我国上市公司ROE预测研究(上).docx_第1页
我国上市公司ROE预测研究(上).docx_第2页
我国上市公司ROE预测研究(上).docx_第3页
我国上市公司ROE预测研究(上).docx_第4页
全文预览已结束

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

我国上市公司ROE预测研究(上) 摘要:根据我国证监会2001年颁布的公开发行证券公司信息披露编报规则第9号净资产收益率和每股收益的计算及披露及公开发行证券的公司信息披露规范问答第1号非经常性损益,收集20012006年度的样本数据,以4年期为时间窗口采用行业水平下滚动随机系数回归分析了基于扣除非经常损益后的盈余结构的五个时间序列ROE预测模型的预测能力及其信息含量。结论表明,修正的ROE模型预测能力及其信息含量最优;CASHFLOW模型预测其信息含量最差。结论支持我国证券会上述两个文件能够实现其目的。 关键词:非经常性损益;盈余分解;ROE;预测能力;精确性;相关性 在研究净利润结构时,考虑到上市公司利用非经常性项目操纵净盈余。为了实现真实、准确反映上市公司盈利能力,客观评价公司的盈利水平;为进一步规范上市公司信息披露行为,提高上市公司财务信息披露的质量,保护投资者的合法权益;为准确考核上市公司、拟发行上市公司的盈利能力等目的,我国证监会制定了公开发行证券公司信息披露编报规则第9号净资产收益率和每股收益的计算及披露,该规则要求计算扣除非经常性损益后的净利润,但并没有明确界定非经常性损益。由于证券会在相关融资法规及多项信息披露规范中使用了“非经常性损益”的概念,但这些规范未对这个概念的内涵、外延给出清晰的界定,公司对此理解不一,具体执行时往往采用不同的判断标准,导致公司对所披露“扣除非经常性损益的净利润”等财务指标的计算可能不准确,相互间也缺乏可比性。2001年4月25日证监会颁布了公开发行证券的公司信息披露规范问答第1号非经常性损益,对非经常性损益的含义和内容作了较为清晰的界定。但从执行的情况看,无论是其披露还是涉及项目的认定方面均存在差异,出现公司根据自己的需要增加减少非经常性损益项目的现象。为此,证监会明确界定了非经常性损益的含义和内容。该问答指出非经常性损益概念及其包括的内容。为了研究非经常性损益对上市公司持续盈利能力及其派生财务指标的影响,我们借鉴了国内外学者研究扣除非经常性损益后的盈余的研究方法,再次研究了五个时间序列预测模型对扣除非经常性损益后的盈余及其派生财务指标的预测能力及其信息含量。为此,我们不仅研究了包括非常项目的净利润结构预测未来期间的盈余及其派生指标情况,而且还研究了扣除非常项目后的净利润结构预测未来期间的盈余及其派生指标情况。 一、ROE预测能力及其信息含量的时间序列模型 我们通过比较仅以滞后ROE数据为基础预测ROE的基本ROE模型、以滞后的经营性收益和非经营性收益分解为基础预测ROE的OPINC模型、以滞后的现金流量和应计利润组成部分为基础预测ROE的CASHFLOW模型、以滞后ROE及公司盈余是否亏损为哑变量预测ROE的LROE模型以及以成本性态为基础预测ROE的CVCS模型在预测ROE的精确程度来度量各个模型在预测ROE的优劣。我们所考查的这五个时间序列模型如下: ROE模型:ROEt=a0+a1ROEt-1+t1 OPINC模型:ROEt=b0+b1OPINCt-1+b2NOPTAXt-1+t2 CASHFLOW模型:ROEt=c0+c1CFOt-1+c2ACCREALSt-1+t3 CVCS模型:ROEt=d0+d1DECRDUMt+d2ROEt-1+d3SALESt-1+d4SALESt-1 *DECRDUMt+t4 LROE模型:ROEt=e0+e1LOSS+e2ROEt-1+e3LOSS*SALESt-1+t5 模型中,LOSS1,如果ROE00,如果+REV0,Prob(DECRDUMt=1)=,y=+ REVt-1+t,REVt-1表示T-2年到T-1年销售净收入的变化百分比。这个建立在以零为拐角基础上的哑变量分类方案的方程可以解释为一个简单的试探性工作,如果估计的可能性大于50%的话,就可以预测销售净收入是减少的(DECRDUM=1)。因此,CVCS模型对ROE的预测可以用如下公式表示: ROEt=d0+d1DECRDUMt+d2ROEt-1+d3SALESt-1+d4SALESt-1DECRDUMt 这里的d0,d1,d2,d3,d4是上面CVCS模型的五个估计系数。 ROE模型、OPINC模型、CASHFLOW模型以及修正的ROE模型对ROE的预测分别表示如下: ROEt=a0+a1ROEt-16 ROEtb0+b1OPINSCt-1+b2NOPTAXt-1 7 ROEt=c0+c1CFOt-1+c2ACCRUALSt-1 8 ROEt=d0+d1DECRDUMt+d2ROEt-1 +d3SALESt-1+d4SALESt-1DECRDUMt9 ROEt=e0+e1LOSS+e2ROEt-1+ e3LOSS*SALESt-110 上面各模型表达式里的的s都是相应模型的估计参数。 根据以上五个时间序列预测模型的估计参数和销售净收入变化方向的估计,通过以上给定的5个方程中,我们得到预测T期的(ROEt)ROE的五个预测值。预测误差(FE)定义为T期ROE的实际值与预测值ROEt之间的差异。