股票市场收益率分析（精选12篇）
股票市场收益率分析 篇1
ST是英文Special Treatment 的缩写, 意即“特别处理”。作为一种证券市场监管手段, ST制度是在股份有限公司正常上市与暂停上市之间的一种特别处理措施。ST制度正式运用于中国股市始于1998年。
1 ST股票投资回报分析
研究ST股票投资回报, 首先要对全部ST股票进行分类, 根据处理结果不同分为首次ST、摘帽、重组和暂停/终止上市四大类。第二, 分别统计后三类的所有股票的戴帽年及当年的最低价和处理年及当年最高价, 其中暂停/终止上市的ST股票的处理价格一律以0元记。第三, 统计深圳证券交易所股票价格成分指数和上海证券交易所股票价格综合指数各年的历史最高值和最低值, 并根据股票的戴帽年和处理年, 求出“年平均收益率”, 其公式为:undefined, 其中R为年平均收益率, N为处理年份与戴帽年份的差, H为处理年份的最高指数, L为戴帽年份的最低指数。最后, 以“年平均收益率”为折现率分别求出三类ST股票的“每股投资收益终值”, 其公式为B=h-l×RN, 其中B为每股投资收益终值, h为该只ST股票处理年份的最高市价, l为该只ST股票戴帽年份的最低市价
据统计, 深市和沪市首次ST的上市公司有97家, 摘帽的有105家, 重组的108家, 暂停上市的27家, 终止上市的41家。投资收益分析详情见表1。
资料来源:湘财证券行情软件。
根据湘财证券行情软件, 重组的108只股票中, 每股投资收益终值为正的有80只, 占74%, 超过10元的有15只, 占14%, 平均每股投资收益终值为2.8200元;摘帽类的105只股票中, 每股投资收益终值为正的有75只, 占71%, 超过10元的有11只, 占10%, 平均每股投资收益终值为1.8064;暂停/终止上市的68只股票每股投资收益终值全部为负, 且亏损超过10元的有12只, 占18%, 平均每股投资收益终值为-7.7045元。根据以上统计, 投资于重组和摘帽类的ST股票可以赚取超过市场平均水平的收益, 且重组类股票的收益大于摘帽类股票;而投资于暂停/终止上市的ST股票则将承受很大亏损。
2 影响ST股票投资回报因素分析
2.1 地区因素
本文按照重组、摘帽、暂停/终止上市的分类统计了1998年至2008年中国A股市场的所有ST股票的地域, 统计结果见表2。
根据表2可以得出:
(1) 东北 (34%) 、南部沿海 (35%) 、西北 (31%) 、天津 (34%) 、海南 (75%) 和湖南 (31%) 的股票被ST的概率较高;而东部沿海 (13%) 和中北部地区 (12%) 的概率较低。
(2) 东北 (41%) 、南部沿海 (25%) 、中南部 (23%) 、陕西 (27%) 的ST股票被暂停/终止上市的概率较高;海南 (6%) 、北部沿海 (0%) 、中北部 (9%) 和西北部地区 (3%) 的比例最低。
(3) 东北地区 (20%) 和东部沿海地区 (25%) ST公司被重组的概率较低, 而北部沿海 (40%) 和中北地区 (45%) 的ST公司被重组概率较高, 其中蒙古地区的重组比例高达到100%。
资料来源:上海证券交易所网站和深圳证券交易所网站。
(4) 东北 (17%) 和中北部地区 (18%) 的摘帽概率较低, 浙江、云南、安徽、新疆四省上市公司摘帽比率分别为50%, 75%, 50%, 67%, 高于全国平均水平, 而黑龙江、广西、山西、内蒙古、陕西的摘帽比率为0。
综合分析以上四项结论, 我们可以得到:
(1) 东北地区的上市公司稳定持续盈利能力低, 退市几率大, 重组和摘帽可能性很小。由于东北是老工业基地, 企业设备老化、思想僵化、负担重, 因此竞争力弱, 容易亏损, 扭亏为盈困难, 且兼并价值低, 成本高, 因此东北地区的ST公司的投资收益低, 风险大。
(2) 北部沿海地区上市公司ST比率较低, 没有暂停/终止上市的公司, 有近半数的ST公司被重组。由于北部沿海地区以北京为中心, 有政府支持;又有天津、秦皇岛等港口;靠近陕西、内蒙古、辽宁等资源能源大省。因此投资于该地区的ST股票风险低, 收益较高。
(3) 中北和西北地区ST股票比例较高, 但鲜有暂停/终止上市的。由于这两地区经济发展落后, 上市公司少, 政府不希望上市公司退市, 便通过政策支持 (例如宁夏自治区政府给ST银广夏5300万元无息借款) 帮助ST公司渡过困境, 撮合重组并购;且该地区资源丰富, 收购价值高。因此这两地区的大型国有又占有资源能源优势的ST公司, 投资价值很高。
(4) 南部沿海地区的上市公司被ST的概率高, 且暂停/终止上市比例大。由于该地区多外向型企业, 极易受到金融危机、汇率政策、信贷政策的影响, 因此容易发生亏损;同时该地区市场经济发达, 以市场调节为主, 因此亏损企业获得政府帮助的可能性很小;加之大多数企业为劳动密集型, 重组并购的价值较低, 因此暂停/终止上市比例较高。
(5) 东部沿海地区的上市公司被ST的概率很小, 其中被暂停/终止上市的少而摘帽的多。由于长三角是中国经济最发达的地区, 企业设备先进、人才集中、融资便利, 中央政策支持力度也很大。因此投资该地区的ST股票风险小, 收益不高。
(6) 西南和中南地区由于历史原因和资源因素, 经济发展处于全国中等水平, 。该地区的上市公司ST比例为全国平均水平, 暂停/终止上市风险比东北和南部沿海小, 但比西北部地区大, 重组、摘帽概率中等。因此在投资这一地区ST股票时要谨慎分析。
2.2 行业因素
本文根据上海证券交易所和深圳证券交易所的CSRC行业分类对所有ST股票的行业进行了统计, 结果如表3所示。
资料来源:上海证券交易所网站和深圳证券交易所网站。
根据上表:
(1) 占有资源能源 (如采掘业100%) 和固定资产比例高 (如石化塑胶业53%、房地产业53%、建筑业50%) 的公司被重组的可能性较大。这些行业的公司一般规模较大, 资产价值高, 在ST时进行兼并可以以低价收购到这些资产;这些行业又是国家经济的支柱行业, 受到国家政策的支持, 因此, 投资于该类股票可以获得较高的投资收益。
(2) 产品需求弹性小、固定资产较少的公司 (如纺织服装业90%、批发零售业90%) 的重组比例也很高。一方面, 由于这些公司的产品具有需求刚性, 因此通过兼并收购并对“问题公司”进行整顿, 可以获得良好的经营成果;另一方面, 由于这些公司收购成本低, 受到借壳上市公司的青睐, 例如在重组的9家纺织服装业的上市公司中, 有4家为借壳上市, 分别是华业地产 (房地产业) 、上海辅仁 (医药生物) 、英特集团 (批发零售) 、中汇医药 (医药生物) 。
(3) 服务行业 (如水电煤气业100%、社会服务业71%、运输仓储业67%) 、占有技术资源的中等规模制造业 (如电子产品制造业70%、医药生物制品制造业67%) 、食品饮料行业 (58%) 和机械设备制造业 (50%) 则有较高的摘帽比例。这类公司对市场风险比较敏感, 因此容易在经济萧条时出现亏损, 而在复苏时摘帽。此外, 这类公司通过改善公司治理, 改善服务和产品, 也比较容易重新建立社会声誉。因此容易扭亏为盈。
(4) 以人才和商誉等无形资产为主要竞争力的企业 (如信息技术行业、传播文化行业) 一旦发生持续亏损, 极容易被暂停/终止上市。由于这类公司的价值大部分是人才、商誉等无形资产, 而一旦被ST, 人才流失, 商誉贬值, 发生严重的资不抵债, 鲜有收购价值, 因此这两类行业的多数企业最终被暂停/终止上市。
(5) 农林牧渔业重组和暂停/终止上市比例都很高, 这主要是因为, 一方面, 农业是受到国家政策扶持的行业, 因此重组比例较高;另一方面, 农业是弱势行业, “靠天吃饭”, 容易亏损, 又很难通过自身的经营扭亏为盈, 一旦重组失败, 农业企业往往只能接受暂停/终止上市的命运。
(6) 造纸印刷业、金属非金属业和综合类的企业三种处理方式比较均匀, 因此在投资这些行业的股票时投资者要具体分析个股的其他条件, 再做投资决策。
2.3 财务状况因素
尽管当今社会普遍承认会计指标不能完全反映一家上市公司的实际经营状况和未来预期情况, 但是通过数据统计可以发现, 不同处理方式的ST股票的财务指标的恶化的程度也不同, 并且有一定的规律, 而每股投资收益终值与几大财务指标也存在显著的一元线性关系。本文统计了所有重组、摘帽和暂停/终止上市的281只股票在ST前一年12月31日的每股收益、每股未分配利润、流动比率、存货周转率、经营净利率、主营业务增长率、资产负债率, 运用JMP软件分别对上述六项财务指标对每股投资收益终值做一元线性回归, 得到如下结论。
资料来源:湘财证券行情软件。
根据上表得, 摘帽类ST股票的七项财务指标均值好于重组类的ST股票, 重组类又好于暂停/终止上市的ST股票。
根据JMP软件得到如下一元线性回归方程:
每股投资收益终值 = -1.315142 - 1.6580899*每股收益 (元) , t=-3.04
每股投资收益终值 = -1.392913 - 1.2162542*每股未分配利润 (元) , t=-2.67
每股投资收益终值 = 0.3537179 - 0.3511795*流动比率 (%) , t=-2.16
每股投资收益终值 = -0.314875 + 0.0417642*存货周转率 (倍) , t=1.13
每股投资收益终值 = -0.034913 + 0.0001094*经营净利率 (%) , t=1.28
每股投资收益终值 = 0.2288996 + 0.0231649*主营业务增长率 (%) , t=2.26
每股投资收益终值 = -1.114057 + 0.0136329*资产负债率 (%) , t=1.83
由于α=0.9时, tα/2=1.29, 可见每股收益、每股未分配利润、流动比率、存货周转率、主营业务增长率、资产负债率对每股投资收益终值有显著影响, 而存货周转率的t统计量为1.28, 十分接近临界值。其中, 每股投资收益终值与每股收益、每股未分配利润和流动比率呈负相关关系, 与存货周转率、经营净利率、主营业务增长率和资产负债率呈正相关关系。
2.4 股本结构因素
在股权分置改革之前, 上市公司的股东一般分为流通股股东、国家股股东以及法人股股东。本文对上海和深圳证券交易所的所有曾经被特别处理 (ST) 过的上市公司的在被特别处理前一年年末公布的股本结构进行了统计, 其结果如图1。
通过上图可知, 重组和摘帽的ST股票平均国家股比例为20%, 而暂停/终止上市的公司的国家股比例仅为10%。其原因可以从以下几个方面理解。
资料来源:金融界网站。
(1) 国家股比例高的公司大多是国民经济支柱行业的公司, 其本身实力较强;此外国家股比例高的公司具有国家信用, 在困难时期容易获得贷款以渡过难关, 扭亏为盈;而且国家股比例高的公司因其背景更容易被兼并收购。
(2) 由于监管水平不够, 我国资本市场上法人股股东容易利用监管漏洞, 采用非法手段转移或占用公司的资产, 造成公司实际资产与账面资产严重不符。如大股东挪用上市公司的募股资金, 让上市公司为母公司巨额担保, 甚至贪污腐败, 使上市公司严重资不抵债。例如*ST金荔, 截至2005年中报, 该公司对外违规担保金额达25792万元, 公司被间接控股股东及其子公司直接占用资金990.33万元, 直接导致了*ST金荔的终止上市。
(3) 因为流通股的股东大多为机构投资者和中小投资者, 因此流通股比例高的公司在被ST以后容易因为市场的“羊群效应”而陷入更严重的困境, 直接或间接导致其暂停/终止上市。
根据以上结论, 在筛选ST股票进行投资决策的时候, 选择国家股比例较高的股票进行投资, 可以降低暂停/终止上市的风险, 增加投资收益。
3 结论
通过上述对于中国股市中ST股票进行分类, 并从地区、行业、财务指标、股本结构和时机等方面进行分析归纳, 总结其规律, 可以得到对ST股票进行投资的指导方法。
在地区选择上, 谨慎投资东北、南部沿海、中南地区和陕西省的ST股票;推荐北部沿海、中北地区、西北地区和海南省的ST股票。
在行业选择上, 推荐投资占有资源能源的公司 (如采掘业) 、固定资产比例高的公司 (如石化塑胶行业、房地产业、建筑业) 以及产品需求弹性小、固定资产较少的公司 (如纺织服装业、食品饮料制造业、批发零售业) ;避免投资于固定资产比例低、以人才和商誉等无形资产为主要竞争力的企业 (如信息技术行业、传播文化行业) ;仔细分析农林牧渔业、造纸印刷业、金属非金属业和综合类的ST股票的各方面信息, 考虑其是否具有垄断优势、是否受到国家政策的支持、是否容易受到经济危机的影响等, 来判断其未来的走向和是否具有投资价值。
在财务指标方面, 选择投资各项财务指标中等水平的ST股票进行投资。
在股本结构方面, 选择国家股比例高的ST公司可以降低投资风险, 提高投资收益。
股票市场收益率分析 篇2
股票收益率计算公式-股票收益率怎么算?
