（会计学专业论文）基于剩余收益模型对股票收益预测能力的实证研究.pdf

摘要 摘要 本文运用中国a 股上市公司1 9 9 4 2 0 0 4 年的数据，实证检验 了f e l t h 蛐一o h l s o n 剩余收益模型对横截面股票收益的预测能力。与 国内相关研究不同的是，本文通过计算“综合收益”来运用剩余收 益模型计算股票的内在价值，从而满足了剩余收益模型所要求的“清 洁盈余假设”( c l e 柚s u r p l u sr e l a t i o n ，c s r ) 。在研究方法上，本文借 鉴了f a m aa n df r e n c h ( 1 9 8 8 a ，b ，1 9 8 9 ) 使用的多期收益的检验模型， 并结合国内外的相关研究，控制了各种可能因素的影响，增强了研 究结论的说服力。本文研究发现，虽然有很多因素影响中国股市中 未来股票收益的横截面差异，但是随着时间的延长( 超过一年时) ， 剩余收益模型对股票收益的预测能力及其稳定性明显高于其他变 量，而且在控制了相关变量的影响后，运用剩余模型计算的内在价 值价格比率( 、，p ) 仍然与未来股票收益高度相关。由此本文得出 结论，在中国股市中，剩余收益模型能够较好地预测未来的股票收 益，在本文的样本检验期内，时间越长，预测的效果越好；在控制 了相关因素的影响之后，该结论仍然是成立的。 关键词：剩余收益模型、股票收益、预测能力 独创性声明 本人声明，所呈交的学位论文是我个人在导师指导下进行的研究 工作及取得的研究成果。尽本人所知，除了文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不 包含为获得北京交通大学或其他教学机构的学位或证书而使用过的 材料。与我一起工作的同志对本研究所做的任何贡献已在论文中作了 明确的说明并表示了谢意。 本人签名：；兰纽 日期：丝生年上月互日 引言 1 引言 ：会计信息的投资决策有用性历来是证券市场中会计研究的焦点。如何解 释会计信息为什么以及怎样作用于投资者决策，需要用较完善的价值评估模 型来做比较标准( b e n c h m a r k ) 或做解释。价值评估模型的理论基础是“现金 流折现法”( d i s c o t e dc a s hf 1 0 w ，d c f ) ，由此衍生出价值评估的“自由现金流 模型”( f r e ec a s hf l o wm o d e l ，f c f ) 和“股利折现模型”( d i v j d e n dd i s c o u n t m o dc l d d m l 。但是以f c f 和d d m 为代表的价值评估模型都有其内在的缺 陷： 0 ；此外，一些公司账面净资产数额极低，会导致公司的r o e 数据不 合理，也不应考虑在本文的研究中；另外，考虑到本文利用剩余收益模型计 “年度虚拟变量共六个，分别为：y e a r l 9 9 5 ，y e a r l 9 9 6 ，y e 缸1 9 9 7 ，y e 缸1 9 9 8 ，y e a r l 9 9 9 ，y c a r 2 0 0 0 ， 如果运用剩余收益模型计算的股票基本价值为该年度末的价值时该变量取1 ，否则取0 。 关于虚拟变量为何只取到2 0 0 0 年，可以参见下文“样本选择与数据来源”的相关解释。 “之所以选用1 9 9 4 年以后的数据，一方面是因为1 9 9 4 年以前上市公司的数量太少难咀进 行大样本的实证研究，另一方面，对上市公司会计处理和信息披露的大量规范出台于1 9 9 3 年，各公司公布的1 9 9 4 年及以后年度的年度报告已基本规范，数据的横向可比性加强，更 有利于进行规范的研究。 研究设计 算股票价值的假设之为：“第三年公司所在的市场达到均衡状态”，在市场 均衡状态f ，公司的r o e 持续地小于0 或大于1 0 0 都是不现实的；因此本 文中样本公司第三年的r o e 范围应在o 1 0 0 之间”； 另外，考虑到数据的稳定性与合理性，在会计年度结束后六月份的最 后一个交易目的股票价格过低的公司，也不应包括在本文研究的样本中。 本文中所有数据均来源于中国股票市场研究( c s m a r ) 数据库( 2 0 0 4 版) 。 所用数据分析软件为s p s s1 3 0 及e v i e w s5 0 “。 还有一种情况可能导致r o e 的不准确，即本文所采用的c 轴眦数据库中缺乏部分公司 在部分年度的配股增发数据，由此导致计算的综合收益以及根据综合收益计算的公司r o e 就会出现较大的偏差，对于出现这类偏差的样本公司。大部分可以通过直接观察数据的异常 值而予以剔除，另外还有小部分无法了；以剔除，但是考虑到相对于总体来说，这类公司的 数量极少，因此并不影响本文的实证分析结果。 