2011证券从业资格考试《证券分析》课堂笔记(13)

会计考友

　　第四节 行业分析的方法
　　一、历史资料研究法
* U; Y8 ?5 D+ i+ P& u' T! W　　历史资料研究法是通过对已存在的资料的深入研究，寻找事实和一般规律，然后根据这些信息去描述、分析和解释过去的过程，同时揭示当前的状况，并依照这种一般规律对未来进行预测。
　　优点： 省时、省力、节省费用;缺点：只能被动的根据现有资料进行分析，不能主动的提出问题并解决问题。
( J, @3 `8 D5 q0 X　　二、调查研究法　　调查研究法通过问卷调查、访查、访谈获得信息，并依此进行研究的方法。是描述一个难以直接观察的群体的最佳方法。
/ J2 o8 k' E8 J! y4 }　　优点是可以获得最新的资料和信息，并且研究者可以主动提出问题并获得解释。
9 u# @' z5 F3 @0 ?2 ~　　缺点是这种方法的成功与否取决于研究者和访问者的技巧和经验。
　　调查方式：(1)问卷调查或电话访问;即时性与互动性。(2)实地调研;(3)深度访谈。
0 Z! C. X0 E; x) Q6 Y- G/ F, s　　三、归纳与演绎法
* K' w' ]! m& H　　归纳法是从个别出发以达到一般性，从一系列特定的观察中，发现一种模式，这种模式自爱一定程度上代表所有给定事件的秩序。
　　演绎法是从一般到个别，从逻辑或者理论上的预期的模式到观察检验预期的模式是否确实存在。演绎法是先推论后观察，归纳法则是从观察开始。
0 r# J! }: q( a' B; c1 G4 f# }　　四、比较研究法
' T) Y( A8 o1 x　　比较研究法又可以分为横向比较和纵向比较两种方法。
2 M- z$ x4 [' V% R! Z3 Y$ M　　横向比较一般是取某一时点的状态或者某一固定时段的指标，在这个横截面上对研究对象及其比较对象进行比较研究。
' d$ T) W( e9 I/ d　　纵向比较主要是利用行业的历史数据，分析过去的增长情况，并据此预测行业的未来发展趋势。
- o+ i1 i! H. @) t+ E9 l' @　　(一)行业增长横向比较
　　分析某行业是否属于增长型行业，可利用该行业的历年统计资料与国民经济综合指标进行对比。通过比较，可以做出如下判断：
. t- b6 s  v% N# ?5 {4 I　　1.确定该行业是否属于周期性行业。
' d" `! O2 o5 }$ V& p　　2.比较该行业的年增长率与国民生产总值、国内生产总值的年增长率。
3 G6 |, l* ]5 J' l! x　　3.计算各观察年份该行业销售额在国民生产总值中所占比重。
" }9 O  r' @6 ~　　(二)行业未来增长率预测
; e$ r) Q4 l1 W) c8 x　　利用行业历年销售额与国民生产总值、国内生产总值的周期资料进行对比，只是说明过去的情况，研究者还需要了解和分析行业未来的增长变化，因此还需要对行业未来的发展趋势做出预测。
& R9 T# b& G" k5 X  p　　预测的方法有多种，使用较多的方法有两种。
6 p& i3 S9 D5 X/ m# p. P! O* Y　　一种方法是将行业历年销售额与国民生产总值标在坐标图上，用最小二乘法找出两者的关系曲线，并绘在坐标图上。这一关系曲线即为行业增长的趋势线。根据国民生产总值的计划指标或预计值可以预测行业的未来销售额。
$ \+ E/ E, [5 J7 T  C/ {6 X　　另一种方法是利用行业历年的增长率计算历史的平均增长率和标准差，预计未来增长率。使用这一方法要使用行业在过去10年或10年以上的历史数据，预计的结果才较有说服力。
2 V! N$ g' E/ _  W: ^. u0 A
) B& N+ b# ?: ?  a; u* D　　五、数理统计法
　　(一)相关分析
