股票收益率分析（共12篇）
股票收益率分析 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。
股票收益率分析 篇2
若甲方认购成功且乙方成功受让标的股权对应的股权收益权，则甲方有权在转让期 年期限届满前拾个工作日内一次性支付下款约定的回购总价款，从而回购全部股权收益权。
回购总价款按照以下模式计算：
回购款=
乙方账号如下：
账户名称： ;
银行帐号： ;
开户银行： ;
6.甲方回购违约的后果
甲方未在回购期间按照本合同的约定行使本合同第五条约定的回购权，回购全部股权收益权的，乙方有权向甲方追索，要求甲方按照本合同规定履行责任，或者通过法律手段处分质押的标的股权。
7.转让期限
1、本合同第一条项下标的股权的股权收益权的转让期限自股权收益权转让生效之日起算。
2、转让期限于乙方依本合同约定处臵股权收益权而获得全部收入的当日届满。
3、股权收益权转让生效之日起到转让期限届满期间为转让期间。
8.标的股权的管理、运用和处分
1、股权收益权转让生效后，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。转让人承诺未经受让人书面同意，不得运用和处分标的股权，且不对标的股权设臵其他他项物权
2、在转让期间，甲方未行使回购权前，甲方应当按照乙方的要求和指令行使标的股权的股东权利。甲方承诺将对标的股权视同自有资金投资进行管理，并严格按照乙方要求和指令行事。
3、在转让期间，标的股权可公开市场交易后，甲方未行使回购权，甲方应按照受让人的书面指令进行操作：
4、甲方按照受让人的书面指令进行运用所产生的资金(下称“处臵资金”)及转让期限内标的股权产生的所有股息红利(下称“股息红利”)应按如下方式支付给乙方：
a.甲方履行回购义务的，因送股、公积金转赠、股份拆分等而形成的股息红利归甲方所有;
b. 甲方未履行回购义务的，处臵资金、股息红利在扣除本合同第五条所约定的回购款后，余额归甲方所有;处臵资金、股息红利不足支付回购款的，处臵资金、股息红利全部归乙方所有。
5、转让期届满，标的股权质押权限解除。
9.乙方应负担的其它费用
1、乙方以其设立的“**股份有限公司股权收益权投资资金信托”项下的信托资金受让标的股权的股权收益权，乙方以该信托财产为限承担“**股份有限公司股权收益权投资资金信托”项下的信托费用。
2、乙方应承担的信托费用种类包括：
(1)信托财产管理、运用或处分过程中发生的税费;
(2)信托报酬;
(3)律师费、保管费、审计费、财务顾问费等中介费用;
(4)文件和账册的制作及印刷费用;
(5)信息披露费用;
(6)转让标的买卖的费用;
(7)信托账户保管划转的费用;
(8)信托终止时的清算费用;
(9)按照有关规定可以列入的其他税费和费用。
10. 陈述与保证
1.甲方向乙方陈述与保证如下：
1.甲方是根据中华人民共和国法律成立并有效存续的具有独立法人资格的企业实体，能以自身名义签订并履行本合同，以自有资产独立对外承担责任，且甲方的本次标的股权股权收益权转让已通过了本公司(或同级主管部门)批准;
2.甲方是标的股权的唯一合法所有者，除法律、法规、规章及其他规范性文件另有规定外，甲方有权自由处臵标的股权，标的股权上没有设臵任何形式的担保;
3.甲方取得标的股权的资金来源合法、合规，标的股权不存在被司法机关查封、冻结等任何权利瑕疵;
4.甲方保证，本合同签署时及转让期限内乙方为标的股权的唯一股权收益权人，除乙方外，未存在任何第三方对标的股权的股权享有股权收益权;
5.未经乙方书面同意，甲方在本合同签署后及转让期限内不得将标的股权对外转让、质押，不得以任何形式处分标的股权，不得在标的股权上设定其它任何形式的优先权及其他第三人权利或采取其它限制、影响标的股权股权收益权的行为;
6.甲方目前没有任何正在进行的或威胁到乙方的诉讼、仲裁或行政处罚;当有任何诉讼、仲裁或行政处罚可能对乙方有不利影响时，甲方保证及时以书面形式告知乙方;
7.如因甲方的行为导致乙方丧失全部或部分标的股权的股权收益权的，甲方应向乙方进行相应赔偿。
2.乙方向甲方陈述与保证如下：
1.乙方是根据中华人民共和国法律成立并有效存续的具有独立法人资格的非银行性金融机构，能以自身名义签订并履行本合同;
2.受让标的股权的股权收益权的资金来源合法，不存在任何违反法律、行政法规的情形;
11. 违约责任
任何违反本合同项下义务或陈述与保证的行为，均属违约行为。在此情况下，守约方有权根据本合同的有关约定和法律的规定，视违约情节轻重，采取下列全部或部分措施维护其合法权利：
1.要求违约方限期纠正其违约行为，采取适当的补救措施并赔偿损失;
2.守约方停止履行本合同;
3.经守约方催告，违约方在限期内仍未纠正其违约行为，或违约方的违约行为已使守约方不能实现其合同目的的，守约方可书面通知违约方解除合同，要求承担赔偿责任、提起诉讼等维护其合法权利的任何措施。如守约方书面通知违约方解除合同，则合同应自书面通知送达违约方时解除。
12. 纠纷解决
本合同项下的任何争议，双方应友好协商解决;若协商不成，任何一方均有权向被告所在地人民法院起诉。
13. 合同生效与终止
本合同自双方法定代表人或授权代表签章并加盖公章，且受让人拟受让标的股权股权收益权的“**股份有限公司股权收益权投资资金信托”成立之日起生效。如果该信托未成立，则本合同自始无效。转让人回购标的股权全部收益权的，本合同终止。
14. 合同文本
本合同一式三份，甲方持一份、乙方持两份，每份具有同等法律效力。
15. 申明条款
在签署本合同时，双方对本合同的所有条款的规定已经阅悉，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： 公司(公章)
法定代表人或授权代表(签章)：
乙方： 某某信托有限责任公司(公章)
法定代表人或授权代表(签章)：
月 日
股票收益权转让合同范文篇三
甲方(转让方)：
住所地:
乙方(受让方):
证件类型:
证件号码:鉴于:
1.甲方与有限公司于 年 月 日签署了的«(票据)项目资产管理合同»(以下简称“«资管合同»”), «资管合同»有效期为五年。
2.甲方作为«资管合同»项下的资产(票据)项目的租金收益人完整且有效地享有«资管合同» 项下的权利和义务,完整且有效地持有该资产(票据)项目的全部收益权,甲方对所拥有的收益权可以合法的转让给第三方。
3.甲方作为«资管合同»项下的资产(票据)项目的收益人愿意按本合同的约定向乙方转让甲方持有的上述«资管合同»项下的部分收益权,乙方同意按本合同的约定以自有资金受让该资产(票据)项目的部分收益权。
甲、乙双方遵循平等、自愿、和诚实信用原则,经友好协商,就本次收益权转让,达成合同如下:
一、转让标的:
甲方同意转让且乙方同意受让«资管合同»项下甲方持有的部分在合同约定转让期限内的收益权。该部分收益权自转让日起, 乙方将依法享有该资产(票据)项目资产管理计划项下的相应部分收益权。
二、转让价款与支付
( - )转让价款:甲、乙双方一致确认,本次资产(票据)项目资产管理计划部分收益权的转让价款为人民币(大写) 元整(￥ 元)。乙方应于本合同生效之日,且甲方未违反本协议的任何约定(包括但不限于声明与保证条款)的前提下,于该收益权转让日向甲方足额支付上述转让价款。
(二)转让价款的支付:
1.乙方采用“委托划扣”的形式进行转让价款的支付。
2. 乙方提供本人划扣帐户并委托甲方的合作机构从乙方银行帐户代为划转支付金额, 并按时划转给甲方。
3. 乙方须确保如下帐户为乙方名下合法有效的银行帐户, 乙方变更该帐户时必须签署«客户信息变更书»并经甲方确认后方可变更; 如因乙方未及时书面通知甲方而引发的损失由乙方自行承担。