1 7 s p s s1 3 o 用于描述性统计及相关系数的计算，回归分析及其他相关工作则采用e v i g w s 5 - 0 。 2 1 北京交通大学硕士学位论文 4 实证结果及分析 4 1 描述性统计 本文按照研究设计中数据样本选择标准得到研究所需数据3 1 9 5 组：( 1 ) 1 9 9 4 年2 4 5 组；( 2 ) 1 9 9 5 年2 2 6 组；( 3 ) 1 9 9 6 年3 1 2 组；( 4 ) 1 9 9 7 年5 6 3 组； ( 5 ) 1 9 9 8 年4 6 8 组；( 6 ) 1 9 9 9 年6 4 2 组；( 7 】2 0 0 0 年7 3 9 组。 表4 1 列示了各期的股票收髓率、v ，p 比率、回归模型中的各项控制变 量及与风险因素相关的各变量的描述性统计数据。 表4 1 各变量的描述性统计 4 2 与股票价格的相关性分析 表4 2 描述了股票价格与股票内在价值及账面价值的斯皮尔曼相关系数 实证结果及分析 相关性检验证明了v ，p 比率与这些影响未来股票收益的指标之间具有一定的 相关性，那么运用剩余收益模型计算的v p 比率能否预测未来股票收益呢? 如果可以的话，那v p 对股票收益的预测能力是否是由：丁i _ - 其与这些指标之间 的相关性所导致的昵? 下面我们将针对这些问题进行逐步检验。 4 3 2v p 比率的高低与未来股票收益的关系 f r a n k e la n dk e f l 9 9 8 a ) 采用基于v p 比率的五分位数的投资组合，检验 了v ，p 比率的高低与未来股票收益的关系，结果发现高v 旧比的公司能够获 得的未来收益要显著高于低v ，p 比的公司。为此，本文又按照v p 比的五分 位数设置的四个虚拟变量作为自变量，构造了如f 回归模型进行回归分析， 分析结果如表4 7 所示2 ： r ( 1 hk 1 = o + 口l y p l r k 2 ) + 0 2 v p r k 3 l 郇i y p l r k 4 ) 坤4 v p i r k 5 ) + e t + k t 表4 7 以w p 比率的五分位数的虚拟变量为自变置进行回归分析 k】361 21 82 43 6 c b n 时a n tb o _ 0 0 0 1o 0 0 200 1 0- 0 0 3 8- 0 0 6 40 1 2 70 1 0 3 t 值 o ，2 2 00 2 8 3- 1 2 4 82 2 9 63 6 1 0_ 5 1 0 l4 2 0 6 p 值0 8 2 60 7 7 70 2 1 2o 0 2 20 0 0 0 o 0 0 0o 0 0 0 v p ( r k 2 ) b 1 0 0 【h0 0 1 20 0 3 2o 0 5 0o 0 7 40 1 1 9o 1 1 3 t 值0 7 2 71 3 3 72 7 5 92 4 1 43 4 1 13 8 “3 0 7 9 p 值0 4 6 7o i 8 10 0 0 60 0 1 60 0 0 1 0 0 0 0 0 2 v p ( r k 3 ) b 20 0 0 70 0 1 00 0 3 30 0 8 20 0 9 4 0 1 4 3o 1 6 7 t 值1 1 1 41 0 4 4 29 1 53 5 8 53 9 2 74 3 0 64 ，7 5 2 p 值 0 。2 6 6o 2 9 7n 0 0 4o ，oo 0 0 00 0 0 00 0 0 0 v p ( r k 4 ) b 30 0 1 6o 0 2 60 0 5 70 1 4 10 1 5 90 2 9 20 3 7 3 t 值 2 6 8 62 5 7 04 4 1 75 1 6 15 9 5 57 3 5 78 5 0 9 p 值0 0 0 70 0 1 00 0 0 00 。0 0 0 0 0 0 00 咖0 0 0 0 v p ( r k 5 ) b 40 0 2 70 0 4 8 0 0 9 00 2 7 2o 4 0 00 8 0 7o ，9 3 5 t 值3 6 7 94 4 7 56 1 0 5 7 5 0 61 0 7 6 31 06 6 61 2 4 9 7 p 值 0 0 0 00 0 0 00 0 0 00 0 0 00 0 0 00 咖0 0 0 0 而在本文的榆验中，b 胆与v ，p 的相关性较低，可能显示出我国上市公司的账面净资产并没 有太多的信息台量，当然，这一点还有待证实。 2 正如前文所述，为了修正由于样本检验期重叠以及其他问题而引起的序列相关和异方差问 题，本表及以下所有的表格中的t 统计量均按n c w c y 柚dw e 吼( 1 9 8 7 ) 中的方法进行了序列相 关和异方差调整。 北京交通人学硕士学位论文 竺塑l 唑l 竺一勰堕；! 