金融保险指数证券投资分析.doc

摘要传统的市场组合一般以上证指数或深成指数为主，但要拟合出SML需要三十几个个行业的几百只股票，由此带来的繁琐的数据分析是可以想象的。处于能力和学识的考虑，这篇文章选择一个仅由8股票组成的指数金融保险指数来进行股票分析，这将在不损害准确度的基础上大大降低工作量。本篇文章的研究方法在传统的三步式分析方法（即宏观经济分析，行业分析，公司分析）的基础上加入运用EXCEL软件采取投资组合模型估计股票价值及利用SPSS统计软件对市场组合进行回归与检验的方法。分析思路为首先为分别利用马克维兹全方差阵和单指数模型得到资产组合边界线与资本市场线，进而得到证券市场线并以此为依据判断均衡点均值的资产；然后利用宏观分析、行业分析对金融保险指数进行统计分析，探究其波动的影响因素。之后利用公司财务分的权益估值（红利贴现模型、自由现金流模型、剩余收益模型及相对比率模型）并分析其局限性；最后利用最近的数据对所选股票进行追踪验证得出结论。关键词：投资分析、股票、投资组合理论、基本面分析、EXCEL、SPSS目录1.研究背景12.基于投资组合模型的估值分析12.1.用证券市场线SML对股票估值,并以此为基础选出五只被市场低估的股票12.1.1.拟合SML22.1.2.寻找被低估的股票23.宏观分析33.1.探究宏观因素对金融保险指数的影响因素33.1.1.资金因素33.1.2.货币因素63.1.3.汇率因素93.1.4.股票交易因素103.2.对研究结果的解释134.行业及公司财务状况分析184.1.权益估值模型分析：184.2.回归分析：225.追踪检验：296.参考文献：301. 研究背景传统的市场组合一般以上证指数或深成指数为主，但要拟合出SML需要三十几个个行业的几百只股票，由此带来的繁琐的数据分析是可以想象的。处于能力和学识的考虑，这篇文章选择一个仅由8股票组成的指数金融保险指数 由于广发银行纳入金融保险指数的时间为2010年，不在我们的分析范围之内，故组成该指数的股票仅为7只。来进行股票分析，这将在不损害准确度的基础上大大降低工作量。该指数的成分如下：品种代码品种名称纳入日期000001深发展A2001/7/2000562宏源证券2001/7/2000563陕国投A2001/7/2000686东北证券1997/2/27000728国元证券1997/6/16000776广发证券2010/2/22000783长江证券1997/7/31002142宁波银行2007/7/19金融保险指数的选择时期为2007年1月至2009年12，共三十六个月的回报率。整篇文章的数据均是月平均数据。2. 基于投资组合模型的估值分析2.1. 用证券市场线SML对股票估值,并以此为基础选出五只被市场低估的股票单个证券的风险溢价取决于该单一证券对整个资产组合的风险的贡献程度。证券市场线表示证券的预期收益率与其系统风险的关系的直线. （期望收益-贝塔关系） SML ： ri = rf + E(rm) rf b i = Cov (ri,rm) / m2通过SLOPE函数，得到七只股票和市场组合的股票代码000001000562000563000686000728000783002142名称深发展A宏源证券陕国投A东北证券国元证券长江证券宁波银行R0.0124280.0197210.0133060.0319507690.0747440.072312-0.011381.010331.3991541.1837161.168592520.5360211.4374460.8080962.1.1. 拟合SML图中的直线根据CAPM模型拟合而成。离散的点为实际的股票收益率与方差组合。2.1.2. 寻找被低估的股票股票代码名称RR(2007-2009)000001深发展A0.0124281.010330.0394055560.0049230低估000562宏源证券0.0197211.3991540.046186111-0.000820高估000563陕国投A0.0133061.1837160.039127778-0.000940低估000728国元证券0.0747440.5360210.1006194440.0814130低估000783长江证券0.0723121.4374460.1048555560.0566160低估002142宁波银行-0.011380.808096-0.004227586-0.03220高估值为正的股票被低估。