北京物资学院2008届毕业论文（设计）
企业的根本属性是以盈利为目的，不仅是短期盈利，更重要的是可持续的长期盈利。传统的业绩评价中反映盈利能力的指标主要是从企业的角度来反映盈利水平，而没有从市场角度来反映股票的增值水平。经营业绩良好的上市公司应该表现出较高的成长性，成长性好的上市公司在总资产扩张能力、股本扩张能力、资产重组等方面都比较强。
因此，应增加市场投资回报率、股价波动率等指标来反映股票的增值水平，即市场表现，充分体现上市公司的投入回报特性。
3、评价指标权数的确定不够科学。
在一个指标集合中，指标权数是每项指标所占有的比重。在传统的评价体系中，采用专家意见法和相关性权重法来确定每个指标的权数。前者的权数一般凭经验来确定，主观性较强，综合评价的结果与实际状况出入较大；后者的权数中考虑到财务指标之间的相关性问题，因此在确定权数时进行相应调整。
如果能将多个相关指标转换成少数几个个不相关的综合指标，就可以避免确定权数时因调整带来的偏差。因子分析就是将大量的彼此可能存在相关关系的变量转换成较少的，彼此不相关的综合指标的一种多元统计方法。这样既可减轻收集信息的工作量，且各综合指标代表的信息不重叠，便于分析。
准确、有效地反映上市公司当前的经营状况是评价的最终目标。因此，本文将使用数据挖掘中的因子分析技术从复杂的财务指标中提取几个不相关的主要因子，建立基于因子分析的业绩评价模型。
2.2财务业绩评价的基本指标
现代财务管理理论认为，企业的财务状况主要取决于企业的盈利能力、偿债能力、运营能力和成长能力。依据这一思路以及综合考虑目前我国股市和上市公司的实际情况，本人认为要从上市公司的财务效益、资产质量、偿债风险、发展能力和主营业务鲜明状况等几个方面来反映上市公司的经营业绩，对每个方面均设置若干财务指标来反映其真实状况。每项指标只反映公司的某一方面情况，因此选取指标必须具有代表性，这样综合起来进行分析才能客观反映企业的真实业绩，对公司的业绩做出准确、全面的评价。
本文提出用数据挖掘中比较成熟的多元统计方法来评价企业的财务业绩状况，能够比较客观地反映了企业的实际状况，同时避免了人为因素带来的偏差。本文以财政部评价指标体系中的基本指标为主，选择以下指标：
X1：每股收益（元）
X2：加权平均净资产收益率（%） X3：主营业务利润率（%）
5
[2]
北京物资学院2008届毕业论文（设计）
X4：总资产周转率（%） X5：流动资产周转率（%） X6：资产负债率（%） X7：主营业务增长率（%） X8：总资产利润率（%） X9：市场投资回报率（%） X10：股价波动率（%） X11：年末资产总额（亿元） X12：主营业务收入净额（亿元） X13：净利润（亿元）
上述这些指标基本上能涵盖上市公司的财务效益、资产质量、偿债能力、发展能力和主营业务鲜明状况等状况，可以客观地反映公司情况。
2.3分析方法
对上市公司的业绩评价必须建立在对各种历史数据分析的基础上。数据挖掘就是在对大量历史数据探索后，揭示出其中隐藏着的规律性内容，并由此进一步形成模型化的分析方法。只要有分析价值与需求的数据，皆可利用数据挖掘工具进行有目的的发掘分析[3]。 2.3.1数据挖掘概述
数据挖掘采用数学的、统计的、人工智能和神经网络等领域的科学方法，如记忆推理、聚类分析、关联分析、决策树、神经网络、等技术，从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势,并用这些知识和规则建立用于决策支持的模型，提供预测性决策支持的方法、工具和过程[4]。
数据挖掘综合了各个学科技术，有许多功能，主要有：
1、分类：按照分析对象的属性、特征，建立不同的组来描述事物。分类的目的是学会一个分类模型，该模型能把数据映射到给定类别中的某一个类别。分类可用于预测。
2、聚类：识别出分析对内在的规则，按照这些规则把对象划分成若干类或簇。划分的原则是同一个簇中的对象之间