国信证券-上市券商每股收益估值的有效性实证分析-100319

1、.：.； 国信证券开展研讨总部研讨课题上市券商每股收益估值的有效性 基于RIVM模型的实证分析课题组成员：陈东胜 张龙斌2021年3月19日研讨报告编号：2021026内容提要上市公司估值不断是学者和投资者关注的重点，各种估值方法层出不穷。从实践运用的效果来看，各种估值方法似乎都存在这样活着那样的缺乏。究其缘由，主要是由于适用的范围不够广，估值方法要么重点关注市场价钱的变动，要么重点关注财务会计数据，无法有效地将两者结合在一同。因此在实践市场的检测中往往出错而不符。1995年，奥尔森(0hlson)教授提出剩余收益估值模型Residual Income Valuation Model。RIVM

2、模型中心思想在于提示公司市场价值与涉及运营活动和财务活动的会计数据之间的关系，遭到美国华尔街人士热烈追捧并被广泛的运用到共同基金和股票的估值中。本文经过RIVM模型，对目前常用的估值目的每股收益对应市盈率和每股净资产对应市净率，与市场价钱的关系，解释这些估值方法的有效性。经过实证分析，我们发现A股上市公司净资产对股价变动的解释才干存在逐年加强的景象，不但2002-2005年如此，新会计制度实施后，2007-2021年也一样。值得留意的是，虽然实际上说不通，但现实存在：每股净资产的解释才干要强过每股收益的解释才干，特别是股市低迷时期。因此，我们在对上市公司估值时，不能单纯的依赖每股收益或是市盈率

3、，而应该注重每股净资产或是市净率的估值分析。由于运营方式的特殊性，我们假设上市券商的估值方式解释才干与整体上市公司不同，实证证明了这个假设。上市券商的每股收益对股价变动的估值才干要强过每股净资产，这也证明了RIVM模型所强调的估值重点：公司价值表达于投资发明高于股权本钱的价值。当然，我国券商存在的相对较高的平均利润率也能够是促成这一景象的缘由。RIVM模型自创了股利折现模型DDM、净剩余关系Clean Surplus Relation和线性信息动态模型linear information dynamics model的相关内容，表达了公司估值的静态和动态趋势。基于RIVM模型的实证阐明，在对券

4、商进展估值时，每股收益的估值方法具有明显的有效性。目 录 TOC o 1-3 h z u HYPERLINK l _Toc256753970 1.研讨背景和文献综述 PAGEREF _Toc256753970 h 2 HYPERLINK l _Toc256753971 2.RIVM估值模型引见与研讨假设 PAGEREF _Toc256753971 h 3 HYPERLINK l _Toc256753972 2.1.模型引见 PAGEREF _Toc256753972 h 3 HYPERLINK l _Toc256753973 2.2.研讨假设和实证目的 PAGEREF _Toc25675397

5、3 h 4 HYPERLINK l _Toc256753974 3.数据选取与实证检验 PAGEREF _Toc256753974 h 5 HYPERLINK l _Toc256753975 3.1.数据选取和检验模型阐明 PAGEREF _Toc256753975 h 5 HYPERLINK l _Toc256753976 3.2.实证检验过程 PAGEREF _Toc256753976 h 6 HYPERLINK l _Toc256753977 3.2.1.检验假设H4 PAGEREF _Toc256753977 h 6 HYPERLINK l _Toc256753978 3.2.2.检验

6、假设H3 PAGEREF _Toc256753978 h 8 HYPERLINK l _Toc256753979 4.结论与建议 PAGEREF _Toc256753979 h 9研讨背景和文献综述上市公司估值不断是学者和投资者关注的重点，各种估值方法层出不穷。总的来说，包括两大类：绝对估值法和相对估值法。相对估值法反映的是市场供求决议的股票价钱，绝对估值法表达的是内在价值决议价钱，即经过对企业估值，而后 HYPERLINK 计算每股价值，从而估算股票的价值。绝对估值法亦称贴现法，主要包括公司贴现现金流量法DCF、现金分红折现法DDM。该实际最早可以追溯到艾尔文费雪(IrvingFisher)

