上市公司财务数据多维联机分析设计硕士学位论文(编辑修改稿)

上市公司财务数据多维联机分析设计硕士学位论文(编辑修改稿)内容摘要：

机构，其网站 公布了所有上市公司按规定上报的财务报告，但这些大量的原始财务数据没有进行深入地再加工，没有实现有机的联机、汇总、分析。 虽然，有些证券类网站（如证券之星等）开始作了些相关的研究，但总的说还存在如下一些缺陷和不足之处：  财务报表数据缺乏紧密的连接。 在证监会网站中，各报表数据按原始的报送格式以 PDF 文件存储以供查询，通常一个报告长达 50 多页左右，其中包括资产负债表、损益表、现金流量表及报表相对应的详细附注信息缺乏紧密地联系；其他的证券网站虽然进行了其他存储格式的转换，但仅仅能提供三张财务报表数据，略去了附注信息。 这样投资者不能在一个屏幕界面上同时看到多家上市公司的财务报告数据；同时，要想获得财务报表中某个项目的详细数据必须到财务报告附注中去找。 2  缺少汇总型的财务数据。 比如我们要查询一个行业、一个地区、一个市场板块甚至它们的组合性汇总财务数据，如整个工业行业的上市公司的资产总额、应收账款总额等汇总数据就很困难。  财务分析的力度显然不够，方法也不够完善。 中国证监会网提供了各上市公司按时上报的财务报告（首季度报告、半年报、第三季度报告、年度报告），此外，该网站提供了简要的财务指标统计（比如按地区和行业分类计算上市公司的数 目、总亏损额、主要的少数财务指标等），财务分析的力度显然不够；其他网站在财务分析的力度上有所加强， 对沪深两地所有上市公司的财务状况进行分析，并对偿债能力、 运营 能力、盈利能力、成长能力等 各方面 分别进行 评分，在此基础上得出一个总分 反映公司的综合能力，但评价方法单一，比如仅仅运用“层次分析法”来确定权重系数进行综合评价分析，等。 二、研究目的和可行性 上市公司财务数据多维联机分析（ Multidimensional OnLine Financial Data Analysis, MOLFDA）能够能够弥补上述 的不足。 MOLFDA 以上市公司财务报表、以及报表附注为数据源，用多维联机数据分析（ Multidimensional OnLine Data Analysis, MOLDA）作为技术支持，实现对数据源多角度（时间角度、行业角度、地区角度、市场 深、沪 角度）、多种分析深度（原始数据、简单汇总、综合分析）的联机财务分析，以满足投资者多角度、不同层次的查询和观察上市公司信息的现实需求，倡导理性投资，减少他们投资决策的不确定性，以期对中国的证券市场良性发展有所促进。 即本文研究的 MOLFDA 不仅可以进行行业分析和 公司分析，还可以进行地区、市场等方面的分析。 按数据分析的深度层次不同， MOLFDA 可以为投资者提供以下投资决策信息：  原始的总量财务数据。 即资产负债表、损益表和现金流量表等财务报表中的会计报表项目及其数值、以及对应的报表附注信息。 财务报表数据是通过会计科目对财务信息的汇总，具有相当的经济内涵，能够提供给报表使用者重要信息。 通过分析财务报表原始数据，可以了解企业的经济规模和经营实力，例如资产负债表上的“资产总额”反映了企业实际控制的经济资源的数量，即资产规模，进而显示了企业获得经济利益的潜力和能力；此外，甚至 仅仅通过分析财务报表原始数值的正负，就可以得到企业一些基本情况的判断，例如为诸多财务报表使用者所关注的损益表“底线（ bottom line）” —— “净收益”数额的正负情况等。 对这些报表原始数据的解读，可获得对企业生产 3 经营状况的初步了解，为今后进一步的分析指明一定的方向，成为后续分析的基础。  初步分析的相对财务数据。 其方法是比较分析法，它是通过将两个或几个相关的可比数据进行简单的除法运算得出比值，实现初步的数据分析，通常以年增长率和结构百分比、财务比率表示。 按比较对象（和谁比）分：  “趋势分析”（纵向比较）， 也称“增减法”。 它是本期数据与历史数据比，即不同时期的数据相比。 通常是把毗连的几个会计年度的报表数据并列，编制“比较财务报表”，对各年报表中项目逐一进行比较，查明变化原因及可能带来的影响。 比较财务报表显示两期或两期以上财务报表各项目增减变动的百分比。  “结构分析” 是一种横向比较，它是分析某一经济现象在总体中所占的比重，认识局部与总体的关系和影响，借以认识事物的本质和客观规律性。 