中国股票价格受内在价值影响的因素分析 ――对上证个股的实证分析05级经济基地 郭涛 40501146一.引言准确刻画股票内在价值对于资产定价,资产组合构造以及金融风险管理有着重要意义。
在寻求股票内在价值上,最早有二叉树模型给出了最简单的定价方式,保罗.萨缪尔森在1965年首次提出连续股票定价模型,是现代股票定价模型的基础。
除此之外,还有基于投资报酬率,市场风险以及上市公司基本财务数据的资本资产定价模型。
中国股票市场已有二十多年发展历程,但与发达国家证券市场相比,仍处于不成熟阶段,金融监管等配套措施远未跟上资本市场的发展。
因此在发展过程中体现出很多不成熟的行为,远为达到市场有效的程度,很多国外理论研究因其较强的前提假设而在中国市场不能得到有效利用。
正是在这样的背景下,研究股票内在价值对于投资者选择投资目标,增强资本收益率,并有效防范风险更加具有重要意义。
二.文献综述在股票价格定价的分析上,目前主要流派有基本分析流派和技术分析流派。
技术分析流派以随机游走模型为基础,主要研究股票价格收益率,波动率的影响因素及运动过程。
萨缪尔森连续时间股票模型保罗.萨缪尔森在1965年首次提出连续时间股票模型①s d SdB=+μSdt σ其中,μ,σ 是常量,B 服从布朗运动,即满足零均值,方差为2σ的正态分布。
该微分方程的解为②:exp[(/2)]t =+-2t0t σμσS S Bt B 是均值为0,方差为t 的正态随机变量。
由此得到几何布朗运动模型(GBM ): 0ln()(/2)t s t s =+-2t σμσB其中参数μ,σ均由历史数据回归得到。
该模型是技术分析的基础模型。
此后众多学者在对方差(也就是波动率)的研究上取得进展。
①参见Samuelson P.A. “Rational Theory of Warrant Prices,” Industrial Management Review, 6 (1965),P13-31 ②参见Josegh Stampfli , Victor Goodman. “The Mathematics Of Finance ” Tompson express (2004),P80基本分析流派是目前欧美主要国家投资界的主流派别,它以宏观经济运行状况、行业发展特征及上市公司的基本财务数据作为投资分析对象,对证券的投资价值及市场定价作出评估判断。
此流派的投资者大多是价值投资者,基于规避风险的目的,他们的投资行为较为理性。
基本分析的理论基础在于证券的内在价值理论。
其主要理论有:资本资产定价模型(CPAM )诺贝尔奖得主斯坦福大学的威廉.夏普和后来哈佛大学的约翰.林特纳被公认是CPAM 的创始人③,该模型简单形式为④:()i m r r r =+-m βr其中,i r 为第i 只股票权益报酬率,r为无风险报酬率,m r 为市场组合报酬率,β为风险乘数。
得到目标资产相应的必要报酬率后,再根据其股利支付政策等具体情况折算其股权投资价值,这就是资本资产定价模型的核心内容。
该模型目前较为广泛引用,但由于其理论假设太强,限制条件太多,有许多学者将其应用于中国个股实证分析后发现该模型并不能很好解释中国股票的现实情况。
究其原由,还是在于它市场有效的前提假设根本不满足当前中国股票市场的发展状况。
考虑到目前中国股市发展现状,市场发育程度还远不及欧美发达国家。
就市场本身而言,市场不能在最快的时间内消化新信息带来的巨大冲击,因而市场价格往往不能正确反映实际投资价值或是公平市场价格;就市场的监管体系而言,整个市场监管体系还远为建立,违规违纪事件常有发生;就投资者本身而言,由于投资者自身素质的问题,他们对于风险的认识程度远远不够,因而在一定程度上不能采取理性的投资行为,受市场消息影响过大。
尽管如此,资本资产定价模型的出现还是为基于基本财务数据的股票定价分析提供了方向。
在度量个股风险的问题上,β度量的是个股风险相对于市场组合的风险程度,从模型中可以看出,β值与必要报酬率呈正向变动关系,由基本金融知识可知,要取得相应的收益率,更高的资产必要报酬率以为着应该有更低的购买(投资)价格。
在财务管理学的观点中,β值也可以通过类比相关公司财务数据获得。
也就是说,该模型在理论上提供了股票价格与其财务数据的相关性分析论证。
本文旨在研究公司股票内在价值对股票市场价格的影响,故主要以基本面,也就是财务数据为研究对象,考虑其对价格的影响。
因此在设定模型时考虑去除非基本面因素对股价的影响,诸如市场行情的波动等。
③参加[美]杰弗里.萨克斯 菲利普.拉雷恩,“全球视角的宏观经济学” 上海人民出版社(2004)P556 ④参见“财务成本管理” 经济科学出版社(2007) P386三.理论分析与模型建立前边已经提出本文旨在研究上市公司股权内在价值对股票价格的影响。
在此假设股票投资者是基于投资的目的而非投机的目的将资金投资于股票市场,因此他们关注的是该投资的长期回报能力而非短期买卖差价。
对于投资者而言(也就是股权投资),股权内在价值的衡量指标有很多,但总的来讲分为两个方面,一方面是该公司实体投资价值;另一方面是该公司(股东)获利能力。
在公司实体投资价值方面,投资者当然关注的是当前实体价值,作者在此认为每股净资产这一财务指标能很好反映该公司股票实体投资价值,因为净资产为股权投资者能够要求的全部实际资产,每股净资产即能很好反映股权投资的当前实体价值。
