论文部分内容阅读
【摘 要】有效市场理论认为，信息刺激价格波动；股票价格是由一个信息集决定。F10信息是中国股票市场比较完备的信息集。本文通过逐日收集、处理F10信息，提取出其中6大类40余个数量指标；建立相应的套利定价模型，利用逐步回归方法，找出我国中小板、创业板的股票市场价格影响因素和定价模式，并进行分析比较。结果表明，各个股票市场关注的第一大类要素都是未来收益预测要素；中小板和创业板同时关注明年收益和后年收益；资产类因素对创业板股票价格有重要影响。
【关键词】F10信息；股票市场；股票价格；逐步回归
对股票的市场价格的研究一直以来都是金融市场研究的焦点。有效市场理论（EMH）是现代金融经济学的支柱理论。根据EMH理论，信息刺激价格波动，也就是说，股票的市场价格由一个信息集决定。美国学者夏普（William Sharpe）、林特尔（John Lintner）、特里诺（Jack Treynor）和莫辛（Jan Mossin）等人在资产组合理论的基础上发展的资本资产定价模型（CAPM），其中考虑了无风险利率Rf和描述风险的β值俩个影响收益率
Ri的因素。1976年，美国学者斯蒂芬·罗斯在《经济理论杂志》上发表了套利定价模型（APT），实际上是资本资产定价模型的拓展形式。其中考虑了影响证券收益率的要素、收益率对要素的敏感程度、随机误差项。由于市场收益率就是通过价格变化表现的，所以对于股票而言，影响证券价格的因素就是影响股价变化的因素。这些研究是人类迄今为止的经典金融市场理论研究，在当时的信息背景下研究出信息集对股票价格的影响，为经济学发展做出了卓越贡献。然而由于当时计算机和网络技术尚未普及，其研究所使用的信息集具有时代的局限性。
我国股票市场建立较晚，但是也在很短的时间内对股票市场做出了很多研究：我国学者吴世农对我国上市公司盈利信息报告对股票价格的影响进行研究，结果发现在信息披露前就存在明显的累计超额收益率，在信息披露之后，累计超额收益率有明显的修正。张滕文、黄友（2008）运用F-O模型研究股价和会计信息的关系，结果表明：经营利润率、股东收益、剩余收益、每股净资产、规模与股价均具有价值相关性，且股价与经营利润、股东收益、剩余收益、每股净资产成正相关关系，与规模成负相关关系。令人遗憾的是目前我国关于股票市场价格的研究主要是基于公司财务数据，这只是信息集的一方面，所涉及的信息集并不完备。而F10资料，它不仅包含各类会计信息，还包括股本信息、持仓情况、未来收益预测等6大类40余项指标，而且每天及时更新，更是每个投资者都可以得到和使用的信息集，可以说这个信息集应当被认为是研究股票市场行为的基点，然而在我国对股票市场的研究中尚未出现过此类比较完备的信息集，显然新的研究非常有必要。
一、数据与指标
股票的市场价格所有影响因素被分成俩类，分别称为“系统因素”和“非系统因素”，系统因素影响所有股票波动，非系统因素只影响相应的股票的价格，是股票价格水平的主要决定因素。因此本文主要从非系统因素方面挖掘各个股票市场的定价影响因素。
（一）大智慧F10信息
本文采用的样本为大智慧F10信息数据，主要原因为：（1）基本每个股票软件都包含F10信息，是每个投资者都能免费看到的，是影响投资者进行投资决策的最直接、最全面的信息集。（2）F10信息是由专门机构对市场上各类股票信息进行分类、集成的，包含的信息集是非常完备的，有6大类40余个指标。相对于以前财务数据或某一单一的信息集来说，F10信息不仅包括资产数据、经营数据，还包括股本信息、持仓情况、未来收益预测、增长数据，是非常全面的信息集。（3）F10信息每天都更新，向投资者展现最新的股票信息。因此采用F10信息经过我们分析处理能得出每日股票价格影响因素，使我们能在相应的时间序列内更加清晰的看出影响股价因素的渐变变化，相对于以前截取一个月或一季度数据的研究来说，使研究结果具有稳定性和渐变性，反映出市场变化的特点。