什么是股票收益率
股票收益率指投资于股票所获得的收益总额与原始投资额的比率。股票得到投资者的青睐，是因为购买股票所带来的收益。股票的绝对收益率就是股息，相对收益就是股票收益率。
股票收益率=收益额/原始投资额
其中：收益额=收回投资额+全部股利-(原始投资额+全部佣金+税款)。
当股票未出卖时，收益额即为股利。
衡量股票投资收益水平的指标主要有股利收益率、持有期收益率和拆股后持有期收益率等。
1、股利收益率
股利收益率，又称获利率，是指股份公司以现金形式派发的股息或红利与股票市场价格的比率其计算公式为：
该收益率可用于计算已得的股利收益率，也可用于预测未来可能的股利收益率。
2、持有期收益率
持有期收益率指投资者持有股票期间的股息收入与买卖差价之和与股票买入价的比率。其计算公式为：
股票没有到期日，投资者持有股票的时间短则几天，长则数年，持有期收益率就是反映投资者在一定的持有期内的全部股利收入和资本利得占投资本金的比重。持有期收益率是投资者最关心的指标，但如果要将它与债券收益率、银行利率等其他金融资产的收益率作比较，须注意时间的可比性，即要将持有期收益率转化为年率。
3、持有期回收率
持有期回收率是指投资者持有股票期间的现金股利收入与股票卖出价之和与股票买入价的比率。该指标主要反映投资回收情况，如果投资者买入股票后股价下跌或是操作不当，均有可能出现股票卖出价低于买入价，甚至出现持有期收益率为负值的情况，此时，持有期回收率可作为持有期收益率的补充指标，计算投资本金的回收比率。其计算公式为：
4、拆股后的持有期收益率
股票市场收益率分析 篇3
关键词：GARCH模型；ADF检验；参数估计；ARCH效应检验
1.引言
我们经常可以看到时间序列具有如下特征：在确定性非平稳因素的影响被消除之后，残差序列的波动在大部分时段是平稳的，但在有些时段的波动会非常剧烈，也会在有些时段的波动持续偏小，呈现“集群效应”。这时引入条件异方差ARCH模型。
在实践中，如果用ARCH模型拟合会产生很高的移动平均阶数，增加参数估计的难度并影响拟合精度。为解决这一难题，Bollerslov在1985年提出了广义自回归条件异方差模型，即GARCH模型。本文重点介绍GARCH模型的建模过程，最后以上证指数为例进行实证分析。
2.GARCH（1，1）模型
由于本文将会使用GARCH（1，1）模型进行股票收益率序列的波动研究，GARCH（1，1）模型中的p和q均为1，表示其自回归项（GARCH项）的阶数为1阶和残差平方项（ARCH项）滞后1阶。标准的GARCH（1，1）模型结构如下：yt=φxt+εtσ2t=α0+α1ε2t-1+β1σ2t-1式中，xt是1×（k+1）维外生变量向量，φ是（k+1）×1维系数变量，k=1，2，…，T。
3.股市收益率的波动性研究（以上证指数为例）
3.1平稳性检验（ADF检验）
图1 rh序列的ADF检验图
由图1可知r t的ADF值为-27.61241，明显小于各个不同显著性水平下的临界值，可以判定该序列为平稳序列。在显著性水平为1%的水平下，收益率r t拒绝随机游走的假设，说明该序列为平稳时间序列。
3.2 相关性分析及均值方程的定阶、参数估计及检验
图2 均值方程的参数估计及检验
观察收益率r t的自相关系数和偏自相关系数，我们发现收益率r t都与其滞后3阶存在显著的自相关，因此对收益率r t的均值方程如下形式：rt=0.041rt-3+εt
3.3 异方差性检验（ARCH-LM检验）
图3 LM检验图
从图3可以看出，在ARCH-LM检验结果中显示各统计量的P值都小于0.05，因此拒绝原假设，即残差平方序列具有自相关性。根据参数的t检验，对于ARCH（q）模型中，只要有一个参数通过了t检验，就意味着残差平方具有自相关性。我们选择1阶滞后，其P值小于0.05，因此可以说残差的平方序列存在自相关性，即残差序列方差非齐性，具有异方差性。所以，可以在均值方程的基础上建立GARCH模型。
3.4 GARCH类建模GARCH（1，1）
r t 的GARCH（1，1）模型估计结果
图4 GARCH（1，1）参数估计及检验
得到均值方程和条件方差方程如下：
rt=0.0413rt-3+εtσ2t=5.71×10-6+0.0841ε2t-1+0.8938σ2t-1
在条件方差方程中ARCH项和GARCH项都高度显著，表明收益率序列r t具有显著的波动集簇性。ARCH项系数（0.0841）大于0，表示外部的冲击会加剧系统的波动性；GARCH项系数（0.8938），反映了系统的长记忆性；ARCH项和GARCH项系数之和为0.98，小于1，可以说明GARCH（1，1）过程是平稳的，并且过去的波动对未来的影响是逐渐衰减的。
3.5 对GARCH（1，1）模型进行ARCH-LM检验
图5 拟合模型后的LM检验
从图5可以看出，在ARCH-LM检验结果中显示各统计量的P值都大于0.05，因此不能拒绝原假设，即残差平方序列不具有自相关性，经过拟合GARCH（1，1）模型后，残差序列的条件异方差性已被消除。因此可以说明建立的GARCH（1，1）模型是有效的。
4.结论
通过分析上证指数收益率的统计特征，拟合一个较好的模型：GARCH模型，来更好地描述收益率序列。通过分析，基本可以得出了以下结论：
（1）上证指数的收益率r t具有尖峰厚尾的统计特征，序列波动剧烈，存在明显的ARCH效应，具有显著的波动集簇性且GARCH（1，1）具有较好的拟合效果。
（2）GARCH方程中α1+β1接近于1，表明条件方差函数具有单位根和单整性，也就是说条件方差波动具有持续记忆性，说明收益率波动的持续性较强。
（3）GARCH方程中α1+β1<1，说明收益率条件方差序列是平稳的，模型具有可預测性。（作者单位：西安财经学院）
参考文献：
[1] Engle R.Autoregressive conditional heteroscedasticity with estimates of the variance of UK [M].Econometric，1982.
[2] Bollerslev Tim.Generalized Autoregressive Conditional Heteroskedasticity [J].Journal of Econometrics，1986，31：307-327.
[3] 王燕.应用时间序列分析（第三版）[M].北京：中国人民大学出版社，2012：175-176
[4] 魏红艳，孟纯军.基于GARCH模型的短期汇率预测[J].经济数学，2014，31（1）：81-84.
[5] 金成晓，曹阳.基于非参数ARCH模型的沪深指数波动性研究[J].山西大学学报（哲学社会科学版），2014，37（3）：62-67.
[6] 惠晓峰，柳鸿生，胡伟，何丹青.基于时间序列GARCH模型的人民币汇率预测[J].金融研究，2003，275（5）：99-105.
股票市场收益率分析 篇4
关键词：上证指数,股票日收益率,金融时间序列,ARCH模型,GARCH模型
一、引言
在金融计量中, 市场波动性的研究一直是国内外学者关注的重点, 近年来国内外学者也逐渐重视股票指数模型的定量化研究, 用统计模型来描述金融时间序列的波动性。最早在1982年Engle提出了ARCH模型, 即自回归条件异方差模型。 该模型用自回归的方式来解决方差随时间变化而变化的问题, 基本满足了金融时间序列波动集群和异方差性的特征。 Bollerslev (1986) 在ARCH模型的基础上对误差的方差进行建模分析, 得到了广义的ARCH模型即GARCH模型, 适用于波动性分析和预测, 而ARCH模型则变成其中一个特例。此后, Engle, Lilien和Robins (1987) 又假设条件方差和条件期望随着时间变化, 并联系在一起得到了ARCH-M模型。另外, 又有学者发现有些对条件对波动的影响是非对称性, 所以很难用对称的GARCH模型处理这一类金融时间序列。于是在此基础上, Zakoian (1994) 提出了TRACH模型, Nelson (1990) 提出了EGARCH模型, 这两种模型都是非对称模型, 对传统的GARCH模型进行了一定的修正。
在此基础上国外多位学者对股票收益率波动的ARCH现象进行实证研究。 Akgiray (1989) 在分析预测美股波动的时候, 采用了ARCH模型和GARCH模型分析, 并比较了传统的移动平均模型预测结果和此模型的预测结果, 结果发现GARCH模型预测结果较优。Bodurtha和Mark (1991) 用ARCH (3) 模型对纽约股市的月度收益率波动进行了分析。Engle和Mustafa (1992) 在研究美国股市单个股票收益率序列的时候, 证实了其存在明显的ARCH效应。
国内对金融时间序列的计量研究起步较晚, 但是近年来也有多位学者运用GARCH族模型研究了股票收益率波动。 陈健 (2003) 介绍了GARCH模型和EGARCH模型, 分析这些模型的特点和适用范围, 引入t分布取代原模型的正态分布假设, 并对上证指数进行实证研究。万蔚 (2007) 等运用GARCH、TARCH和EGARCH模型同时拟合沪市和深市的股票收益率, 实证对比分析股票收益率波动的特征。杨惟舒 (2011) 在国外学者对ARCH模型研究的基础上, 分析了中国股市是否存在ARCH效应。李玲玮 (2011) 在研究我国商业银行股票收益率波动时, 利用了GARCH模型进行实证分析, 数据选取的是我国五大国有控股商业银行, 结果证明股票收益率具有尖峰厚尾、异方差性和波动呈非对称性的特点。
本文以上证指数从2000年1月4日至2015年5月20日之间的日收盘价为样本数据进行分析, 总共3717个有效数据, 对数据进行简单预处理之后建立适当的相关ARCH模型, 并对其进行分析。
二、实证分析
1.模型介绍
大量实证分析表明, 金融时间序列数据经常出现波动异常不稳定的现象, 在某段时间内波动大, 但是在另一个时间段波动又会比较小, 这种现象在研究股票收益率波动中也经常出现。曹洁 (2011) 把这个总结为金融时间序列的两大特点, 一个是波动集群性和持续性, 也就是说如果当期是波动的, 下一期的波动会随当期收益率偏离均值的程度而加强或减弱, 波动会更大, 反之亦反;另一个特点是高峰厚尾的特点, 小概率事件发生频率高, 而且呈现非正太性和厚尾的特点。这样的时间序列数据不满足传统及计量方法的同方差假设, 所以不适用于传统的回归模型。
因此, Engle于1982年首次提出了ARCH模型, 能较好地描述金融序列的波动特性。 Bollerslev于1986年提出GARCH模型用于更好地处理厚尾性的问题, 用一个低阶的GARCH代替一个高阶的ARCH模型。本文在了解了金融时间序列的特性之后, 在研究股票收益率波动时, 建立适当的ARCH模型并对其进行检验修正, 再得出最后结论。
2.数据选取及处理
本文要研究股票日收益率波动, 选取上证综合指数2000年1月4日至2015年5月20日的日收盘价序列作为样本, 共3717个有效数据。上证综指收盘价序列是一个非平稳的时间序列, 在实际应用中, 采用对数收益率的计算方法来衡量股票收益率, 来进行模型的拟合, 并选择最合适的模型。对数收益率的公式如下:
rt=ln Pt-ln Pt-1
rt表示上证综指t期收益率, Pt为t期收盘价。本文数据均来自国泰安数据库, 实证分析结果通过Eviews6.0计算获得。
3.股票收益率的一般分析
本小节先对股票日收益率序列做一般处理和分析, 在Eviews6.0中得到该序列的时间趋势图和包含峰值、均值等特征的描述性统计量图。从图1上证综指的日对数收益率趋势图可以看出, 收益率序列rt没有比较明显的波动趋势和波动周期。然而从图中的波动可以看出收益率序列波动出现很多峰值, 以及波动比较聚集的现象。波动很不稳定, 在有的时间段内较小, 然而有的时间段内较大。