坚l 旦坚p 竺l 旦竺 n ；3 1 9 53 1 9 5 3 1 9 53 1 9 5 ；3 1 9 53 1 9 53 1 9 5 注：k 为预测期间，曲为常数项的取值，b l b 4 分别为各个虚拟变量的斜率系数，i 值为常数项 及各斜率系数的t 统引量的取1 直，p 值为常数项及各斜率系数实际的显著性水平，a 嘶r s q 为调搀的判 定系数r 平方，n 为公司数量。 从表4 7 可以看出，在未来的一个月内( k 的取值为1 ) ，具有最高的v p 比的公司的平均收益率要比最低的v ，p 比的公司的收益率高出约2 7 ，且其 在o 0 1 的水平上显著( t 值为3 6 7 9 ) ；随着时问的延长，这一收益率的差额 在不断增大。当k = 3 6 时，最高与最低v p 比的公司的收益率之差则增至 9 3 5 ，仍然在o 0 1 的水平上显著“值为1 2 4 9 7 ) 。而且随着预测期间的延 k ，其t 统计量的值也不断增大f 从3 6 7 9 至1 2 4 9 7 ) 。由此可以得出结论，v ，p 比率与未来的股票收益具有一定的相关性，高v p 比的公司能够获得的未来 收益显著高于低v ，p 比的公司，而且随着预测期间的延长，这一结论更加明 显。这对v p 比率对未来股票收益的预测能力提供了初步的证据，接卜来本 文将结合国内外的相关研究，进行进一步的分析。 4 3 3 以v p 为自变量进行单因素回归分析 以下的研究将采_ j 回归分析的方法进一步确认剩余收益模型对未来股票 收益的预测能力，并检验v p 对未来较长时期内股票收益的预涮能力是否是 由于公司规模、账面市值比及其他相关因素的影响导致的。 表4 8 显示了以v ，p 为自变量对未来各期的股票收益率进行单因素回归 的结果，预测区间的取值分别为k = 1 、3 、6 、1 2 、1 8 、2 4 和3 6 。 表4 - 8 以v ，p 为自变量进行单因素回归 注：k 为预测期间，8 为0 1 5 回归的斜率系数，t 值为斜率系数的t 统计量的取值 北京交通人学硕士学位论文 自变簧v p 的斜率系数均显著大于o ，且其实际显著性水平均远远小于 0 ，0 1 ，随着预测期间的延长，自变量v 僵的斜率系数不断增大，意味着v 但 比率的预测能力随时问延长而显著增强。同时还可以发现，在所有的预测期 间，m e 的斜率系数6 的绝对值均低予v 厅的斜率系数，并且随着时间的延长， 二者的差异越来越大；说明在较长的时期内，v p 对股票收益的预测能力要 高_ 丁m e 。观察b p 的斜率系数，则发现b ，p 比率与股票未米收益的相关性 较低，除k 等于1 和3 6 外，其斜率系数均不显著f 显著性水平大于5 ) ，意 味着在中国股市中，仅仅有着极其微弱的b ，p 效应。这说明假设h 1 2 是正确 的，即相对于公司规模和账面市值比，v 伊与未米股票收益的相关性更高。 4 - 3 5 再加入其他相关变量作为控制变量 国内的很多研究表明，除了公司规模和b ，p 比率外，我国股市中的股票 收益还受到很多其他因素的影响，为了分析剩余收益模型对未来股票收益的 预测能力是否是由于这些因素的影响，在这一部分的研究中，本文在以上研 究的基础上，在回归模型中又加入了流通股比例( o u r s h a r e ) 、每股收益 ( e p s ) 、收益价格比( e ，p ) 以及现金红利率回，p ) 作为控制变量，以进一步验证 本文的研究假设，回归模型如下所示： r ( t ，l + k ) = p o + 臣v ，p + d 2 l n m e + p 3 b ，p + b 4 0 u t s i a r e + p 5 e p s + p 6 e p s d u m m y 三 + b 7 e ，p + d 8 d p + b 9 d ，p d u m m y + ：n y e a r ( 1 9 9 4 + i ) + e + k ，t 胃 ( 9 ) 表4 1 2 模型( 卿的回归结果 k1361 21 8 2 4 3 6 c b i l s t a n t6 00 0 s 20 3 1 60 8 0 81 3 7 71 6 7 52 8 3 04 3 9 2 t 值1 1 8 3 4 0 3 68 4 8 9 6 5 6 0 6 8 7 17 1 8 8 1 0 1 2 3 p 值 0 2 3 70 0 0 00 0 0 00 0 0 00 舢o 0 0 00 0 0 0 v 伊b l 0 0 2 60 0 4 5o 0 8 10 2 7 30 3 7 10 9 5 01 1 2 0 t 值 5 0 6 65 3 4 36 0 1 38 衄 9 6 3 2 8 ，n 5 41 0 1 5 6 p 值 o 0 0 0o 0 0 00 脚0 0 0 0o 0 0 0o 0 0 0o 0 0 0 6 在所有的预测期间，m e 的斜率系数均显著为负，这也证明了中国股市中确实存在着一定 的“小公司效应”。 