我们用FEt表示:FEt=ROEt-ROEt。误差的绝对值(AFE)是预测误差(FE)的绝对值。我们用AFEt表示:AFEt=FEt。 (1)时间序列预测误差绝对值描述性统计 我们在研究五个时间序列预测误差绝对值时,没有剔除五个时间序列预测模型2005-2006年预测误差绝对值的任何观察值,共得到859家上市公司20052006年1375个实际值与预测值误差结果,如表5所示。 我们通过研究预测模型预测误差的绝对值的中位数、均值的大小、标准差、四分位数间距,以及不同模型间预测误差的绝对值之差得到的预测能力的改进绝对值和相对值来研究预测模型的预测准确性。但是,我们主要通过研究预测模型预测误差的绝对值的中位数、均值的大小,以及不同模型间预测误差绝对值之差得到的预测能力的改进绝对程度和相对程度来研究预测模型的预测准确性。如果某个时间序列预测模型的预测误差的绝对值的中位数、均值以及四分之一位数和四分之三分位数最大,尤其是预测模型的预测误差的绝对值的中位数和均值最大,而且排序严格一致(即中位数和均值均最大),那么我们就可以认为该预测模型的预测准确性最差;相反,如果某个时间序列预测模型的预测误差的绝对值的中位数、均值以及四分之一位数和四分之三分位数最小,尤其是预测模型的预测误差的绝对值的中位数和均值最小,而且排序严格一致(即中位数和均值均最小),那么我们就认为该预测模型的预测准确性最好。我们为什么通过研究预测误差的绝对值而不直接通过研究预测误差来研究模型预测准确性呢?其一,预测误差的绝对值具有可加性而且不会相互抵消。误差的绝对值不会因预测误差正负直接相加导致相互抵消,保留了预测误差影响,较预测误差更好地衡量模型预测能力;其二,误差绝对值的大小尤其是预测误差绝对值的中位数和均值能够更好地判断预测模型预测ROE值偏离实际ROE程度;其三,可以进一步利用预测误差绝对值大小进行模型间中位数和均值的配对检验;其四,通过计算预测模型预测误差绝对的中位数、均值提高的绝对值和相对值来研究预测模型预测能力改进的绝对程度和相对程度。 对五个时间序列预测模型的误差绝对值的描述性统计如下表。我们发现五个时间序列模型的误差绝对值(AFE)结果中,修正的ROE模型的预测误差绝对值的中位数和均值是最小,分别为.0183839,.0384975;CASHFLOW模型的预测误差绝对值的中位数和均值是最大,分别为.021378,.0418467;ROE模型、CVCS模型,以及OPINC模型的预测误差的绝对值的中位数和均值徘徊在修正的ROE模型和CASHFLOW模型之间,这个结果与包括非常项目的净利润预测结果不同。在我们的描述性统计中,我们还发现,虽然修正的ROE模型预测误差的绝对值的中位数和均值在五个时间序列预测模型中均最小,CASHFLOW模型预测误差的绝对值的中位数和均值在五个时间序列预测模型中均最大,但是,OPINC模型、ROE模型以及CVCS模型的预测误差绝对值的中位数和均值的排序并不始终严格一致。 标准差是统计上用于衡量一组数值中某一数值与其平均值差异程度的指标。标准差被用来评估价格可能的变化或波动程度。简单来说,标准差是一组数值自平均值分散开来的程度的一种测量观念。一个较大的标准差,代表大部分的数值和其平均值之间差异较大;一个较小的标准差,代表这些数值较接近平均值。CASHFLOW模型的预测误差绝对值的标准差为.0605693,表现出来的离差最大;修正的ROE模型的预测误差绝对值的标准差为.0591728,表现出来的离差最小,其他时间序列预测预测模型的标准差界于CASHFLOW模型与修正的ROE模型之间。因此,就标准差这一考察指标而言,除CASHFLOW模型外,其他模型将总括盈余进行分解,均有助于提高预测盈余及其派生指标能力。 通过对五个时间序列预测模型预测误差绝对值的中位数和均值排序,我们发现,从模型预测误差绝对值排序角度来看,运用CASHFLOW模型对盈余的分解没有提高预测ROE的准确性,没有证明将盈余分解为现金流量与应计利润能进一步提高对ROE的准确度。从预测误差的标准差的角度来看,利用CASHFLOW模型对盈余的分解同样不能提高预测ROE的准确性。从描述性统计的整体来看,修正的ROE模型的预测准确度一直最好,CASHFLOW模型的预测准确效果一直最差。 (2)时间序列预测模型间误差绝对值中位数与均值配对检验 为了提供预测提高程度的统计检验,我们还采用了Fairfield等(1996)的方法,我们在没有严格假定各预测模型预测误差绝对值基本分布的确切形式的情况下,运用非参数的符号秩检验来评价模型预测误差绝对值的两两配对差异(Lehmann1975;Sheskin1997)。因此,为了检验模型预测改进是否有统计显著性,我们对预测误差的绝对值的中位数用非参数的Wilcoxon符号秩对模型预测误差绝对值中位数的配对差进行检验,同时,运用均值的配对检验来检验预测误差绝对值的均值配对差的显著性。下表报告了基于预测误差绝对值差异分布上的五个模型中任意两个竞争模型之间的预测误差绝对值配对比较。在每一行中都包括一个比较模型与一个基本模型之间的预测误差绝对值差异的中位数,平均数,标准差。预测误差绝对值差异的正值(负值)表示与基本模型相比,比较模型会得到一个预测

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论