（二）影响因素指标
经济变量为F10资料中6大类40多个规范的数据指标。分类包括：（1）股本信息，包括总股本、流通股本、总市值、流通市值等。（2）持仓情况，包括持有流通股的机构数量、机构持有流通股的比例、人均持有流通股数量、近期股东人数的变化等。（3）资产数据，包括每股净资产、每股公积金、每股未分配利润、资产负债率等。（4）经营数据，包括当前每股收益、每股经营现金流、毛利率、净资产收益率等。（5）未来收益预测，包括各机构所作的未来几年的每股收益预测，以及这些预测的时间等。（6）增长数据，包括主营业务同比增长、净利润同比增长、以及未来几年的每股收益增长等。
二、实证分析
（一）模型与方法
在F10六大类40多个数据指标中，并非所有的指标都对股票市价有非常显著的影响，投资者必定关注某一或某些方面。本文建立形如套利定价模型的线性回归模型即：Pi=ai+bi1F1+bi2F2+…bikFk+ε，其中bik表示Fi+1保持不变时，Fi每变动一个单位因变量的相应变化量。ε为随机误差项，ai表示当所有自变量为0时，因变量Pi的总体平均值的估计值。模型建立后本文采用逐步回归的方法来选取最优的模型。多元逐步回归的基本原理是：每一步只引入或剔除一个自变量，自变量被引入或剔除与否取决于其偏回归平方和的F检验或校正决定系数。这个过程反复进行，直到既无新的自变量被引入，也无自变量被剔除。本文将显著性水平α值定为0.05。
（二）对模型进行检验
由于本文样本数据太大，逐步线性回归将通过SPSS软件分析完成。SPSS软件对变量选取通过以下检验：（1）进行拟合度检验。R方的值越大，则表明估计的样本回归方程较好拟合了样本观测值，模型的拟合优度很高与实际情况比较吻合，能够很好地反映各个经济因素对股票价格的影响。（2）F检验。F统计量服从以（k，n-k-1）为自由度的F分布。F>Fα（k，n-k-1）（其中α为选定的显著性水平，k为解释变量数目，n为样本容量）P值小于或等于α，说明多元回归方程的线性关系显著。（3）t检验。模型通过了F检验，表明模型中所有的解释变量对被解释变量的“总体影响”是显著的，但并不意味着模型中的每一个解释变量对因变量都有重要的影响，因此需要经过t检验。预测变量的回归系数显著性t值的绝对值大于2，t检验的P值小于 α，说明这些变量与因变量的线性关系显著，因此可以说明每个预测变量对因变量都是有效的。（4）DW检验。DW统计量用来检验误差项之间是否存在序列相关的指标，当DW值落在（du，
4-du）时可以认为误差项之间不存在序列相关。（5）异方差检验。
TR2 g=[（k+1）（k+2）/2]-1，k
为解释变量的个数。
（三）最优模型的确定
SPSS软件给出的结果是通过统计检验的，但是股价的影响因素是多样的、复杂的，还必需通过人为选择：（1）检验入选因素和股价的变动的正负相关关系（2）预测风险应同未来收益预测因素同时出现。
三、实证结果及分析
四个板块影响因素回归结果：
1.中小板。从图1中可以看出，未来收益预测是中小板入选的第一大因素，由于线性相关性同一时期只入选了一个收益预测因素，有时为明年收益，有时为后年收益。由于股票的本质是带来未来收益，因此投资者自然重视未来收益预测因素。在市场处于牛市或稳定期，投资者关注明年收益，而在市场行情看跌的情况下，关注后年收益。这可能与市场上的投资者被“套牢”后被动持有，不愿“割肉”的普遍心理有关。在入选的资产类项目中，公积金在2011年年初出现，说明年初公布年报后，投资者期待分红和派股，所以较重视公积金。图中结果表明，2012年初入选因素较多。流通股本起着重要作用，可能与当时的炒作有关。机构家数对股价的影响在2012年年初凸显出来，机构具有较强的调研能力，往往投资比较有价值的股票，机构家数的入选，表明投资者注重股票的投资价值。
2.创业板。
图2 创业板影响因素分布图
