下载文档原格式
因子分析和聚类分析在证券投资中的应用摘要：中国证券市场作为一个新兴的证券市场，从2001年以来，市场环境发生了重大的变化。
而市场环境的变化又导致盈利模式、投资策略和操作理念等诸多方面发生了深刻的变化。
投资者开始对价格操纵型的市场盈利模式进行反思。
本文通过因子分析和聚类分析方法分析了在中国证券市场如何进行投资决策的问题。
通过对证券市场的背景的分析，阐述上市公司投资取向研究的重要性。
通过因子分析为具体研究做好理论铺垫，并为优化各类投资者投资取向的选择提供可资借鉴的经验。
将聚类分析方法引入证券投资分析中，建立较为全面的综合评价指标体系,衡量样本股票的"相似程度"。
然后通过聚类分析模型来确定投资范围和投资价值。
该方法能帮助投资者准确地了解和把握股票的总体特性,预测股票的发展潜力,并通过类的总体价格水平来预测股票价格的变动趋势,选择有利的投资时机。
关键词：证券投资因子分析聚类分析AbstractChinese securities market as an emerging stock market, since 2001, great changes have taken place in the market environment. And the change of market environment and lead to profit mode, investment strategy and operation idea, profound changes have taken place in many aspects, such as. Investors began to reflect the market profit model of the price control type. This article through the factor analysis and cluster analysis methods to analyze how to make investment decisions in China securities market. Through the analysis of the background of the securities market, the paper expounds the importance of investment orientation of listed companies to study. Through factor analysis theory foreshadowing for the concrete research, the choice of all investors and to optimize the investment orientation provides the experience for reference. The clustering analysis method is introduced into the securities investment analysis, set up the comprehensive evaluation index system, comprehensive measure sample stock "similarity". And then through the cluster analysis model to determine the scope of the investment and investment value. This method can help investors to accurately understand and grasp the overall characteristics of stock, predict the stock development potential, and through the class's overall price level can be used to predict the change trend of the stock price, choose good investment opportunity.引言：中国证券业自二十世纪九十年代至今正在迅速发展壮大，随着我国市场经济建设的不断发展，人们的金融投资意识也在日益加强，越来越多的投资者把目光放到了证券市场。