由上表得被低估的股票由大到小排列为：国元证券、长江证券、东北证券、深发展A。3. 宏观分析3.1. 探究宏观因素对金融保险指数的影响因素宏观及行业因素分析由于深交所金融保险指数主要由银行和证券公司组成，均为金融机构，故着重选取可能对该金融行业有较大影响的因素进行分析。根据所掌握的专业知识，我们选取的自变量来自五个方面：宏观经济因素、资金因素、货币因素、汇率因素、股票交易因素。接下来我们进行宏观因素的分析，运用的四方面指标：资金因素、货币因素、汇率因素、股票交易因素进行具体分析，其相关程度都相当显著。3.1.1. 资金因素我们使用的指标为：金融机构委托及信托类存款（亿元）_月末数环比增减额金融机构各项存款（亿元）_月末数环比增减额金融机构各项贷款（亿元）_月末数环比增减额金融机构金融债券（亿元）_月末数环比增减额金融机构流通中货币（亿元）_月末数环比增减额金融机构有价证券及投资（亿元）_月末数环比增减额银行间同业拆借交易量合计（亿元）_当月数银行间同业拆借加权平均利率（%）_当月数散点图分析：信贷因素金融机构资金运用银行同业拆借因素：相关系数分析：从以上分析结果可以看出，在信贷因素中，深交所金融保险指数与金融机构各项存款月环比增减额和金融机构各项贷款月环比增减额的相关系数分别0.224和0.209，表现出比较显著的相关性（显著性水平为0.05），表明市场资金量越大该指数上升越大。此外，该指数与金融机构委托及信托类存款月环比增减额相关系数为0.123，相关性较小。从金融机构资金运用情况看，该指数与金融机构有价证券及投资月末数环比增减额相关性较显著（显著性水平0.01），相关系数为0.396，与金融机构金融债券和金融机构流通中货币月环比增减额相关系数仅为0.068和0.02。从银行同业拆借因素看，该指数与银行间同业拆借交易量有显著相关关系（显著性水平0.01），相关系数为0.583，与银行间同业拆借加权平均利率的相关系数仅为0.083，表明该指数受到银行间拆借交易量影响较大。所以我们选取金融机构有价证券及投资月末数环比增减和银行间同业拆借交易量这两个指标作为资金因素方面的最显著最具代表性的指标。3.1.2. 货币因素我们使用的指标为：货币和准货币（M2）_月末数同比增速%、货币（M1）_月末数同比增速%流通中现金（M0）_月末数同比增速%。货币供应量（Monetary Aggregates）是指某一时点一个国家流通中的货币量。它是分布在居民人中、信贷系统、企事业单位金库中的货币总计。货币供应量是影响宏观经济的一个重要变量。它同收入、消费、投资、价格、国际收支都有着极为重要的关系，是国家制定宏观经济政策的一个重要依据。社会总需求与总供给的均衡，从需求方面看，主要决定于货币供应量是否适度。人们一般根据流动性的大小，将货币供应量划分不同的层次加以测量、分析和调控。实践中，各国对M0、M1、M2的定义不尽相同，但都是根据流动性的大小来划分的，M0的流动性最强，M1次之，M2的流动性最差。M1又叫狭义货币供应量，这里使用M1月末同比增速。散点图直观分析：相关系数分析：从以上分析结果可以看出，该指数与货币因素M2、M1、M0均具有显著相关性。其中，虽然相关性最强的是狭义货币量M1月增速，相关系数为0.576，广义货币供应量M2月增速和流通中货币量M0月增速相关系数分别为0.33和0.255，但我们不能断然决定选取M1作为最具代表性的指标，因为我们三个指标自身也有很高的相关性，M0与M1,M0与M2，M1与M2的相关系数分别是0.315,0.327,0.722。我们决定对这三个指标分别进行偏相关分析。偏相关系数分析：M2与金融保险指数M1与金融保险指数M0与金融保险指数由上面三个表可见，M2与金融保险指数的偏相关系数为-0,181，所以和相关系数符号相反，可见M2与金融保险指数的正相关性主要是M1和M0对M2的影响在起作用；M1与金融保险指数的偏相关系数为0.507，相关程度很高，说明M1与金融保险指数的相关关系大多是自身在起作用，M0与金融保险指数的偏相关系数为0.116，小于M1的，所以我们决定选取货币（M1）_月末数同比增速%作为货币因素的最具代表性的指标。3.1.3. 汇率因素我们使用的指标为：人民币对美元加权平均汇率_当月数。