7、的资本价值实际。费雪在其1906年的著作(The Nature of Capital and Income)中，完好地论述了收入与资本及价值的关系。他以为资天性带来一系列的未来收入，因此资本的价值本质上就是未来收入的贴现值。相对估值法亦称可比公司法，是指对股票进展估值时，对可比较的或者代表性的公司进展分析，尤其留意有着类似业务的公司的新近发行以及类似规模的其他新近的初次公开发行，以获得估值根底。主承销商审查可比较的发行公司的初次定价和它们的二级市场表现，然后根据发行公司的特质进展价风格整，为新股发行进展估价。在运用可比公司法时，可以采用比率目的进展比较，比率目的包括P/E市盈率、P/B市净率、

8、EV/EBITDA HYPERLINK 企业价值与利息、所得税、折旧、摊销前收益的比率等等。其中最常用的比率目的是市盈率和市净率。但从实践运用的效果来看，各种估值方法似乎都存在这样活着那样的缺乏。究其缘由，主要是由于适用的范围不够广，估值方法要么重点关注市场价钱的变动，要么重点关注财务会计数据，无法有效地将两者结合在一同。因此在实践市场的检测中往往出错而不符。自从Ball 和Brown (1968)“会计收益的阅历评价及Beaver1968年“年收益宣告的信息内涵开场，会计信息与资本市场关系的阅历研讨不断涌现，成为会计研讨的主流，会计学者曾经在诸多的研讨中证明了会计盈余和股票投资收益之间的关系

9、。上世纪末，学界曾经开场将研讨的重点扩展到会计报表上的信息。1995年，奥尔森(0hlson)教授延续在Contemporary Accounting Research 杂志上发表了两篇文章，使剩余收益估值模型Residual Income Valuation Model 进入了本质研讨阶段。这两篇文献提供了关于剩余收益定义及其度量的完备的实际架构，其中心思想在于提示公司市场价值与涉及运营活动和财务活动的会计数据之间的关系。这两篇文献发表不久，其中的RIVM 模型就遭到美国华尔街人士热烈追捧并被广泛的运用到共同基金和股票的估值中，同时也被全世界范围内实证会计研讨者所接受。国内关于RIVM的研讨

10、，最早是田志龙(1997对RIVM进展了引见；张人骥2002在综合杜邦财务分析体系The Du Pond System 与剩余收益实际的根底上，指出经过根本的会计目的，可以完成对上市公司的价值评价，提示公司的内在价值，从而指点投资者进展投资分析；戴德明(2003对RIVM做了详细地阐明，深化了对会计信息相关性和EVA的了解；袁琳，廖晓鹏2021利用RIVM模型对国内上市公司2002-2005年以来的每股收益和每股净资产相对于市场价钱的相关性进展了研讨。本文自创了袁琳、廖晓鹏2021的研讨思绪，试图经过RIVM模型，对目前常用的估值目的每股收益对应市盈率和每股净资产对应市净率，与市场价钱的关系，

11、解释这些估值方法的有效性。RIVM估值模型引见与研讨假设模型引见费森一奥尔森估值模型RIVM于1995年提出，其中心思想在于提示公司市场价值与涉及运营活动和财务活动的会计数据之间的关系。Ohlson 延续在Contemporary Accounting Research发表的这两篇文章提出了关于剩余收益定义及其度量的完备的实际架构，根据其文献所述，得到剩余收益估值模型的定义式为2-l): 2-1其中：V0为企业在0时辰的价值；BVO为企业在0时辰的权益资产的账面价值；r为所要求的报答率；E(RIt为t时辰的剩余收益的期望值。剩余收益估值模型的含义可解释为：公司的内在价值是公司已获得的资产，即股

