主成份分析法(PCA)在二级市场中的选股应用
伴随着中国股市的蓬勃发展与日臻完善,股票价格向内在价值的回归将会成为未来股市发展的重要方向。理智的股票投资者,将会更加注重上市公司的经营状况和财务状况,以及股票的自身价值。随着股市发展、投资策略和证券监管方法的成熟,以及上市公司数量的不断增多,如何科学合理的进行股票的分析和选择是每一个投资者所要解决的首要问题。
主成份分析法能够对上市公司财报中大量的财务指标简化,筛选出能够代表大多财务指标的所谓主成分指标,为投资者可以二级市场中的股票选择提供良好的参考。下面文章将进一步介绍主成份分析PCA的量化分析方法。
主成份分析法(Principal Component Analysis)是一种降维的统计方法,它可以用尽量少的综合指标来代替众多的原始数据,并尽可能多的反映原始数据所提供的信息。简而言之,是寻找最小均方差意义下,最能代表原始数据的投影方法。通过对样本数据协方差矩阵的分析,找出影响个股业绩的几个综合财务指标,使得我们在评估个股时更容易抓住主要矛盾。
从理论上讲,主成份分析法的目标是寻找 r(r<n)个新变量,这 r 个新变量称为“主成份”,它们可以在很大程度上反映原来 n 个变量的影响,并且这些新变量是互不相关的,也是正交的。每个新变量是原有变量的线性组合,体现原有变量的综合效果。通过主成分分析,可以进行数据空间的压缩,将多元数据的特征在低维空间里直观地表示出来。
具体来讲,主成份分析的步骤如下:
以上就是主成份分析法的基本步骤。在二级市场的选股中,我们可以将主成份分析法应用于上市公司的财务报表分析,基于大量的财务指标中筛选出主成份作为指标,进而评估个股综合业绩,对上市公司的经营状况做出较为及时、全面、准确的判断。



雷达卡






京公网安备 11010802022788号