户名(与乙方姓名一致):
开户银行(精确到支行):
银行帐号:
(三)乙方将转让价款支付给甲方后,乙方即享有«资管合同»下甲方所享有的本合同约定金额的资产(票据)项目的部分收益权及其相关权利;
股票收益率分析 篇3
关键词：股票收益率；随机游走模型；GARCH-M模型；VAR
1 研究背景
2015年，中国股市的两次大跌成为近期全球市场上备受关注的事件。两个周五的黑色暴跌，前次跌停近千股，不过一周的时间，后次又跌停了两千股，在世界股市历史上实在罕见。股票市场的波动性和高风险，一直以来都是股市研究的重要课题。本文选取沪深300指数，作为研究股市收益与风险的对象。它是由上海和深圳证券市场中选取300只A股作为样本编制而成的成分股指数，具有良好的市场代表性，不仅能反映我国证券市场股票价格变动的概貌和运行状况，而且能够作为投资业绩的评价标准，推动指数化投资和指数衍生产品的创新。
在对中国的股指波动性和风险性研究中，李存行（2008）等利用自回归条件异方差（ARCH）模型对股指收益率进行预测；黄勇兵（2008）等利用历史模拟法和蒙特卡罗模拟法对沪深300指数的VAR风险进行测量，比较分析得出蒙特卡罗模拟法比较符合沪深300指数的VAR测量；江涛（2010）通过应用GARCH模型和半参数模型对上证指数的日收益率进行计算，GARCH模型下的VAR方法更有效地揭示市场风险；杨夫立（2012）运用GARCH模型，分析了对数收益率时间序列在正态、学生t和广义误差 GED三种分布下的不同VAR计算方法，对样本基金收益率进行风险评估。
2 理论基础
2.1 随机游走模型
在时间序列分析和建立金融模型时，经常用随机过程来刻画金融资产的变动。随机过程的概念是：设E是随机试验，Ω={w}是它的样本空间，T是一个参数集。若对于每一个t∈T，都有随机变量X（t，ω），ω∈Ω与之对应，则称依赖于t的随机变量X（t，ω）为随机过程。
将收益率看作随时间变化的随机变量，记为r（t），其中t为时间指标。在任何时点上（即t=1，2，…n），r（t）为单个随机变量。随机变量族{r（t）}定义了一个随机过程（或随机函数）。
2.2 GARCH-M模型
为了刻画金融资产的收益率数据波动性特征，恩格尔提出了自回归条件异方差模型进行建模，描述股票市场的波动聚集性和持续性。对于ARCH模型，一般有如下形式：均值方程为：rt=μt+ut条件方差为σ=α0+α1u+α2u+αqu但ARCH模型存在滞后长度q的选取以及违反系数非负数的约束等问题。针对金融时序的经验分布的尖峰厚尾性，Bollerslev创立了广义自回归条件异方差模型（GARCH模型）。它有效地弥补了有限样本下的模型计算效率及精度上的不足。对于GARCH（p，q）模型，均值方程为：rt=μt+ut条件方差：σ=α0+α1u+α2u+αqu+β1σ+β2σ+…+βpσ，p为自回归GARCH项的阶数，q为ARCH项的阶数。在实证研究中，GARCH（1，1）模型能模拟许多时序数据，能够较好地解释股票收益波动性。
金融理论中的大多数模型都假设投资者应该为承担额外的风险而获得更高的收益，处理这一问题的方法之一是设定金融资产的收益可以部分风险由其风险决定。因此，可将金融资产收益率的条件方差引入到GARCH模型中，即GARCH-M模型。GARCH-M模型的其中一种形式为：rt=μt+δσt+ut
2.3 VAR
VAR即风险价值，具体指的是金融资产在面临“正常”的市场波动时，相信自己的资产组合可能遭受的最大损失。VAR风险价值方法不仅包括了正常市场情况下的全部风险因子信息，而且包括了风险因子造成的最大可能损失。它取决于三个因素：一是概率水平p，二是所持有的期限，三是期望概率密度函数。VAR的计算：将GARCH-M中的条件方差代入VAR计算公式中，得到如下的公式：VARt=Pt-1Zα，其中Pt-1是前一期的资产价格，Zα是置信水平为1-α的相应分布的临界值；ht是收益率序列的条件方差。
3 实证结果
3.1 沪深300指数日收益率序列的数理分析
沪深300指数，作为反映沪深两个市场的“晴雨表”，是由沪深证券交易所联合编制发布，旨在使其作为评价投资业绩的标准，为指数化投资和指数衍生产品创新提供基础条件。通过研究沪深300指数的VAR指标，衡量中国证券市场的投资价值。
样本区间：2002年1月4号-2015年12月21日。
3.1.1 平稳性检验
根据对数收益率ADF单位根检验得到临界值在1%、5%、10%水平下的值分别为-3.432246、-2.862263、-2.567199，而ADF统计值为-31.11309，因此，分别对应在99%、95%、90%水平下拒绝原假设，即沪深300指数收益率时间序列平稳。
3.1.2 收益率序列特征分析
由图1可以看出，时间序列的偏度为-0.208194，峰度为6.446693，而在正态分布下，峰度与偏度分別为3和0，显然该序列不满足正态分布，存在着左偏和明显的尖峰重尾特征。JB统计量数值（1578.441）非常大，其相应的p值非常小，从而认定该序列不服从正态分布。
3.1.3 随机游走模型
3.1.3.1 随机游走模型的建立
从所估计的方程来看，t的估计值为0.023085>0，满足模型要求，说明金融资产收益率应该与风险成正比，对于风险较高的资产，投资者要求较高的收益就必须对风险进行补偿，同时也表明市场预期风险每增加1%时，会导致预期收益率相应增加0.023085%。
3.1.4.2 GARCH-M模型分析
从模型残差的ARCH LM检验结果可以看出，检验统计量Obs*R-squared=3.356355，其概率值P为0.9485，因此不能拒绝“残差不存在ARCH效应”的原假设，即可认为残差序列不存在条件异方差。
根据收益率序列R的预测值，其动态预测结果具有平直的结构，这是因为rt=0.023085t的t值非常小，各期的预测值都在零值周围。红色虚线表示在收益率R的置信水平95%下，随着预测期的增加，置信区域平直，趋于稳定。下方图形为条件方差的预测结果，不难发现条件方差的预测值陡峭增加，最后收敛于0.00312-0.00316之间的某个值，即收敛到无条件方差。
从表1可以看出，2008年沪深300指数的VAR值最大，而2005年末2006年年初的VAR值最小。这一结果表明，2008年的沪深300指数风险最大，投资者遭受的损失最大，而2005-2006年，沪深300指数风险最小，投资者遭受的损失最小。产生这一结果的原因是，2007年次贷危机已经产生，2008年金融市场已经开始不稳定，而2008年9月15日，金融危机爆发。2008年9月16日，沪深300指数的VAR为89.09340044，并不是很高，可能存在政策因素、经济活动的滞后因素等。2005-2006年，中国股市稳定，保持着健康发展的态势，风险较低。
3.2 小结
通过上面的模型分析，可以得出以下结论：
①沪深300指数的收益率时间序列可以用随机游走模型刻画，但存在着明显的ARCH效应，收益波动幅度较大。沪深300指数的收益率时间序列具有明显的波动聚集和尖峰厚尾特征，通过模型建立，采用GARCH-M模型能有效消除ARCH效应。
②利用GARCH-M模型对沪深300指数的收益率序列进行预测，预测结果与实际拟合较好。
③运用GARCH-M模型对沪深300指数的VAR进行计算，发现2008年的VAR值普遍较大，2005-2006年的VAR值普遍较小，与经济形势相符。
参考文献：
[1]李存行，张敏，陈伟.自回归条件异方差模型在我国沪市的应用研究[J].数学的实践与认识，2008，38（8）：1-6.
