被称为中芯概念股。
我们以中芯国际近期发布的财务数据和相关指标作为研究对象，运用主成分分析方法对其投资组合进行分析。
1. 数据收集与准备首先，我们收集中芯国际的近期财务数据，包括营收、利润、资产负债表以及市场指标等相关数据。
然后，将这些数据进行归一化处理，确保在进行主成分分析时数据具有可比性。
2. 主成分分析基于归一化后的数据，我们利用主成分分析对中芯国际的投资组合进行降维和指标提取。
通过计算主成分分析后的特征值和特征向量，我们可以确定各个主成分的重要性和贡献度。
根据特征值的大小，我们选择保留主成分的数量以达到较高的信息保留率。
3. 结果解读通过主成分分析，我们可以将中芯国际的投资组合映射到一组新的主成分上。
这些主成分可以表示数据中的相关变量，并帮助我们理解投资组合中的关键因素。
通过观察主成分的贡献度和特征向量，我们可以发现哪些指标对中芯国际的业绩和市场表现具有更大的影响力。
第三部分：主成分分析结果与投资决策基于对中芯国际投资组合的主成分分析结果，我们可以得出一些关键结论。
基于主成分分析法的股票最优选择
基于主成分分析法的股票最优选择作者：黎涵予邵振东张子涵袁玉来源：《科学与财富》2020年第33期摘要：在数学方法百出的今天，选择合适的模型对经济问题进行分析，往往可以通过剖析已有数据，在已有数据的基礎上，得出最优方案解。
在本文中我们通过主成分分析法讨论股票，在网络爬取的数据下，将数据分为几种因素，每个因素从某一方面反映了股票的变化情况，要综合多个影响因素评价指标进行分析。
使用主成分分析法对股票数据进行分析，进而得出最优方案。
关键词：主成分分析法;MATLAB;最优选择0引言目前，中国市场交易制度、信息披露制度和证券法规等配套制度体系已经建立起来，投资者日趋理性和成熟，机构投资者迅速发展已具规模，政府对证券市场交易和上市公司主体行为的监管已见成效[1]。
近年来我国资本市场的发展和证券交易规模不断扩大，越来越多的资金投资于证券市场，与此同时市场价格的波动也十分剧烈，而波动作为证券市场中最本质的属性和特征，市场的波动对于人们风险收益的分析、股东权益最大化和监管层的有效监管都有着至关重要的作用，因此研究证券市场波动的规律性，分析引起市场波动的成因，是证券市场理论研究和实证分析的重要内容，也可以为投资者、监管者和上市公司等提供有迹可循的依据。
所以本文对引起市场波动的几个成因进行分析，得出最优方案。
1 数据选择本文数据我们从网上随机爬取，测试模型的可行性。
选取对股票波动的几个影响因子：开盘价格、最高价格、最低价格、收盘价格、成交量。
选好数据后，要对原始数据进行标准化变换。
下文有提到。
2 主成分分析模型的建立与求解2.1主成分分析法的基本思想主成分分析是将原来许多个有一定相关性的指标重新组合成一组新的互相无关的综合指标。
在分析过程中，我们应从原始变量中导出少数几个主成分，使它们尽可能多地保留原始变量的信息。
2.2主成分分析模型的建立（1）确定分析变量，搜集数据资料。
（2）对原始数据进行标准化变换。
原始数据标准化是为了消除由于量纲的不同可能带来一些不合理的影响。
基于主成分分析的股票市场波动分析
基于主成分分析的股票市场波动分析近几年，股票市场的波动性越来越常见，从全球金融危机到最近的新冠疫情，各种风险都可能导致股票市场的剧烈波动。
因此，对于股票市场的波动性进行研究和分析对于投资者和机构来说具有重要意义。
在这篇文章中，我们将介绍主成分分析的基本原理，并探讨它在股票市场波动性分析中的应用。
一、主成分分析的基本原理主成分分析是一种多变量数据分析方法，用于降维和数据的变换。
在主成分分析中，通过数学方法将样本数据变换到不同的坐标系下，使得新的坐标系下的数据方差大幅度降低，尽可能的消除变量间的相关性。
这种变换会产生一组新的主成分，每个主成分代表原始数据中的一些变化，并且这些主成分相互独立。
主成分分析的目的是减少数据集的维度，同时保留大部分的数据信息。
二、主成分分析在股票市场波动性分析中的应用1. 收集数据我们可以选择一组股票数据的时间序列，例如每日收盘价，股票交易量，价格波动率等，这些数据都可以用于股票市场波动性的研究。
选择的这些数据应该反映市场变化和股票投资者的行为。
2. 分析数据我们可以把选定的指标作为原始变量，然后用PCA进行分析。
通过主成分分析，我们可以计算出各个主成分的贡献率，以及主成分和原始数据之间的相关性。
3. 解释结果一旦我们得到了主成分，我们需要解释他们的含义。
一些主成分可能代表市场大类资产的变化，例如股票市场的整体趋势或者市场风险。
其他主成分可能与特定行业或市场中的股票相关，例如科技股的趋势或者成长股的风险收益比。
