数据集概述
本数据集为支持“基于马氏距离的多变量财务报表分析：美国科技公司的异常值检测与类型聚类”研究的补充数据，包含18家美国科技公司2020-2024年财务比率原始数据、标准化数据、马氏距离数据及对应分析Python脚本，保障研究可复现性。
文件详解
数据集以压缩包形式提供，解压后包含以下文件：
- ESM_1.xlsx：Excel格式，含18家美国科技公司2020-2024年原始财务比率数据
- ESM_2.py：Python脚本，用于从原始财务比率计算Z分数
- ESM_3.xlsx：Excel格式，含选定财务比率的Z分数数据集
- ESM_4.py：Python脚本，用于生成Z分数的相关性热图
- ESM_5.xlsx：Excel格式，含每家公司的马氏距离值
- ESM_6.py：Python脚本，用于计算马氏距离
- ESM_7.py：Python脚本，用于可视化马氏距离
- ESM_8.xlsx：Excel格式，含每家公司的平均Z分数（用于聚类分析）
- ESM_9.py：Python脚本，用于计算平均Z分数
- ESM_10.xlsx：Excel格式，含基于公司层面均值的重新标准化Z分数
- ESM_11.py：Python脚本，用于重新标准化平均Z分数
- ESM_12.py：Python脚本，用于生成层次聚类树状图
适用场景
- 金融数据分析：复现美国科技公司财务比率的马氏距离分析与聚类研究
- 学术研究：验证基于马氏距离的多变量财务异常值检测方法
- 教学实践：作为Python财务数据分析与机器学习聚类算法的教学案例
- 企业财务分析：参考科技公司财务特征的类型化聚类方法应用