即有效汇率，通常以对外贸易比重为权数，它是一个非常重要的经济指标，通常被用于度量一个国家贸易商品的国际竞争力，也可以被用于研究货币危机的预警指标，还可以被用于研究一个国家相对于另一个国家居民生活水平的高低。散点图分析：相关系数分析由上面两个图可知，金融保险指数与人民币对美元加权平均汇率_当月数的相关系数是-0.556，而且在显著性水平很高，说明金融保险指数与汇率成负相关，就是说人民币贬值的话，金融保险指数下降，人民币升值，金融保险指数上升。3.1.4. 股票交易因素我们使用的指标为：深交所A股投资者新增开户数（万户）_当月数股票筹资额合计（亿元）_当月数深交所A股成交量（亿股）_当月数股票交易印花税（亿元）_当月数开户是指投资者包括个人或单位，跟银行建立储蓄、信贷等业务关系，开设证券账户和资金账户的行为。开户具体又包括多种，如期货开户、股市开户、汇市开户等。这里使用的数据是深交所当月A股投资者新增的开户数，以万户为单位。股票交易印花税，是从普通印花税发展而来的，是专门针对股票交易发生额征收的一种税。中国税法规定，对证券市场上买卖、继承、赠与所确立的股权转让依据，按确立时实际市场价格计算的金额征收印花税。股票交易印花税对于中国证券市市场，是政府增加税收收入的一个手段。这里以亿元为单位。散点图分析：相关系数分析：由上面的相关分析表格可以发现，这几个股票交易指标和金融保险指数都有显著的相关性，而且显著性水平都在0.01，而且这几个因素之间彼此也有很高的相关性，所以我们要进行偏向关性分析。偏相关分析：金融保险指数与股票筹资额合计_当月数股票保险指数与深交所A股成交量当月数金融保险指数与股票交易印花税_当月数金融保险指数与月份新开户数由上可知，股票交易印花税_当月数与金融保险指数的偏相关系数为0.471最高，其余三个分别是0.241，0.201，0.337，所以我们决定采取印花税指标和新开户数指标。3.2. 对研究结果的解释多元线性回归选出的指标与金融保险指数的相关系数指标相关系数金融机构各项贷款（人民币）_月末数环比增减额0.386银行间同业拆借交易量合计_当月数0.583货币（M1）_月末数同比增速0.576人民币对美元加权平均汇率_当月数-0.556股票交易印花税_当月数0.838新开户数0.816我们采用逐步回归的方法得到了如下图表在只有新开户数一个变量时，拟合优度的可决系数是0.702，说明只有新开户数一个变量时，新开户数对金融保险指数可以解释70%。在有新开户数和货币货币（M1）_月末数同比增速两个因变量时，可决系数是0.781，对金融保险指数的解释程度达到78%；当有新开户数，货币货币（M1）_月末数同比增速和股票交易印花税_当月数三个指标时，可解释程度达到83%；当变量增加到四个和五个时，可解释程度分别为86.1%和86.6%。五个方程的P值都为0.00，所以方程都通过显著性检验。第五个方程中，方差膨胀因子VIF值都小于10，而且最大的菜3.211，所以不存在多重共线性。就是说这几个自变量之间不存在线性关系，不互为因变量，这是自变量选取的好的表现。银行间同业拆借交易量合计_当月数这个指标因为放入方程进行系数检验是不够显著，它的t值为-0.467，P值为0.641，所以被排除在了回归方程之外。第五个方程，也就是以金融机构各项贷款（人民币）_月末数环比增减额，货币（M1）_月末数同比增速，人民币对美元加权平均汇率_当月数，股票交易印花税_当月数，新开户数这五个量作为自变量时的D-W指数为1.493，在Du和2之间，所以不存在序列相关性。就是说，同样的变量在不同时间的取值不存在内部因果关系。今年的数据不会对明年的数据有影响。这也是指标稳定的表现。异方差性检验（运用park检验）以残差为因变量，上述五个量为自变量，做回归分析，发现没有一个系数是显著的，所以不存在异方差性。因此在五个变量时拟合优度最高，而且方程的F值为136.290,p值为0.00，通过了显著性检验。每个变量各自的P值都小于0.05,也都通过了显著性检验，而且方差膨胀因子VIF都小于10，所以不存在多重共线性，同时D-W量显示不存在序列相关性性，同时PARK检验显示方程不存在异方差性，所以这时候的模型最优。设Y为金融保险指数，X1为新开户数，X2为股票交易印花税_当月数，X3为货币（M1）_月末数同比增速，金融机构各项贷款（人民币）_月末数环比增减额为X4人民币对美元加权平均汇率_当月数为X5.