12、东权益的账面价值BVO)，与该公司未来盈余的期望值，即预期剩余收益E(RIt的折现值之和。RlVM把公司曾经获得的资产和未来的剩余收益结合起来，在公司价值评价过程中，既思索了已获资产的价值，又将未来的收益思索在内，使企业价值的定义更加符合会计上所认定的资产的概念。RIVM是在以下三点根本假设的根底上得到的：股利折现模型DDM)、净剩余关系Clean Surplus Relation和线性信息动态模型linear information dynamics model。RIVM初次将目的企业股权市场价值和目的企业的股权账面价值与预期剩余收益联络起来，模型阐明只需公司的投资活动可以发明高于股权资本本

13、钱的收益，方可提升公司股票的内在价值，投资者也才会支付比净资产超出的溢价部分。目前的实证会计研讨阐明，RIVM开辟了两大新的研讨前沿：首先，该模型预期和解释股票价钱要优于基于短期预期的股利和现金流折现模型；其次，与其他流行的方法相比而言，该模型提供了一个更完善、更客观的估价方法。另外，投资活动的发明价值估值也更适宜证券行业，以下我们将以实证证明。研讨假设和实证目的本文试图在国内外已有研讨成果的根底上，运用现有的公开的财务数据，基于RIVM对影响A股市场股价的主要要素进展验证，力图发现股价的主要解释要素并就我国上市公司的价钱和价值的关系进展实证研讨，从而对有关的假设、实际及人们的普遍看法进展检验

14、。同时，对上市券商能否具有估值独特性进展检验。根据投资者行为以及国内外已有的研讨成果提出以下假说：H1:上市公司普遍的股价变动反映了投资者对其估值的判别。虽然特定的情况下，股价的变动能够与估值无关，但普遍的、长期大量的股价变动应该与投资者对股票的估值是相关的。H2:A股市场每股收益和每股净资产对股价的解释才干逐年加强。随着越来越多的中外学者认识到财务报告具有投资的决策有用性，对财务报告的投资决策研讨也逐渐增多。根据奥尔森剩余收益模型，净资产和剩余收益对企业内在价值具有决议作用，故本文主要就净资产和每股收益对股票价钱的影响作实证检验。袁琳、廖晓鹏2021曾经实证检验了2002-2005年A股上市

15、公司每股收益和每股净资产与股价的关系。其证明每股收益和每股净资产对股价的解释才干呈现动摇性加强的趋势；股价与每股净资产的相关性一直强于与每股收益的相关性，在股市低迷阶段比较明显。阐明单纯以每股收益对应市盈率对上市公司估值存在明显的不适宜性。H3:上市券商的估值与一切上市公司的估值相比，具有独特性。由于运营活动的特殊性，券商的市盈率与整体市场存在差别，这里假设其估值也有独特性，需求实证检验。H4：假设2007-2021年整体上市公司每股收益和每股净资产对股价的解释才干也好像2002-2005年一样，逐年加强；同时每股净资产的解释才干更强。由于2006年是新会计制度改革的过渡年，财务目的能够存在失

16、真，不列入实证检验阶段。数据选取与实证检验数据选取和检验模型阐明为检验假设H3，本文选取一切上市券商共13家，2003-2021年公布的各年度每股收益、每股净资产，以及各年度的收盘价钱。数据来源为wind数据库。为检验假设H4，本文选取一切上市公司2007-2021年公布的年度每股收益、每股净资产，以及各年度的收盘价钱。样本选择2007-2021年A股全部上市公司，其中2007年样本1516家，2021年样本公司1593家，样本总计3109个。详细数据选用样本公司2007年和2021年的年报数据中的每股收益EPS和每股净资产BPS和年底的收盘价，数据来源为wind数据库。研讨根据公司价值公式P