聚类分析和因子分析在房地产股票中的应用【摘要】本文主要探讨了聚类分析和因子分析在房地产股票中的应用。
首先介绍了研究背景、研究意义和研究目的，然后详细分析了聚类分析和因子分析在房地产股票中的具体应用。
接着讨论了聚类分析和因子分析的优势和局限性，并进行了比较分析。
结论部分总结了房地产股票中聚类分析和因子分析的重要性，并展望了未来的研究方向。
本文从多个角度全面分析了聚类分析和因子分析的应用，为相关领域的研究提供了重要参考。
【关键词】房地产股票、聚类分析、因子分析、应用、优势、局限性、比较、重要性、未来研究、结论1. 引言1.1 研究背景房地产行业作为我国经济的支柱产业之一，一直受到广泛关注。
而房地产股票作为房地产行业的重要组成部分，其价格波动不仅受到宏观经济环境影响，还受到内在因素的影响，如公司盈利能力、资产规模、市场份额等。
对房地产股票的分析研究显得尤为重要。
随着数据科学和统计分析技术的日益发展，聚类分析和因子分析这两种统计方法在房地产股票的分析中得到广泛应用。
聚类分析可以帮助我们将股票按照其特征进行分类，找出相似的股票，从而更好地进行投资组合管理和风险控制。
而因子分析则可以揭示影响股价波动的主要因素，帮助投资者更好地理解市场。
本文旨在探讨聚类分析和因子分析在房地产股票中的应用，分析它们的优势和局限性，并比较两者的特点。
希望通过本文的研究，为投资者提供更科学的投资决策依据，促进房地产股票市场的健康发展。
1.2 研究意义截止到目前，房地产市场一直是一个备受关注的行业，股票市场中的房地产股票更是受到投资者青睐。
在这个背景下，对房地产股票进行聚类分析和因子分析具有重要的意义。
通过聚类分析和因子分析，可以帮助投资者更好地了解房地产股票市场的特点和规律。
这对于投资者制定投资策略、进行风险管理和实现投资组合优化都具有重要意义。
通过深入研究房地产股票的聚类结构和因子构成，投资者可以更准确地把握市场的走势，提高投资决策的准确性和效率。
在报告中运用聚类分析和因子分析进行市场定位和目标市场筛选聚类分析和因子分析是市场定位和目标市场筛选中常用的数据分析方法。
聚类分析通过将样本分为若干个组，每个组内样本之间的相似性大，组间的相似性小，来实现对市场的细分。
而因子分析则是利用统计方法寻找一组隐含的指标，将多个变量综合在一起，以减少分析中的复杂性。
本文将从以下六个方面探讨如何运用聚类分析和因子分析进行市场定位和目标市场筛选。
一、市场分析与定位市场分析是了解市场的核心，通过对市场的调查、研究和分析，综合考虑市场的需求、竞争状况、消费者行为等因素，找出市场的特点和规律，为市场定位提供依据。
聚类分析可以帮助识别不同类型的市场细分，通过对样本的关键特征进行聚类，可以发现不同市场细分的共性和差异，从而确定最佳的市场定位策略。
二、因子分析与指标选择在进行市场定位和目标市场筛选时，需要选择评价指标来衡量市场的不同特征。
因子分析是一种常用的分析方法，它可以将多个相关变量综合起来，构建一组隐含的指标，提高分析的效率和准确性。
通过因子分析，可以从众多的指标中筛选出影响市场定位和目标市场选择的关键因素，为后续的决策提供依据。
三、聚类分析与市场细分市场细分是对市场按照某种标准进行划分，将市场划分为若干个具有相似需求的小群体。
利用聚类分析可以将样本按照某些特征进行分组，每个组内的样本相似性大，组间的相似性小。
通过将市场细分成若干个具有相似需求和行为的细分市场，可以更加精准地满足不同市场的需求，提高市场营销的效果。