另外再观察图2的描述性统计量, 日对数收益率均值为0.000310, 标准差为0.015831。 另外偏度为- 0.129580小于零, 说明这个序列有左拖尾现象。左偏峰度为7.280142, 正态分布的峰度值为3, 说明此指数收益率的左偏峰度大于正态分布的峰度值。也就是说明日对数收益率rt具有“尖峰厚尾”的特征。另外, Jarque- Bera统计量对应的P值为0.000000, 显著地拒绝正态分布的原假设, 表明该序列不服从正态分布。这些现象也正是印证了国内外学者所言, 不能用传统回归模型研究金融时间序列数据。
4.股票收益率序列的平稳性检验和自相关检验
在了解了股票收益率序列一般特性之后, 接下来利用单位根方法检验收益率序列rt的平稳性。由表1可以看出, 收益率序列的ADF检验值为-60.114, 明显小于1%、5%以及10%显著性水平下的临界值, 而且P值为0.0001, 该检验的原假设为随机游动, 检验结果说明收益率序列拒绝原假设, 即是平稳的时间序列。
接下来检验收益率序列的自相关性, 在Eviews6.0中检验时间序列的自相关性, 分别列出该时间序列的自相关和偏自相关的图, 本文采用Q统计量检验并观察其对应的P值。实证结果显示, 1阶滞后时P=0.404, 2阶滞后时P=0.460, 3阶滞后时P=0.205, 4阶滞后时P=0.014, 5阶滞后时P=0.025…, 并且之后滞后越大, P值越接近于零。所以结果表明, 在5%的显著性水平下, 该序列存在4阶自相关。
5.模型建立
(1) 自回归方程建立和检验。经过以上对收益率序列rt的分析, 开始建立相应的模型, 设收益率序列的ARCH模型为:rt=c+i=1αβirt-1+εi
其中εt为随机误差项, 是服从零均值、方差为δ2的正态分布的随机游动, 为 βi自回归系数。
在Eviews6.0中经过多次建模尝试后发现, 滞后4阶的自回归方程具有显著性, 因此建立滞后4阶的AR (4) 模型。对于这个沪市日收益率序列的自回归模型, 用Ljung-Box Q统计量对均值方程拟合后的残差以及残差平方做自相关检验, 分析比较结果得出, 残差的自相关系数以及偏自相关系数都小于5%显著性水平下的临界值, 而原假设为残差序列相互独立, 检验结果表明不能拒绝原假设, 即残差不存在显著自相关。但是同时, 残差平方存在显著的自相关。
(2) ARCH效应检验。本文主要通过ARCH效应的拉格朗日乘数检验, 即ARCH-LM检验来判断残差序列是否存在ARCH效应。对以上均值方程进行ARCH效应检验, 采用ARCH LM检验, F统计量和LM统计量对应的P值都小于0.01, 说明在1%的显著性水平下拒绝原假设, 所以得出结论是残差平方序列存在自相关, 也就是说模型的残差序列存在自回归异方差。对上证指数收益率序列AR (4) 模型进行条件异方差的ARCH-LM检验, 在检验的阶数q=2时, 得到表2的结果。
表2给出两种检验结果, F-statistic只能作为参考, 而第二行的LM统计量值及相伴概率作为检验的标准, 当q≥2时, 样本的LM统计量值的相伴概率为0, 在1% 的显著性水平下拒绝原假设, 因此残差序列存在高阶ARCH效应, 应该选择GARCH模型。
(3) GARCH模型的选择、建立和检验。GARCH模型可以消除收益率序列的ARCH效应, 并且模拟其波动性。本文用Eviews6.0选用不同阶数值对条件方差方程进行拟合, 可以看出GARCH (1, 1) 模型最优。通过建立GARCH (1, 1) 模型并进行参数估计, 可以得到的第一部分是均值方程的估计结果, 第二部分是GARCH (1, 1) 方程的参数估计结果, 第三部分是方程的评价统计量, 最后一部分是对应特征根倒数值, 模型的参数估计见表3, 具体的估计方程如下:
均值方程表达式为:rt=0.024124rt-4+ εt
方差方程的表达式为:GARCH= 0.00000315 + 0.074296Resid (-1) 2 + 0.914373GARCH (-1)
建立GARCH (1, 1) 模型以后, 同样需要检验是否消除了ARCH效应, 接下来对均值方程进行ARCH LM检验, 检验结果见表4, LM统计量的P值明显大于5%显著性水平的临界值, 接受原假设, 即残差序列已不存在ARCH效应。所以股票收益率序列经过GARCH (1, 1) 处理之后残差序列已经不存在ARCH小于而且满足宽平稳的约束条件。
三、结论
本文主要研究沪市股票日收益率波动, 在分析了该时间序列数据的特性之后, 用GARCH (1, 1) 模型对其进行拟合, 观察中国股市收益率波动以及拟合结果得出收益率波动具有以下两大特征:
一是沪市股票日收益率的波动是平稳的, 但是不具有正态性, 表现出明显的“尖峰厚尾, 波动集群”的分布特征, 波动具有持续效应, 在某一段时间内波动大, 在另一段时间内波动小, 而且波动的影响随着时间增长而逐渐衰退。
二是股市收益率波动性存在ARCH效应, 而GARCH模型在一定程度上消除这种条件异方差性, 可以较好地拟合收益率序列, 并且上证综合指数用GARCH (1, 1) 模型拟合较好, 可以给投资者提供一定参考。
另外, 不仅是沪市, 中国股市表现出这样的波动性的主要原因, 可能是因为中国股市虽然经过多年发展已具备一定规模, 但是发展未成熟, 市场机制不够完善。另外, 存在很多投机性高于投资性的短线投资者, 股票换手率高, 使得股票市场波动性不稳定。
参考文献
[1]Akgiray.V.Conditional Heteroskedasticity in Time Series of Stock Returns:Evidence and forecasts[J].Journal of business, 1989, 62 (1) :55-80.
[2]Bollerslev, T.Generalized Autoregressive Conditional Heteroskedasticity[J].Journal of Econometrics, 1986, 31:307-327.
[3]Engle, R.F.Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K.Inflation[J].Econometrica, 1982, 50:987-1008.
[4]Engle, R.F., Lilien, D.M.and Robins, R.P.Estimating Time Varying Risk Premia in the Term Structure:the Arch-M Model[J].Econometrica, 1987, 55 (2) :391-407.
[5]Engle, R.F.and Mustafa, C.implied ARCH models from options prices[J].Journal of Econometrics, 1992, 52 (1-2) :289-311.
[6]Nelson, D.B.Conditional Heteroskedasticity in Asset Returns:a New Approach[J].Econometrica, 1990, 59:347-370.
股票收益权转让合同 篇5
(一)乙方签署和履行本合同以及其他相关系列合同不会损害任何他方利益，也不会有任何第三方提出涉及本合同及其他相关系列合同的任何权利主张或异议。
第十条 费用负担
甲乙双方一致约定本合同项下股票收益权转让的相关费用(含公证费)由甲方承担。
第十一条 违约责任
(一)除非本合同另有规定，任何一方违反本合同中约定的义务，违反本合同项下陈述、保证和承诺，均构成违约，应承担违约责任。给对方造成损失的，应予赔偿。
(二)甲方违约，或乙方有证据认为发生足以影响甲方履行股票收益权回购义务的情形，经乙方书面通知在宽限期内仍未改正的，宽限期到期后乙方有权宣布甲方的回购义务立即到期，要求甲方立即按照本合同约定履行回购义务，行使相关法律规定和本合同约定的其他权利。因乙方违约在先的除外。
(三)如果甲方不按照本合同的约定履行回购义务、支付回购价款，每延迟一日，甲方应按照延迟支付的回购价款的万分之五向乙方支付违约金。
(四)本合同生效后，乙方不得违约将本合同项下的股票收益权转让给任何第三方。
第十二条 适用法律和争议解决
(一)本合同的订立、效力、解释、履行及争议的解决均适用中华人民共和国法律。
(二)凡由本合同引起的或与本合同有关的争议和纠纷，甲乙双方应先协商解决;不能协商或协商不能达成一致的，在乙方住所地有管辖权的法院以诉讼方式解决。
第十三条 合同的生效及有效期
(一)本合同经甲、乙双方的法定代表人或授权代表签字或盖章并加盖公章后成立并生效。
(二)本合同的有效期为自本合同生效后至甲方支付完股票收益权的回购款及利息、违约金、损害赔偿金、质物保管费用以及实现债权与质权的费用等所有甲方应付费用为止。
第十四条 合同的公证
(一)乙方、甲方共同确认：根据有关法律规定，双方已经对强制执行公证的含义、内容、程序、效力等完全明确了解。经慎重考虑决定，自本合同订立后3个工作日内，乙方、甲方自愿向【 】公证处办理本合同公证并赋予强制执行效力。
(二)甲乙双方保证：如一方按照本合同约定的联系方式等发生变更时，及时将变更通知送达至另一方及【 】公证处承办公证员并取得回执。否则，双方因业务需要按照本合同所约定的联系地址采用特快专递对其送达有关
文件并按照本合同所约定的联系电话通知联系人时，自文件发出之日起三个工作日，视为另一方已履行了送达义务。在此情况下，被通知方自愿放弃对通知方所负通知义务的抗辩权。
【 】公证处地址：
邮编：
电话：
承办公证员：
(三)乙方、甲方共同确认：如甲方不能按照本合同的约定按期履行其回购义务，乙方将向甲方送达[微软用户1] 《履行应偿债务通知书》。如甲方在《履行应偿债务通知书》约定的宽限期满时仍未能履行主合同项下义务时或提出抗辩，则：乙方可直接向【 】公证处申请强制执行证书，然后向有管辖权的人民法院申请执行质押标的，而无须经过诉讼程序，同时，甲方放弃对乙方申请强制执行的抗辩权。
(四)在乙方给予甲方宽限期内，甲方仍未向【 】公证处积极举证对乙方债权进行抗辩，或虽积极举证但不足以对抗乙方的债权，或未与乙方达成任何展期协议，则视为甲方对《履行应偿债务通知书》所主张的应偿还债务无疑义，甲方不履行或不完全履行的事实确有发生并且数额如乙方所主张。在此情况下，甲方同意【 】公证处根据乙方单方面提供的证明确认的应履行债务的数额先行执行。执行完毕后，如果甲方发现实际实行数额与事实不符，甲方可以就关于该数额的异议向法院提起诉讼。
乙方、甲方关于强制执行的约定优先于本合同第十三条第2款执行。
第十五条 联系方式
本合同各方当事人的联系方式如下：
(一)甲方由下述人员作为联系人
联 系人：
联系地址：
邮政编码：
联系电话：
传 真：
(二)乙方的联系人为
联系人：
联系地址：
邮政编码：
联系电话：
传真：
第十六条 特别约定
(一)本合同生效后，乙方有权了解甲方经营管理、财务活动、重大交易协议等情况，但不干涉甲方的正常经营管理活动，甲方有义务予以积极配合。
(二)本合同生效后，甲方为第三方提供任何形式的担保的，应于签署担保文件后2个工作日内将担保文件及相关文件报送乙方备案;乙方认为甲方为第三方提供担保的行为对甲方履行本合同项下的义务具有重大不利影响的，有权要求甲方就如何补救做出书面说明。
(三)本合同生效后，甲方发生下列情形之一的，应在发生该情形之日起2个日内书面通知乙方，书面通知中还应详细列明对其已构成的或可能构成的影响以及已采取或计划采取何等补救措施，补救的期限和预期效果：
1.经营状况严重恶化;
2.丧失商业信誉;
3.发生任何影响或可能影响甲方利益的纠纷、重大诉讼或仲裁案件;
4.发生任何可能会严重不利于甲方业务、资本及财产状况的事件;
5.其他对甲方履行本合同项下的义务产生重大不利影响的事项。