图2结果表明创业板入选的因素较多 。入选的第一大类要素主要是未来收益预测，在未来收益预测中，入选的有明年收益、后年收益以及相应的风险因素。由于创业板成立不久，各种机制不完善，存在公司包装上市等不规范情况，投资者对创业板披露的信息不太相信，因此重视风险因素。入选的第二大因素为资产类数据，多重共线性使资产类数据入选了三个要素：净资产、公积金、未分利润，说明在资产类因素中投资者更加关注这三方面，而公积金显得尤为重要，这是由于由于公积金是公司的“最后储备”，它既是公司未来扩张的物质基础，也可以是股东未来转赠红股的希望之所在。所以没有公积金的上市公司，就是没有希望的上市公司。投资者对创业板上市的公司更加关注其成长性。看似与股票基本面无关的股东信息，也是入选的要素之一，本期均持、上期均持、机构持仓、机构家数在不同的时期对股价都起着重要影响。创业板市场的交易动态和具有较强调查、研究能力的机构，同样挑动投资者的神经，改变交易动态。经营类因素对股价的影响作用有时也被凸显出来。
本文利用F10信息集对股票市场价格影响因素做了有意义的探索，研究发现：未来收益预测因素是决定中小板、创业板股价的最主要因素，这和投资者普遍关注市盈率有关；中小板和创业板股票价格决定模式都有自己的特点，创业板和中小板有时关注明年收益，有时关注后年收益。本文的研究还是不够完美，主要是缺失了三个月的数据，并且周期较短，我们将继续进行长期的跟踪，期待取得更多的研究成果。
参考文献
[1]Sharpe W.F..Capital asset prices：a theory of market equilibrium under
condition risk[J].Journal of Finance.1964-9-19
[2]Ross S.A..The arbitrage theory of capital asset pricing[J].Journal of
Economic Theory
[3]吴世农.股票市场效率的分析与评价[J].投资研究.1993，19（8）：3～35
[4]吴世农.我国证券市场效率的分析[J].经济研究.1996，5（4）：23～24
[5]张滕文，黄友.经营利润率、股东收益与股票价格的价值相关性研究[J].会计研究.2008（4）
【关键词】F10信息；股票市场；股票价格；逐步回归
对股票的市场价格的研究一直以来都是金融市场研究的焦点。有效市场理论（EMH）是现代金融经济学的支柱理论。根据EMH理论，信息刺激价格波动，也就是说，股票的市场价格由一个信息集决定。美国学者夏普（William Sharpe）、林特尔（John Lintner）、特里诺（Jack Treynor）和莫辛（Jan Mossin）等人在资产组合理论的基础上发展的资本资产定价模型（CAPM），其中考虑了无风险利率Rf和描述风险的β值俩个影响收益率
Ri的因素。1976年，美国学者斯蒂芬·罗斯在《经济理论杂志》上发表了套利定价模型（APT），实际上是资本资产定价模型的拓展形式。其中考虑了影响证券收益率的要素、收益率对要素的敏感程度、随机误差项。由于市场收益率就是通过价格变化表现的，所以对于股票而言，影响证券价格的因素就是影响股价变化的因素。这些研究是人类迄今为止的经典金融市场理论研究，在当时的信息背景下研究出信息集对股票价格的影响，为经济学发展做出了卓越贡献。然而由于当时计算机和网络技术尚未普及，其研究所使用的信息集具有时代的局限性。
