基于spss的股票量化投资决策
摘要：广大的投资者一直被具有“高收益、高风险”独特魅力的资本市场所吸引，而其股票市场则更是以其变幻莫测的股价走势被人们誉为“科学与艺术”的完美结合。为此，本文利用spss19.0软件对沪深股市的12只股票的综合价值进行因子分析及运用K-均值聚类将股票分为3类，为机构投资者以及散户投资者提供简单、科学的投资参考。
关键词：因子分析；主成分分析；聚类分析；投资决策
中图分类号：F830.9 文献标识码：A
文章编号：1005-913X（2014）10-0193-02
一、财务分析指标体系的建立
为了便于研究以及确保财务数据的相对真实，我们从光大证券客户端软件上截取了最新一期公司的每股收益（X1）、每股净资产（X2）、每股公积金（X3）、每股未分配利润（X4）、净资产收益率（X5）、流动比率（X6）以及流速比率（X7）7大财务指标。同时为了使研究更具普遍性，我们分别从文化传媒、医药、环境保护、能源、信息通讯、机械工业6大板块的的12只股票作为分析的样本。选取2014年第二季度报表参数，股票代码分别华策影视（300133）、华谊兄弟（300027）、云南白药（000538）、仁和药业（000650）龙净环保（600388）桑德环境（000826）、广聚能源（000096）、东华能源（002221）、烽火通信（600498）、中天科技（600522）、东方精工（002611）、海陆重工（002255）。
由于各指标数据量纲不同，无法进行统一计算。故需对原始数据进行标准化处理，在这里我们采用标准差法对数据进行标准化。
令Xj，Sj分别表示第j个指标样本平均值和样本标准差
标准化：
标准化处理后得到数据如表1所示
二、主成分模型的求解及分析
将表2中的数据带入spss19.0中进行主成分分析，生成的前三个主成分因素的累计贡献率已高达94.625%，说明前三个因素代表了绝大部分信息，能够从分反映原数据的大部分信息。
为了对每个因子载荷做合理的解释，采用方差最大正交旋转对因子载荷矩阵进行旋转，得到结果如表4。
由表2可知：
主因素1在每股净资产、每股未分配利润、每股收益3个指标变量上有大于0.7的载荷量，该因素主要反映的是上市公司的成长能力，其贡献率最大为44.084%，所以将该主因素命名为成长因素（Y1）。
主因素2在流动比率和速动比率2个指标变量上有大于0.7的载荷量，该因素主要反映的是上市公司的偿债能力，其贡献率为32.967%，所以将该主要因素命名为债务因素（Y2）。
主因素3在净资产收益率上的载荷量高达0.958，而净资产收益率又是主要反映上市公司盈利能力的重要指标，而其贡献率也有17.575%，所以将该主要因素命名为盈利因素（Y3）。
为了对个股进行综合评分，我们运用spss运算出因子载荷矩阵的标准化特征向量，最终得到标准化正交特征向量矩阵，如表3。
最后计算主成分，主成分计算公式为：
原始数据标准化后的矩阵（表2）*标准化正交特征向量矩阵（表5）
在通过表2所示各主成分分析的方差百分比（第一主成分Y1占44.084%，第二主成分Y2占32.967%，第三主成分Y3占17.575%），计算出综合得分函数，其公式为：
Y综=0.044084Y1+0.32967Y2+0.17575Y3
则计算结果如表4所示。
由表4我们可以明显地看出所选12只股票的综合实力，手头资金尚不丰裕的散户投资者可以根据排名集中投资，即投资云南白药。但为了方便手头拥有较多资金，能够进行组合投资的投资者来说主成分分析并没有给出明确的分类。所以，下面依旧利用spss软件对股票进行科学的分类。
三、聚类分析模型的建立与求解
我们将各主成分得分系数带入spss中进行K-均值聚类得到表5（最终分类表）和表6（最终聚类中心）
由表5、6可以得出。
第1类股票成长能力、偿债能力、盈利能力各方面都比较好，适合中长线、较多资金投资。
第2类股票在偿债能力以及盈利能力方面有所欠缺但成长性还可以，所以适宜少量资金的长期持有。
第3类股票则在成长性和盈利能力方面欠缺，不建议持有该类股票。
四、结语
本文通过选取6大板块的12只股票运用spss软件进行主成分分析及聚类分析，将股票的财务指标量化，既克服了两种分析方法分别在组合投资与个股投资上的不足，又将二者的长处合为一体，并且简单明了地将分析结果给了出来，帮助投资者特别是散户投资者科学、理性地进行投资。但毕竟股市是“科学与艺术”的结合品，想完全依靠数学分析软件对股价走势进行精准的预测从而获利也是不现实的，将股票量化进行投资也只是尽可能低降低投资者投资的盲目性与减少损失，并不能完全达到稳赚不赔的投资目标。所以，每一股市投资者心中仍然需要牢记“股市有风险，入市须谨慎”，并在此基础之上运用数学分析软件进行理性投资。
参考文献：
[1] 邓维斌，唐兴艳.spss19.0统计分析使用教程[M].北京：电子工业出版社，2012.
[2] 王庆庆.股票综合得分的主成分分析[J].学术讨论，2009（12）：297-298.
[责任编辑：文 筠]