四、因子分析与市场定位市场定位是为了满足目标市场的需求，将产品或服务定位于市场中具有较高竞争力的位置。
因子分析可以通过构建一组隐含的指标，综合考虑多个指标的影响，挖掘出影响市场定位的关键因素。
在市场定位过程中，可以利用因子分析确定产品或服务的核心竞争力，找到与目标市场需求匹配的差异化优势。
五、聚类分析与目标市场筛选目标市场筛选是根据市场细分和目标市场的需求特点，选择最合适的目标市场。
聚类分析和因子分析在房地产股票中的应用聚类分析和因子分析是现代统计学中常用的两种数据分析方法，在房地产股票市场中也有着广泛的应用。
通过这两种方法，投资者和分析师可以更好地理解房地产股票市场的特征和规律，从而为投资决策提供更为可靠的依据。
聚类分析是一种以相似性为基础的数据分析方法，它将数据集中的个体划分为若干个具有相似特征的群体，从而帮助我们发现数据集中的内在结构。
在房地产股票市场中，聚类分析可以帮助投资者和分析师理解不同房地产股票之间的相似性和差异性，从而帮助他们识别出潜在的投资机会。
聚类分析可以帮助我们找到某些房地产股票在市场表现上有较大相似性的集群，从而为我们提供一种更为系统化和客观的投资组合构建方法。
聚类分析也可以帮助投资者和分析师发现一些市场中的特殊规律，比如某些类型的房地产股票可能在某些特定市场环境下表现更为突出，这些规律有助于我们更好地把握市场的脉搏。
因子分析是一种通过寻找共性因子来揭示数据内在联系的方法，它可以帮助我们理解数据集中的潜在结构和变量之间的关系。
在房地产股票市场中，因子分析可以帮助我们发现不同房地产股票之间的共性风险因子和收益因子，从而帮助我们更好地管理和分散投资风险。
因子分析可以帮助我们找到某些共性因子，比如宏观经济因素、利率变动、政策法规变化等，这些共性因子可以帮助我们更好地理解市场的整体走势和风险特征，从而帮助我们更为有效地进行投资组合的构建和风险管理。
在实际应用中，聚类分析和因子分析常常结合使用，从而为投资者和分析师提供更为全面和深入的市场信息。
通过聚类分析，我们可以找到具有相似特征的房地产股票子集，然后通过因子分析，我们可以找到这些股票子集中的共性风险因子和收益因子。
通过这种结合使用的方法，我们可以更好地发现市场的内在结构和规律，从而更为准确地预测市场未来的走势和风险状况。
除了帮助投资者和分析师更好地理解市场特征和规律，聚类分析和因子分析还可以帮助我们从更深层次上认识和理解房地产股票市场的发展趋势和演变规律。
基于因子分析和聚类分析上市房地产公司的财务风险评价作者：郭立硕王兆刚李星来源：《中小企业管理与科技·下旬刊》2015年第01期摘要：首先对本文中采取的统计学方法因子分析和聚类分析思想进行了简单的阐述。
通过选取20家房地产上市公司2013年的财务数据建立财务指标体系，共选取17个财务指标，运用SPSS软件结合因子分析和聚类分析，以6个主因子的得分作为变量对20家上市公司分类并结合实际情况给予财务风险评级。
对于最后的评级结果提出了自己的建议。
关键词：房地产上市公司财务风险因子分析聚类分析0 引言据统计，我国80%左右的土地购置和房地产开发资金，是直接或者间接地来自银行贷款，同时为了扩大资金，大的地产企业通过公司上市发行股票、债券等金融产品吸纳资金。
这些风险无疑就转嫁给了银行，信贷机构，投资者。
因此如何有效评价和防范风险，使得房地产企业健康有序发展，是我们急需解决的问题。
1 因子分析及聚类分析思想1.1 因子分析的思想因子分析的基本思想是根据相关性大小把原始变量分组，使得同组内的变量之间相关性较高，而不同的变量之间的相关性较低。
每组变量代表一个基本结构，用一个不可观测的综合变量表示，这个基本结构就称为公共因子。
用较少的综合指标分析存在于各变量中的各类信息，而各综合指标之间彼此是不相关的，代表各类信息的综合指标称为因子。
因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计学方法。
因子分析有如下特点：①因子变量的数量远少于原有的指标变量的数量，对因子变量的分析能够减少分析中的计算工作量。