　　1.相关关系
* O' y7 q: `7 Q( C1 J　　相关关系是指指标变量之间的不确定的依存关系。
　　相关关系包括因果关系或两个指标同受第三个指标变量影响而发生的共变关系。
4 [, \4 N7 ~5 D  |　　相关关系按变量多少可分为：一元相关、多元相关。
: p( D4 A1 G! ~9 l　　按变量之间依存关系可分为：线性相关、非线性相关。
' k8 h7 w) V5 A+ B- ^' H" m9 p4 U　　按指标变量变化的方向可分为：正相关、负相关。
　　按指标间的紧密程度可分为：完全相关、不相关、不完全相关。
　　2.相关系数及显著性检验
% T' r# y" Y- d0 d　　英国统计学家Kar lPearson提出一个测定两指标变量线性相关的计算公式，通常称为“积矩相关系数”
& O0 x3 d: S2 A8 ^' S/ D　　(二)一元线性回归
　　1.回归模型。只有存在相关关系的指标变量才能进行回归分析，且相关程度越高，回归测定的结果越可靠。因此，相关系数也是判定回归效果的一个重要依据。
　　2.判定系数。判定系数rz表明指标变量之间的依存程度。rz越大，表明依存度越大。
　　3.显著性检验。一元线性回归模型·的显著性检验包括回归系数b的显著性检验和模型整体的F检验。
( c( Q  E* a6 L$ A' F　　4.应用。一元线性回归方程可以应用于：
- `2 y5 r% o  J　　(1)描述两指标变量之间的数量依存关系。
5 N. k5 |4 Z, R; M) z+ N4 ^( e/ r　　(2)利用回归方程进行预测，把预报因子(即自变量×)代人回归方程可对预报量(即因变量Y)进行估计。
　　(3)利用回归方程进行统计控制，通过控制×的范围来实现指标Y统计控制的目标。
! |5 h" Q. D( s　　(三)时间数列
　　1.数列形态分类
1 T0 ~; U1 o* s" F" M  s　　时间数列又称“时间序列”，是指社会经济指标的数值按照时间顺序排列而形成的一种数列。按照指标变量的性质和数列形态不同，时间数列可分为随机性时间数列和非随机性时间数列。其中，非随机性时间数列又有平稳性时间数列、趋势性时间数列和季节性时间数列三种。
& I. h* S2 a/ H# S9 O　　随机性时间数列是指由随机变量组成的时间数列。平稳性时间数列是指由确定性变量构成的时间数列，其特点是影响数列各期数值的因素是确定的，且各期的数值总是保持在一定的水平上下波动。趋势性时间数列是指各期数值逐期增加或逐期减少，呈现一定的发展变化趋势的时间数列。季节性时间数列是指按月统计的各期数值，随一年内季节变化而周期性波动的时间数列。
　　2.自相关系数与数列的识别
) @+ k  G: a- p, J" ]7 I% E  Y- Y　　对时间数列的识别通常可以凭理论知识和经验以及直观的统计图来判断。此外，更为精确的是用时间数列的自相关系数来判断。所谓自相关，是指时间数列前后各期数值之间的相关关系，对这种相关关系程度的测定便是自相关系数。
　　3.时间数列的预测方法
8 V% v* o* ^5 E& @　　时间数列分析的一个重要任务是根据现象发展变化的规律进行外推预测。最常见的时间数列预测方法有趋势外推法、移动平均法与指数平滑法等。
　　(1)趋势外推法。趋势外推法的预测过程一般分为四个步骤：选择趋势模型，求解模型参数，对模型进行检验，计算估计标准误。
# d3 y) k3 g3 w' b! S3 Z0 b$ U8 E4 Z# S; ?　　(2)移动平均预测法。移动平均预测法即通过取n项的移动平均，可以对原时间数列修匀而形成一个新的时间数列，显现数列的变动趋势。
) r2 ~! G# J" e/ j8 T6 S! S% W　　(3)指数平滑法。指数平滑法是由移动平均法演变而来的。