4. 预测市场波动主成分分析可以用于预测市场方向并制定资产配置策略。
例如，如果我们的主成分分析显示市场主要由两个主成分控制，一个主成分受制于科技股的波动，而另一个受制于消费者品牌的波动，那么我们可以预测科技股在理论上更容易波动，于是我们可以考虑增加预算进行科技股投资或者消费者品牌投资的降低。
三、结语股票市场的波动性是无常的，但是主成分分析可以使得投资者对市场进行准确预测和制定符合自己需求的投资策略。
基于主成分分析的股票收益率预测研究
基于主成分分析的股票收益率预测研究股票投资一直以来都是投资市场上最为热门的投资方式之一。
每个投资者都希望能够在购买股票的时候，能够通过某种方式，预测股票未来的走势，从而达到获得更高收益的目的。
而股票收益率预测则是在股票投资中非常重要的一环，因为只有通过对股票收益率的准确预测，才能选择出更具有投资潜力的股票。
在股票投资领域，预测股票收益率是十分困难的，因为受到许多因素的影响，股票市场显得异常复杂。
然而，随着数据挖掘技术的不断发展，新的方法和技术逐渐应用在股票预测中，提高了预测的准确性。
其中的一种方法就是主成分分析。
主成分分析（PCA）是一种常见的多变量统计分析方法，它可以将具有较高相关性的多个指标转化为较少的几个主成分。
通过降维，将原来具有复杂关系的指标转化为较少的几个指标，从而更加直观和易于理解。
在股票收益率的预测中，主成分分析的应用可以帮助我们将原始的大量的股票数据降维，从而提高预测的准确性。
可以通过对买卖股票等多种因素，进行分析提取关键指标，用主成分分析方法将这些指标加权、综合，得出一组主成分，作为股票收益率的预测因素。
对于股票投资者来说，最重要的是提高预测的准确度，因此在选择股票收益率的预测模型时，需要采用较为精确的评价函数。
评价函数实际上就是一个衡量预测误差的指标，需要通过基于历史股市数据学习得来。
通常可以使用均方误差（Mean Squared Error，MSE）或者平均绝对误差（Mean Absolute Error，MAE）或者平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）等指标来评价预测模型的准确性。
在实际的股票收益率预测中，常常需要综合多种方法，采用集成学习的方法来提高预测的准确性。
集成学习可采用简单加权平均、随机森林、XGBoost等方法进行。
其中，随机森林可以通过对多个决策树的预测进行投票方式来得到最终结果，并且不容易产生过拟合问题，具有很高的稳定性。
- 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)。
目录中文摘要、关键词 (1)英文摘要、关键词 (1)正文 (2)一、引言 (2)二、上市公司财务指标的选择 (2)三、财务指标的主成分处理 (4)四、构造上市公司综合评价指数 (5)五、实例分析 (6)六、结果分析 (9)参考文献 (13)附表 (14)股票投资选择中的主成分分析摘要：股票市场变化莫测，股票价格涨跌无常。
如何从众多的上市公司中选择具有投资价值的股票进行投资，进而获得丰厚的投资回报，是许多投资者梦寐以求的一件事。
本文运用多元统计分析中的主成分分析方法，通过对上市公司的多个财务指标变量进行主成分处理，构造了上市公司的综合评价指数模型，从而为投资者选择提供一种投资参考。
关键字：主成分分析，股票投资，股票选择Abstract: The stock market is unpredictable, the rising and dropping of stock prices are variable. How to choose stock with a high investment value from numerous listed companies and then obtaining rich investment repayment are important matters for many investors. This paper utilizes the principal components analysis method of multi-dimensional statistical analysis. By using principal component method to process a number of listed companies financial indicators, it construct a comprehensive evaluation index model of listed companies, thus provide some valuable references for investors.Key worlds: principal components analysis，Stock Investment，Stock options一、引言随着我国市场经济的进一步发展，证券投资已成为企业与个人投资的热点，而证券投资是收益与风险并存的一大投资方向。