[2]江涛.基于GARCH与半参数法VAR模型的证券市场风险的度量和分析：来自中国上海股票市场的经验证据[J].金融研究，2010，6.
[3]杨夫立.基于GARCH模型的證券投资基金VAR计算与实证研究[J].经济问题，2012，6.
股票收益率分析 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.
股票收益率分析 篇5
1993年7月21日 国税发〔1993〕045号）
各省、直辖市、自治区税务局，各计划单列市税务局，海洋石油税务管理局各分局：
根据股份制试点的有关规定，国家准予部分试点企业在境内发行人民币特种股票（简称B股）和在境外发行、上市股票（简称海外股），现将外商投资企业、外国企业和外籍个人持有上述股票所取得的股票（股权）转让收益和股息（红利）所得有关涉外税收问题明确如下：
一、关于股票（股权）转让收益
1．外商投资企业转让股票或股权所取得的净收益以及外国企业在中国境内设立的机构、场所转让所持有的中国境内企业股票所取得的净收益应计入企业当期应纳税所得额，缴纳所得税。上述股票交易所发生的净损失，也可冲减企业当期应纳税所得额。
2．对外国企业转让不是其设在中国境内的机构、场所持有的中国境内企业发行的B股和海外股所取得的净收益，和外籍个人转让所持有的中国境内企业发行的B股和海外股所取得的净收益暂免征收所得税。
3．外国企业和外籍个人转让其在中国境内外商投资企业的股权取得的超出其出资额的部分的转让收益，仍应按财政部（87）财税外字033号和财政部（84）财税字第114号文件规定，依20％的税率缴纳预提所得税或个人所得税。
二、关于股息所得
1．依照《中华人民共和国外商投资企业和外国企业所得税法》第十九条的规定和《中华人民共和国个人所得税法》施行细则第五条第二款的规定，外国投资者从外商投资企业取得的利润（股息），和外籍个人从中外合资经营企业分得的股息、红利，免征所得税。
2．对持有B股或海外股的外国企业和外籍个人，从发行该B股或海外股的中国境内企业所取得的股息（红利）所得，暂免征收企业所得税和个人所得税。
股票私募篇：基金收益波动大 篇6
在股市不温不火的环境下，股票类产品所能带来的意外惊喜似乎越来越少。不断有公募基金的明星基金经理加入这一阵营，但真正能证明自己能力不凡的仅是极少数，甚至屈指可数。几年以来，能够持续提供绝对收益的私募才最令人信服，但凤毛麟角。大多数阳光私募股票基金甚至无法证明自己在绝对收益方面能够超越公募基金。
“绝对收益”
以收取管理费和业绩提成为主要模式的阳光私募，众所周知，以追求绝对收益为目标。但事实是，过去多年来，能为投资者带来绝对收益的阳光私募仍十分有限。
这个行业最显著的特点是，黑马比常胜将军多得多，而且鱼龙混杂路数不一。当然，这或许也是吸引无数投资高手试手的原因——竞争惊心动魄，成绩一目了然。但对投资人而言，选择产品却犹如赌博。
在过去一年中，由于经历了一波不小的反弹行情，一部分阳光私募表现不俗。但和过去一样，排在最前面的基本都是并不知名的私募。比如最近一年中，表现最好的呈瑞1期收益率达到57.45%，而其过去2年收益率为74.7%，在同类中亦属出类拔萃。最近一年业绩位列第二的未尔弗也是名不见经传，其收益率约41.72%。
榜单前列也出现不少耳熟能详的名字，如鼎峰系、新价值、和聚、博颐、中国龙系、朱雀系等等。从绝对收益水平上看，一年超过20%年收益率的确也是不俗。但若和公募基金同期业绩相比，阳光私募似乎没有表现出任何优势。
最近一年，公募基金中表现最好的上投摩根新兴动力、华宝兴业新兴产业、汇添富医疗保健，收益率分别为60.32%、42.78%、37.42%，均比与之同样排名的阳光私募略高。
当然，阳光私募排名第一的产品无法跑赢公募基金排名第一的产品，通常不是常态。但阳光私募最末几位通常表现极差倒总是常态，最近一年亦不例外。过去一年排名最末的天星2号，跌幅54.77%，远远超过公募基金最后一名。
不过值得注意的是，如果从更长期来看，确实有若干阳光私募在长跑中脱颖而出，为投资人提供了持续的绝对收益。如博颐、朱雀、淡水泉，过去5年累计收益率都超过80%。此业绩仅略低于此前王亚伟管理的华夏大盘，超过了大多数公募基金。管理人的附加值是显著的。
只是长期可持续的稳定业绩并不是股票类阳光私募的常态。如果看平均数据，根据Wind资讯，具有连续业绩运作满5年的阳光私募基金产品目前有109个，平均回报率约11%，已大幅战胜大盘（同期下跌约40%），且为正收益。但问题是，5年复合增长率为11%，意味着年化收益率无法超过银行存款利率，令人叹息。
这些事实再次告诉我们，除了少数几只阳光私募外，真正能提供持续性的绝对收益的股票型私募产品凤毛麟角。换个角度说，大多数管理人的投资水平往往难以脱离市场大趋势，期望在基础市场表现糟糕的年份获得绝对收益，概率是很低的。
较差的光景时，很多阳光私募在风险控制方面的薄弱，还会致使投资者蒙受超出市场平均水准的损失。尤其是，数据还往往忽略了过去5年来清盘的基金。所以实际情况是，股票私募的风险和收益从某种程度来看，显得有些不太对等。
清盘的风险
对阳光私募来说，一旦踩到必须清盘的止损线（通常30%），它们通常不得不选择清盘。一旦到此地步，管理人若要再翻身就十分困难。对投资人来说，如果是非结构化产品，意味着亏损30%就此成定局，你必须被动选择割肉出局，即使基金此前买入的那只股票几个月后又涨回来了。
2012年是清盘最为惨烈的一年，股票私募所遭受的压力和创伤登峰造极。根据公开数据，至少超过100只阳光私募遭遇提前清盘，其中非结构化产品就达到50只以上。
即使是去年的暴涨，也未能改变有些私募清盘的命运，若干阳光私募甚至倒在了年关前。比如知名私募和聚投资旗下的一款产品——外贸信托·成长组合（和聚），在大盘开始暴涨之时，却不得不清盘。何聚成长组合于 2013年1月4日提前终止。在年关前不幸触及了30%的止损线而被迫清盘的例子繁多，不胜枚举。
根据公开数据，在去年7月阳光私募清盘的高峰期，当月有26只阳光私募清盘，有4只属于“非正常死亡”的提前清算。10月份共有7只阳光私募产品清盘，其中1只为提前清算。9月份共有13只阳光私募清盘，其中2只为提前清算。倒在黎明前的不仅是私募，也是投资者，这类产品的风险也给所有人都上了一课。
上一轮清盘风潮过去之后，下一轮也许不会很快到来，但投资者必须意识到的是，阳光私募可能造成的损失会远远超过普通投资产品。这个领域鱼龙混杂，有实力雄厚的机构，也有类似投资作坊一样的小公司，缺乏合理的风险管理。过去5年累计收益最好的阳光私募涨幅84%，但过去5年跌幅最大的阳光私募累计跌幅70%（不包括清盘的基金）。这就是此行业的现状。
股票收益率分析 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.