将这样的思路应用于财务报表分析中，就是以财务报表中某一关键项目的金额作为基数，而将其余各有关项目的金额分别换算成对该关键项目的结构百 分比，从而简洁明了地揭示财务报表中各项目的相对地位以及总体结构分布的情况。 在实务中通常借助于编制“结构百分比报表”来进行。  “财务比率分析”是将若干个财务报表数据联系在一起，避免了孤立看问题的缺陷；此外，比率分析不仅局限于对某一张报表的内部分析，还是一种“跨表”的分析，将资产负债表、损益表、现金流量表有机地联系起来，计算各种财务比率指标，更深层面的反映了企业的经营管理和财务状况。  深层次分析的综合财务信息。 初步分析得出的财务比率相对数 只能分别反映公司经营活动中某时刻上市公司盈利能力、偿债能力、运营能力或成长 能力等某个方面的部分情况 ，而 上市公司的经营业绩需要一系列的财务比率指标来反映。 投资者常常需要对企业的财务状况做出综合评价，以此作为投资决策的依据。 这需要对多个财务比率指标进行深层次的综合评价分析。 财务比率 综合评价分析是将财务比率分为偿债能力、营运能力、盈利能力和成长能力等四大类，通过专门的综合评价方法得出四个方面的得分、并将这四方面的得分再次汇总得到公司的综合财务能力得分反映经营主体的综合财务状况。 MOLDA 技术是解决上市公司财务数据多维联机分析问题的理想技术。 MOLDA技术将联机分析处理（ OLAP）与统 计分析方法进行集成，在 OLAP 的基础上加强了数据分析的深度。 MOLDA 技术能够将各种数据联机组织，实现数据共享；除了具有 4 汇总、合并和聚集等总量数据查询的简单功能以外，还能使用各种适当的统计分析方法解决各种复杂的数据分析问题。 即它的主要特点的“多维性”、“联机性”和“数据分析能力强”。 “多维性”体现在： MOLDA 尤其着重从不同角度（维）观察问题、查询数据，能够向用户快速提供各种可能的信息咨询；“联机性”体现在：分析数据源、加工后的信息都以联机的形式组织存储，能够为用户提供综合程度不同的数据或信息；“数据分析能 力强”体现在： MOLDA 能够根据研究问题的需要加载对应的统计分析方法，提供不同分析深度的信息，提供更有价值的决策支持信息。 将 MOLDA 技术应用于上市公司财务数据分析，其“多维性”体现在：能够对上市公司财务数据进行时间、地区、行业、市场等多个角度的分析；“联机”性体现在：能够将数千家上市公司的财务报表数据、报表附注有机的联机组织存储，能够按不同的综合程度查询财务数据；“数据分析能力强”体现在： MOLDA 中加载财务分析所需要的分析方法，从而可以实现对上市公司财务数据进行不同层次的进一步加工，诸如计算财务报表中 各项目的年增长率、结构百分比、财务比率等相对数，甚至是最高层次的财务分析 —— 综合财务评价分析，同样， MOLDA 技术可以将用统计分析方法分析得出的信息进行“联机性”的存储，方便不同层次用户不同的查询需求。 三、本文研究的内容 本论文对 MOLDA 技术 在上市公司财务分析中的应用进行了尝试性的研究。 首先，对 MOLDA 技术进行了简单明了的概述性介绍，指出多维联机数据分析的设计是多维联机数据分析系统的重要组成部分。 多维联机数据分析的设计包括“多维业务空间的设计”和“数据分析方法库的设计”。 “多维业务空间的设计”主要 是要设计出“度量” （“指标维”或称“树”）、“维”，并构建“多维数据立方体”；“数据分析方法库的设计”是另一个关键问题，它需要详细的说明各种分析的分析对象、分析结果（指标值）的计算方法，、结果的屏幕显示等。 于是，“业务空间的设计”和“财务分析方法的设计”是文章的研究内容。 “业务空间的设计”是现实需求的一个反映，是整个多维联机数据分析系统的基础。 它为数据的联机、多维组合打下了基础。 “财务分析方法的设计”部分主要设计了财务分析中需要采用的分析方法。 财务比率综合分析方法是难点，本文给出“集成赋权法”的财务综 合评价分析方法这是对现实中采用单一分析方法的一大改进。 “业务空间”和“分析方法”的设计后，计算机人员可以根据这些定义设计很轻松地来开发和实现整个系统。 5 第一章 多维联机数据分析（ MOLDA）技术 多维联机数据分析（ Multidimensional OnLine Data Analysis, MOLDA）模型是在联机分析处理（ OnLine Analysis Process, OLAP）技术的基础上，增强了数据统计分析功能而开发的一种数据分析模型。 