Structuring and implementation of the principal components analysis as criteria for determining the inputs and outputs to be considered in a financial analysis
Keywords:
Ortogonalization, , main component analysis, inputs, outputs, QR Algorithm, own value, own vector, ,metal-mechanical sector, financial sectorAbstract
This paper describes the mathematical structure of the Principal ComponentAnalysis (PCA) and an application in the metal-mechanical sector in Colombia.The analytical and numerical procedure used, is detailed to find the principalcomponents. It emphasizes in the "square matrix QR algorithm" procedure forcalculating its own values `` and vectors which reduce the variables to beanalyzed. The Principal Component Analysis is a statistical approach thatsimplifies the subjectivity of business decision makers, through theimplementation of linear algebra and numerical analysis in reducing variables toanalyze financial studies. The financial behavior of companies in the metalmechanical sector 2009-2010 can be explained by the operating profit, noncurrent liabilities and non-operating income.
References
Berenson, M. L., Levine, D. M. y Krehbiel, T. C. (2001). Regresión lineal simple y correlación. En: . (2 ed.) (p. 504-505). Estadística para administración México: Pearson Educación
Cruz, J. S., Villareal, J. y Rosillo, J. (2005). Indicadores financieros como medidores de riesgo. En: (p. 599-626). Bogotá: Finanzas Corporativas Thomson Learning
CSI /ITESM (2008). . Departamento de matemáticas. México: Factorización QR CSI
García Serna, O. L. (1999). Revisión de los estados financieros. En: Administración Financiera: Fundamentos y aplicaciones (3 ed.) (p. 62-63). Bogotá: Textos y sistemas.
Gitman, L. J. (2003). (10 ed.) México: Pearson Principios de administración financiera Educación
Grossman, S. (1996). (5 ed.) Bogotá: Editorial Mc Graw Hill
Guisande Gonzáles, C., Barreiro Felpeto, A., Maneiro Estraviz, I., Riveiro Alarcón, I. & Vergara Castaño, A. R. (2006). España: Tratamiento de datos. Ediciones Díaz de Santos
Kolman, B. y Hill, D. R. (2006). Método de Gram-Schmidt factorización QR de; una matriz m*n. En: (p. 356-379). México: Pearson Algebra lineal Education
Larson, R. y Edwards, B. H. (2002). . México: LIMUSA Introducción al álgebra lineal Noriega editores
Levin, R. I. y Rubin, D. S. (2004). Regresión múltiple y modelado. En: Estadística para administración y economía (7 ed.) (p. 566-593). México: Pearson Educación
Nakos, G. & Joyner, D. (1999). Productos punto e interno. En: Álgebra lineal con aplicaciones. (1 ed.) (p. 531-557). México: Thomson Editores
Publicaciones Semana Dinero (2012, 05, 25). Cinco mil empresas.Revista Dinero. (398) (p. 170-256)
Rodríguez Rojas, O. (2009). Análisis en componentes principales. San José: Universidad de Costa Rica
Ross, S. A, Westerfield, R. W. y Jaffe, J. F. (2009). Análisis de estados financieros y planeación a largo plazo. En: Finanzas Corporativas (8 ed.) (p. 41-69). México: Mc Graw Hill
Sánchez Castro, J. J., Hincapié R., Y. P. & Quintero Flórez, J. (2009). El capital intelectual en las empresas del sector metalmecánico Risaralda Colombia. Scientia et Technica Año XV. Universidad Tecnológica de Pereira (p.123-128)
Shlens, J. (2009). A tutorial on Principal Component Analysis. New York: Center for neural Science, New York University
Smith, L. (2002).A tutorial on Principal Component Analysis. USA: Cornell University
Vicente Villardón, J. L. (2004). Análisis de componentes principales. Salamanca: Universidad de Salamanca: Departamento de Estadística
Webster, A. L. (2000). Regresión múltiple y correlación. En: Estadística aplicada a los negocios y la economía ( 3 ed.) (p. 382-412). Bogotá: Irwin Mc Graw Hill
Weston, J. F. y Brigham, E. F. (1994). Análisis de estados financieros. En: Fundamentos de Administración Financiera (10 ed.) (p. 53-104). México: Mc Graw Hill