②因子变量不是对原有变量的取舍，而是根据原始变量的信息进行重新组构，它能够反映原有变量大部分的信息。
③因子变量之间不存在线性相关关系，对变量的分析比较方便。
④因子变量具有命名解释性，即该变量是对某些原始变量信息的综合和反映。
因子分析的出发点就是用较少的独立变量的因子变量来代替原来变量的大部分信息。
聚类分析和因子分析在房地产股票中的应用
聚类分析和因子分析是统计学中常用的两种数据分析方法，它们在房地产股票市场的应用可以提供有关多个股票之间的关系和特征的洞察。
聚类分析是一种将相似的对象组合成一组的分析方法。
在房地产股票市场中，可以使用聚类分析将股票按照它们的特征和表现划分为不同的群组。
通过将股票分类为不同的群组，可以帮助投资者更好地理解各种股票的特点和相似性，以便做出更明智的投资决策。
可以通过聚类分析将房地产股票市场中的股票划分为不同的群组，如低风险稳健型、高成长型、高风险高回报型等。
这样一来，投资者可以根据自己的投资偏好和风险承受能力选择适合自己的股票投资组合。
聚类分析还可以帮助投资者识别市场中的新兴趋势和机会，并为他们提供更准确的市场预测和投资建议。
因子分析是一种用于确定多个变量之间关系的统计分析方法。
在房地产股票市场中，因子分析可以帮助投资者确定影响股票表现的主要因素。
这些因素可以是各种经济指标、公司基本面数据或市场因素等。
通过因子分析，投资者可以更好地理解房地产股票的价格波动和相关因素，并利用这些信息制定更好的投资策略。
聚类分析和因子分析是在房地产股票市场中应用广泛的数据分析方法。
它们可以帮助投资者更好地了解股票之间的关系和特征，并帮助他们做出更明智的投资决策。
通过聚类分析和因子分析，投资者可以更准确地预测市场走势、识别投资机会，并优化自己的投资组合。
理论探讨内蒙吉统计聚类穷析和因子分析在股票投资中的应用李德荣何莉敏李玉随着我国股票市场的不断发展，股票投资已经成为我国投资者的主要投资途径，而且也将成为我困投资者的重要投资渠道。
因此．他们必须重视上市公司的经营业绩．重视股票自身的晶质，即重视投资对象的选择。
面对众多股票及每个公司的众多财务数据，怎样才能客观、全面、准确的分析并选出绩优股和潜力股呢?多元统计方法中的聚类分析和因子分析在股票的综合评价中有着广泛的应用。
在对上市公司进行综合评价时．先用聚类分析进行分类．然后再利用因子分析法对多维变量进行降维。
降维后的变量是原变量的线性组合．并能反映原变量绝大部分信息，使信息的损失最小，对原变量的综合解释能力强。
该方法通过因子的方差贡献率来表示变量的作用。
可避免在系统分析中对权重的主观判断．使权重的分配更合理，尽可能地减少重叠信息的不良影响，克服变量之间的多重相关性．使系统分析简化。
一、数据的选取本文研究的数据选自沪深两市A 股19家钢铁行业上市公司2006年数据．选择每股收益。
投资收益。
净利润等9项财务指标．对这些钢铁公司进行了聚类分析和因子分析，将它们进行分类。
为股票的分析和选择提供依据。
二、聚类分析通过SPSS 软件对样本数据进行层次聚类分析，层次聚类分析中，样本间的距离计算欧式距离、小类间距离以离差平方和法计算。
对样本数据作z 处理．即标准化．得表l 。
裘1样本屡次聚类中凝聚状态Clus te r C om bi n edStage C l u s t er Fi rstSt a g eC oe ffi c i ent sA ppear sN ext StageClus te r l C l u s t er 2Clus te r IC l u s t er 2I 2170．015O O I l26190．0360O 43l150．0600010446O ．086O 2125350．1140O 106l l 160．14600877130．20I O 0128JJJ 80．2626l IC l u s t er C o m bi ne dSt age C l u s t er Fi rstStageCoef f i ei e nt sA ppear sN ext StageC l u s t er lC l u s t er 2C l u s t er lC l u s t er 29l O 140．