实证结果及分析 n3 1 9 5 3 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 。1 9 53 1 9 5 _ _ c00 7 9 + +1 0 0 2 6 - 0 0 6 矿+ 一o0 4 4 + 0 0 4 5 0 1 6 9 4 _ 00 5 6 p 0 0 0 0 0 1 4 40 0 0 00 0 1 300 1 10 0 0 0 n3 1 9 53 1 9 53 ，1 9 53 1 9 53 1 9 5 3 ，1 9 53 1 9 53 1 9 5 l n m ec- 00 7 7 8_ 00 2 610 1 9 8 - 0 0 4 8 + +- o0 1 8一o 4 5 1 04 4 6 p00 0 0 o 1 “ 0 0 0 0 00 0 70 _ 3 2 00 0 0 00 0 0 0 n3 1 9 53 1 9 53 1 9 53 j 9 53 1 9 53 1 9 53 1 蛄3 1 9 5 b ，pc0 0 1 700 6 8 _ 0 1 9 8 + 1一o 0 2 l0 0 4 5 +02 9 4 o2 4 2 p0 3 3 50 0 0 0 0 00 2 3 4o 0 1 0 0 0 0 0 0 0 0 0 n3 1 9 53 1 9 53 1 9 s3 1 9 53 1 9 53 1 9 53 1 9 53 1 9 5 u j - _ d ，mc一00 0 4- o 0 4 4 - 0 0 4 8 0 m 2 ll- o 1 2 2 0 0 1 7一0 0 5 1 po 8 3 30 0 1 3o0 0 70 2 3 4o 0 0 00 3 5 l o 0 0 4 n3 1 9 53 1 9 53 1 9 53 】9 53 1 9 53 1 9 53 1 9 s3 1 9 5 l z v a l u ec00 3 6 + +0 0 1 80 0 4 5 + +一0 1 2 2 j0 0 2 0o 0 8 9 。 p0 0 4 2o0 1 10 3 2 0o 0 1 000 呻0 2 6 l 00 0 0 n3 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 1 蛄3 1 9 53 1 9 5 s i d r o ec o0 3 3 0 1 6 9 一0 4 5 1 + 02 9 4 00 1 700 2 0 10 s 1 7 + + p0 0 6 30 o o o0 0 0 0o 0 0 003 5 l0 2 6 10 0 0 0 n3 1 9 53 - 1 虻3 1 9 53 1 9 53 1 9 53 1 9 53 1 9 5 3 1 9 5 a v e c cc0 1 ，s +0 0 5 6 04 4 6 02 4 2 +一0 0 5 1 + 。0 0 8 9 05 1 7 + +l po 0 0 00 0 0 20 0 0 00 0 0 0o 0 0 40 _ 0 0 00 0 0 0 n3 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 ，1 9 53 1 9 53 】9 5 沣：c 表示相关系数的值；p 表示该系数实际显著性水平；n 表示样本数量表示相关 系数的显著性水平为1 ( 双侧) ；，表示相关系数的显著性水平为5 ( 双侧) 表4 - 1 4v p 比率与风险因素之间的s p e a r m a n s 相关系数 v ，pb e l 8l n m eb ，pd ，mz v a h os t d r o ea v c c c mc1 0 0 0一0 7 i - 0 7 6 t 2 7 矿一0 i i0 m 0 3 6 2 1 9 ， p0 。00 0 00 0 05 2 30 0 0 50 4 l帅0 n3 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 1 9 s3 1 9 53 1 9 5 b e t a一0 7 i + l 舢- 0 1 10 8 7 ”0 2 6 0 0 3 4 1 5 1 + 十- 0 6 0 北京交通大学硕士学位论文 po o o5 2 9舯o 1 3 8d 0 5 l0 0 0o o l n 3 1 9 5 3 1 9 5 3 1 9 5 3 1 9 s3 1 9 s3 1 9 53 1 9 53 1 9 5 l m m ec0 7 6 0 儿l0 0 0一2 8 7 +- 0 6 5 400 1 l 4 2 7 + - 4 7 4 + p 0 0 0 5 2 9，0 0 0o o oo 5 4 50 0 00 0 0 n3 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 1 9 5 b pc2 7 