(四)如果由于甲方的原因导致标的股票以及派生股票全部或部分被有关部门冻结或者出现其他限制情形，甲方应当于标的股票和派生股票被司法冻结或出现相关限制情形的当日通知乙方。
(五)乙方根据本条第(二)款约定要求甲方做出书面说明之日起2个工作日内未收到甲方的书面说明、通知，或在发生本条第(三)款中所列情形2个工作日内未收到甲方的书面说明、通知，或者乙方认为书面说明、通知中列明的补救措施不足以保证甲方履行本合同规定义务的，即视为甲方发生违约，乙方有权要求甲方根据本合同规定承担违约责任。
第十七条 其他约定
(一)本合同的修改采取书面形式，应明确提及本合同，由合同各方签字后方可生效;如有未尽事宜，合同各方可以签署补充协议，补充协议与本合同具有同等法律效力。
(二)如果本合同的任何条款因任何原因无效，该条款的无效不影响本合同其他条款有效性的，则各方应当继续履行本合同其他条款。
(三)本合同项下的各标题仅为行文方便而设，不用于解释本合同。
(四)本合同正本一式陆份，相关各方各执两份，其余各份作为相关报批之用，每份合同具有同等法律效力。
在签署本合同时，各当事人对合同的所有条款已经阅悉，均无异议，并对当事人之间的法律关系、有关权利、义务和责任的条款的法律含义有准确无误的理解。
甲方(盖章)：
法定代表人(授权代理人)：
月 日签署
乙方(盖章)：
法定代表人(授权代理人)：
20 月 日签署
股票收益权转让合同范文篇二
甲方： 公司
法定代表人：
法定地址或住所：
乙方：
法定代表人：
法定地址或住所：
鉴于：
甲方拟参与**股份有限公司于 年进行的XXXX限售法人股转让，认购**股份有限公司XXXX限售法人股转让股票 万股。
甲方与乙方经协商一致，若甲方成功认购**股份有限公司XXXX限售法人股转让股票 万股，则甲方向乙方转让其中的 万股**股份有限公司股权(以下简称“标的股权”)对应的股权收益权，双方达成以下协议：
1.转让标的
1、本合同的转让标的为甲方成功认购的标的股权对应的的股权收益权。若甲方未能认购成功，则参照本合同第四条处理。
2、转让期限内，乙方享有的标的股权的股权收益权范围包括：
1.依本合同第六条的约定享有标的股权产生的股息、红利等的权利;
2.若公司依法解散，则享有公司解散清算后标的股权所对应的剩余财产的权利;
3.若甲方根据法律、行政法规的规定、司法机关的裁决或经乙方书面同意，依法对外转让或以其他方式处臵标的股权，依本合同第六条的约定享有处臵标的股权所获得的全部收益的权利。
3、标的股权因送股、公积金转增、拆分股权等而形成的派生权利亦归入标的股权的股权，乙方同样根据本条第2款的约定享有该等股权的股权收益权。
4、转让期间若标的股权发生配股的，有关配股资金、收益等事宜由甲方和乙方另行协商约定。
5、在转让期间，转让人与受让人签署《股权质押协议》并将所转让的标的股权按照法律法规的要求质押于受让人名下。
2.转让价款
标的股权的股权收益权转让价款为人民币 元整。
3.标的股权的股权收益权人
乙方在受让标的股权的股权收益权后，成为标的股权的股权收益权人。
4.定金、转让价款的支付方式
乙方应于本合同签订之日起三个工作日内向甲方支付股权收益权转让价款的全额定金 元。
若甲方成功认购**股份有限公司XXXX限售法人股转让股票 万股，则该定金自动转化为转让价款，乙方自甲方成功认购**股份有限公司XXXX限售法人股转让股票之日起享有标的股权的股权收益权。该日即为股权收益权转让生效之日。
若甲方未能认购**股份有限公司XXXX限售法人股转让股票，则甲方应于 年 月 日退还乙方全额定金 元，并向乙方支付按年化 %计算的资金利息。
定金应支付至甲方如下账号：
账户名称： ;
银行帐号： ;
开户银行： ;
股票市场收益率分析 篇6
关键词：亚洲高收益债券；投资者保护；市场监管
一、研究背景和意义
亚洲高收益债券市场经过十多年的高速发展，已形成了一定规模，但各种制约该市场发展的因素仍须进一步化解，为使亚洲高收益债券市场迸发出新的活力，应扩充现有亚洲高收益债券市场容量，积极引入专业的外国及本土市场机构投资者的参与，加强对债券市场投资者保护机制，建立全方位多维度，动态灵活的债券市场监控管理制度是未来一段时间内亚洲高收益债券市场努力的方向。 本文通过对亚洲高收益债券市场现状和问题进行剖析，提出了完善亚洲高收益债券市场的可行建议。
二、亚洲高收益债券市场发展规模与结构特征
（一）高收益债券市场发行规模增速加快
与全球其他高收益债券市场相比，亚洲高收益债券市场已经成为了全球同类债券市场发行增速最快的地区之一。根据Dealogic数据表明，除日本以外的亚洲地区G3货币（美元，欧元和日元）高收益债券的发行量在1997年总共达到了174亿美元。其后受1998年亚洲金融危机的影响，亚洲高收益债券市场有所萎缩。新世纪后，随着亚洲的经济有所回暖，中小型企业逐步走出了经济的寒冬，亚洲高收益债券市场在其后几年更是发展迅速，在2006年左右达到了此前亚洲金融危机前的发行规模，发行量高达185亿美元。此后，亚洲高收益债券市场发行规模更是逐年扩大，2009年较2006年发行规模已经是其原先的2倍。最近的几年，亚洲高收益债券市场更是以每年的年增长率50%的速度在增长。
（二）亚洲高收益债券收益率超过其他地区债券
基准利率和利差的变化是影响高收益债券市场的主要两个因素，其中又以利差的变化影响为主。从这几年的情况看，由于美国、欧盟等地区投资级别债券的价差较小，使得越来越多的美国和欧洲投资者把目光投向了亚洲这个新兴的市场，同比全球同类债券的地区市场收益率，亚洲市场所能提供的超额收益，且日益发达的亚洲高收益债券市场为投资者提供更多跨行业的多种选择。
亚洲高收益债券收益率年平均收益率相比其他两个地区的债券收益率存在超额收益，从2001年来亚洲高收益债券的年平均收益率10.26%更是超越了同期投资级债券和股票的表现。亚太地区高收益债券的收益率超过投资级债券收益率将成为促进亚洲高收益债券市场进一步发展的重要因素。
（三）债券表现稳健，违约率低
影响高收益债券销售情况的两个因素是收益率和违约率。显然，在同比其他市场同类债券收益率后，亚太地区的高收益率已经成为吸引外来投资者的原因之一。让投资者更加对亚洲高收益债券推崇的是，亚太地区的违约率一直保持在低水平状态。
根据美林亚洲美元计价高收益债券指数来看，在亚洲金融危机时的1997年和1998年，该指数分别下滑了2.2%和11.2%，但是次年出现了27%幅度的反弹；2000年互联网泡沫破灭时下跌了3%，但随后出现连续7年的正回报。2009年全球高收益债券违约率普遍升高的背景下，其中美国违约率为14.6%，欧洲违约率为8.5%，亚洲地区却出人意料的低，违约率仅为4.17%。长期的低水平违约率使得市场投资者保持了对亚太地区高收益债券的乐观信心，对亚洲高收益债券市场起到重大的推动作。
（四）债券主要发行地区集中在新兴市场经济国家
全球的高收益债券发行区域主要以欧美发达国家地区为主，而在亚洲高收益债券的主要发行地区集中在经济新兴国家和地区，其中包括中国、香港、澳门、印度、菲律宾、印度尼西亚和新加坡。这些国家和地区在每年亚洲高收益债券的发行量上占据了绝大多数的比例。
三、亚洲高收益债券市场发展存在的问题分析
金融危机过后的亚太地区在经历一段时间的萎缩与调整之后，随着市场基础与各方面制度的相继完善，亚洲高收益债券市场抵抗风险冲击的能力已经得到了充分的提升。近年来，亚太地区的宏观经济在保持高速的增长的同时，吸引了一大批国际私人银行，区域性资产管理公司、养老金保险公司和对冲基金成为亚太地区高收益债券的主要投资者，为亚太地区高收益债券市场的发展提供新的机遇。面对逐年发行规模的扩大，亚洲市场对于投资者的债权保护以及破产风险防范方面，在当前的发展过程中仍面临以下几个困扰。
（一）市场缺乏流动性，交易量不足
亚洲市场日交易量小，债券交易不活跃，使得任何一宗大型的债券买卖足以影响整个市场的走势。现在的亚洲高收益债券市场，交易比较活跃的债券交易量普遍在一百万美元至五百万美元之间，仅占总量的5%到20%之间。普遍的高收益债券日最大交易量不会超过两千万美元以下，与繁荣时期的美国高收益债券市场完全不能相提并论。在传统的因素下，亚洲高收益市场的市场做市商的角色一般都是承销商扮演。出现市场流动性不足的原因固然有市场刚起步，发行规模不大，投资主体相对单一的因素，投资银行出于谨慎的态度，并不愿意持有高收益债券。对比成熟市场，银行并没有履行做市商职责。
（二）债券定价问题
因为亚洲市场容量小而产生的另一个问题是高收益债券的定价分析体系不完善，对于失去了参照物，高收益债券二级市场存在流动不足的问题使得新发行的债券定价问题上没有标准参照，更使得一级市场缺少了延伸深度。在目前亚洲发行高收益债券的部门当中，只有TMT，中国房地产和印尼自然资源这类发展较好的板块企业能够比较标的进行相对价值判断。对于除了有相对价值判断的企业之外的其他行业公司来讲，缺乏比较标的，没办法进行连续周期统计，产品收益率曲线的不连贯使得投资者不能进行产品价值判断。
nlc202309021148
（三）债权人保护制度不完善
目前亚洲高收益债券市场面临的还有一个债券人保护制度不完善的问题。在高收益债券的违约偿付率一块，亚洲地区明显低于整体全球水平，特别是高级有担保这一类型。亚洲各国金融市场发展程度不同，对投资者的保护力度各不相同。在发展程度参差不齐的亚洲高收益债券市场，在结合本国商业透明度和国家法律可靠性的情况下，如何出台相应的政策以及调整政策的侧重点，完善债权人保护制度，保证市场在遭遇违约风险之后能够平稳运行，将是未来一段时间内各个国家政府有待解决的问题。
（四）市场基础建设不完善
缺少专业化的机构投资者，做市商制度不完善。亚洲大部分国家仍存在明显的金融管制，对于流动需求高债券市场是个不小的阻碍。从高收益债券的高风险特征以及本土国家市场监管政策来看，许多主力投资群体（如商业机构，保险公司，债券基金等）很难进入市场和无法购买投资高收益债券。做市商制度作为一种促进市场流动，提升市场广度和深度的一种有效手段，在亚太地区高收益债券市场仍不完善。投资群体的单一以及专门的做市商的机构的缺乏，亚洲高收益债券无论从发行的数量还是交易的效率上看，都是远远不及发达国家高收益债券市场。
（五）缺少风险管理工具
在发达地区市场，市场投资者通过使用信用衍生品对冲信用风险，不失为一种合格的风险管理工具。在这一方面，亚太地区的风险管理工具不仅数量少而且存在许多缺陷。作为刚起步的亚洲信用衍生品，直到2007年的9月才出现iTraxx亚洲（除日本外）高收益债券指数第一款针对亚洲高收益债券的信用衍生品。为了保证亚洲高收益债券市场更好的发展，市场参与者需要更多的信用衍生品来对冲信用风险。
四、未来亚洲高收益债券市场发展的政策建议
尽管在债券市场规模和结构方面存在不少的问题，但随着债券市场的发展，市场制度和基础设施逐步得到完善，亚洲良好宏观市场环境将为亚洲高收益债券市场的发展提供历史性的机遇。对未来亚洲高收益债券市场的完善提出以下几点发展建议。
（一）加强对市场的监管。市场监管规则和市场运作规范的缺失在亚洲金融危机来临前对刚兴起的亚洲高收益债券重重一击。痛定思痛的各国政府在近些年来才逐渐加强对市场监管规范的重视。政府加强对市场监管对保证市场交易规范，促进市场公平竞争提供有力的帮助。
（二）完善市场交易基础设施建设。电子交易系统的出现极大的提高了债券交易的效率性和安全性。目前菲律宾使用的券款对付和交割系统实现了实时清算降低了交易的成本，提高了交易的成功率，减弱交易风险。集中化的电子交易平台为个人和机构投资者提供更高效的交易途径，促进了市场交易的运作效率。
（三）加强信息披露和信用评级制度建设。信息披露和国际信用评级机构的信息报告对于投资者的投资信心与信任起到了稳定的作用，客观公正的信息披露制度对于维持市场的稳定秩序起到重要的作用，有效的防控市场风险。印度尼西亚和泰国高收益债券市场实行的是强制信息报告制度，第三方托管机构必须在网络系统上对于所有的债券事前和事后交易信息向债券市场参与者公布。
