徐佳家 杨子寅 顾锦蓉

摘 要：好本文研究市场的金融股票在国内的估值水平，通过筛选异常数据和运用主成分分析法对影响因子分类处理，寻找局部的主要影响因子代替总体来进行降低维度处理，建立回归分析模型分析2018年国内的科创板企业不同影响因素的关系。

关键词：数据处理; 主成分分析

一、问题分析

给出的市销率、营业收入、归母净利润、净资产收益率、年成交量、年平均换手率以及年成交金额影响中国A股市场的统计数据，我们的目标是要根据这些数据建立数学模型，对估值指标与基本面指标、流动性指标之间进行定量分析。需要先分析给出的6个指标和估值之间的关系，相关性小的指标对估值的影响较小，可以先排除这个指标。建立主成分回归分析模型，提取重要的主成分作为新的自变量，在matlab 软件中得到主成分回归方程。再让其与数据得出的经验回归方程进行残差分析。找出一个误差较小且与数据更匹配的多元线性回归方程。

二、模型的建立与求解

分析估值与6个指标因素的关系。为了解决该问题，有以下几个步骤。

步骤一：对科创板的数据预处理

步骤二：采用降维处理的手段，建立主成分回归模型

2.1数据预处理

由于原始表格数据过于庞大且异常值较多，我们将原始表格数据进行预处理，以中国 股市场和美国市场2018年度公司作为参照，和其他年份的公司進行比对，删去在其他年份中还存在的公司的各项指标。和问题一一样我们选择市销率在0到20以内的数据作为参考，剔除市销率超出20的异常值。同时，删除该年未统计的数据。将处理后的表格数据标准化，将数据无量纲化处理，让6个指标处于同一个数量级别上，便与分析和比较。标准化后的数据在spass 软件中进行分析，数据点的标准化残差符合正态分布，因此数据处理具有可靠性。

2.2主成分分析模型

参考文献：

[1]白雨.基于多元回归分析的我国GDP影响因素实证分析[J].中小企业管理与科技（下旬刊），2019（02）：55-57.