我国股票市场建立较晚，但是也在很短的时间内对股票市场做出了很多研究：我国学者吴世农对我国上市公司盈利信息报告对股票价格的影响进行研究，结果发现在信息披露前就存在明显的累计超额收益率，在信息披露之后，累计超额收益率有明显的修正。张滕文、黄友（2008）运用F-O模型研究股价和会计信息的关系，结果表明：经营利润率、股东收益、剩余收益、每股净资产、规模与股价均具有价值相关性，且股价与经营利润、股东收益、剩余收益、每股净资产成正相关关系，与规模成负相关关系。令人遗憾的是目前我国关于股票市场价格的研究主要是基于公司财务数据，这只是信息集的一方面，所涉及的信息集并不完备。而F10资料，它不仅包含各类会计信息，还包括股本信息、持仓情况、未来收益预测等6大类40余项指标，而且每天及时更新，更是每个投资者都可以得到和使用的信息集，可以说这个信息集应当被认为是研究股票市场行为的基点，然而在我国对股票市场的研究中尚未出现过此类比较完备的信息集，显然新的研究非常有必要。
一、数据与指标
股票的市场价格所有影响因素被分成俩类，分别称为“系统因素”和“非系统因素”，系统因素影响所有股票波动，非系统因素只影响相应的股票的价格，是股票价格水平的主要决定因素。因此本文主要从非系统因素方面挖掘各个股票市场的定价影响因素。
（一）大智慧F10信息
本文采用的样本为大智慧F10信息数据，主要原因为：（1）基本每个股票软件都包含F10信息，是每个投资者都能免费看到的，是影响投资者进行投资决策的最直接、最全面的信息集。（2）F10信息是由专门机构对市场上各类股票信息进行分类、集成的，包含的信息集是非常完备的，有6大类40余个指标。相对于以前财务数据或某一单一的信息集来说，F10信息不仅包括资产数据、经营数据，还包括股本信息、持仓情况、未来收益预测、增长数据，是非常全面的信息集。（3）F10信息每天都更新，向投资者展现最新的股票信息。因此采用F10信息经过我们分析处理能得出每日股票价格影响因素，使我们能在相应的时间序列内更加清晰的看出影响股价因素的渐变变化，相对于以前截取一个月或一季度数据的研究来说，使研究结果具有稳定性和渐变性，反映出市场变化的特点。
（二）影响因素指标
经济变量为F10资料中6大类40多个规范的数据指标。分类包括：（1）股本信息，包括总股本、流通股本、总市值、流通市值等。（2）持仓情况，包括持有流通股的机构数量、机构持有流通股的比例、人均持有流通股数量、近期股东人数的变化等。（3）资产数据，包括每股净资产、每股公积金、每股未分配利润、资产负债率等。（4）经营数据，包括当前每股收益、每股经营现金流、毛利率、净资产收益率等。（5）未来收益预测，包括各机构所作的未来几年的每股收益预测，以及这些预测的时间等。（6）增长数据，包括主营业务同比增长、净利润同比增长、以及未来几年的每股收益增长等。
二、实证分析
（一）模型与方法
在F10六大类40多个数据指标中，并非所有的指标都对股票市价有非常显著的影响，投资者必定关注某一或某些方面。本文建立形如套利定价模型的线性回归模型即：Pi=ai+bi1F1+bi2F2+…bikFk+ε，其中bik表示Fi+1保持不变时，Fi每变动一个单位因变量的相应变化量。ε为随机误差项，ai表示当所有自变量为0时，因变量Pi的总体平均值的估计值。模型建立后本文采用逐步回归的方法来选取最优的模型。多元逐步回归的基本原理是：每一步只引入或剔除一个自变量，自变量被引入或剔除与否取决于其偏回归平方和的F检验或校正决定系数。这个过程反复进行，直到既无新的自变量被引入，也无自变量被剔除。本文将显著性水平α值定为0.05。
（二）对模型进行检验
由于本文样本数据太大，逐步线性回归将通过SPSS软件分析完成。SPSS软件对变量选取通过以下检验：（1）进行拟合度检验。R方的值越大，则表明估计的样本回归方程较好拟合了样本观测值，模型的拟合优度很高与实际情况比较吻合，能够很好地反映各个经济因素对股票价格的影响。（2）F检验。F统计量服从以（k，n-k-1）为自由度的F分布。F>Fα（k，n-k-1）（其中α为选定的显著性水平，k为解释变量数目，n为样本容量）P值小于或等于α，说明多元回归方程的线性关系显著。（3）t检验。模型通过了F检验，表明模型中所有的解释变量对被解释变量的“总体影响”是显著的，但并不意味着模型中的每一个解释变量对因变量都有重要的影响，因此需要经过t检验。预测变量的回归系数显著性t值的绝对值大于2，t检验的P值小于 α，说明这些变量与因变量的线性关系显著，因此可以说明每个预测变量对因变量都是有效的。（4）DW检验。DW统计量用来检验误差项之间是否存在序列相关的指标，当DW值落在（du，