在股东(股权)获利能力方面。
作者认为应该分为现阶段盈利和持续盈利能力。
作为投资者而言,投资的目的在于盈利,公司的股权回报来源于公司的盈利,即期权益净利率作为预计公司盈利能力的起点(也就是现阶段盈利能力)是很好的选择;在考察持续盈利能力时,利用主营业务增长率也能很好地对公司未来作出合理的预期。
因此选择净资产收益率与主营业务增长率为考察上市公司盈利能力的代表解释变量。
接下来就是股票价格选取的问题。
基于本文考察基本财务信息对股票价格影响的出发点,在选取股票价格时应该考虑去除市场整体波动对股价造成的影响以及风险溢价等因素,单独考虑基本财务状况对股票价格的影响。
因此选择60日移动平均价以求降低系统波动的影响。
根据以上分析,建立如下模型:Y=+++123123+βββαX X X U其中,Y代表60日移动均价,β代表参数,1X 代表净资产收益率(%)2X 代表主营业务增长率(%) 3X 代表每股净资产四.相关数据收集及处理在数据选取的问题上,由于我国股市多数指标是按年度计算,以时间为依据选取样本可能不具备代表性,还会出现严重的时间序列问题,所以选取截面数据作为样本。
限于作者水平,为了减少大盘指数的波动对个股造成的不同影响,本文选取30只上证非ST(即经营未出现问题)股票作为样本。
在被解释变量的设置上,选择报表披露后的60日移动均价作为被解释变量,去除行情波动等非财务信息的影响因素,因为经过60天的市场调整,该指标更贴近于计算期日(即报表披露日)股票的内在价值。
本文选取2007年第三季度月报披露期限为计算时间点,考虑大部分公司披露报表选择在9月中旬以及报表披露前的信息传导(也就是说在报表公布前市场就已经开始对此进行调整),并考虑场外(即非交易日)信息交流等因素,因此将股价变动这一调整过程的开始时间提前,计算期日选择在9月3日,在移动平均价的选取上,选取之后连续60个交易日移动平均价,即11月30日的60日移动平均价。
利用同花顺行情分析软件,得到如下数据:(分别为11月30日的60日移动平均价及上市公司2007年第三季度财务数据)五.模型估计和检验对上述数据利用EVIEWS软件进行最小二乘估计结果如下:回归方程如下:Y= -36.4593638205+1.60467689657X1+0.203222476837X2+11.7252880775X3 (8.210803)(0.636386)(0.159221)(1.667274)t = (-4.440414) (2.521545) (1.276354) (7.032611)2R= 0.782348 F= 31.15224 DW=1.6901611.经济意思检验从经济意思上说,股票价格应该与其内在价值成正比例关系,而其内在价值由股东获利能力及实体投资价值成正相关关系。
即股价随净资产收益率,主营业务增长率,每股净资产X,2X,3X系数均为正数,这与现实经济意思相符。
但是增加而增加,回归结果显示1其截距项为负数,表明当上述财务指标为零时,股票价值为负,根据一般经济理论投资股票至少应该有其时间价值,是对投资者承担风险的报酬,也就是说截距项不应该为负,证明该结果与经济原理不符。
2.统计推断检验2R= 0.782348 说明总离差平方和的78.2348%能够被样本回归线解释。
虽然X1,X3的t检验表明其显著,但是X2的t值仅为1.276354,表明主营业务增长率对股票价格的影响不够显著。
在自相关上,DW=1.690161,刚好通过检验,表明无自相关。
以上检验表明该模型在设定上存在问题,主营业务增长率对股票价格影响不显著的问题有可能是多重共线性产生的,但基于其经济意义,分析后发现这三个解释变量之间不应该存在 严重的相关关系,并对三者进行多重共线性检验,结果如下:该表表明不存在三个解释变量之间不存在严重的相关关系。
因此,上述问题的产生很可能是由于模型设定本身发生骗误引起的。
虽然可以确定三个解释变量对被解释变量的大致影响方向,但还不能确定其以简单线性形式产生影响。
六.模型修正与检验就上述回归结果看来,前边设定的解释变量对被解释变量的简单线性影响形式不能很好解释三个变量与被解释变量之间的关系。
故下边考虑对模型进行转换,根据前文所述,基本经济理论已经确定股票价格与三个解释变量之间的关系应该是正向变动,故尝试采用对数形式:ln ln ln ln Y =+++123123+βββαX X X U解释变量及被解释变量设定同上,对其进行回归结果如下:回归方程如下:ln Y= 0.414196 + 0.552543ln X1 + 0.233212ln X2 + 0.616473ln X3(0.296400) (0.122633) (0.073007) (0.152154)t = (1.397422) (4.505647) (3.194375) (4.051648)2R= 0.767356 2R= 0.740512 F =28.58622DW = 1.8967852R= 0.767356,说明总离差平方和的76.7356%可以由样本回归直线解释,考虑到这是截面数据,能够有这样的拟合优度已经能够令人满意了。
β1的t统计量为4.505647,在给定显著性水平为0.05的情况下,查T分布表在自由度为N-2=28下的临界值为1.701,所以拒绝原假设。