在众多上市公司中，如何选择行业股票，是股票投资者的热门话题，而在同一行业上市公司中，也是良莠不齐，投资者应该用综合的眼光分析上市公司的财务状况和发展潜力，才能选择收益大而风险小的上市公司进行投资。
然而多数投资者并不具备对上市公司进行综合定量分析的能力和方法，而只能从每股收益、每股净资产及净资产收益率三项指标进行简单对比。
有些系统分析者采用模糊评判的方法对上市公司的多项指标进行综合分析，但模糊综合评判法的最大缺陷是指标权重的确定问题，指标权重的确定尚未有公认的标准，而简单可行的各种主观确定指标权重的方法难免给问题的分析带来一定的偏差，使决策结果的可信度降低。
对于这类经济决策问题，单纯地运用统计分析又难于达到决策的目的，为此，我们将统计分析与多指标决策结合起来，首先运用多元统计分析中的主成分分析法对上市公司投资价值的多项指标进行了综合聚集，将上市公司繁杂的高维价值指标浓缩为互不相关的低维指标来处理，然后在理想点的基础上建立了综合评价指标，从而为机构管理者和决策者提供了一种科学而合理的决策依据和决策方法。
本文主要介绍股票选择时部分统计分析方法的运用。
二、上市公司财务指标的选择要分析上市公司的基本面，确定公司是否值得投资，首先要确定要分析上市公司的哪些指标。
如何选择正确而且有效的指标？我们认为，一个企业的是否值得投资，应从下面三个方面进行考虑，即公司的成长性、盈利能力、股本扩张能力三项上层指标来反映上市公司的投资价值，而这三项上层指标又分别由三项下层指标来具体体现。
为此我们选取了如下的指标：总资产增长率、主营业务收入增长率、净利润增长率、主营业务利润率、净资产利润率、每股收益、每股净资产、每股公积金、每股未分配利润。
总资产增长率：总资产增长率是企业本年总资产增长额同年初资产总额的比率，反应企业本期资产规模增长的情况。
主营业务收入增长率:主营业务收入增长率可以用来衡量公司产品的生命周期，判断公司发展所处的阶段。
一般来说：如果公司的主营业务收入增长率超过10%，说明公司产品处于成长期。
如果主营业务收入增长率在5%至10%之间，说明公司已经进入稳定期。
如果公司的主营业务收入增长率低于5%，说明公司已经进入衰退期。
净利润增长率：净利润是是一个企业最终经营的成果，净利润多，业效益就好，净利润少，业经营效益就差，它是衡量一个企业经营效益的重要指标。
其计算公式为：净利润增长率=（本期净利润增长额/上期净利润）*100%。
主营业务利润率：主营业务利润率主营业务利润与主营业务收入的比率。
该指标反映公司主营业务的获利水平。
净资产利润率：净资产利润率即净资产收益率。
定义公式为：净利润*2/（期初净资产+期末净资产）。
每股收益：它是测定股票价值的重要指标之一，是分析每股价值的一个基础性指标，是综合反映公司获利能力的重要指标，它是公司某一时期净收益与股份数的比率。
每股净资产：每股净资产是指股东权益与股本总额的比率。
这一指标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；每股净资产越少, 股东拥有的资产现值越少。
每股公积金：公积金是公司的“最后储备”，它既是公司未来扩张的物质基础，也可以是股东未来转赠红股的希望之所在。
每股未分配利润：未分配利润是企业留待以后年度进行分配的结存利润。
未分配利润有两个方面的含义：一是留待以后年度分配的利润；二是尚未指定特定用途的利润。
其基本框架如下图所示：()m n ij y Y ⨯= 。
步骤2 计算样本的指标的相关系数，得所有样本的指标相关矩阵()mm jkr R ⨯=,其分。
假设选择了s 个主成分,则构造上市公司的综合评价指数P 为：P = α1z1+ α2z2+ ⋯+αs z s(αi为权重) ( *)通过上市公司所公布的数据，计算上市公司的综合评价指数，得出排名，排名靠前的公司是最值得投资的公司，排名靠后的公司则相应的没有排名靠前的公司有投资价值。
给出投资者参考的意见。
五、实例分析目前全世界都陷入了粮食危机，世界粮食价格持续上涨，给国内的农业板块上市公司带来了机会，因此大多数投资机构认为农业板块的投资机会已经出现了。
我们分析沪深两市中的农业板块的上市公司，以选择出最具有投资价值的公司。