4-du）时可以认为误差项之间不存在序列相关。（5）异方差检验。
TR2
为解释变量的个数。
（三）最优模型的确定
SPSS软件给出的结果是通过统计检验的，但是股价的影响因素是多样的、复杂的，还必需通过人为选择：（1）检验入选因素和股价的变动的正负相关关系（2）预测风险应同未来收益预测因素同时出现。
三、实证结果及分析
四个板块影响因素回归结果：
1.中小板。从图1中可以看出，未来收益预测是中小板入选的第一大因素，由于线性相关性同一时期只入选了一个收益预测因素，有时为明年收益，有时为后年收益。由于股票的本质是带来未来收益，因此投资者自然重视未来收益预测因素。在市场处于牛市或稳定期，投资者关注明年收益，而在市场行情看跌的情况下，关注后年收益。这可能与市场上的投资者被“套牢”后被动持有，不愿“割肉”的普遍心理有关。在入选的资产类项目中，公积金在2011年年初出现，说明年初公布年报后，投资者期待分红和派股，所以较重视公积金。图中结果表明，2012年初入选因素较多。流通股本起着重要作用，可能与当时的炒作有关。机构家数对股价的影响在2012年年初凸显出来，机构具有较强的调研能力，往往投资比较有价值的股票，机构家数的入选，表明投资者注重股票的投资价值。
2.创业板。
图2 创业板影响因素分布图
图2结果表明创业板入选的因素较多 。入选的第一大类要素主要是未来收益预测，在未来收益预测中，入选的有明年收益、后年收益以及相应的风险因素。由于创业板成立不久，各种机制不完善，存在公司包装上市等不规范情况，投资者对创业板披露的信息不太相信，因此重视风险因素。入选的第二大因素为资产类数据，多重共线性使资产类数据入选了三个要素：净资产、公积金、未分利润，说明在资产类因素中投资者更加关注这三方面，而公积金显得尤为重要，这是由于由于公积金是公司的“最后储备”，它既是公司未来扩张的物质基础，也可以是股东未来转赠红股的希望之所在。所以没有公积金的上市公司，就是没有希望的上市公司。投资者对创业板上市的公司更加关注其成长性。看似与股票基本面无关的股东信息，也是入选的要素之一，本期均持、上期均持、机构持仓、机构家数在不同的时期对股价都起着重要影响。创业板市场的交易动态和具有较强调查、研究能力的机构，同样挑动投资者的神经，改变交易动态。经营类因素对股价的影响作用有时也被凸显出来。
本文利用F10信息集对股票市场价格影响因素做了有意义的探索，研究发现：未来收益预测因素是决定中小板、创业板股价的最主要因素，这和投资者普遍关注市盈率有关；中小板和创业板股票价格决定模式都有自己的特点，创业板和中小板有时关注明年收益，有时关注后年收益。本文的研究还是不够完美，主要是缺失了三个月的数据，并且周期较短，我们将继续进行长期的跟踪，期待取得更多的研究成果。
参考文献
[1]Sharpe W.F..Capital asset prices：a theory of market equilibrium under
condition risk[J].Journal of Finance.1964-9-19
[2]Ross S.A..The arbitrage theory of capital asset pricing[J].Journal of
Economic Theory
[3]吴世农.股票市场效率的分析与评价[J].投资研究.1993，19（8）：3～35
[4]吴世农.我国证券市场效率的分析[J].经济研究.1996，5（4）：23～24
[5]张滕文，黄友.经营利润率、股东收益与股票价格的价值相关性研究[J].会计研究.2008（4）