参考文献：
[1]黄晓捷，汤莹玮.国际高收益债券市场的发展及对我国的启示[J].金融理论与实践.2008年9月
[2]谷小青.美国高收益债券市场的发展及启示[J].银行家.2010年11月5日
[3]张自力.欧洲高收益债券市场违约风险监管研究[J].证券市场导报.2012年4月
[4]张自力.全球高收益债券市场的发展_格局演变及监管借鉴[J].上海金融.2012年4月
[5]王巍，施迈克.高收益债券与杠杆收购[J].机械工业出版社.2012
股票市场收益率分析 篇7
随着世界金融市场的不断发展壮大, 国家放松管制、金融创新和金融自由化, 人们开始关注金融市场的波动, 其中资产收益率的波动特征尤为引人注意。Engle于1982年创造性的运用时间序列模型来刻画条件方差的时变性, 提出了自回归条件异方差模型, 即ARCH模型, 这标志着异方差建模研究的开始。这种模型能反映方差时变性, 还能反映收益率波动的集聚现象。中国的金融市场自20世纪90年代创立以来, 发展十分迅速, 股票市值占GDP的比重逐年上升, 在国民经济中所占的地位也越来越重要。但作为一个新兴的金融市场, 无论是在自身运行方面还是监管方面较发达国家成熟的金融市场存在很多不足, 收益率波动性很大, 需要不断发展和完善。因此国内学者开始了对股票市场收益率的波动进行了一系列理论和实证分析。建立一个合适的反映股票收益率波动性特征的模型是十分重要的, 主要是由于以下原因:一是波动性的测量对于VaR的预测有重要作用, 现在VaR方法被众多金融机构广泛使用, 并成为目前测量市场风险的主流方法;投资者对波动性十分关注。二是波动性是对资产风险数量化的一个度量, 当投资者进行投资时, 势必会选一个与自己风险承受能力相适应的资产或资产组合。期权投资者尤为关注波动性, 因为期权合约的价值取决与证券的波动性, 为了获取利润, 期权投资者必须预测波动性。此外, 各种投资者出于不同的目的, 都会对收益率波动性十分关注。
二、模型选择及实证分析
图1刻画了深证成分指数从2003年1月2日-2009年12月31日的日收盘价格走势图根据图中的走势我们可以大体定义以下阶段:2003年1月1日-2006年9月20日为一个相对平稳的阶段;2006年9月21日-2007年1月31日 (当日的收盘价为19531.15点) 是一个上涨的阶段;2007年2月1日-2008年11月4日 (当日的收盘价为5668.81点) 是一个下降的阶段;2008年11月5日-2009年12月31日是一个上升的阶段。
本文研究股票收益率采用的是对数收益率, 其计算公式如式 (1) 所示:
Rt表示收益率, Pt表示当日的收盘价格, Pt-1表示前一天的收盘价格。
为了更好地对股票收益率的均值进行预测, 我们建立回归方程如式 (2) 所示:
由于以上几个阶段共有三种类型:平稳、上涨和下降。因此我们需要引入两个虚拟变量D1和D2来表示股市行情。两个虚拟变量的定义如下:
回归方程 (1) 的估计结果如式 (3) :
注:***表示该系数在1%显著性水平下显著。[]内的值为系数估计值得标准差, () 为T统计量的值。
可决系数的值为0.018666, 调整后的可决系数为0.017508, 方程的F统计量为16.12046, 相应的伴随概率为0, 说明整个方程在1%显著性水平下是显著的。两个虚拟变量前面的系数估计值的相伴概率分别为0.0031和0.0001, 说明在1%显著性水平下, 这两个虚拟变量对r有显著影响。D1对r有显著正的影响, D2对r有显著负的影响而且D1前面系数的估计值的绝对值大于D2前面系数估计值的绝对值。因此将股市行情加入到回归模型中有助于对条件均值的预测。由于在行情稳定阶段, 股票收益率的平均水平非常接近零, 所以常数项不显著, 我们从回归方程中将常数项去掉然后重新进行回归, 回归结果见式 (4) :
注:***表示该系数在1%显著性水平下显著。[]内的值为系数估计值得标准差, () 内的值为T统计量的值。
可决系数的值为0.018328, 调整后的可决系数为0.017749 (如果采用ARMA模型估计得到的可决系数是0.006892, 调整后的可决系数是0.000631, 如果按照星期效应估计均值方程得到的可决系数为0.004722, 调整后的可决系数为0.004135, 这也说明我们基于股市大体行情估计收益率的均值效果更好一些) 。调整后的可决系数比前面的方程有增无减, 说明从拟合优度上来看第二个方程优于第一个方程。两个虚拟变量前面的系数估计值的相伴概率分别为0.0000和0.0001, 说明在1%显著性水平下, 这两个虚拟变量对r依然有显著影响。D1对r有显著正的影响, D2对r有显著负的影响, 而且D1前面系数的估计值的绝对值仍然大于D2前面系数的估计值的绝对值。
通过观察残差的自相关和偏自相关图 (见图2) 发现残差序列已不存在自相关现象, 所有的自相关函数都落入了置信区间内, 还可以从自相关图中看出这是一个平稳时间序列 (还可以通过ADF检验来证实, 由于篇幅所限这里不对这种方法进行详细说明) 。
从图3可以看到虽然是在零附近波动, 但是, 有时波动比较大, 有时波动比较小, 大的波动后面往往伴随着大的波动, 小的波动后面往往伴随着小的波动, 即有所谓的波动集群现象。这样的残差序列在分布图上表现出来的就是尖峰厚尾性。它的分布图如图4所示。
从图4可以看出回归方程的残差分布图和正态分布相比有更高的峰和更厚的尾。分布图和时间序列图相互得到了印证。这种现象还称作ARCH效应, 我们可以通过ARCH LM检验来说明ARCH效应是否存在检验结果如表1所示。
ARCH LM检验的原假设是回归方程的残差不存在ARCH效应, 因为在各个阶数下检验统计量的相伴概率都小于0.01, 说明应该拒绝原假设, 即残差存在高阶显著ARCH效应。
我们需要进一步建立ARCH模型簇来反应这种现象, 通过多次试验发现有三个模型都是比较合适的, 分别是:GARCH (1, 1) , TARCH (1, 1) , EGARCH (1, 1) 。这几个模型的均值方程都是一样的, 不同的是方差方程。
均值方程的形式:
其中, i表示的是第i个模型。
方差的形式分别是:
估计结果如表2所示:
在三个模型中, 系数c3、c4在1%显著性水平下都是显著的。说明加入方差方程后仍没改变股市行情对收益率条件均值的显著影响。三个模型中的系数α在1%显著性水平下都是显著的, 这说明收益率的非条件方差部分是显著地。三个模型中的系数β在1%显著性水平下是显著的, 说明本期的方差受到前期方差的影响是显著的。前两个模型的β系数和α系数的和都是小于1的, 说明这两个模型是稳定的不会出现方差无限膨胀的现象。对于第三个模型不需要关注β系数和α系数的和, 因为那是没有意义的。所有模型β系数的取值都接近1, 说明股市波动自身的记忆性是很强的, 既波动性衰减缓慢会持续存在。对于TARCH模型, 系数γ为正且在5%显著性水平下是显著的, 说明股市确实存在着非对称性, 股票下跌过程往往会伴随着更剧烈的波动。对于E-GARCH模型, γ为负且在10%显著性水平下是显著的, 也说明利差消息要比利好消息引起更大的波动。对于两个反映股市非对称性效应的模型TARCH和E-GARCH, 从AIC准则上来看, EGARCH模型要更好一些, 但是二者的差距不大。
三、结论
建立ARCH模型簇时, 在均值方程中加入股市行情虚拟变量比在均值方程中加入其他项比如说AR MA项或者是星期效应项效果都要好, 这是从可决系数取值大小看出来的。通过对方差方程的估计发现中国的深市存在着波动集群现象, 而且其长期记忆是很强的。和第一个模型相比, 后两个模型可以反映股市的非对称性, 即利差消息要比利空消息引起更大的波动。和TARCH (1, 1) 模型相比, E-GARCH (1, 1) 模型的AIC信息准则又稍小一些, 说明用EGARCH (1, 1) 模型拟合深证成指股票收益率波动性是最合适的。
注:***表示在1%显著性水平下显著, **表示在5%显著性水平下显著, *表示在10%显著性水平下显著
摘要：文章用ARCH模型簇对股票收益率波动性进行建模, 在充分考虑到股市行情对均值方程的影响后, 用ARCH模型簇对最能反映中国股市波动情况的指数之一——深证成指股票对数收益率的波动进行建模。经过实证分析, 中国的股市存在杠杆效应, 在充分考虑到影响均值方程的股市行情后, 得出EGARCH (1, 1) 模型是最优的拟合模型。
关键词：股市行情,ARCH模型簇,深证成指,杠杆效应
参考文献
[1]、胡永宏.沪深股指波动的杠杆效应和星期效应分析[J].数学的实践与认识, 2008 (4) .
股票市场收益率分析 篇8
股票收益率波动是股市运行的基础, 也是投资者关注的焦点。股票收益率受各种经济因素和非经济因素、宏观因素和微观因素的影响。集中关注每种因素的影响程度可为投资者作出正确的投资决策提供一定的依据, 同时对提高上市公司的自身素质、理性发展、使其真正发挥优化资源配置以及促进资本流动的功能具有积极深远的影响。因此, 对股票收益率影响因素进行探究就成为国内外众多学者所关注的重要研究课题之一。国内学者王军波 (2000) 、李训 (2006) 、王振山 (2008) 、张玲 (2004) 、程文卫 (2009) 等分别对利率、分析师关注度、通货膨胀等不同角度对股票收益率的解释能力进行了实证研究。国外在研究股价波动的动因方面研究很早。1968年Ball和Brown (1968) 对年度报告的盈利数据和股价进行实证研究时发现, 存在超额盈利的公司其投资者就存在超额回报。U m stead (1977) 和Fam e (1981) 的研究结果表明, 股票价格与实际经济增长存在正相关关系, 实际经济增长率可以解释48%的股票价格波动。Chen (1986) 等在A PT框架内建立了一个向量自回归模型, 说明经济变量对股市收益率具有系统的影响, 宏观经济变量通过这种机制成为股市风险因素之一。Cam pbell和A m m er (1993) 用经典的统计过程对股票收益进行了方差分解, 并运用分解出来的各个参数度量每个参数对股票价格有多大影响。很多因素会影响股票收益率, 很多文献都研究了公司规模、会计盈余、公司财务状况、贝塔值、市盈率、通货膨胀率等对股票收益率的影响, 这些研究一般运用线性模型、向量自回归模型、截面方法、因子模型进行分析。本文运用面板数据技术重点研究企业成长性与股票收益率之间的关系, 以期为投资者投资决策提供一定的参考。
二、研究设计
(一) 样本选取和数据来源
本文同时选择2006年至2009年上海股票市场与深圳股票市场中A股股票 (金融类、ST类除外) 作为研究对象, 对总资产增长率、净资产增长率、营业收入增长率、营业利润增长率与股票收益率的关系进行实证分析。由于本文样本跨度较大, 所以在上海证券市场与深圳证券市场选取样本区间为2006年1月1日到2009年12月31日所有A股上市公司中, 剔除了ST类公司、金融类公司, 资产增长过快、以及数据不完整的公司, 最后得到了样本公司329家, 即329支股票。由于时间跨度大, 故文章所用数据均为年度数据。本文的所有数据都来自CCER D A TA经济金融数据库。
(二) 变量选取考虑到数据的可得性问题以及更加贴近我国股票市场的特性, 具体变量定义和计算原则如下: (1) 股票收益率。年股票收益率 (SR) 的计算按照以下公式:Rt= (Pt-Pt-1+Dt) /Pt-1。
其中, Rt为某证券在时期t的收益率;Pt表示t时期的股价;Pt-1表示前一期的收盘价;Dt=每股现金红利+Pt× (送股比例+配股比例) -每股配股价×配股比例, 这里t可以取日、周、月、年等, 计算出的收益率分别为日收益率、周收益率、月收益率、年收益率。由于CCER经济金融数据库中有股票的复权价格, 故可将收益率的计算公式简化为Rt= (Pt-Pt-1) /Pt-1。