长期股票投资的风险与收益分析 篇10
长期投资遵循市场规律,只有长期投资才能实现财富的稳定持久增值。当今世界首富沃伦.巴菲特就是最典型的长期投资者。他凭50年如一日的长期投资,实现29.5%的复合增长率,从而累积了620亿美金的巨额财富。虽然历经两次世界大战、数次石油危机、海湾战争,依然战胜了市场。这也许就是长期投资的秘密所在:持股时间越长,风险越小;彼得·林奇,全球最佳共同基金经理人,凭借长期投资实现了13年29%的复合增长率;巴菲特的合伙人查理·芒格同样也是忠实的长期投资者,从1962—1975年间平均复合收益率达到24.3%,还有红杉基金比尔·鲁安同样坚持长期投资,集中长期持有优秀企业,年平均复合收益率达到18.4%;以及中国的私募基金经理人但斌,也以长期投资取得了不俗业绩,这说明长期投资在中国同样适用。倡导长期投资,站在成功者的肩膀上实现财富梦想。
二、长期股票投资的风险与收益分析
(一)风险的衡量方法分析
对于大多数投资者来说,衡量风险的最有效方法是描绘出最糟糕的情况。下图是美国从1802年起分别投资于持有期为1年到30年的股票、债券和国库券的最好和最坏回报率。图中柱形的高度衡量了最好和最差的差额。随着持有期的增长,股票和固定收益债券的收益率的差额发生了明显而迅速的缩减。
毫无疑问,股票的风险在短期内要比债券和国库券大,但是从1802年开始,如果持有期为5年,则股票的最差回报率为-11%,这比债券或国库券的最差回报率稍逊一筹。如果持有期为10年,则股票的最差表现实际已经优于债券或国库券了。如果持有期为20年,则股票的回报率就从未低于通货膨胀率了,但债券或国库券的年平均回报率一度比通货膨胀率低3%。图1
如果年均3%的损失率持续了20年,那么投资组合的实际购买力将会砍掉一半。对于30年的持有期,股票最差的年平均回报率就比通货膨胀率高2.6%,这仅次于固定资产30年的平均收益率。
虽然表面看来在积累长期财富方面,股票比债券风险更大,但实际上与事实相反,保持最安全的投资显然就是股票的多样化投资组合。图2
持有股票和债券的风险很大程度上取决于持有期的长短。上图显示了将近200年历史数据基础上的股票、债券和国库券的风险。这里的风险被定义为实际年均回报率的标准差。这是运用在投资组合理论和资产配置模型中的风险衡量方法。
股票在较短持有期内的风险比固定收益投资品的风险大,但是一旦持有期达到15-20年,股票的实际年回报率的标准差就小于债券和国库券平均回报率的标准差。如果持有期超过30年,股票风险就小于债券和国库券。随着持有期的增长,股票回报率的标准差越来越小,而且小于债券和国库券的标准差,股票风险的下降要比预料的快得多。相反,固定资产的风险下降并不像随机过程理论预测的那样快,一旦通货膨胀开始加剧,债券投资者都没有机会弥补他们实际购买力的损失。相对而言,由于拥有实际资产的追踪权,股票持有者很少遭受通货膨胀引起的永久性损失,这一点在日本和德国的债券回报率中表现得尤为明显。
(二)各种风险对长期股票投资的影响
1、战争风险。
美国经历了二次大战朝鲜战争、越南战争、海湾战争和伊拉克战争。但是从长期来看,在整个历史的大趋势中,战争所导致的波动只不过是个小小的波动而已,可以改变历史前进的节奏,但改变不了历史前进的方向。每次战争的发生都会使股票产生相当大的回调,但是战争结束后,股市依然向上前进。长期持股完全可以化解战争对股票投资的风险收益的缩减。且每一次战争导致股市大幅度下跌时,恰恰是最佳的买入时机。
日本在二战期间以及二战之后发生的股灾比发生在其战败国同盟—德国的股灾更为严重。日本工业财团卡特尔的倒闭,给公认的股票分配以及战后严重通货膨胀引起股票实际价值下降了98%。日本还是在20世纪80年代末完全挽回了落后于西方股市的劣势。1948-1989年,日本股市的实际回报率达到了10.4%,比美国市场高出了将近50%。无论用哪种货币衡量,无论在哪个国家,股票的实际收益率都超过了固定资产收益回报率,股票的回报率一直很稳定,且股市总体上都是呈上升趋势的。
战后日元经历了从4日元兑1美元到360日元兑1美元,严重通货膨胀使得日本的债券投资者全军覆没。然而没有任何损失可以和德国的债券投资者在1922-1923严重通或膨胀所遭受的严重打击相提并论。二战导致了德国股价下跌了90%,德国马克超过了100亿兑1美元。但并不是所有的投资者都抛弃了股票,战后巨额的投资回报率给了那些耐心持有股票的人丰厚的回报。到1958年为止,战后德国股市总汇报已超过战前水平。从1948年到1960年的12年间,事实上从1939年德国入侵波兰开始,到1960年,德国股市的实际回报率已经几乎和美国持平,也已经超过了英国的水平。尽管存在战争的破坏,但德国股市有力的反弹证明股票的勃勃生机。
法国同样也是欧洲资本主义强国,工业革命以来法国经济发展迅速,一度跻身为世界强国。但是在二战期间也屡受重创,由于战争原因股票市场关闭,直到1941年2月才重新开放,而且二战使法国基础设施遭受大面积破坏,经济萧条,在战后股市暴跌。但随后又逐渐回升。长期债券,短期债券同样暴跌,但它们并没有像股票那样迅速回升。
纵观世界各国发展史我们发现,不管是战败国还是战胜国,股市在100年间保持了4%--7%的稳定增长,历史表明在同样经受灾难和危机的情况下,股票能够化解这些灾难对其收益的影响,而且股票能够达到财富增值的目的。可以说在100年间,投资股票的风险要比债券小很多,而实际收益要比债券大得多。
2、股市崩盘。
很多投资者虽然对股票在长期投资方面的优势深信不疑,但他们以为当股票价格处于高点时不应该再投资股票。其实,这对于长期投资者来说是不正确的。
图3显示的是20世纪6大主要股票市场处持有期10年、20年、30年的实际回报率。即使从市场高点开始,如果持有期是30年,那么通过股票积累的财富将是债券的4倍多,国库券的5倍多。如果持有期是20年,那么股票的收益将是债券的两倍。如果持有期是10年,从市场高点开始,股票仍然是比固定收益资产有微微的优势,而且以上结果是根据股市的最差状况得出的。历史表明,无论股市处于怎样的高点。,都没有充分的理由使得投资者明显减小股票的多样化投资组合,除非投资者以为在未来的5-10年内需要动用他们的积蓄才能保证其生活水平。
当然,如果投资者能够确定股市的高点和低点,那么他们的收益将会更高。但事实上,几乎没有一个投资者可以做到这一点,而且,即使投资者在高点卖出股票,也不能保证获得较高的收益率。当股票价格处于上升阶段,而且每个人都看好股市时,是很难做出卖出决定的。而在市场低谷时,悲观气氛盛行,几乎没有人有信心进行股票投资,就更难做出买入决定了。
3、经济衰退。
从1902年到1991年,美国经济衰退20次,但是衰退结束后的3个月,标准普尔指数上涨10.3%,1949年以来,每次熊市结束后12个月,标准普尔指数平均上涨37%。
战后的9次正式的经济衰退从市场的低点起6个月,标准普尔平均上涨38%,市场融资后的12个月,标准普尔平均上涨46%。经济衰退不改变股市前进的步伐,长期投资可以忽略经济衰退的影响,经济衰退不是风险,反而是机会。
英国股市的大幅下跌发生在1973年和1974年难以控制的通货膨胀、政治动荡和工人罢工使英国股市蒸发了超过70%的价值。股市资产总市值下跌到了可怜的500亿美元。这个数字甚至比许多互联网股票在1999-2000年网络概念股最火热时的市值还要小,这个数字比欧佩克成员国的年收入要小,欧佩克油价的上涨导致了股票价值的下跌。1974年大跌以后,英国股市明显的回升,而且在世界其他主要市场上的收益超过了美国。同时在危机期间坚持持有英国股票的人都获得了回报。