6 一0 8 7 t +一2 8 7 1 0 0 0一0 7 6 0 m 5 3 + 2 5 l 3 4 5 + p0 0 00 0 0 0 0 0 000 0 30 0 00 0 0 n3 1 9 53 1 9 53 1 9 53 1 9 53 】9 53 1 9 53 1 9 53 1 9 5 d ，mc0 1 10 2 6 一0 6 5 - 0 7 6 1 0 0 0- 0 1 0 4 0 6 l 0 8 i p5 2 31 3 80 0 00 00 0 00 0 10 0 0 n3 1 9 53 i 垒53 1 蛄 如虻，】外 3 j 9 5 3 】9 53 】虾 z - v a l u cc00 5 0 + - 00 3 400 1 100 5 3 +0 1 0 4 10 0 0 1 50 1 0 1 po 0 0 50 0 5 10 5 4 50 3 0 0 0 0 0 3 9 500 0 0 n3 1 9 53 1 9 53 1 9 s3 1 9 53 1 9 53 1 9 53 1 9 53 1 9 5 一 s t d r o ec0 3 6 41 5 1 4 2 7 + - 2 5 1 0 6 1 + + 00 1 5 1 ，0 0 04 8 0 + p0 4 10 0 00 0 00 0 00 0 l0 _ 3 9 5巾0 0 n3 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 1 9 5 a v c c cc2 1 9 一0 6 0 一4 7 4 + 3 4 5 - 0 8 1 + +0 1 0 l 4 8 0 1 再0 0 p 0 0 0 0 0 1 0 0 0m 0 00 0 000 0 0 0 0 0 n3 1 9 53 1 9 53 1 9 53 1 9 53 i 9 53 1 9 53 1 9 53 l 蛄 注：c 表示相关系数的值；p 表示该系数实际显著性水平：n 表示样本数量表示相 关系数的显著性水平为1 ( 双侧) ：+ 表示相关系数的显著性水平为5 ( 双侧) 从表4 1 3 和表4 1 4 可以看出，v ，p 比率与b e t a 有着显著的负相关系数( 无 论是p e s o n 相关系数还是s p e a f m a n 相关系数) ，意味着较高的v 伊有着相 对较低的风险；而与h m e 的相关系数也显著为负，意味着较高的、，p 有较 高的风险( 由下公司规模越小，风险越高) ；此外，v 伊与b p 、s t d r o e 、z v a l u e 以及a v e o c 的相关系数也显著为正，意味着较高的v 伊有较高的风险；由一_ 匕 可见，仅从相关系数的角度分析，并不能得出结论，认为高v ，p 比率就一定 意味着高风险。因此，本文拟用上述风险因素对v ，p 比率进行回归分析，以 便进一步考察v p 比率与风险的关系： 实证结果及分析 v p = 4 0 + a l b e t a + 8 2 l m e 十8 3 b p + 8 4 d ，m + 3 5 z v a l u e + 8 6 s t d r o e + 8 7 a v e r a g e c c + 8 8 d t l + e( 1 0 ) 袭4 1 5以风险因素为自变量对v ，p 比率进行回归 模型l模型2模型3模型4 0 6 0 8 l 1 6 6 4 +0 6 9 3 + 0 6 8 4 4 + c 0 n s t a n t ( 1 5 4 6 9 )( 68 7 8 )( 3 7 0 7 )( 36 4 1 ) 0 1 4 8 4 一0 1 5 1 0 1 1 4 + +0 1 1 6 b 科a ( _ 4 1 5 9 )( - 4 2 6 1 )( - 3 3 1 4 )( - 3 3 3 9 ) 0 0 4 1 + 4 0 0 1 5 一0 0 1 6 b l m e ( - 3 4 3 6 )( - 1 2 1 8 )( 一1 2 6 3 ) - 0 0 1 3 b ，p ( - 1 0 4 3 ) 0 0 0 1 d ，m ( 0 2 4 1 1 o 0 1 5 z v a l u e ( 1 2 ) 26 4 7 4一2 4 1 7 + s t d r o e 2 3 5 2 )( 2 0 5 4 ) 1 8 7 8 4 1 8 7 8 + + a v c l c c ( 7 1 2 7 )( 7 0 8 9 ) a d j r s q 0 j 0 0 600 1 20 0 3 000 3 0 n 3 1 9 5 3 1 9 53 1 9 53 1 9 5 注：模型1 、2 、3 、4 分别表示将不同的自变量对v ，p 进行回归得到的结果：c o n s t a n t 为常数项的取值，各自叠量的斜率系数下括号内的值为其t 统计量的取值，a d j r s q 为 调整的判定系数r 平方，n 为公司数量；表示l 的显著性水甲，- 表示5 的显糟性水 平( 双侧) 表4 1 5 描述了模型“o ) 的回归结果。