成长性股票_企业成长性与股票收益率关系的面板数据分析
时间：2018-12-23 12:39:45 来源：柠檬阅读网 本文已影响 人 
摘要：企业成长性是提高盈利能力最重要的前提，也是实现企业价值最大化的基本保证。本文使用2006年至2009年沪深两市上市公司的数据，分析了企业成长性指标对股票收益率的解释力，结果发现：总资产增长率、营业收入增长率两个指标能很好地反映股票收益率的变化；而净资产增长率、营业利润增长率两个指标不能很好地反映股票收益率的变化。
关键词：股票收益率 企业成长性 面板数据 净资产增长率 营业利润增长率
一、引言
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。Umstead（1977）和Fame（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APT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。Campbell和Ammer（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CCERDATA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（TAG）=（本年总资产-上一年总资产） /上一年总资产；净资产增长率（NAG）=（本年净资产-上一年净资产） /上一年净资产；营业收入增长率（RG）=（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（OPG）=（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（Panel data）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 it=（x1,it，x2,it，?撰，xk,it）"，满足线性关系： it=αit+ "it+ it+uit，i=1,2，?撰，N，t=1,2，?撰，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， it表示对应于解释变量向量 it的k×1维系数向量，k表示解释变量个数。随机误差项uit相互独立，满足零均值、等方差为?滓2u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 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 Regression Model），又称混合模型，其单回归方程的形式可以写成： it=α+ it +ui，i=1,2，?撰，N（式2）。其中截距项α和k×1 维系数向量 均相同。第二，变截距模型，其单回归方程的形式可以写成： i=αi+ i +ui，i=1,2，?撰，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 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-mean corrected regression model）。第三，变系数模型，其单回归方程的形式可以写成： i=αi+ i +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 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 model）。
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：H1:?茁1=?茁2=…=?茁N；H2:α1=α2=…=αN。
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：
F2= ~F［（N-1）（k+1），N（T-k-1）］
F1= ~F［（N-1）k，N（T-k-1）］
本部分针对选取的样本，4年329只股票得到1316个数据，使用Eviews 6.0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