3260O1410l 30．39935161l 2l l 0．48781512470．5774715139120．6720O 17148i 00．825O91615240．99l l I 12171681．295l O 141817291．5991513181822．2581617输出结果第一行数据的含义是在聚类分析的第一步中，2号样本与17号样本聚成一类，他们的样本离差平方和是0．015．这个小类将在聚类分析的第l l 步用到。
聚类分析算法在房价预测中的应用探究及其实际效果分析房价预测一直是经济学、金融学等学科中非常重要的研究方向，因为房地产市场是一个与经济紧密相关的行业，房价的变化直接关系到整个市场的走势。
当前，随着计算机技术的发展，机器学习算法在房价预测中的应用已经成为一个非常热门的研究方向。
其中，聚类分析算法以其独特的计算方式和可视化展示方式，被逐渐应用于房价预测中。
本文将探究聚类分析算法在房价预测中的应用以及实际效果分析。
一、房价预测中聚类分析算法的应用聚类分析算法是一种常用的机器学习算法，该算法的主要作用是将大量数据划分成不同的簇，每个簇内部的数据足够相似，不同簇之间的数据差异较大。
在房价预测中，聚类分析算法可以将同一地区、同一地段或者同一房屋类型的房价数据进行分类，方便我们获取不同地段、不同类型房屋的价格差异。
例如，在使用聚类分析算法预测房价时，我们可以将不同地段的房价数据分类到不同的簇中，然后对每个簇进行分析，以计算出每个簇的平均房价。
这样，我们就可以清晰地了解每个地段房价的差异性。
此外，聚类分析算法还可以用于建立房价预测模型。
根据聚类分析的结果，我们可以将不同的簇视为特征，构建出以特征为基础的房价预测模型，以此预测未来房价的变化趋势。
二、聚类分析算法在房价预测中的优点天下没有免费的午餐，聚类分析算法也有一定的局限性。
但是相对于其他算法而言，聚类分析算法在房价预测中的崭新应用还是有着重要的优点：1. 数据可视化聚类分析算法可以将房价数据根据不同规律分门别类，不同的数据点呈现不同的颜色或者不同的形状，方便我们通过视觉感官对房价数据进行感知。
2. 多维数据的处理聚类分析算法可以同时处理多个变量，即便是相互独立的变量。
这对于房价预测而言是至关重要的，因为影响房价的因素无论是地段、房屋类型还是面积、环境等各方面因素都属于相互独立的变量。
3. 数据分类准确性高聚类分析算法在数据分类上具有较高的准确性，因为它所生成的分类直接基于数据之间的相似性或相异性，因此能够合理地分析不同的房价数据。
聚类分析和因子分析在房地产股票中的应用【摘要】收集沪深股市中房地产股票的2017年财务报告，从中选取9项代表性指标，通过旋转方差提取载荷较大的4个公因子，计算各房地产公司的实力得分，帮助投资者更好地做出投资决策。
【关键词】房地产股票聚类分析因子分析1 研究背景与方法1.1 研究背景房地产股票数目众多，股票投资者通常需要对单支股票通过回归建立模型来进行分析，然而这样的模型在分析庞大数量的股票时，得到的结果对投资者并没有有效的帮助。
由于财务数据指标的繁杂性，我们需要使用降维的方法对股票进行分析，达到简化模型的效果。
在此背景下，本文以沪深股市中的房地产板块股票为研究对象，实验数据来源于万得数据库房地产板块股票2017财务年报，剔除了一些重要指标未公布的公司数据，最终得到了69家房地产股票公司的数据，利用因子分析法对财务指标进行降维处理，根据财务指标的相关性将其分组，提取公因子，并计算综合实力得分对69支股票进行排序。
1.2 因子分析因子分析，是对原始变量间的内在相关结构（变量间的协方差矩阵或相关系数矩阵）进行分组，相关性强的分在一组，组间相关性较弱，这样各组变量代表一个基本要素（公共因子）。
将原始变量表示成公共因子的线性组合。
本次调查采用方差旋转后的载荷矩阵提取公因子，能更好地解释和命名变量。