其中，模型1 仅将b e l a 值对v 牙进 行回归；模型2 将b e t a 值与b i m e 对v ，p 进行回归；模型3 将b e t a 、l n m e 、 s t d r o e 及a v e c c 对v 伊进行回归：模型4 则将全部的上述的全部风险因素 对v 伊进行回归。在这四个模型中，它们各自的斜率系数及显著性水平都非 常相似，因此这里仅讨论全部自变量回归的结果。 从表中可以看出，仅有a v e c c 的斜率系数显著为正“统计量的值为 7 0 8 9 1 ，意味着高、佃比率的公司风险较高，因此也就有着较高的未来收益率； 但是b e t a 值和s l d r o e 的值则显著为负( t 统计量的取值分别为3 3 3 9 和 2 0 5 4 ) ，意味着高v 伊比率的公司风险较低，因此也就有着较低的末来收益 率：因此，这一结果同表4 1 3 和表4 一“中的相关系数的分析结果一样，并 北京交通大学硕士学位论文 不能证明高v ，p 比率的公司就有较高的风险；因此，尽管v p 比率和某些风 险因素相关，但却不能得出结论，认为v ，p 比率对股票未来收益的预测能力 是由某些被忽略的风险因素所导致的；以下的分析将为这一论点提供进一步 的证明。 4 4 2 加入风险因素作为控制变量进行回归 为了检验v 伊比率对未来收益的预溯能力是否是由于其与某些风险因素 的相关性所导致的，本文在v ，p 比率的基础上，又在对未来股票收益的回归 模型中加入了风险因素作为控制变量，回归模型如f 所示，表1 0 描述了对该 模型进行回归的结果。 7 0 ，+ k 。风+ 岛矿7 p + 岛? + 风工一船+ 卢p 7 p + 卢5 d 7 m + 风d r 伽( 1 1 ) + 岛觚r c c + q 聊r ( 1 9 9 4 + f ) + ， 表4 1 6 以v ，p 与风险因素为自变置对未来般票收益进行回归 k1361 21 82 43 6 c o n s t a n t b o0 1 7 30 4 4 70 7 2 21 1 3 01 5 0 02 9 9 1 4 8 6 8 t 值 2 4 1 03 9 7 24 4 6 4 3 6 0 1 4 9 3 4 7 7 9 39 7 3 0 p 值 o 0 1 6n 0 0 00 0 0 00 0 0 00 0 0 0 o 0 0 0 0 0 0 0 v p 嬲0 0 2 50 0 3 70 0 6 8o ，2 4 lo 3 4 7 0 8 7 10 9 9 1 t 值 3 9 6 2 4 3 2 9 5 2 5 7 7 2 1 08 8 6 27 7 1 09 6 1 0 p 值 o 0 d 00 0 0 00 0 0 0 0 0 0 00 0 0 0o 0 0 00 0 0 0 b e t a b 2_ 0 0 3 20 0 3 l0 0 3 90 0 2 00 3o 0 4 40 0 5 l t 值3 8 3 0- 2 2 4 12 2 2 90 5 8 2o 0 7 0o 7 6 30 8 6 2 p 值o 0 0 00 0 2 5o 0 2 6o 5 6 00 9 4 4o “6o 3 8 9 t m e b 3- o 0 1 0一m 0 2 80 d 4 6- 0 0 7 9o 1 0 00 2 1 30 3 5 0 l 值 一2 1 3 13 。8 8 04 4 1 6 3 8 0 4 4 7 9 07 3 3 0 - 1 0 0 5 6 p 值 0 0 3 30 m 0o 0 0 0o o o o0 咖0 0 0 00 0 0 0 b 伊 b 40 0 1 4o 0 1 l0 0 1 70 0 8 0o 0 9 8 o ，1 5 8 0 2 4 6 l 值 3 0 4 016 1 52 1 6 2 5 0 6 95 1 3 84 9 9 46 8 8 0 p 值 0 0 0 20 1 0 60 0 3 1 o 0 0 0 0 咖 0 0 0 0 0 0 0 北京交通大学硕士学位论文 所有的预测期间均不显著，说明由b e t a 值所代表的公司风险仅仅能够预测未 来短期内的收益( 预测期间小于一年) ，时间越长，其准确性越差；而公司的 财务风险与未来的股票收益基本没有相关性。 总之，以上数据及相关分析进一步证明了假设h 3 2 的止确，即v p 比率 对未来收益的预测能力并不是由于其与某些风险因素的相关性所导致的，在 控制了风险冈素的影响之后，运用剩余收益模型计算的v p 比率仍然表现出 对未来股票收益的较强的预测能力。 