4、公司的变迁。
早期的道琼斯指数主要集中的商品是:棉、糖、烟草、铅、皮革、橡胶等,12家公司中有6家生存下来并一直经营相同的业务,但是只有一家公司不但保持了在道琼斯工业平均股票指数中样本股的地位而且其名字也没有发生改变,这家公司就是拥有世界上最高市值的通用电子公司(GE)。
表1详细的再现了从1896年2001年道琼斯指数的变迁。如果投资1.2万美元平均投资在这12家公司中,就算只剩下GE一家,按15%的年回报率,今天也有47亿美金,绝对是富甲一方,而事实是这110年,两家公司被私有化(但这对投资者来说并不一定是坏事)。只有一家企业破产了,就是美国烟草,只要持有出美国烟草以外的11家企业中的任何一家,都可以拥有一笔不菲的财富。
5、产业变迁。
投资者都希望更多的投资于前景美好的行业,但是随着时代的发展,科技的进步,行业也在发生着巨大的变化。
下表为英国100强股票的产业构成情况,各个产业按资本市值大小排列。20世纪初,铁路运输业的重要性非常突出,而100年以后,100强只剩下Rail track这唯一的铁路股,它占《金融时报》100指数的比重仅为0.4%。
现在48%的公司所从属的产业在1900年还很小或根本不存在,除此之外,上市公司的产业结构还发生了其他变化。即使有些产业表面上看起来很相像,但实质内容已有很大的变化。比较一下电报业和移动电话业或1900年和21世纪的运输业就一目了然了。
如果按照目前的产业标准对上面的这些公司进行分类,我们有更多的发现。
现在地位非常重要的石油天然气业和制药业在20世纪初几乎不存在。当时,电讯业也是一个相对较小的行业。20世纪初市值占英国100强指数69%的公司所从事的行业如今已很小,或不复存在。
但产业结构在某些方面的相似性也很明显。其中引人注目的一点是银行和保险业一直以来都是占据重要的地位。100年以前,银行占总资本市值的15.4%,现在则占到16.6%。酿造业也没有多大变化,电信业在100年前还是高科技产业,现在还是。尽管经历了摘牌和重新上市等变故,公用事业公司基本上还是前100年的那些公司,尽管运输方式有巨大的进步,但非铁路运输业的相对重要性基本上没有变化。所以说虽然社会在前进,在发展,人们的消费观念在更新,行业在不断地变迁,但是还有很多的行业100多年来变化不是很大,这些行业可以作为长期投资的对象。
6、通货膨胀。
历史经验有力的证明:股票的长期收益率会随着通货膨胀率的上升而上升,因为股票收益率的最终来源于实有资产的增值。所谓的实有资产是指那些本质上与劳动力和资本相联系的资产,所以认为股票的长期收益率不会受通货膨胀率的影响是有道理的。比如说,二战开始后的半个世纪是美国历史上通货膨胀率最高的时期,但是股票的实际回报率却超过了前150年的水平。
图4中三条曲线分别代表1870-2001年间,以复利计算1年期和30年期股票、债券和国库券在各种通货膨胀下的复利年收益率。该图表明,从短期来说,无论是股票,债券还是国库券都不是很好的规避通货膨胀风险的套利保值工具。当通货膨胀率比较低时,这些金融资产的短期收益率比较高,随着通货膨胀率的上升,收益率不断下降,但从长期看,股票的收益率实际上不受通货膨胀的影响。从图中还可以看出,无论是长期还是短期,固定收益资产的复利年收益率都没有股票高。
图5表示的是,在不同持有期和不同通货膨胀率的情况下的税后收益率。表明持有股票的时间越长,通货膨胀对其影响越弱,而在相当短的持有期内,通货膨胀率能够大幅消减实际回报率。所以说,长期持股能够有效的降低通货膨胀对实际回报率的影响。
综上所述,公司在不断的变迁,有消亡的也有继续发展的,行业同样如此,但100年中同样也有很多亘古不变的企业或行业存在,它们就是长期投资的一个基础和存在的前提。
(三)代表国家不同投资品的投资回报比较
1、日本。
从表4中我们可以发现,随着持有期限的增长,股票的最低收益率逐渐从负的变为正的,当持有期达到50年时,最低收益率为2.8%最高为9.9%。然而长期短期债券的表现却让人大失所望,在100年的投资中最低收益率为负数,而且当持有期限达到60年时,或60年以后,债券的最高收益年均为负数,此时债券的风险明显大于股票的风险,而且若在此持有债券,投资者的财富会严重缩水,也就无所谓财富增值了。
2、瑞士(表5)。
从瑞士的情况中我们也同样发现,随着投资周期的增长股票的最低收益率逐渐变为正数,当投资时间超过10年,即持股20年时,最低收效率为2.1%,长期债券收效率只有0.4%。短期债券2.7%,可以说投资股票不存在损失的情况,也即无风险了。且随着持股周期的增长,股票的最低收益均高于债券,所以说长期投资风险低,收益率明显比债券高。
3、加拿大。
加拿大的股市表现和更让人惊讶,只要持股周期超过10年,股票不会出现负的收益率,即100年的投资投票过程中不会有任何缩水的危险然而长期债券和短期债券的表现要明显低于股票,投资周期超过50年,才算上完全没有风险了,但债券的长期收益率明显低于股票的收益率,相差近5%。
从以上各国的数据表明:股票持有周期越长,风险越小,收益也越稳定,且从长期看,股票的风险小于债券的风险,而且股票的收益率大于债券的收益率。
历史数据表明,在100多年的股市发展中,股市的收益率都是大于0的。从长期来看,股市曲线的斜率都是斜向上的。即从股市诞生第一天一直投资到现在,我们不仅不会损失,反而会累积不可想象的巨额财富。100年的历史已经证明了股市长期来看是永远向上的。
从图6我们可以看出16个国家的股市在103年的收益都是正的,最低的是2%,最高的是7.5%(已扣除通货膨胀的影响)。不论是经历了一战的德国、英国,还是经历了二战的德国、意大利、日本,残酷的战争并没有改变股市最终上涨的规律,但战争短期内肯定是对股市有巨大冲击的。反观对比债券和票据,在103年中,比利时、意大利、德国、法国、日本,这5个国家的债券、票据都是负收益率,通货膨胀率明显高于其债券、票据的名义收益率,那么若在103年前投资债券,那么我们拿-2%的收益率计算,若我们投资1万元于债券或票据的话,最后我们将得到1200元。缩水将近10倍左右。若拿-4%来算,1万元只剩下149元。那么我们将会损失惨重,根本就不能实现财富的增值,但是其他11个国家的债券、票据的收益率均大于0,但收益率明显大大低于股票的收益率。
三、结论和建议
投资理财已成为人们的一种生活方式,更多的是一种历史发展的趋势,因为人们对财富的追求速度远远超过他们自身收入的增长速度,同时通货膨胀的压力使人们不得不思考财富增值保值的方式。要想实现财富的增长,必须给当前自有的财富一定的空间和时间,这样财富才会健康持久的增长。那种企图一夜暴富的心态是不可取的。一夜可以造就一个暴发户,但不可能造就一个贵族。
长期投资可以实现家族财富的百年传承。为什么洛克菲勒家族基金一直存在呢?不是都说富不过三代吗?以一种更长远的眼光、更长远的心态,就可以打破富不过三代的规律。长期投资本身就可以实现财富的传承,同时也可以着眼于子女的教育费用,从孩子以出生就开始规划这些事情,以20年为投资周期进行运作是完全可取的;又比如对父母或自身的养老费用,从自己工作那一天开始20年到30年的长期投资也是完全可行的。长期投资可以让人们解决现实生活中的教育费用、养老费用等问题,从这个角度来看10年、20年、50年都是可以付出的,同时也是值得付出的,而且投资的本金也不会影响到我们自身的生存,关键在于时间的积累和耐心地等待。如果人们能更好地了解长期投资的精髓,那人们的生活会更幸福。