则多元回归方程为：Y=1407.395+1.585X1+2.229X2+13.1350X3-0.011X4-148.457X5结果分析：新开户数是指每个月新增加的到证劵交易所的开户数量，新开户数明显会对金融保险指数有正的影响，因为新开户的人越多，流入股市的新资金越多，在整个股票流通数量一定的情况下，资金的流入必然会导致的股票价格的上升，当然也包括金融保险股，这样金融保险指数必然被拉升。金融机构各项贷款（人民币）_月末数环比增减额是指金融机构在这个月相对于上个月对外的各项贷款增加量，金融机构对外的各项贷款越多，存款的量就越少，流入股市的资金就越多。另外一种解释是，金融机构对外的各项贷款越多，可用于投资的资金就越多，而投资越多，对于经济的繁荣程度起推动作用，而金融保险指数和经济的繁荣程度肯定呈正相关，所以贷款增加推动金融保险指数的上升。货币（M1）_月末数同比增速，是指M1：狭义货币供应量，即M0企事业单位活期存款与上一年同月相比增加的比例，货币供应量直接与经济宽松程度有关，经济的宽松程度会影响融资的成本，而融资成本直接导致了投资者是否越愿意在股市的期望收益率一定的情况下将资金投入股市，所以M1同比增速越大，则经济越宽松，进而融资成本下降，导致流入股市的资金量越多，从而带来金融保险指数的拉升。另外因为金融保险指数大多是银行和证券公司的股票组成，M1增加，往往会给投资者以经济形势，特别是金融和保险行业的发展形势利好的消息，在心里会更加偏向于购买金融保险股，从而导致指数的上升。人民币对美元加权平均汇率_当月数这个指标对金融保险指数起负效应，原因是人民币对美元加权平均汇率越低，则人民币升值程度越大，银行和证券公司往往有外汇业务，而人民币升值使出口商更愿意与银行兑换外汇，因为美元相比较而言变得便宜了，这样外汇业务使金融机构的营业利润上升，表现在股价上，就是股票价格的上升，当然金融保险指数也上升。反之，人民币贬值，虽然对实体经济影响是正效应，但是对于金融机构则表现为负效应，导致金融保险指数下降。股票交易印花税_当月数这个指标其实是衡量当月成交量的一个指标，为什么我们没有选情趣深证A股成交量作为衡量指标了，一个是因为我们的还有B股的影响，而更重要的原因是金融保险行业的的股票平均每笔交易额要高过其他行业很多，所以金融保险股对印花税的贡献要大很多。反过来印花税增多，表明同样数量下，股票的交易额度加大，说明股票的价格在上升，当然也包括金融保险股的价格上升，从而导致指数上升。4. 行业及公司财务状况分析4.1. 权益估值模型分析：权益估值模型就是要评估股票的内在价值。这些方法可以归结为两种基本的方法：基于现金流的贴现方法（红利贴现模型、自由现金贴现模型及剩余收益模型）和基于一些指标的相对价值法（如：市盈率模型）。下面我们分别用这四种方法对被低估的前三只股票进行估值。它们分别是国元证券、长江证券及东北证券。1 多段式红利贴现模型：红利折现模型的假设条件 1股息的增长率是不变的 2 股息将按照不变的增长率永续增长 3投资者要求的折现率大于增长率 对于快速增长的公司而言，简化的红利折现模型不能直接应用。一般假定公以超常增长率增长一定时期，然后增长率趋于常数。根据公式Dt每期股息N=3（2007-2009）k 股权成本g预计股利增长率数据的获得：Dt可有资产负债表中得出。但要注意有些年份上市公司并未发行股利，而是作为留存收益为公司下一年进行融资，因此Dt可由E(留存收益)*股利支付率得出。k的获得通过CAPM模型获得，即历史成本法。E(ri) = rf + bi*E(rm) - rf。有三个参数需要确定。分别是 无风险利率 市场组合的风险溢价 brf所谓无风险资产，就是实际回报率等于预期回报率的资产，或者说，回报率的变动度为0。一项资产要符合无风险的标准，必须没有偿还风险，没有再投资风险风险。严格意义上的无风险资产是不存在的现实中，可以用国库券或其他其它稳定付息的资产来代表无风险资产,用年期国库券的到期收益率来代表长期无风险利率E(rm) - rf: 市场组合是有风险的，在有效地市场上，理性投资者将要求比无风险资产更高的回报率，这个回报率就是风险溢价。但是投资者的预期回报是和未来市场组合的风险溢价对应的，而未来市场的风险溢价需要估计。通常利用历史数据来估计。