沪深两市农业板块共18家上市公司，其基本数据如附表一所示。
截止到2008年4月，对沪深两市18家农业上市公司，根据2008年第一季度财务报告，得出附表一中的各项数据，其中增长率为与上年同期相比算出，即2007年第一季度。
按照主成份处理的步骤，首先将所得到的原始数据用SPSS软件得出标准化后的数据。
数据如下表二所示：(表中已经剔除了九发股份和绿大地)表二：经过SPSS标准化后得到的数据其中：M1—M9分别代表：总资产增长率、主营业务收入增长率、净利润增长率、主营业务利润率、净资产利润率、每股收益、每股净资产、每股公积金、每股未分配利润。
N1—N16分别代表：禾嘉股份、亚盛集团、冠农股份、ST中农、敦煌种业、我们选取累计贡献率t m∂>95%,则选取六个主成份来代替原来的九个变量，其中可以看到，排名前的上市公司的股价都比较高，而排名较后的上市公司的股价则比较低。
我想这也充分体现了市场对上市公司投资价值的预期。
因为具有高投资价值的公司总是会受到投资者的追捧的。
我们还可以看到，排名第三的000998隆平高科和排名第四的000972新中基得分分别为0.657和0.619.但是股价却相差了将近一倍，所以我认为，可能存在两种情况：一种是000998的隆平高科的股价高估；另一种情况是000972的新中基的股价低估。
在这种情况下，我们可以比较原始的数据，发现000998的隆平高科的主营收入增长率是负的，也就是说其公司的主营收入在走下坡路。
所以在这种情况下我建议投资者应当更关注000972的新中基。
而排名第六的600540新赛股份和排名第七的600506香梨股份，得分十分接近，但股价则相比000998隆平高科和000972新中基要接近些，所以我们认为这是上市公司投资价值在股票价格上的真实显示。
上文分析所得结果与机构投资者给出的投资评级基本相似，唯一的不同来自于600844的丹化科技，机构投资者给出的投资评级为中性，而按照上文分析的结果应当为增持。
出现这种差异的原因可能有如下两点：一是目前丹化科技的股价已经充分包含了主营收入增长6200.2%的这个概念，股价已经提前反映。
二是在财务报表公布之前，投资者已经有了预期，而使其股价上涨。
虽然上文分析所得结果与机构投资者所给出的投资评级有细微出入，但其他个股基本趋同，这个数据从侧面说明了这篇文章的分析结果有一定的指导意义。
虽然我们经过对上市公司原始财务数据的主成分分析得出了一些具有指导意义的结论，但这些只是最粗略的统计分析，给出的也只是一些指导意义的结论。
我们所给的价格也是最粗略、最简单的比较。
就像有些学者所说，股市也许是一个无法预测的东西，所以我们应当更注重于价值投资，而不是投机。
要想得到更为精确的结论，我们还需要更进一步的研究。
参考文献[1]何文章，张凤武.多元统计在上市公司财务年报分析中的应用[J].运筹与管理,1998.(4):94～98.[2]何晓群. 现代统计分析方法与应用[M]. 北京: 中国人民出版社,1999[3]张蕊. 企业战略经营业绩评价指标体系研究[J]. 北京:中国财政经济出版社,2002.[4]符志民等. 绩效评价体系研究[J]. 系统工程与电子技术,2001,(9)[5]刘波. 中国证券市场实证分析[J]. 北京: 学林出版社,1997: 271～282.[6]古扎拉蒂. 林少宫译. 计量经济学[M]. 2000.3 中国人们大学出版社[7]宜家骥.多目标决策[M].长沙：湖南科技科技出版社，1989.[8]胡汝银主编. 中国上市公司成败实证研究[M] . 上海:复旦大学出版社,2003[9]吕盛鸽.多元统计在组合投资中的应用研究[M].北京:中国财政经济出版社,2002.[10]黄良文. 统计学原理[M].北京：中国统计出版社,2000[11]林海明，张方霖.主成分分析与因子分析详细的异同和SPSS软件[J].统计研究2005(3)[12]张祥建，裴峰等.上市公司核心能力、盈利性与成长性的实证研究：以“中证·亚商上市公司50强”为例[J].会计研究,2004,(7):72-77.[13]许广义，赵继伟.基于资源和能力的企业竞争力评价研究[J].哈尔滨商业大学学报，2004,（1）：79-80.[14]颜光华等. 知识管理绩效评价研究[J]. 南开管理评论,2001,(6).[15]永祥,黄祖辉. 上市公司的股权结构与绩效[J] . 经济研究,1999.总资产增长率和净利润增长率的原始数据（附表二）文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持. 18文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.。