事物的发展从量变到质变必然要经历一个长期的过程,即事物发展的周期,而股票的涨跌同样遵循这个规律,必然要经历量能的时间累积,趋势的叠加,以及公司本身的发展。必须给股票一定时间发展,而这个变化不是短期内完成的,需要各方面条件的配合,当各个因素达到一种共振状态时,股价必然上涨。在这个量变过程中,股市短期内的涨跌都是正常的,是各个因素所反映的不同形态而已,当达到质变时,股价便会成上升趋势,形成上升通道,这时就会展现长期投资的复利效应。自然界万事万物的发展都要经历一个周期,股票亦如此。试图抓住每一个波动是不可能的,收益必须以时间为代价。正如天气和气候一样,我们很难精确知道明天最高温度是几度,风力几级,但我们很容易知道气候和四季的变化。这就是短期无法预测,而短期的波动叠加成长期趋势,长期趋势是可以把握的,这也许是一种自然法则。所以我们不要试图去把握我们不确定的事,而是去做我们能把握的事,即股市长期趋势而忽略短期波动。
股市是经济的晴雨表,经济发展的成果最终必然会反映到股市上来。理性看待投资,长期耐心的持有股票,这是分享经济成果的最好方式。
摘要：中国股市从诞生到现在已有20年的历史,市场制度还不是很完善,更多的人是抱一种投机甚至赌博的心态进入股市。但这也无可厚非,反观荷兰、美国股市的历史,市场初期的投机比中国有过之而无不及,股市都要经历从不成熟到成熟的漫长过程。现在国内的股票投资者大多是缺乏股票投资的基本知识,听股评、找内幕、做短线、快进快出企图追求短期的暴利,从而导致在股市上无法实现稳定收益,这反映了投资者急功近利的心态。在这样的背景下,本文提出了理性看待投资,长期耐心的持有股票。并且基于百年来的多方面数据,系统分析了长期投资股票是规避各种风险,实现稳定收益的最佳投资方式。
股票收益率分析 篇11
[摘要] 针对在不同的股市行情中机构持股与房地产公司股票收益波动之间的相关性问题，建立面板数据的门限分位回归模型进行检验。证实在不同的市场行情中，对于股票收益波动处于不同水平的房地产公司，机构持股的影响程度存在差异。当股市大盘出现极端情形，机构投资者加剧股市波动。大盘大跌，机构持股的促进作用随着股票收益波动的分位点的增大而增强。在盘整市，机构持股比例没有对股票收益波动产生显著影响，但其变动抑制股票收益波动。
[关键词] 股票收益波动；机构持股；极端收益；门限分位回归
[中图分类号] F832[文献标识码] A[文章编号] 1008—1763（2016）02—0073—08
Abstract：For the problem of correlation between institutional ownership and the volatility of real estate companies stock returns in different market conditions， this paper establishes a threshold quantile regression model with panel data. We confirm that in different market conditions， for the real estate companies whose stock returns volatility is at different levels， there are differences in the effect degree of institutional ownership. If the stock market appears extreme returns， institutional ownership strengthens the stock returns volatility. The positive impacts of institutional ownership increase with the quantiles of the volatility when the stock market extremely falls. In the whole consolidation market， the proportion of institutional ownership does not have a significant impact on stock returns volatility， but the change of proportion will weaken the stock returns volatility.
Key words：the volatility of stock return； institutional ownership； extreme income； threshold quantile regression
一引言
机构投资者的兴起是20世纪80年代以来国际金融市场的一个重要特征，国际金融市场的投资逐步由个人投资者占主体向由机构投资者主导转变。从2001年开始我国证券投资基金因超常规发展的政策支持已经具有相当大的规模，对市场的影响越来越大。然而，机构投资者规模的壮大是否稳定股票市场，国内外关于机构投资者对股票市场波动的影响研究结论主要有三个，一有利于市场稳定；二加剧市场波动；三机构投资者对股票市场波动没有确定性的影响。我们认为机构投资者影响上市公司股票收益率波动的前提条件是机构投资者的持股规模对上市公司具有足够的影响力。因为对于机构持股比例很低的股票来说，个人投资者是股票波动的主要因素；对于机构持股比例高的股票来说，机构投资者有权参与公司的治理和监督，对公司股票收益波动的影响更大。因此，对机构持股高于一定比例的上市公司进行研究能更准确发现机构持股对上市公司股票收益波动的影响。
房地产是我国经济的重要支柱产业，它与股市具有显著联动效应。巴曙松等人（2009）[1]认为股市是房地产市场的格兰杰原因，而房地产市场在一定程度上对股市有滞后的非线性格兰杰原因。黄义（2014）[2]提出我国股市与房地产市场的波动都具有ARCH效应，两市场的动态相关性具有时变性，并且存在双向波动溢出效应。房地产在开发企业的经营策略、操作手法上借用其他行业比较成熟的经营方式，这对于研究机构投资者对公司股票收益波动的影响比较有代表性，并且房地产各类股票的机构持股比例普遍都很大，所以我们选择房地产行业的面板数据，考察在不同市场环境下机构投资者的发展规模与股票市场波动的关系，探求在不同市场环境下机构投资者持股比例及其变动对股票收益波动的作用规律。
二文献综述
关于机构投资者对证券市场的影响研究很多，然而结论并不相同。有学者认为机构投资者有助于证券市场的稳定发展。Faugere和Shawky（2003）[3]、Oak和Dalbor（2008）[4]认为当股市处于下跌趋势时，机构比个人投资者更偏好收益率波动低的股票。周学农、彭丹（2008）[5]采用GARCH与EGARCH模型发现，大力发展机构投资者后，股指收益率波动减小，即股市更为平稳。李彩霞、郑治华（2015）[6]利用动态面板数据模型发现机构投资者与当期股价显著负相关，这反映了机构投资者在稳定股市的过程中发挥了积极作用。