b最简单的方法是把股票的回报率和市场组合的回报率做线性回归。回归系数就是，衡量股票回报了率的变化对市场的敏感程度。又称系统风险。Rj = a + b Rm.关于的调整有很多种方法，这里采用美林公司的一种简单的调整方法：b（调整）=b（估计）*2/3+1.0*1/3g的获得存在较大的主观性。这里以留存收益的增长率作为指标。最后将数据代入公式中得到如下表格。iEbgp东北证券0.5120451.4330.3802670.3961097.193041低估国元证券0.521232.7212.9787180.41412714.34575高估长江证券0.1316431.320.7507560.234951-7.66033低估若仅基于该模型，东北证券与长江证券被低估，国元证券被高估。但模型中的P的值与2007年三只股票的价格相差甚远，甚至有的股票居然出现负值，说明预测的长江证券kg,红利贴现模型失效。2自由现金贴现模型公司的价值等于公司在未来永续经营期内所有现金流的净现值从公司的经营活动中估计净现金流，估计会计利润，把会计利润转化为新增净现金流，估计残值价值股票的价值等于公司的净现值除以所有股权数加权资本成本WACC的估计：计算公式：re的估计采用CAPM模型，rd的估计较为棘手。一般来说有三种估计方法：1如果企业有公开发行债券，债券的到期收益率即为债务资金的资本成本。2若有评级机构，可根据极差来推算。3公司新的贷款利率可作为债务的资本成本。通过分析资产负债表可知，债券的利率与新的贷款利率差别巨大。因此我们采用一种折中的方法，是债务的资本成本为两者的加权算术平均数。idreWACCFCFgp东北证券0.30.5120450.4269875.230.39610980.47627国元证券0.330.521230.4433812.170.41412786.00106长江证券0.370.1316430.2658622.720.23495156.55291通过计算得知，理论价格均超过2007年的每股平均价格。三只股票均被高估。但债务成本的估计误差较大，这时的结果受到较大影响。3剩余收益模型：剩余收益模型是从差额的角度来分析股票的价值。它是从红利贴现模型推算出来的，更加关注资产负债表的全面指标。在实际操作中，该模型认为公司在未来的经营活动中为股东增加了价值，这样使股票的市场价值高于账面价值。其中增加的差额即为公司净利润与股东的机会成本之间的差额。B0regroep东北证券2.960.5120450.3961091.3465417.387901低估国元证券1.560.521230.4141270.035956-0.30651低估长江证券0.770.1316430.2349510.1753470.790682低估若仅基于该模型，三尺股票均被低估。但由结果可以看出，股票理论的价值与实际价值偏差较大。我们假定公司从2007年开始以一个稳定的增长率增长，并且折现率re的取得采用CAPM模型，对的调整也比较随意，对时间问题的借鉴意义不大。4相对价值模型相对价值模型将公司的价值与特定的财务指标之间联系起来，把公司的价值表示为特定指标与一个乘数的乘积。与贴现现金流的价值评估方法相比，相对价值模型的最大优势是简便易行。但它只关注某一特定的财务指标而忽视了其他因素对公司价值的影响。因此该模型制作为一种补充的方法，在对目标公司特务不太了解的情况下使用，或者用于和贴现现金流估计的价值之间相互印证。这里我们只应用市盈率模型进行估计。计算公式：bregp/ep/e(实际)东北证券0.3802670.5120450.3961094.57919525.0058高估国元证券2.9787180.521230.41412739.3293723.5021低估长江证券0.7507560.1316430.234951-8.9745418.8129低估这样的比较还是没有考虑到公司的具体特征对市盈率的影响。我们采用另一种线性回归的方法来确定目标公司合理的市盈率。