4 5 稳健性检验 前文已经提到，股票收益率的计算方法有很多种，为了保证本文的结论 不受股票收益率计算方法的影响，我们在这里使用f a m aa df r e n c h ( 1 9 8 8 a ，b ， 1 9 8 9 ) 中使用的连续复利计算的股票收益率代替b h r 进行稳健性检验8 。结果 如表4 1 7 所示：在所有的预测期间，在控制了前文提到的相关因素之后，在 使用连续复利计算的股票收益率代替b h r 作为因变量的情况下，v p 比率的 斜率系数均显著为正。而且随着预测期间的延长面增加，说明前文的结论不 受股票收益率计算方法的影响。 表4 - 1 7 使用连续复利计算的收益率代替b l m 进行稳健性检验 注：k 为预测期间，b 为、佃比率的斜率系数，t 值为该斜率系数的t 统计量的取 值，p 值为该斜率系数实际的显著性水平，除v ，p 外，解释变量还包括模型( 9 租模型( 1 1 ) 中所有的控制变量，出于简便起见，本表中没有列示，a d j r s q 为调整的判定系数r 平 方，n 为公司数量。 8 稳健性检验的模型中包括了模型( 9 ) 和模型( “) 中的所有变量，预测期间k 的取值同样从1 到3 6 ，出于简便起见，稳健性检验的相关表格只列示v ，p 比率的斜率系数及其t 统计量：而 并未列示其他控制变量的相关数据。 4 0 实证结果及分析 由于本文的样本公司属于不同的年份，不同的行业，并且有着不同的上 市地点，因此本文还进行了以下两种稳健性检验：( 1 ) 在模型中加入行业虚 拟变量l n d u s i r y 和上市地点的虚拟变量d i s t r i c t 9 ；( 2 ) 将样本公司按其所属年 份进行分年度回归。两种稳健性检验的结果分别如表4 1 8 和表4 1 9 所示： 表4 1 8 在回归模型中加入上市地虚拟变量和行业虚拟变量进行稳健性检验 k136 1 2 1 82 43 6 v pb 1o 0 2 40 0 4 20 0 7 7 0 2 7 7 0 3 7 30 9 5 51 1 2 7 l 值4 6 2 4 4 9 3 15 6 3 88 0 4 29 6 2 18 0 7 81 0 2 0 3 p 值 0 0 0 0o 0 0 00 0 0 0o 0 0 00 咖0 0 0 00 0 0 0 d i s t f i c t a 10 呻90 0 0 80 0 1 10 0 3 30 0 5 20 0 9 30 0 3 7 t 值1 3 5 01 0 0 8o 9 8 11 5 1 52 5 7 52 7 1 91 2 3 6 p 值0 1 7 70 3 1 4o 3 2 7o 1 3 00 0 1 00 0 0 70 2 1 6 i n d u s t r v a 2 0 0 0 70 0 2 0- o 0 2 4 0 0 0 2 0 0 0 10 0 0 5 0 0 5 1 t 值1 _ 5 3 12 8 4 32 7 0 80 1 2 3o 0 3 4o 1 8 4- l 6 8 0 p 值 0 1 2 6o 0 0 50 0 0 70 9 0 20 9 7 30 8 5 40 0 9 3 a d j r s q o 0 5 10 0 9 7o 1 0 10 1 5 20 2 5 50 3 0 90 - 3 6 4 n3 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 1 9 53 1 9 5 注：k 为预测期间，b 1 为v ，p 的斜率系数，a 1 、a 2 分别为上市地虚拟变量和行业 虚拟变量的额斜率系数，t 值为各斜率系数的t 统计量的取值，p 值为各斜率系数实际 的显著性水平， 回归模型中实际包括了模型( 9 ) l 和模型( 1 1 ) 中的所有变量，出于简便起 见，该表并未列示；a d j ，r s q 为调整的判定系数r 平方，n 为公司数量。 表4 1 9 分年度回归结果 k1361 21 82 43 6 p e l a b 10 0 0 50 0 0 9o 0 3 90 4 3 90 8 2 92 8 3 32 2 6 6 t 值o 4 9 50 3 2 11 ，1 7 1 3 8 1 76 6 5 05 7 8 16 7 1 l 1 9 9 4 年p 值o 6 2 1o 7 4 8 0 2 4 30 0 0 00 咖0 0 0 00 0 0 0 回归 a d j r s q 0 0 8 8 0 2 1 10 2 2 00 4 2 9o 6 1 30 6 1 30 5 3 5 n2 4 52 4 5撕2 4 52 4 52 盯 2 4 5 9 当该公司属于非工业行业时行业虚拟变量取值为l ，属于工业行业对取值为0 ；上市地虚拟 变量则在样本公司在深市上市时取值为1 ，在沪市上市取值为0 。 4 1 j ! 