湖南大学学报（ 社 会 科 学 版 ）2016年第2期朱慧明，汤月丽等：机构持股对房地产股票收益波动的影响研究基于面板数据的门限分位回归模型
也有学者认为机构投资者加剧股市波动。谢赤等人（2008）[7]采用EGARCH模型、Granger因果检验、VAR模型对证券投资基金上市前后中国股票市场收益波动的变动情况进行分析，得出证券投资基金采取与股票市场波动同方向的投资行为，在一定程度上加大股市的波动性。Puckett和Yan等人（2008）[8]认为机构投资者的羊群效应加剧股市波动。姚德权等人（2010）[9]得出同期股票收益与机构投资者情绪正相关，与情绪波动负相关，说明机构投资者是噪声交易风险源之一。
还有不少学者认为对机构投资者与股市稳定性关系受行情影响。陶可（2012）[10]研究发现我国证券投资基金持仓比例的变化在不同时期对股票价格波动的影响有不同的正负效应，且大部分情况下还是负效应更为明显。陈军等人（2013）[11]从不同市态和不同市值角度，对整体机构投资者和不同类型机构投资者与股市的稳定性关系做实证研究，发现我国大部分机构投资者持股加剧股市波动，且这种加剧作用在牛市更加显著，大市值也更加显著。从整个系统性风险看，曾志坚等人（2014）[12]认为，牛市行情下不存在系统流动性风险溢价，但在熊市，系统流动性风险溢价显著。
上述研究的共同点是他们使用传统的时间序列模型来分析机构投资者对股市波动的影响。考虑到金融时间序列之间不规则的相关关系，学者们大多使用VAR、GARCH、TARCH等模型解决变量的异方差问题。而本文使用的是分位回归分析变量之间的非对称关系。
分位回归最早由Koenker和Bassett（1978）[13]提出，它不对误差项的分布和方差做限定，因而能够避免正态假设和等方差假设的局限性，参数估计更具稳健性。分位回归强调条件分位数，可获得自变量对因变量变化范围和条件分布形状的影响，得到不同分位点下变量之间的关系，从而提供更为全面的信息。面板数据可反映个体差异，也可反映个体的动态过程。用面板数据做分位回归，可以充分发挥分位回归模型和面板数据的优点，在控制个体差异的基础上有效地分析自变量对不同分位点上因变量的影响程度。You和Zhu等人（2015）[14]建立面板分位回归模型证实民主性在CO2排放量的不同条件分位处影响不同。Yaduma等人（2015）[15]通过建立固定效应的面板分位回归模型研究经济增长与环境污染之间的非对称关系。
学者们致力于区分不同市场行情下的机构投资者对股票收益波动的影响。关于股市周期划分的方法很多，比如Hodrick和Prescott（1997）[16]的HodrickPrescott滤子法，Pagan和Sossounov（2003）[17]的BB法等等，但并没有一个划分熊、牛市的标准方法。熊、牛市表示是股市下滑或者上涨的过程而非极端情形。Zhu和Li（2015）[18]分析了在中英美股市收益出现极端化的情形下，三个股市的非对称相依性。在这篇文章里，我们引入门限的概念，考虑在整个股市大盘极端收益环境下，机构投资者对股票收益波动的非对称影响。
目前国内未有用基于面板数据的门限分位回归方法来分析机构持股比例的研究，本文基于我国房地产行业的上市公司股票相关数据，采用分位回归方法，充分考虑时间和个股因素，探究不同分位水平下，机构持股比例及其变动对股票收益波动的作用机制，为各股民做决策时提供参考依据。
三数据及描述性统计
我们使用由证监会划归为房地产行业的上市公司的季度数据，时间跨度为2008年10月1日至2015年3月31日。选取的时间为2008年之后，因为2008年全球金融危机的爆发使得机构投资者规模明显萎缩，也改变了机构投资者的投资策略，整个市场的风险防范得到巩固发展。我们选取平衡面板数据，即要求每一个房地产上市公司的样本量相等，所以股票代码从000002至603998的上市公司中共有91个公司作为我们的总体样本量，数据均来自wind金融数据库。
我们关注的是在不同的股市极端收益情形下，机构持股比例及其变动对上市公司股票收益波动的影响，所以在我们的研究里，我们用上证综合指数收益率为参考划分整体股市收益的极端情形，上市公司股票收益波动是因变量，机构持股比例及其变动是主要的自变量，另外我们还在模型中加入上市公司季度收益率、流通市值以及整体股市收益波动作为控制变量。
本文以上市公司季度内日股票收益率的方差来衡量上市公司股票收益波动，用变量VOLit表示。其中，日收益率就是连续两个工作日的收盘价的对数差分。INSTit是机构持股比例，表示机构投资者持股总市值占上市公司流通股的比重，ΔINSTit=INSTit-INSTit-1则表示机构持股比例变动。我们用季度内股票日收益率的平均值表示上市公司季度收益率，记为Rit。对于上市公司季度末流通市值，为消除误差，对其取对数，用VALUEit变量表示。市场波动对所有的上市公司都产生影响，我们采用季度内上证综合指数（SCI）日收益率的方差表示市场波动，用变量VOLst表示。表1给出了各个变量的描述性统计。
我们重点看后面四个统计量，除了上市公司股票收益率是左偏，其他变量都是右偏的，说明各个变量都不是对称分布的。除了Instown的峰度值较小，其他变量的峰度系数较大，说明这些变量在分布上偏离正态分布。上市公司股票收益波动的偏度和峰度很大，偏度达到6以上，峰度也达到63以上，即该变量明显尖峰厚尾，在分布上有很多极端值，这也说明了我们有必要区分在上市公司股票收益波动的各个分位点下，机构持股比例及其变动产生的影响。
Zhu和Li为研究条件收益分布下的股市非对称动态相依性，选用0.05和0.95分位点来划分3584个日数据的极端收益。而我们选用的每一个上市公司只包含25个季度数据，为保证每一种股市极端收益情形下的样本量足够，我们选用SCI的0.2和0.8分位点，用R（0.2）s和R（0.8）s表示。假定SCI指数的某个季度收益率在整个SCI的季度收益率区间大小靠后（如0.8分位点之后）或者靠前（如0.2分位点之前），我们就认为在这个季度内，股市大盘极端上涨或者下跌。Rst≤R（0.2）s表示当前股市极端下跌，R（0.2）s
五实证分析
本文研究在房地产业中机构投资者持股比例及其变动与上市公司股票收益率波动的关系，根据模型7、8，我们分析在股市大盘极端下跌、盘整、极端上涨三种不同状态下，机构投资者持股对股票收益波动的影响。表2是三种股市行情下对应的时间。
优先股事件对股票收益影响的分析 篇12
为贯彻落实深化金融体制改革,更好地支持实体经济发展,国务院依据公司法、证券法等规定,在2013 年11月30 日发布了《关于开展优先股试点的指导意见》,至此,优先股制度在我国资本市场沉寂20 多年后重出市场。该意见的发布对改善企业治理有重大的作用,认为有利于深化国企改革和股份制改造,既可稳定资本市场发展又能拓宽企业的投融资渠道。本文采用事件研究法分析该意见对优先股概念股是否产生制度效应,为资本市场的改革发展和企业实施优先股的投融资提供参考。
二、数据来源与建模
国务院在2013 年11 月30 日发布《优先股试点的指导意见》,由于该日股票市场不交易,本文将指导意见发布后的第一个交易日(2013 年12 月2 日)定为事件日,事件窗口为事件日前、后各10 个交易日,估计期为发布日前80 个交易日,即优先股制度发布事件日是0、事件窗是(-10,10)、估计期是(-80,-10)。