17、RICE=C +1EPS +2BPS+iOhlson,1995,Collins于1997年、陆宇峰于1999年运用的方法，将公司的拟合优度分为三部分：每股净资产BPS能添加的解释力度、每股盈余EPS能添加的解释力度、二者结合运用能添加的解释力度，即模型1： PRICE=C +C(1)EPS+RESID 模型2 ： PRICE=C +C(1)BPS+RESID模型3 ： PRICE=C +C(1)EPS +C(2)BPS+RESID用-表示BPS添加的解释才干；用-表示BPS添加的解释才干；用-表示EPS和BPS结合运用添加的解释才干。实证检验过程检验假设H4本文运用多步回归模型研讨每股盈余EP

18、S和每股净资产BPS对股票估值的影响。模型估计运用SPSS软件实现，详细模型和估计结果如下：模型1： PRICE=C +C(1)EPS+RESID 模型2 ：PRICE=C +C(1)BPS+RESID模型3 ：PRICE=C +C(1)EPS +C(2)BPS+RESID小结：模型1和模型2的估计结果阐明，BPS和EPS对股价的影响都显著为正，其中模型2的R方为0.238大于模型1的R方0.221，这阐明，BPS对股价的影响要大于EPS。另外，模型3的估计结果阐明，EPS和BPS对股价影响都显著为正，模型3的调整R方为0.291，要大于模型1和模型2的调整R方，综合思索EPS和BPS的模型估

19、计效果要好于单独思索其中某个要素。因此，H4成立，即，2007-2021年整体上市公司每股收益和每股净资产对股价的解释才干也好像2002-2005年一样，逐年加强；同时BPS对股价变动的解释才干更强。阐明在对上市公司普遍估值时，BPS的作用比EPS更大。检验假设H3计算运用Eviews软件实现，详细模型和估计结果如下：模型1： PRICE=C +C(1)EPS+RESID模型中，RESID表示残差，模型运用EPS对股价进展回归，Eviews估计结果如表1所示：表1 模型1估计结果Dependent Variable: PRICEMethod: Least SquaresDate: 03/04/

20、10 Time: 13:26Sample (adjusted): 1 23Included observations: 23 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C1.6762882.5458660.6584350.5174EPS17.523482.3680357.4000090.0000R-squared0.722809Mean dependent var11.72791Adjusted R-squared0.709610S.D. dependent var19.16296S.E. of regressi

21、on10.32651Akaike info criterion7.590247Sum squared resid2239.373Schwarz criterion7.688986Log likelihood-85.28784Hannan-Quinn criter.7.615080F-statistic54.76013Durbin-Watson stat1.163241Prob(F-statistic)0.000000模型2 ：PRICE=C +C(1)BPS+RESID模型2运用BPS对股价进展回归，模型估计结果如表2所示：表2 模型2估计结果Dependent Variable: PRICE

22、Method: Least SquaresDate: 03/04/10 Time: 13:27Sample (adjusted): 1 23Included observations: 23 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-6.2605453.751913-1.6686280.1100BPS4.7665310.7609086.2642710.0000R-squared0.651401Mean dependent var11.72791Adjusted R-squared0.634801S.D. de

23、pendent var19.16296S.E. of regression11.58051Akaike info criterion7.819465Sum squared resid2816.271Schwarz criterion7.918203Log likelihood-87.92384Hannan-Quinn criter.7.844297F-statistic39.24109Durbin-Watson stat1.335798Prob(F-statistic)0.000003模型3 ：PRICE=C +C(1)EPS +C(2)BPS+RESID模型3结合运用EPS和BPS对股价进展

24、回归，模型估计结果如表3所示:表3 模型3估计结果Dependent Variable: PRICEMethod: Least SquaresDate: 03/04/10 Time: 13:27Sample (adjusted): 1 23Included observations: 23 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-0.9820203.986012-0.2463670.8079EPS13.316215.3894882.4707740.0226BPS1.3438681.5442490.8702410.3945R-squared0.732922Mean dependent var11.72791Adjusted R-squared0.706215S.D. dependent var19.16296S.E. of regression10.38670Akaike info criterion7.640037Sum squared resid2157.671Schwarz criterion7.788145Log likelihood-84.86043Hannan-Quinn criter.7.677286F-statistic2