(2) 企业成长性。这里选择总资产增长率、净资产增长率、主营业务收入增长率、主营业务利润增长率4个指标来衡量企业的成长性, 研究这4个指标与股票收益率的关系进行实证分析。总资产增长率 (TA G) = (本年总资产-上一年总资产) /上一年总资产;净资产增长率 (N A G) = (本年净资产-上一年净资产) /上一年净资产;营业收入增长率 (R G) = (本年营业收入-上一年营业收入) /上一年营业收入;营业利润增长率 (O PG) = (本年营业利润-上一年营业利润) /上一年营业利润
(三) 研究假设本文对选取的可能影响因素提出如下假设:
假设1:总资产增长率与股票收益率呈正相关关系
假设2:净资产增长率与股票收益率呈正相关关系
假设3:营业收入增长率与股票收益率呈正相关关系
假设4:营业利润增长率与股票收益率呈正相关关系
(四) 面板数据基本模型
面板数据 (Paneldata) 指在时间序列上取多个截面, 在这些截面上同时选取样本观测值所构成的样本数据。平行数据含有时间和截面双向信息, 利用面板数据模型可以构造和检验比以往单独使用横截面数据或时间序列数据更现实的行为方程, 进行更加深入的分析。正是基于实际分析的需要, 作为非经典计量经济学问题, 时间序列/截面数据模型已经成为近20年来计量经济学理论方法的重要发展之一 (白仲林, 2008) 。设因变量yit与k×1维解释变量向量x→it= (x1, it, x2, it, Λ, xk, it) ', 满足线性关系:y→it=αit+x→'it+β→it+uit, i=1, 2, Λ, N, t=1, 2, Λ, T (式1)
式 (1) 是面板数据模型的概述, 是考虑k个经济指标在N个个体及T个时间点上的变动关系。其中, N为个体截面成员的个数, T表
示每个截面成员的观测时期总数, 参数αit表示模型的常数项, β
数。随机误差项uit相互独立, 满足零均值、等方差为σu2的假设。为了实现模型的估计, 可以分别建立含有N个个体成员方程的面板数据模型和含有T个时间截面方程的面板数据模型。由于这两种模型在估计方法上类似, 因此, 下面主要介绍含N个个体成员方程的面板数据模型。根据截距向量α和系数向量β軑是否相同, 可以将含N个个体成员方程的面板数据模型分为如下三种形式:第一, 联合回归模型 (Pooled R egression M odel) , 又称混合模型, 其单回归方程的形式可以写成:y→it=α+x→itβ→+ui, i=1, 2, Λ, N (式2) 。其中截距项α和k×1维系数向量β→均相同。第二, 变截距模型, 其单回归方程的形式可以写成:yi→=αi+xi→β→+ui, i=1, 2, Λ, N (式3) 。该模型假设个体成员上存
在个体影响而无结构变化, 并且个体影响可以用截距项的差别来说明, 即各个体成员方程的截距项不同, 而k×1维系数向量β→相同, 故称该模型为变截距模型。从估计方法角度, 有时也称该模型为个体均值修正回归模型 (individual-m ean corrected regression m odel) 。第三, 变系数模型, 其单回归方程的形式可以写成:yi→=αi+xi→β→+ui, i=1, 2, …, N (式4) 。该模型假设个体成员上存在个体影响并
存在结构变化, 即个体影响可以用截距项的差别来说明, 同时还允许k×1维系数向量β→随个体成员而变化, 用以说明个体成员之间的结构变化, 因此该模型也被称为无约束模型 (unrestricted m odel) 。
三、实证结果分析
（一）描述性统计
本文使用2006年至2009年沪深两市上市公司的数据，选取样本329家上市公司，共有5个变量，1316个观察值(329*4)。变量观测值统计性描述结果如(表1)。
(二) F检验面板数据模型可以分为三种。为了确定应该使用哪种模型, 需要对以下两个假设进行检验:。
首先需要检验H2:如果接受H2, 则需采用联合回归模型;否则, 继续检验H1。接受H1意味着需要采用变截距模型, 而拒绝H1则需要建立变系数模型。为了检验这两个假设, 需要根据以上三种模型下的残差平方和, 计算得到两个F统计量F1和F2。其中, 服从自由度为 (N-1) (k+1) 和N (T-k-1) 的F分布, F1服从自由度为 (N-1) k和N (T-k-1) 的F分布。如果令S3表示模型 (2) 的残差平方和, S2表示模型 (3) 的残差平方和, S1表示模型 (4) 的残差平方和, 那么有:
本部分针对选取的样本，4年329只股票得到1316个数据，使用 Eviews6.0软件完成了对面板数据的处理。根据处理结果计算得到 F2=0.5870，F1=0.6780，由于N =329，k=1，T=4，查F分布表，在给定5% 的显著性水平下，相应的临界值为：F2(656, 658)≈1.00，F1(328，658) ≈1.00。由于F2<1.00，所以接受H2，建立：SRit=α+β×N A Git+uit，i=1，2， …，329，t=1，2，…，4
(三) 相关性和显著性检验
(1) 净资产增长率与股票收益率之间的关系的分析。如 (表2) 所示, 模型处理结果为:
从上面的结果可以看出, 截距项α通过了t检验 (t=17.88299, Prob=0.0000) , β未通过t检验 (t=-17.88299, Prob=0.0722) ;方程的R 2=0.002458, 并且Prob (F-statistic) =0.072209, 即方程未通过显著性检验且不能很好地解释因变量SR。
(2) 总资产增长率与股票收益率之间的关系的分析。由 (表3) 模型处理结果为:
从上面的结果可以看出, 截距项α通过了t检验 (t=16.02475, Prob=0.0000) , β也通过了t检验 (t=3.727285, Prob=0.0002) ;方程的R 2=0.010462, 并且Prob (F-statistic) =0.000202, 即方程通过了显著性检验但不能很好地解释因变量SR。
(3) 营业收入增长率与股票收益率之间关系分析。由模型处理结果为:
另外, 检验结果也表明, 截距项α通过了t检验 (t=17.83902, Prob=0.0000) , β也通过了t检验 (t=2.393341, Prob=0.0168) ;方程的R 2=0.004340, 并且Prob (F-statistic) =0.016835, 即方程通过了显著性检验但不能很好地解释因变量SR。
(4) 营业利润增长率与股票收益率之间关系分析。由模型处理结果为:
检验结果看出, 截距项α通过了t检验 (t=20.53452, Prob=0.0000) , β未通过t检验 (t=-0.198840, Prob=0.842418) ;方程的R2=0.00003, 并且Prob (F-statistic) =0.842418, 该方程未通过显著性检验且不能很好地解释因变量SR。
因此, 总的来说, 净资产增长率、营业利润增长率与股票收益率之间的模型未通过检验, 换句话说就是净资产增长率、营业利润增长率与股票收益率之间不存在显著的相关关系, 总资产增长率、营业收入增长率与股票收益率之间的模型通过了检验, 因此通过以上分析, 可以建立以下模型:总资产增长率与股票收益率之间的模型:SRit=0.901347+1.325837×N A Git;营业收入增长率与股票收益率之间的模型:SRit=0.954116+0.424292×N A Git。
(四) 面板单位根检验
面板数据是时间序列数据与截面数据的结合, 必须通过单位根检验以判断数据的平稳性, 否则就可能出现“伪回归”。面板单位根检验包括LTC (Levin-Lin-Chu) 检验、崔仁检验 (Fisher-A D F检验) 、PP检验。 (表4) 是股票收益率的相关检验结果, 其他指标的检验结果这里不全部列出。
四、结论
利用面板数据实证研究得出以下结论:总资产增长率、营业收入增长率与股票收益率存在微弱的正相关关系, 而净资产增长率、营业利润增长率与股票收益率之间不存在相关关系。从回归方程来看, TA G每增加1%, SR将增加1.33%, R G每增加1%, SR将增加0.42%, N A G、O PG与SR之间无明显的相关关系。可以看到我国股票市场并不能完全及时准确反映企业的经营业绩, 说明我国证券市场本身并不很成熟, 而投资者的不理性行为是造成这种结果的重要原因。
参考文献
[1]王军波、邓述慧:《关于利率对不同规模上市公司影响的讨论》, 《系统工程学报》2000年第4期。[1]王军波、邓述慧:《关于利率对不同规模上市公司影响的讨论》, 《系统工程学报》2000年第4期。
[2]李训、曹国华:《我国上市公司股票收益率影响因素的实证研究》, 《重庆大学学报 (自然科学版) 》2006年第10期。[2]李训、曹国华:《我国上市公司股票收益率影响因素的实证研究》, 《重庆大学学报 (自然科学版) 》2006年第10期。
[3]王振山、姚秋:《分析师关注度与股票收益率——基于中国A股市场数据的经验研究》, 《财经问题研究》2008年第4期。[3]王振山、姚秋:《分析师关注度与股票收益率——基于中国A股市场数据的经验研究》, 《财经问题研究》2008年第4期。
[4]张玲、邓霄敏:《经济增加值和市场增加值对股票收益率解释力的实证研究》, 《经济问题探索》2004年第12期。[4]张玲、邓霄敏:《经济增加值和市场增加值对股票收益率解释力的实证研究》, 《经济问题探索》2004年第12期。
[5]程文卫:《通货膨胀影响股票市场的实证分析》, 《财经问题研究》2009年第6期。[5]程文卫:《通货膨胀影响股票市场的实证分析》, 《财经问题研究》2009年第6期。
[6]白仲林:《面板数据的计量经济分析》, 南开大学出版社2008年版。[6]白仲林:《面板数据的计量经济分析》, 南开大学出版社2008年版。
[7]高铁梅:《计量经济分析方法与建模:Eviews应用及实例 (第二版) 》, 清华出版社2009年版。[7]高铁梅:《计量经济分析方法与建模:Eviews应用及实例 (第二版) 》, 清华出版社2009年版。
[8]Ball, P.Brown.An empirical evaluation of accounting income numbers.Journal of Accounting Research, 1968.[8]Ball, P.Brown.An empirical evaluation of accounting income numbers.Journal of Accounting Research, 1968.
[9]Umstead, D.A.Forecasting Stock Market Prices.Journal of Finance, 1977.[9]Umstead, D.A.Forecasting Stock Market Prices.Journal of Finance, 1977.
[10]Fama, E.F.Ft Stock Returns, Real Activity, Inflation, and Money.American Economic Review, 1981.[10]Fama, E.F.Ft Stock Returns, Real Activity, Inflation, and Money.American Economic Review, 1981.
[11]Chen, N.F., Roll, R., Ross, S.A.Economic Forces and the Stock Market.Journal of Business, 1986.[11]Chen, N.F., Roll, R., Ross, S.A.Economic Forces and the Stock Market.Journal of Business, 1986.