第一节 联机分析处理（ OLAP）技术 OLAP 是针对特定数据的多维联机访问和分析，通过对信息的很多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行多角度查询。 这些信息是对原始的数据进行了清洗、转换、汇总的、反映用户所能理解的、与研究目标有关的、多个角度的信息。 根据 OLAP 产品的实际应用情况和用户对OLAP 的产品需求，人们提出了一种对 OLAP 简单的、公认的定义：共享多维信息的快速分析（ Fast Analysis of Shared Multidimension Information， FASMI）。 其中， 多维性是人们 对 OLAP 广泛而热切关注的焦点之一，因为 多维分析是最有效的数据分析方法。 OLAP 突破了物理的三维概念，它采用旋转、切片、钻取和高维可视化技术，将多数据在屏幕上展示。 最终达到满足了人们多角度查询、观察认识数据的需要；使用户直观地理解数据，实现了有效地数据分析，即多维数据分析的现实需求。 另外， OLAP 系统在响应速度上相对于传统的联机事务处理（ OnLine Transaction Process ,OLTP）有了很大的改善。 由于 OLAP 系统处理的数据量非常的庞大，并且根据各种不同的需求要进行很多计算，所以 ， OLAP 系统 根据用户的需求事先计算、存储一些多维 数据，通常以数据立方体的形式存储。 一、维的基本概念 度量（ Measure）是数据的实际意义，既描述数据“是什么”。 例如， “销售量”、“销售金额”等都是度量。 它是一个特殊的维，有的称之为“指标维”。 6 维（ Dimension）是指观察数据的角度。 它作为识别数据的索引，不同的维组合构成了访问数据的约束条件。 多维（ Multidimension）则是指从多个角度去观察数据。 需要指出的是，这里的“观察角度”应当是与研究目标相关的，或者说是对我们进行 问题决策有用的，对于没有支持决策作用的应当忽略。 维可以是多层次结构的，一个维由多个维成员组成。 维的层次描述了同一维的不同聚合程度，并且通过映射链接。 如一个典型的层次：国家→地区→省（市）。 维的取值即是维成员。 如果一个维是多层次的，那么，不同层次上的取值构成一个维成员。 需要指出的是维成员不一定每个维层次都必须取值。 例如，时间维具有年度、月份、日期这三个层次；可以分别在年度、月份、日期各层次上各取一个值组合起来，就得到了时间维的一个维成员，即“某年某月某日”；但是，时间维的维成员也可以是：“某年某月”、“某 月某日”、“某年”等等。 二、多维数据 多维数据库（ MultiDimensional Data Base， MDDB），就是以多维方式来组织数据，以多维方式来显示数据。 多维数据库可以直观地表现现实世界中的“一对多”和“多对多”关系，例如，我们希望存放一张上市公司资产总额的情况表，假设有五个行业（工业、公用事业、服务业、农业和综合业），它们在四个地区（华东、华南、华北和华中）资产总额情况。 用关系数据库（ Relation Data Base， RDB）来组织这些数据如表 11，而用多维数据库则如 表 12。 可以看出，关系数据库采用关系表来表达某地区在各行业的资产分布情况，而多维数据库中的数据组织形式采用了二维矩阵的形式。 显然，二维矩阵比关系表更清晰且占用的存储空间少。 此外，多维数据库的优势不仅在于多维概念表达清楚，占用存储空间少，更重要的是它有着高速的综合速度。 如果查询“华东地区的所有行业总资产额是多少。 ”这类问题，它是涉及多个数据项求和的查询。 在使用关系数据库的情况下，系统必须在大量的数据记录中选出地区为“华东”的记录，然后把它们的总资产额汇总在一起，这时系统效率必定大大降低。 由于关系数据库 统计数据方式是对记录进行扫描，而多维数据库对此类查询只要按行或列进行求和，因而具有极大的性能优势。 7 表 11 关系数据库的数据组织 表 13 关系数据库中综合数据的存放 地区 行业 资产总额（亿元） 地区 行业 资产总额（亿元） 华东 工业 80 华东 工业 80 华东 公用事业 90 华东 公用事业 90 华东 服务业 120 华东 服务业 120 华东 农业 140 华东 农业 140 华东 综合业 350 华东 综合业 350 华南 工业 50 华东 总和 780 华南 公用事业 60 华南 工业 50 华南 服务业 10。