旋转后的因子不改变模型对数据的拟合程度，也不改变各个变量的公因子方差，使因子结构变得更简单。
因子分析模型如下：其中，是测量值的向量，是均值的均值的向量，是载荷的矩阵，是公共因子的向量，是残差的向量。
和是独立的，各个相互独立。
和的均值为0，Cov（f）=I为单位矩阵，Cov（）=为对角矩阵。
的协方差矩阵计算如下：其中，是载荷的矩阵并且是对角矩阵。
的第个对角元素，平方载荷之和，称为第个公因子方差。
公因子方差值可评判为公因子解释的变异性百分比。
1.3 指标选取经过各种文献的参考，本文选择了以下代表九个财务报告指标来作为因子分析的数据依据。
聚类分析和因子分析在房地产股票市场中的应用实证分析报告作者：张文琦来源：《时代金融》2014年第23期【摘要】本文选取8项主要财务指标，选择了对在上海证券交易所挂牌上市的50只房地产行业股票进行了聚类分析和因子分析，两种分析方法都能把上市公司区分为四类，与公司实际情况相符。
此外通过因子分析对公司进行了综合排名，并通过对上市公司的分析研究得出一些股票投资的意见及建议。
【关键词】聚类分析因子分析房地产股票投资一、研究背景和意义（一）文献综述统计方法应用于证券分析的文章已屡见不鲜。
毛哲敏的《房地产上市公司资本结构影响因素实证分析》（2009）文章中，以房地产上市公司为研究对象，运用主成分分析法，对我国民营上市公司的资本结构影响因素进行了实证分析。
李艳在《房地产上市公司股价影响因素实证分析》（2012）一文中选取了房地产上市公司股票价格指数为因变量，选择上证综指、财务业绩、CPI、人民币贷款利率、房地产价格指数五个因素指标为自变量进行了多元回归统计建模，检验结果表明财务业绩对房地产上市公司股价的影响显著。
吕美艳的《房地产上市公司财务指标的因子分析》（2011）文章中，选取以万科A、保利地产、招商地产等共计75家沪深两市的上市房地产公司，采用20个财务指标，对上述房地产上市公司股价波动进行因子分析，其结果显示房地产上市公司股价波动与财务业绩具有正相关的关系。
这些文章都通过统计手段对房地产公司的一些方面进行了分析和研究。
（二）研究意义一方面，对公司进行分析可以在很大程度上确定这个公司的股票是否具有投资价值。
证券投资是随着市场经济的发展和资本市场的建立应运而生的。
证券投资的分析方法包括基本面分析方法和技术分析方法。
作为基本面分析的核心，公司分析主要是通过对公司财务报告进行分析，找出公司内在价值低于现行价格和财务状况、经营成果俱优的公司。
由于投资者进行证券分析的目的是为了找出具有投资价值的股票，公司是股票的载体，对公司进行分析可以在一定程度上作为投资者选股和投资决策的依据。
另一方面，房地产行业与我们的生活息息相关，房价是上至国家领导人下至每一个老百姓都会关心的话题。
同时房地产行业上游与工业设备制造、钢铁冶炼等相通，下游与商业销售、物业服务等相关，可以说与各个行业都存在交集。
此外，作为股市的中坚力量，房地产行业在股票行业分类中被单独列做六大类中的一个，足可体现其重要性。
所以本文选择了十分具有代表性的房地产行业作为研究的对象，采用R软件进行分析，首先运用聚类分析将公司分类并通过雷达图分析不同类别的特征，再运用因子分析将按不同权重计算的各指标加和得到公司排名。
二、数据和指标选取（一）数据选取本文选择在上海证券交易所挂牌上市的所有房地产类企业的股票进行分析，剔除了B股、数据不可得和特殊处理的股票，最后得到有效股票50只。
数据来源为国泰安数据库。
在对样本进行分析之前，首先对数据进行标准化变换，消除原始数据量纲不同的影响，使变换后各指标的均值为0，标准差为1。
并利用QQ图对数据进行检验，由样本数据在QQ图中的分布可以看出数据较好的服从正态分布。
（二）指标选取目前评估上市公司基本面状况最为核心的财务指标是上市公司的盈利能力、经营能力、偿债能力和成长能力。
由此，本文在上市公司财务指标中选取8个最能反映这些能力的指标。