股票市场收益率分析 篇9
关键词：EVA,企业价值,股票收益率,相关性
0 引言
(1)背景
证券投资的目的是获得投资收益,然而一般情况下投资收益无法事先确定,因而造成投资风险的存在。在经济全球化和金融危机背景下,中国股市震荡明显,矛盾和问题不断凸显,股市运行特征和收益影响因素也不断发生变化,投资风险加大,想科学决策和获得高收益更加困难。大量投资者抽资逃离,股市低迷,经济发展动力不足。研究新经济背景下股票收益率与哪些因素有关、针对性地提出完善股市的投资建议是证券研究人员的动力和责任;是稳定投资者信心、指导科学决策、满足投资者需求的需要;也是股市健康有效发展的迫切需要。
(2)目的
本文主要从基于EVA的企业价值角度出发,揭示基于EVA的企业价值与股票收益率的关系,探索其是否能够对股票收益率进行较充分的解释,并为投资者理性地认识投资企业真实的企业价值,进行合理地投资起到借鉴作用,以期为股票收益率的分析提供一个实用工具。
1 EVA简介
EVA(Economic Value Added)或经济增加值最初由美国学者Stewart提出。EVA也被称为经济利润,它衡量了减除资本占用费用后企业经营产生的利润,是企业经营效率和资本使用效率的综合指标。
1.1 EVA与传统会计方法的区别
传统会计没有全面考虑资本的成本,只是以利息费用的形式反映债务融资成本,从而忽略了股权资本的成本。从理论上讲,股权资本的真实成本等于股东同一笔投资转投于其他风险程度相似的公司所获利的总和,也就是经济学上的机会成本。EVA打破了会计制度存在的多种弊端和不足,比较准确地揭示了企业经营的经济效益。
1.2 EVA的计算
EVA=NOPAT-资本×资本成本率(NOPAT为税后营业净利润),可以看出,为了实现股东财富的最大化,需要尽可能多地提高公司的EVA。
1.3 MVA—市场增加值
EVA是从基本面分析得到的企业在特定一段时间内创造的价值;而MVA是企业变现价值与原投入资金间的差额,它直接表明了一家企业累计为其投资者创造了多少财富。计算公式为:
市场增加值=市值-资本(市值=股票价格×股票数量+债务资本市值;资本=权益资本账面值+债务资本账面值)
2 实证模型构建
2.1 变量的选取的数据来源
本文以股票收益率为因变量。因为,股票价格最大限度地包含了投资者对上市公司的预期。在EVA指标体系中本文选取了每股EVA、资本、资本成本率以及营业净利润四个指标。样本为沪深300,对2006—2012年的数据进行研究,为了消除异常样本及区间对研究结果的影响,保证所选取数据具有较好的可比性和合理性,故剔除在2011年后调入沪深300的股票;剔掉一只*st鞍钢股;且对不同年份相关数据进行平均取值,以减少短期内波动性的影响。最终符合条件的股票有202只(主要数据来源于RESSET数据库和东方财富网,运用SPSS进行数据分析和处理)。
2.2 多元回归分析
在基于EVA的基础之上,本文建立多元线性回归模型来进行企业价值与股票收益率的相关性研究。R=β0+β1X1+β2X2+β3X3+β4X4+ε,其中R为股票收益率,β0为常量,β1、β2、β3、β4为自变量的敏感系数,X1、X2、X3、X4为自变量。
3 实证结果分析
3.1 回归散点图分析
运用SPSS软件处理后,发现四个自变量散点都落在回归直线附近,且与因变量呈线性关系。所以本文所选的四个因素与股票收益率线性关系显著,可以进行以下论证。
3.2 描述性分析
从表一可以看出,相关系数R=0.991,判定系数R=0.983,调整的R方=0.960。标准误差很小,说明线性回归方程的拟合度较好。
由图一可见,正态曲线被加载在直方图上,说明回归标准残差图符合正态分布,可以对回归方程进行F检验。
3.3 方差分析及F检验
在正态分布下,假设H0:b1=b2=……=bp=0,则F服从自由度为(p,n-p-1)的F分布。对于给定的显著水平a=0.05时,当F值>Fa(p,n-p-1)时,拒接H0,说明回归方程显著,自变量与因变量有显著的线性关系。表中F值43.122较大,对应的Sig(p)为0.000<0.01,说明随机变量R与自变量的线性回归模型很有意义,回归方程效果显著。
3.4 相关性分析
从表三看出,营业净利润与资本成本率的相关系数为-0.756,资本与营业净利润的相关系数为0.638,每股EVA与资本的相关系数为0.774,单尾单侧检验P值均为0.000,说明相关度很高,该回归方程的效果也很显著。
3.5 回归系数表和t检验
T检验:构造计算检验的统计量tj服从自由度为n-p-1的t分布。给定显著性水平a=0.05,当|t|≥ta/2时,拒绝原假设H0j:bj=0,认为Fj对R影响显著;当|t|
4 结论及不足
4.1 研究结论
第一,从对2006—2012年的上市公司数据分析中可以看出,EVA指标能够从一定程度上解释企业价值。因此,在研究企业价值与股票收益率相关性的过程中,为了能够更全面地体现企业价值与股票收益率的相关性,应该多多考虑现在EVA中的各种指标。
第二,从基于EVA的企业价值与股票收益率的相关性分析结果上来看,企业价值和股票收益率的线性关系是显著的,可建立线性模型来反映股票收益率变量与综合企业价值指标变量的线性关系。本文建立的综合体系的企业价值模型,具有对股票收益率进行一定程度上解释分析的能力。用综合企业价值指标体系对股票收益率进行解释分析,在我国股票市场具有一定的适用性。
第三,尽管基于EVA的综合企业价值变量指标总体上对公司股票收益率的解释力超过了50%,但仍然有接近一半的股票收益率变动不能由其解释。说明企业价值信息只能解释企业股票收益率变动的一部分,另有一部分股票收益率变动源于非企业价值信息。因此,投资者在对上市公司的股票收益率进行分析时,既要考虑到企业价值信息,也要注意到非企业价值信息对其造成的影响。
4.2 不足
(1)样本和研究区间的局限性。本文以沪深300成分股为样本,以2010—2012年为研究区间,样本覆盖了沪深近六成的市值,具有良好的市场代表性,基本上能反映股票研究的一些特征,达到研究目的。但剔除掉了一些数据不完整和最近两年刚调入沪深300的股票,时间上只研究了近三年,可能会影响结果。
(2)客观环境影响。由于中国股市处于不断的发展完善当中,加上当前金融危机的特殊背景,股市波动较大,经济形势随时都在变化,会影响结果的精确性。
参考文献
[1]FAMA FRENCH.The cross2 section of ex-pected stock returns[J].Journal of Finance,1992.
[2]苏宝通,陈炜,陈浪南.公开信息与股票回报率相关性的实证研究[J].管理科学,2004,17(06):67-75.
[3]张玲,邓霄敏.经济增加值和市场增加值对股票收益率解释能力的实证研究[J].经济问题探索,2004,(12):71-74.
[4]李训,曹国华.我国上市公司股票收益率影响因素的实证研究[J].重庆大学学报(自然科学版),2006,29(10):143-147,153.
[6]熊适时.股票收益与会计收益关系影响因素的实证研究[D].杭州:浙江大学,2008.
[7]卓加荣.EVA与企业价值的相关性研究[D].扬州:扬州大学,2008.
股票市场收益率分析 篇10
纵观石油价格波动起伏的历史，每次的油价波动对股票市场造成的影响不容小觑。随着我国经济的快速发展，与国外经济交流日益活跃，我国经济不可避免地受到国际石油价格波动的影响。虽然我国股票市场起步较晚，发展并不完善，但国际油价的波动已经渗透到我国的各行各业，从而对股票市场造成了不小的影响。本文试图通过研究国际石油价格波动对深圳股票市场上的股票指数的影响，来揭开油价对股票市场影响的神秘面纱。
一、数据选取
本文选取深证综指、深圳行业分类指数作为研究股票市场的对象。这两种股票指数发布时间较早，编制较为科学合理，其中深证综指包含了深交所上市的所有股票，深圳行业分类指数则是包含各行业所有在深交所上市的股票。因此，我们可以从总体和部分两个方面对深圳股票市场进行分析。石油价格选择美国纽约商品交易所的俄克拉何马州库欣低硫轻质三个月原油期货价格，该合约是目前流动性最强和价格最透明的合约之一，它的价格也是国际石油定价的基准之一。之所以选择石油期货价格而不是现货价格，是因为石油期货的蓬勃发展使石油期货价格已经成为世界油价的风向标。我们为了更好地模拟现实经济中油价与股票收益的影响，又加入了三个变量，分别为汇率、工业产值、短期利率。石油价格可以通过这三个变量影响股票收益，而这三个变量也可以影响石油价格。
二、数据的分析和处理
本文所有选取变量的数据期间为2001年8月至2008年12月，均为月度数据。其中选取股票指数月收益为研究对象，数据来源于锐思金融数据库;短期利率选取银行间61-90天同业拆借利率;汇率选取人民币对美元加权平均利率，数据来源于中经网统计数据库。由于数据库中的工业产值没有不变价格，因此我们对其进行了平减，同时为了防止季节性波动带来的影响，对所有宏观月度数据进行了X-12季节调整。本文在利用VAR模型建模时，使用的变量如下：石油期货价格的对数loil，股票指数收益率rsr，工业产值对数lp，短期利率的对数lr，汇率的对数为le，与此对应的一阶差分为dloil, dlp, dlr, dle。
分别对上述变量进行单位根检验，通过ADF和PP检验，结果发现股票指数收益是平稳的，短期利率的对数是平稳的，石油期货价格的对数、工业产值的对数和汇率的对数都是一阶平稳的。根据上述检验结果我们对loil, le, lp进行协整检验。根据Johansen协整检验的结果可知，在5%的显著性水平下，loil、lp、le不存在协整关系。
三、模型的建立
根据数据的分析和检验结果，本文建立模型，并用方差分解来分析他们之间的动态联系，其中滞后阶数由AIC和SBC决定。方差分解是通过分析每一个结构冲击对内生变量变化的贡献程度来评价不同结构冲击的重要性。下面本文利用方差分解来分析石油价格冲击对各股票指数变动的贡献程度。下表即是根据方差分解整理得出的结果，给出了石油价格冲击分别在1个月、6个月、一年、两年时对各股票指数变动的贡献程度。
四、结果分析
由上表可以看出，对于所有的股票指数，石油价格冲击在一个月后对采掘指数的变动贡献最大，为2.71%，对深证综指的变动贡献最小，为0，对其他指数的变动贡献也很小，因此石油价格冲击对各股票指数一个月后的影响基本上可以忽略不计。六个月后石油价格冲击对股票指数的变动贡献显著增强，其中对采掘指数的变动贡献最大，约为8.09%，对传播指数的变动贡献最小，为1.12%，对深证综指的变动贡献为4.23%。另外，石油价格冲击在六个月后对地产指数、服务指数、木材指数、金属指数、电子指数的变动贡献也不小，分别为6.62%、5.76%、4.85%、4.76%、4.65%。一年后石油价格冲击对股票指数的变动贡献缓慢上升，其中对采掘指数的变动贡献最大，为8.40%，对传播指数的变动贡献最小，为1.34%，对深证综指的变动贡献为5.43%。另外对股票指数变动贡献在5%以上的还有电子指数、地产指数、服务指数、机械指数、木材指数、批零指数、水电指数，分别为5.49%、8.12%、6.81%、5.31%、5.04%、5.05%、5.45%。两年后，石油价格冲击对股票指数的变动贡献与一年后的变动贡献相比变化不大。另外油价冲击在两年后对采掘指数变动贡献最显著，为8.39%，对传播指数变动贡献最小，为1.35%，对深证综指的变动贡献为5.48%。
五、结论
由以上结果可以看出，石油价格对深圳股票市场中各股票指数的影响是滞后的，最初影响很小，可忽略不计，但经过一年影响逐渐显著，在第二年时的影响与第一年基本持平。其中采掘业受到的影响较大，传播业影响较小，这与经济事实相符。采掘业主要包括石油开采企业和煤炭开采企业，这些企业与石油产业有极大的相关性，因此受油价波动的影响较大，而传播业与石油产业的联系很小，因此受到的影响较小。纵观所有股票指数，我们还发现油价冲击对深圳股票市场的综合影响在5%左右。
参考文献
[1]唐风.新能源战争[M].中国商业出版社.2008, (12)
[2]沃尔特·恩德斯著:杜江, 谢志超译.应用计量经济学:时间序列分析[M].第二版.北京:高等教育出版社, 2006.6, 345-349
[3]金洪飞, 金荦.石油价格与股票市场的溢出效应[J].金融研究, 2008, (2)
股票市场收益率分析 篇11
关键词：信用债定价 中债收益率曲线 债券估值 二级市场
Hermite插值模型
信用债市场价格是收益率曲线构建的基础
信用债市场价格是“本”，收益率曲线和估值是“标”，收益率曲线和估值是用来反映市场定价的。如果信用债市场定价机制存在问题，则必然会带来曲线和估值的偏离。
（一）我国信用债市场价格形成机制存在的问题
我国信用债市场长期呈现重筹资轻投资、重一级市场轻二级市场、重承销商轻投资者的局面，这使得信用债一、二级市场价格形成机制存在以下问题：
一是做市商制度不完善，权利与义务不对等。做市商本应在提高市场流动性、增强价格发现方面起到关键作用，但我国做市商制度的不完善导致了目前双边报价点差过大、报价不连续、报价更新不及时等问题，使得信用债价格发现难度加大。以2014年5月16日的中期票据和短融为例，双边报价的平均价差为43BP。此外，做市商的报价质量也参差不齐。以5月16日某银行对“11中石油MTN5”的二级市场报价为例，其买卖价差竟高达300BP，如此做市报价在美国等发达国家债券市场是难以想象的。经统计，信用债双边报价质量在2013年急剧恶化，报价点差从2009—2012年的平均7BP扩大至2013年的38BP，2014年以来进一步扩大至45BP。