夏銮望盔堂堡主堂垡笙苎 p a n e l b b lo 0 5 50 0 8 0 0 1 2 10 4 4 3o 4 7 60 8 7 81 9 1 9 t 值2 5 1 12 0 7 32 0 1 4 3 2 6 53 j 3 85 1 3 05 1 4 8 1 9 9 5 年p 值o 0 1 30 0 3 9o 0 4 5o 0 0 10 肿1o o o o 0 0 0 0 州归 a d j r s q o 2 8 30 2 3 2 0 2 8 30 2 3 5o 2 3 40 _ 3 7 80 5 0 4 n 2 2 6 2 2 6 2 2 62 2 62 2 62 2 62 2 6 p a n e i c b 10 0 1 10 1 2 30 2 2 30 5 1 905 8 8 1 8 6 7 18 0 7 t 值0 7 4 72 7 7 82 4 5 l3 2 8 54 1 7 16 2 9 65 5 9 9 1 9 9 6 年p 值0 4 5 60 0 0 600 1 5o 呻10 0 0 0o 0 0 00 0 0 0 吲归 a d j r s q o 0 9 10 2 8 40 2 0 5o 3 3 80 _ 3 8 40 4 5 70 4 3 3 n3 1 2 3 1 2 3 1 2 3 1 23 1 23 1 23 1 2 p a n e l d b 10 0 2 l0 0 4 30 0 7 00 3 0 10 3 4 00 9 2 61 0 4 1 t 值3 1 0 63 1 9 93 9 3 240 1 349 0 87 3 9 07 0 6 1 1 9 9 7 年p 值00 0 20 0 0 20 加00 0 0 00 0 0 00 0 0 0o 0 0 0 吲归 a d j r 8 q 0 0 7 30 2 1 9 0 1 6 2 0 1 1 1o 1 7 8o 2 9 30 4 2 6 n5 6 35 6 35 6 35 6 35 6 35 6 3 5 6 3 p a n e l e b 10 0 4 90 0 5 20 1 0 3o 2 9 30 ”1o4 7 00 4 6 4 t 值2 1 9 02 1 2 42 4 9 14 1 5 85 j 7 26 5 7 46 4 0 8 1 9 9 8 年p 值0 0 2 90 0 3 40 0 1 30 0 0 00 0 0 00 呻00 0 0 0 归 a d j r s q 0 0 9 00 1 7 40 2 肿0 1 8 903 0 4 0 3 6 0 02 4 7 n4 6 84 6 84 6 84 6 84 6 84 6 84 6 8 p a n e l f b 10 0 1 8o 0 3 40 0 3 70 0 9 9o 1 9 20 2 2 30 4 2 7 t 值16 6 01 9 0 21 5 3 72 8 9 75 0 4 35 7 2 68 4 9 6 1 9 9 9 年p 值o ，0 9 80 0 5 8 0 1 2 5 0 0 0 40 呻00 0 0 00 0 0 0 回归 a d j r s q 0 1 0 50 1 3 30 2 0 4 o ，2 7 8 0 2 3 60 2 3 80 2 4 3 n6 4 26 4 26 4 26 4 26 4 26 4 26 4 2 p a n e l g b 10 0 1 10 0 2 6o 0 4 30 0 7 30 1 1 1o 2 3 40 2 8 7 t 值2 0 4 94 1 2 15 0 1 25 7 8 27 4 6 27 2 2 99 7 3 1 2 0 0 0 年p 值0 0 4 l0 0 0 00 0 0 00 0 0 00 0 0 00 0 0 00 0 0 0 回归 a d j r s q 0 0 6 1 o ，0 4 5 0 0 8 70 1 1 5o 1 0 5 o ，2 9 5 0 4 3 6 n7 3 97 3 97 3 97 3 97 3 97 3 97 3 9 注：k 为预测期问，p 皿c 1 a 一p 柚dg 分别为运用1 9 鲥吨0 0 0 年数据进行分 年度回顾的结果，于简便起见，奉表中只列示v 俨的相关数据：b 1 为运用各年度数 据进行回归的v 皿的斜率系数，t 值为v 君的斜率系数的l 统计量豹取值，p 值为v ，p 的斜率系数实际的湿著性水平，回归模型中实际包括了模型( 9 ) 和模型( 1 1 ) 中除年度虚 拟变量外的所有变量，a d j r s q 为调整的判定系数r 平方，n 为公司数量- 4 2 实证结果及分析 由表4 1 9 可以看出，在加入行业虚拟变量和上市地的虚拟变量后，对本 文的主要结论几乎没有影响，在所有的预测期间，v ，p 比率的斜率系数均显 著为止，而且随着预测期间的延长而增加；观察这两个虚拟变量的斜率系数 则可以发现，在大部分的预测期间，他们的t 统计量都是不显著的，说明上 市地点和行业对未来收益没有太大的影响。 在