（1）盈利能力：是企业资金增值的能力，盈利能力的大小决定了股票价值的高低，反映盈利能力的指标有：①净资产收益率（ROE）=净利润/平均净资产，反映企业资本的盈利能力，指企业的所有者通过投入资本在生产经营过程中所取得利润的能力。
该指标是评价企业自有资本及其积累所获得报酬水平的综合指标，通常该指标越高，企业自有资本获取收益的能力越强，越有助于股东财富最大化。
②每股收益（EPS）=净利润/总股数，该比率反映了每股创造的税后利润。
比率越高，表明所创造的利润越多。
（2）经营能力：反映上市公司在资产管理方面的管理效率，是上市公司日常经营能力、资金利用效果的表现，反映经营能力的指标有：③固定资产周转率（Fixed Asset Turnover，FAT）=营业收入/平均固定资产余额，该比率反映企业固定资产的管理效率。
由于选取的企业为房地产行业，企业中固定资产的比重较高，固定资产的管理效率与企业经营效益十分相关。
④总资产周转率（Total Asset Turnover，TAT）=营业收入/平均资产总额，该比率越高企业全部资产的使用效率越高。
（3）偿债能力：是企业偿还到期债务（包括本息）的能力，反映上市公司资产的安全性，反映偿债能力的指标有：⑤资产负债率（Asset Liability Ratio，ALR）=负债总额/资产总额，反映了企业的资本结构，常被用于考察企业的长期偿债能力。
该比率越小表明企业长期债务风险越小。
⑥流动比率（Current Ratio，CR）=流动资产/流动负债，反映了企业的短期偿债能力，该比率越高表明企业短期偿债能力越强，债权人的权益越有保障。
（4）成长能力：成长性好的上市公司在总资产扩张能力，股本扩张能力，资产重组方面都比较强，盈利增长速度也相应较快，反映成长能力的指标有：⑦净利润增长率（Growth Rate of Net Profit，GRNP）=（本年净利润-期初净利润）/期初净利润，该比率越高表明企业效益增长越好。
⑧营业利润增长率（Growth Rate of Operating Profit，GROP）=（本年营业收入-本年年初营业收入）/本年年初营业收入，该比率反映了公司扩大市场规模的能力，表明公司重点发展方向的成长性。
三、聚类分析为了区分房地产板块中不同基本面的上市公司，以便更好地了解不同公司的特征财务状况，对经标准化处理后的样本数据以上述给出的8个财务指标为变量，使用R软件进行聚类分析。
样本间距离以欧式距离计算，类间距离以离差平方和法计算，得到谱系聚类图如图2：由谱系聚类图可以看出，第一类公司包含华夏幸福、电子城、珠江实业；第二类公司对应的股票有新湖中宝、万通地产、金丰投资、凤凰股份、正和股份；第三类公司包含海泰发展、卧龙地产、金地集团、华丽家族、丰华股份、新黄浦、万业企业、多伦股份、上实发展、西藏城投、新湖创业；第四类公司包含保利地产、浙江广厦、中江地产、南京高科、大名城等余下的31家公司。
对每一类公司各个指标求均值后用雷达图显示出来，可以看出第一类公司拥有远高于其他公司的净资产收益率和每股收益，表明这三个企业的盈利能力较强，同时这三个企业的固定资产周转率和总资产周转率也高于行业平均水平，表明企业具有较好的营运能力。
第二类公司的净资产收益率、每股收益、净利润增长率和营业利润增长率均低于行业平均水平，且在公司经营能力和偿债能力的各项指标上也没有体现出很好的优势，所以可以初步认为这类公司的经营效益不佳，不推荐投资。
第三类公司的流动比率普遍较高，所属公司的流动比率均高于行业平均水平，甚至丰华股份、海泰发展和新黄浦的流动比率位居前三，所以这类股票对应的企业普遍具有较好的偿债能力。
第四类公司的净利润增长率的排名普遍较为靠前，其中鲁商置业、广汇能源和陆家嘴三个公司的净利润增长率名列前三甲，所以这一类股票对应的公司具有较好的成长能力，意味着未来会有较好的收益，可以考虑长期持有。
四、因子分析在对样本进行初步分类后，利用R软件对样本进一步进行因子分析，求出矩阵的4个特征根的大小、贡献率及累积贡献率，结果见下表：可以发现在选择4个特征根时累积贡献率达到76%，即这4个特征根反映出来的信息量占全部信息量的76%，高于70%，满足要求，所以选取4个特征根来进行分析。