二是近几年来信用债分散托管，市场分割愈演愈烈，以规避债券余额不得超过公司净资产40%为目的的私募债大行其道，进一步降低了信用债的流动性和价格发现能力。
三是信用债的刚性兑付尚未完全打破，近年来短融等品种几近出现的信用违约事件均被相关机构兜底，使得信用定价机制被扭曲，信用风险与信用溢价不对等。
四是一、二级市场可以有适当的点差，但我国中票等信用债点差过大。数据显示，美国信用债市场一、二级市场点差为2BP左右，而我国部分中票一、二级市场点差高达20BP以上。
（二）针对信用债市场价格形成机制问题的建议
对于以上问题，我们建议：
一是进一步完善做市商制度。如增加做市商数量到60家以上，承销商要从做市商中选出，同时建立做市商进入、竞争、淘汰机制；允许为做市商提供自动融资融券服务；要有专门为做市商服务的同业经纪人，从而停止做市商之间的直接点击成交，以减少做市商价格的异常波动；允许理财产品和非金融机构投资者等通过点击银行间市场或柜台做市商报价进入债券市场。
二是鼓励披露非公开定向债务融资工具的评级和财务信息，并在此基础上允许其自由流通以促进价格发现。
三是进一步扩大市场的境内外投资者范围。场外市场发展的主要动力在于其开放性，只有不断吸纳新的投资者进入，才能有效改变投资者结构单一的局面，降低市场参与者的同质性，市场运行才能更加平稳。
收益率曲线是市场机构定价的参考
由于长期以来秉持着客观、中立、公允的编制理念，构建了较为完善的市场分析和曲线估值系统，以及建立了较为公开透明的市场沟通机制，相较于其他第三方估值机构，中债收益率曲线和估值得到了更广泛的市场成员的关注和认可。在此基础之上，主管部门在相关文件中建议将中债收益率曲线作为机构交易、风控和记账的比较基准，即鼓励机构完善内部债券定价体系，中债收益率曲线仅作为机构内部债券定价的参考，任何投资机构均有使用何种估值的自主选择权。
据了解，包括商业银行、基金公司、证券公司和保险机构在内的多数机构都已建立起自己的信用定价体系和信用分析系统，并以此为基础进行信用债的定价。对于定价偏差较大的债券，机构会通过交易价格和书面意见等多种方式反映给市场和中债估值团队进行纠偏，中债估值已与市场定价形成了良性互动。今年3月以来，机构反映了50只债券估值偏差，中债调整了23只。例如，近期在机构的反映下，“14济宁债”中债收益率下行了近40BP，价格上调了近2元。这些案例生动地说明了每个机构心中都有自己的定价“锚”，中债收益率曲线编制宗旨就是反映这个“锚”，市场收益率曲线是中债收益率曲线的基础。中债收益率曲线并未阻碍市场机构独立作出判断，形成自己的收益率曲线。
构建中债收益率曲线的模型选取
目前，构建中债收益率曲线采用的是Hermite插值模型。相较于全局拟合法（包括参数拟合法和样条拟合法），该模型的最大好处是模型受异常价格影响小，适应我国债券市场价格形成机制不成熟的现状。
由于目前信用债做市商报价点差较大，在市场单边波动时直接采用中间价有失偏颇，经纪商报价中多为单边报价，而成交价格中非真实买卖目的的成交占比较大，因此将多数市场价格都纳为样本点，依据最小二乘法（即确保每个样本点距曲线的方差距离最小）形成的收益率曲线，在大多数时候会偏离市场的真实收益率曲线。
我们已在开发建立基于全局拟合法的收益率曲线构建备用模型。一旦市场价格点质量大幅度提高，在该市场环境下，如果经过实证检验全局拟合法确实优于局部拟合法，那么我们也会及时优化中债收益率曲线的构建方法。
中债收益率曲线的透明度
对于中债收益率曲线和估值，大到相关模型和指标计算公式，小到每日走势和编制依据等，均通过中国债券信息网、微信及微博等多渠道发布，供市场检验。同时，还建立了独立于曲线估值团队的质量监控团队进行质量监控，开发了一套完善的质量监控系统，以日频、周频、月频和年频对曲线估值质量进行监控，并公开召开月度质量交流会、季度市场成员交流会等听取市场成员意见，年度质量报告也公开发布。
由市场监管部门、交易商协会、外汇交易中心、上海清算所、市场成员等机构专家组成的中债指数专家指导委员会，代表广大市场成员每年对中债收益率曲线和估值进行评价和指导。会议情况同时向市场公开，接受市场监督。该会议已连续召开十年。
此外，中债成员估值平台（见图1）已建立近十年，所有市场成员均可参与曲线报价，报价公开展示并成为构建中债收益率曲线的重要数据来源。十年间共有约70家机构参与曲线报价，目前有20余家机构持续为中债收益率曲线报价。
图1 中债成员估值平台
本文作者系中央结算公司债券信息部金融工程组组长
对意外盈余与市场收益的分析 篇12
在资本市场中, 上市公司的表现对宏观经济产生着重要的影响。在我国, 上市公司定期披露财务报告, 这就产生了一个问题———是否某一上市公司在一段时间内的盈余信息能够提供宏观经济的有用信息。对盈余信息有用性的分析中常通过意外盈余———实际盈余与预期盈余的差额, 考察盈余变化对超额市场收益的影响。在国外, Cready和Gurun用事件研究法在短窗口内对国外资本市场中市场收益与意外盈余的实证研究得出二者之间存在负相关关系, 即意外盈余越高反而导致市场收益降低, 相反, 较低的意外盈余促进市场收益的增加。此外, Kothari、Lewellen、Warner发现这种负相关关系在季度报中也存在。在国内, 虽然目前没有对二者关系的实证研究, 但是我国的股票市场存在着这样一种现象:有意外正盈余的公司在业绩公布当天往往有冲高回落的迹象;而有意外负盈余的上市公司往往有探底回升的态势, 在随后的几个交易日里股价更是逐步上升。刘秀琴等对意外盈余与股票的超额收益率的研究发现:在盈余公告日后的三个交易内二者存在负相关关系。可是, 令人疑惑的一个问题产生了:一方面分析已经得出, 从公司层面来看, 意外盈余与股票收益之间是正相关关系, 在盈余公告日, 如果实际收益率大于预期收益率, 股票价格上涨;如果实际收益率等于预期收益率, 那么公告日当天股价将稳定在某一水平上;如果公司的业绩低于预期, 股票价格下跌。而另一方面又有整体市场层面二者是负相关关系, 原因在于总盈余信息反映的是所有市场参与者对未来折现率的预期。因此, 本文对意外盈余与市场收益之间的关系作进一步探讨。
二、盈余公告日的市场收益分析
在整体市场中或是对于某个公司, 意外盈余与市场收益之间都具有相关性, 本文在以下三个方面对二者关系进行分析:宏观层面;行业层面;公司层面。
(一) 宏观层面分析
1. 通货膨胀因素。
Fama (1975) 曾指出“短期利率反映了当前的通胀水平和货币市场的资金供求状况。”对整个市场而言, 在短期窗口内, 意外盈余越高, 说明当前市场的货币需求量越大, 名义利率上升主要由通货膨胀因素导致, 进而导致短期内利率的上升。根据CAPM (资本资产定价模型) 的未来贴现率形式说明此时的市场价值反而减小。
其中, Vi, 0是企业的价值, Ci, t是企业在未来产生的现金流, ri是期望收益率。
2. 宏观经济决策。
很多文献已经研究出公司的决策受报表利润的影响, 相比之下宏观经济决策 (货币政策, 利率政策) 对公司产生的影响力较小。但是, 总盈余仍可以作为宏观经济的晴雨表, 反映当前的经济状况, 而所有投资者对盈余报告的反映可以看作是市场参与者对预期盈余的持续性及市场对意外盈余做出的共同信号。这些信息对经济的制定极其重要, 因为宏观经济的制定往往基于投资者们对经济的预期。
3. 投资者敏感度。
资本市场的投资者可以分为两大类:一些市场参与者是机构投资者, 他们是收集和处理公开信息的专家;另外一些投资者则是一般投资者, 他们主要使用财务报道信息或者凭借自我判断进行投资, 而不是利用财务报表分析作为投资分析工具。近十几年来, 封闭式基金、开放式基金、社保基金、QFII甚至QDII等机构投资者也都经历了从无到有的过程, 并不断发展壮大。机构投资者们偏好低收益率, 股票价格稳定, 意外盈余稳定的大型公司, 股票的价格和报表利润都受投资者的敏感性影响, 并影响整个市场的收益率。
(二) 行业层面分析
意外盈余与市场收益之间的关系意味着盈余与收益在行业间也存在着关系。从公司层面看, 我们已经知道盈余信息与市场收益之间有着正相关关系, 而对整个市场而言二者是负相关关系。这就说明, 一个公司的盈余与其他公司之间的相关性是负的。分析这一问题时我们首先将公司间的关系分为同一行业内与跨行业两种情况。此时, 产生了另外一个问题股价 (反映市场收益) 中是否包含了市场中的行业信息。对此的论证最早由King (1966) 提出, 认为对某个行业产品的总需求、行业中参与者的进入与退出等因素可能影响该行业中所有公司的盈利能力, 此外King还发现了大约10%的股价波动可以由公司所处的行业波动解释, 这就说明了股价中包含了行业信息而且资本市场中的公司受到一些共同经济基础的影响。接下来的问题就是, 这种负相关的关系是否在所有公司中存在, 在同一行业中又是怎样。
在同一行业中, 如果一个公司财务报表上的现金流信息能够代表整个行业的信息, 那么这家公司与同行内的其他企业之间应该是同向关系, 相反即表现为市场收益与同行业之间的负相关性。分析这一问题时还需考虑当前该行业的市场饱和度, 如果该行业目前已经饱和, 那么一个公司市场份额的增加, 其竞争厂商的市场份额相应减少, 同一行业内的意外盈余与市场收益之间为负相关关系;如果该行业目前处于发展壮大阶段, 则出现齐头并进的现象, 此时二者之间表现为正相关性。
目前我国对同一行业内市场收益与意外盈余检验分析得出的结论普遍是:一个公司的意外盈余与同行业报表公布日的市场收益间正相关。这一结论与公司层面的分析一致, 结合在整体市场下得出的结论, 这意味着意外盈余与市场收益之间的负相关性源于跨行业间的信息传递, 但是目前对行业间信息传递问题的研究很少, 这就提供了一个新的研究领域———行业间利润信息的传递转换。
(三) 公司层面
股票价格是企业价值的反映, 企业的价值与其收益率之间密切相关。通常研究股价对盈余公告的方法有股票价格的波动性分析, 平均累计超额回报 (CAR) 分析, 以及回归分析 (ERC) 。回归分析指:在研究的窗口中, 将股票超额回报对意外盈余进行回归, 分析盈余变化对超额回报产生的影响, 因而被称为盈余反应系数法 (ERC) 。最早Ball、Brown、Beaver在1968年对意外盈余与股票超额回报的实证研究发现意外盈余与公司股票的CAR之间存在很强的相关关系。国内对股票市场的大多数研究结果同样显示在盈余公告日, 股票的超额回报与意外盈余之间显著正相关, 说明了在我国盈余信息同样有信息含量, 影响着股价及企业的收益率。
对于某一单个公司, 理解意外盈余与股票价格的正相关关系时可以从股票的价值入手。股票的价值是股票预期产生的所有未来现金流量的现值, 未来的现金流量分为两个部分, 即股利的收入和出售时的售价。在会计信息观下, 投资者对股票定价的依据通常是证券的某种特性 (如支付未来红利的能力) , 而信息的作用在于改变投资者关于这些特性的认识, 从而改变股票价格。Beaver (1998) 将会计盈余的作用机理分为三个相互衔接的过程: (1) 股票价格与未来红利的关系:股票价格是未来红利的贴现值, 如果股东永久持股, 产生永续的现金流入, 可以表示为:
其中Dt为股利, k为必要报酬率。 (2) 未来红利与未来盈余的关系:未来盈余被认为能够显示股票未来支付红利的能力。在我国, 财务报表公布日宣告盈余的同时公布股利分配政策。投资者根据会计盈余去分析股价, 并利用股利分配政策来佐证。 (3) 未来盈余与当前盈余的关系:会计盈余可分为永久和临时两部分, 永久部分是未来盈余的期望值。根据上述机制, 意外盈余越大即本期的实际盈余越大, 投资者会预期未来的企业盈余也会呈现上升的态势, 企业未来支付红利的能力就会更加有保障, 根据股票的估价模型体现为股票价格的增大, 企业未来收益的上升。
三、启示
本文在宏观层面、行业层面以及微观层面分析了盈余公告日, 意外盈余与市场收益之间的关系, 并进一步对二者关系的产生的影响因素做出相关探讨。分析过程中发现目前我国对跨行业之间的利润传递的研究较少, 可以作为新的研究领域。此外, 盈余公告的质量和及时性在不同国家具有差异性, 这就提供了从盈余属性和制度特性等不同角度来理解盈余信息与市场收益之间的关系。
参考文献
[1].Wliiiamn.Cready, Umitg.Gurun:Aggregate Market Reaction to Earnings Announcements[J].Journal of Accounting Research (Supplement2010) .
[2].Kothari.S.P, J.Lewellen, J.Warner:Stock Returns, Aggregate Earnings Surprises, and Behavioral Finance[J].Journal of Financial Economics (2006) .
[3].刘秀琴, 马笛, 黄士能.意外盈余下超额收益率实证研究[J].管理学家学术版, 2011, (3) .
[4].孙爱军, 陈小悦.关于会计盈余的信息含量的研究——兼论中国股市的利润驱动特性[J].北京大学学报:哲学社会科学版, 2002, 39 (1) .