［关键词］银行板块；主成分聚类分析；综合评价
［DOI］10．13939/j．cnki．zgsc．2017．30．034
［作者简介］刘宇珊（1996—），女，汉族，湖北黄冈人，就读于北京工业大学，研究方向：财务数据分析与挖掘。
1 引言
1．1研究背景及意义
随着我国宏观经济的进入持续稳定增长的“新常态”，近几年国内银行业的景气度持续回升，上市银行也面临难得的发展机遇，在资产规模、资产质量、盈利能力等方面都取得了骄人的成绩。银行板块是蓝筹股的重要代表，工商银行、中国银行等银行股成为主力机构调控股票指数的重要工具，上证综合指数是以其总股本来确定权重。
依据财务报表对银行板块上市公司综合实力的评价的重要性就愈加显现出来。
本文以证监会2012年版行业分类中的16家银行的2016年度财务数据作为考察样本，在计算影响综合实力指标的基础上，用主成分聚类分析方法来进行评价，进而得出不同能力指标下的结果，对其进行综合分析并给出相应建议。
1．2国内外研究现状
综述当前的研究现状，以及本文的研究问题和研究思路
刘倩（2010）得出主成分分析可以有效解决我国企业财务数据高维性和多重共线性的特点,使判别模型更具说服力，但只针对28家上市创业板公司做了研究，数据量不够大，说服力不够强。
王德清等（2012）针对经典聚类分析和普通主成分聚类分析极端情形下的失效问题展开讨论,通过定义客观赋权的主成分距离为分类统计量,并以实证检验取得良好效果为依据,有效地解决了主成分聚类分析在极端情形下所不能揭示的问题。
国外学者做过一些利用数据挖掘算法来分析预测客户行为的研究，例如，采用K-median聚类算法对超级商场消费者的偏好情况进行细分。［5］采用K-means、SOM（self-organizing map）、Fuzzy K-means聚类算法对股票交易客户进行细分［6］。运用模糊聚类算法对在线音乐爱好者进行用户细分等。［7］
2 研究方法
2．1主成分聚类分析法
在多指标综合评估的排序问题中，若主成分累计贡献率不够大，即提取出的主成分表达的原始数据不够完整全面，仅按主成分得分对样品直接排序评价会有片面性，这时候可以将主成分分析与聚类分析两种统计方法联系起来，称为“主成分聚类分析”。
将主成分分析与聚类分析相结合，即先进行主成分分析，然后对提取出的几个主成分进行聚类分析，结合主成分的综合排序进行对象分类排名。这种方法一是可以降低指标的维数，将复杂的问题简化;二是可以对聚类分析方法中的每一类进行评价，根据每一类的主成分得分进行排名，得到的排名结果更符合实际。