(一)样本的选择
截止至2015 年5 月,我国股票市场上共有24 家公司公布了发行优先股的预案或已经发行,其中银行股有14 家,地产、基建等有6 家,水电、能源、医药等4 家。本文选择优先股概念股即已公布预案或发行了优先股的上市公司作为研究对象,依据事件日、事件窗和估计期分析优先股制度的发布对优先股概念股收益率的影响。各家公司股票每日收盘价和上证综指、深证成指的数据来源于国泰安数据库和同花顺软件。
(二)收益模型的建立
1.日收益率的计算
根据收盘价格按(1)公式可计算出24 家公司在估计期(-80,-10)的日收益率。
Rit表示i公司股票在t日时的收益率,Pt表示当天股票收盘价,Pt-1表示前一天股票收盘价。
2.建立市场模型
令事件窗的股票预期收益率与实际市场收益率存在线性关系,可得到市场模型,采用最小二乘法来估计出计算正常收益所需的参数。
Rmt表示上证综指或深圳成指的收益率,t为估计期,εit是残差项。
对上述(2)式市场模型进行回归分析并对参数进行T检验,将事件窗(-10,10)区间的上证综指或深圳成指的收益率代进(2)式,求得24 家公司在事件窗的正常收益率Rit,t为事件窗区间。
依据公式(3)计算出事件窗区间各家公司的日异常收益率,
R'it代表事件窗区间的实际收益率。
3.平均异常收益AAR与积累平均异常收益CAAR
通常在事件窗影响股价收益的因素很多,为去除个别公司的因素影响股价大幅波动,本文将样本中的日异常收益率进行截面平均处理,可得到每类公司在事件窗区间的日平均异常收益AAR和积累平均异常收益CAAR。
N表示每类公司的个数。
4.显著性检验
根据(4)、(5)式在事件窗区间估算出的平均异常收益AAR和积累平均异常收益CAAR,对该事件是否对股价有影响进行显著性检验。如果检验结果显著,则表明该事件对股价产生显著影响;否则,说明该事件对股价影响不显著或未通过股票市场表现出来。
提出假设:
构造检验统计量:
再根据样本标准差公式可知:
然后,根据公式检验该事件在事件窗(-10,10)区间是否为0,从而判断该事件在事件窗影响是否显著。
三、实证结果分析
建立24 家优先股概念股上市公司的市场模型,可得出24 个一元线性回归方程,采用SPSS20.0 软件和Excel进行计量检验分析,得出 α、β 的值及其t值;然后可算得每家公司的异常收益率AR和每类公司的日平均异常收益率AAR、积累平均异常收益CAAR。
根据市场模型参数估计和 α、β 系数可建立24 个市场模型,从参数 β 的t值可知在95%的置信区间下都通过了显著性检验,24 个市场模型方程的拟合效果好。
根据事件窗区间(-10,10)计算出优先股概念股各类股票平均异常收益率和累计平均异常收益率,如图1、图2。
由图1、图2 中数据可知,优先股制度事件引起的概念股各类股票平均异常收益AAR波动状态,可看出银行类公司股票异常收益率在事件日前、后波动比都较小,且是负收益,但在事件日当日波动明显,增幅为2.3797%;建设类公司则是在正负收益区间小幅波动,在事件日后第1 日波动稍大;其他类公司的相对银行类、建设类波动要明显的多,在事件日当天、事件后的第4 日、5 日和7 日都有较大波动。在累计平均异常收益CAAR波动方面,银行类公司在事件日CAAR呈迅速上升,事件日前、后都呈下降趋势;建设类公司的CAAR在事件日之后呈缓慢上升趋势;而其他类公司的CAAR在事件日后3 天保持平稳,之后呈下降波动。
银行类公司的AAR在事件日及之后的第1 日、2 日、5 日、7 日、8 日、9 日和10 日都通过了置信区间为95%的显著性检验,其中日平均异常收益率最大值在事件日为9.2527,检验结果高度显著;建设类公司的AAR在事件日后的第1 日、2 日和7 日通过了置信区间为95%的显著性检验;其他类公司的AAR只在事件日当日通过置信区间为95%的显著性检验。银行类公司的CAAR在事件发生后的第5 日、7 日、8 日和9 日通过了置信区间为95%的显著性检验;而建设类和其他类公司的CAAR都没通过置信区间为95%的显著性检验。
对三类优先股概念股公司在整个事件窗的CAAR进行显著性检验,以此来判断事件在整个事件窗的显著性,检验结果如下表。
从下表可知,银行类、建设类、其他类公司在事件窗(-10,10)的平均累积异常收益率,其中t值分别为5.363、14.218、6.044,都通过置信区间为95%的显著性检验。事件在事件窗对银行和其他类公司产生显著为负的累积异常收益率,但事件日当天银行类公司收益有明显的正增长;对建设类公司产生显著为正平均累积异常收益率。
四、实证结论
本文以沪深优先股概念股为样本,采用事件研究法分析了优先股制度的发布对优先股概念股收益的影响,结论如下:
一是优先股制度的发布对银行股在短时间内产生显著的正有益影响,但影响随着时间推移迅速降低,主要原因是银监会对银行业的资本充足率有了更严格要求,至2018 年底系统重要性银行需达到11.5%、其他银行则要达到10.5%。根据巴塞尔Ⅲ协议,优先股可以计入银行一级资本,如此银行可以有效提高一级资本充足率和核心一级资本充足率,同时可避免增发普通股给资本市场带来的波动,降低经营风险。
二是优先股制度的发布对建筑、地产公司股价产生平缓向上的正收益,尤其是中国交建、中国建筑、中国电建等大型国有企业在事件日的股价都有明显的增幅。
三是优先股制度的发布对其他类公司的股价收益即时影响不大,根据标准普尔的统计数据,优先股发行企业中金融银行、建设类等占据90%以上,股票市场在优先股事件日对其他类公司的关注度不及银行、建设类公司,其他类型公司对优先股融资的迫切性不如银行股、国有建设股高,毕竟每年较高股息的现金支付压力还是很大的。
此外,优先股的本质特性决定了不是所有企业都会积极采用固定股息的现金支付、尚不完善的会计处理法规和系统性风险等对优先股的投融资都需要慎重考虑,现有的《公司法》等法律法规也还需进一步明确。我国优先股试点还在开展,越来越多的企业会陆续实施优先股融资,由于试行时间不长,企业还未有发行优先股融资后的年报,优先股对我国企业长期的发展和成长如何,将是下一步的研究方向。
摘要：从优先股制度试点出台影响效应角度出发,采用事件研究法来研究该事件对优先股概念股收益的影响。通过选取24只优先股概念股并将其分为银行、建设和其他三种类型,经实证研究发现:优先股政策的出台对银行类股在事件日产生显著的正收益影响,但随后迅速下降,主要原因是银监会对银行业的资本充足率有了更严格要求,对建设类股票产生显著的正收益影响,对其他类型股票的影响力不大。此外,优先股的本质特性决定了不是所有企业都会积极采用固定股息的现金支付、尚不完善的会计处理法规和系统性风险等对优先股的投融资都需要慎重考虑,现有的《公司法》等法律法规也还需进一步明确。
关键词：优先股,股票收益,影响分析
参考文献
[1]王冰心.优先股制度对中国股票市场发展的影响研究-基于优先股概念股的视角[J].洛阳师范学院学报,2014(7):80-83
[2]高劲.企业为什么选择发行优先股[J].浙江社会科学,2005(5):54-64
[3]李艳琴.浅析优先股在企业融资中的应用及风险[J].企业导报,2015(2):48-49
[4]陶萍,刘先伟.国外突发事件对国内股票市场的影响研究[J].预测,2015(2):66-70