通过R软件运用方差极大法求得旋转后的因子载荷矩阵如下表所示：从表中可以发现，第1个因子变量即第1个主成分与净资产收益率和每股收益的相关系数都比较大，说明其主要代表了公司的盈利指标，因此可称之为“盈利因子”。
第2个主成分与净利润增长率和营业利润增长率高度有关，说明其主要反映了公司的成长能力，因此称之为“成长因子”。
第3个主成分与资产负债率和流动比率相关系数较大，说明其主要代表了公司的偿债指标，故可称之为“偿债因子”。
第4个主成分和总资产周转率高度相关，和固定资产周转率相关系数较高，说明其主要反映了公司的营运能力，因此称之为“经营因子”。
在因子分析的基础上，对50家房地产公司进行综合实力分析。
采用的变量不再是原有的8个变量，而是经因子分析后得到的4个因子变量，利用4个因子变量，可以计算出每个房地产公司的综合实力得分。
由于4个因子变量反映的是财务数据的不同侧面，因此在计算综合实力时，应给不同的侧面以不同的权数。
这里，我们选取这4个因子变量的方差贡献率作为权数，于是得到下面的计算公式：综合实力得分=0.336F1+0.172F2+0.154F3+0.098F4按照这个公式，我们可以得出这50家房地产公司的综合实力得分，结果如下：通过综合实力得分可以进一步印证由聚类分析得出的结论，第1类股票华夏幸福、电子城和珠江实业的综合实力得分最高，为蓝筹股值得买入；第3、4类股票占据了市场中部的主体位置，代表了房地产市场中大多数企业的表现，为普通股；第2类股票的综合实力得分排名较为靠后，其中凤凰股份、金丰投资和正和股份为最后三名，所以这一类股票对应的公司经营效益不是很好，为劣质股。
五、总结通过聚类分析可以将50个房地产公司的股票分为4类，分别是盈利能力和营运能力都较好的第一类蓝筹股，各方面指标都较差的第二类劣质股，偿债能力较好的第三类股票和成长能力较好的第四类股票。
通过聚类分析我们可以初步判断第一类股票适合买入，第二类股票不适合买入，第四类股票在长期持有中可能获利。
通过因子分析可以将变量主要分为4类，第1个主成分代表了净资产收益率和每股收益，为“盈利因子”；第2个主成分代表了净利润增长率和营业利润增长率，为“成长因子”；第3个主成分代表了资产负债率和流动比率，为“偿债因子”；第4个主成分代表了总资产周转率和固定资产周转率为“经营因子”。
通过各个公司在不同因子上的得分与相应的综合实力函数将公司进行排名，所得结果再次印证了聚类分析的结论。
总而言之，聚类分析和因子分析为股票投资提供了很好的判断依据，但二者并不完美，通过这两种分析方法得出的结论与所选取的变量有较大关系，选取不同变量可能会得出不同甚至相反的结论，所以在具体的股票投资中也要参考实际的市场环境和综合考虑公司所处的背景来进行选择。
参考文献[1]陈琦.聚类分析和判别分析在股票投资中的应用[J].中国市场，2011，26：69-72.[2]邓秀勤.聚类分析在股票市场板块分析中的应用[J].数理统计与管理，1999.5（18）：（1-4）.[3]李德荣，何莉敏，李玉.聚类分析和因子分析在股票投资中的应用[J].内蒙古统计，2011，01：29-31.[4]李艳.房地产上市公司股价影响因素实证分析[J].特区经济，2012，09：84-86.[5]吕美艳.房地产上市公司财务指标的因子分析[J].现代商业，2011，36：209.[6]毛哲敏.房地产上市公司资本结构影响因素实证分析[J].商场现代化，2009，18：80-81.[7]王君波，杨义群，欧阳浙江.聚类分析在证券投资中的应用[J].商业研究，2003，22：102-104.[8]张迎春，陈洁，张晨希，万忠，张燕平.聚类在股票研究中的应用[J].计算机技术与发展，2006，04：116-118.[9]数据来源：国泰安数据库/金融数据/股票http：//www.gtarsc.com/p/cq/FinanceFormSL.aspx？mid=8&sl=0&codeTypeID=1&ct=1.。