根据相关文献，市盈率的高低应该与公司的盈利水平和盈利波动程度有关，故建立如下模型：股票市盈率ROEsigma(ROE)深发展A36.386540250.1593716050.078257016陕国投A109.72424290.0341015830.27899301东北证券85.238769230.1265506150.141011137国元证券-63.406250.0080383080.244321218长江证券15.161044440.0250574620.279633776回归结果R Square 0.856329Coefficients-607.302255.38122091.001利用回归出来的公式得到市盈率的理论值：股票市盈率（理论）市盈率（实际）判断深发展A44.7392488336.38654025低估陕国投A80.57914214109.7242429高估东北证券75.3758243885.23876923高估国元证券-71.79246714-63.40625高估长江证券54.2025985815.16104444低估结论：深发展A与长江证券被低估。通过以上四种模型的分析，被低估最多的两只股票为长江证券4次，国元证券3次。因此这两只股票在金融保险指数的成分股中最具投资潜力。财务分析的局限：1财务比率是按账面价值（历史成本）计算的，与市场价值可能相差很远2不同的会计方法影响了财务报表的可比性3单独的一个指标往往没有意义，而不同公司之间的可比性受多种因素影响4不同的指标之间传达的信息有时会不一致。5有些指标，如：股利增长率的估计存在较大的主观性，这极大的影响了最后的结果。4.2. 回归分析：1 线性回归：首先将所有的变量全部与金融保险指数进行回归。得到如下结论：强制进入法： Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate11.000a1.000.a. Predictors: (Constant), 营业收入/总资产, 每股股价/每股收益, 公司市值/主营业总收入, 每股净收益（摊薄）, 每股股价/每股净资产, 净利润/营业收入, 负债/资产, 每股收益ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression982313.7158122789.214.0.000.aResidual.0000.Total982313.7158a. Predictors: (Constant), 营业收入/总资产, 每股股价/每股收益, 公司市值/主营业总收入, 每股净收益（摊薄）, 每股股价/每股净资产, 净利润/营业收入, 负债/资产, 每股收益b. Dependent Variable: 金融保险指数CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)-5308.062.000.每股股价/每股收益1.522.000.301.每股股价/每股净资产265.620.000.771.公司市值/主营业总收入-4.085.000-.618.每股收益798.470.0001.209.每股净收益（摊薄）-1170.166.000-.517.净利润/营业收入643.729.000.639.负债/资产5586.695.0001.941.营业收入/总资产2156.110.0002.299.a. Dependent Variable: 金融保险指数CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity StatisticsBStd. ErrorBetaToleranceVIF1(Constant)-5308.062.000.每股股价/每股收益1.522.000.301.01760.217每股股价/每股净资产265.620.000.771.002523.500公司市值/主营业总收入-4.085.000-.618.02934.623每股收益798.470.0001.209.0006.235E3每股净收益（摊薄）-1170.166.000-.517.0005.344E3净利润/营业收入643.729.000.639.0011.340E3负债/资产5586.695.0001.941.0002.313E3营业收入/总资产2156.110.0002.299.0006.574E3a. Dependent Variable: 金融保险指数从容忍度（接近0）和VIF（远大于1）得知：这些变量存在着高度的多重共线性。Collinearity DiagnosticsaModelDimensionEigenvalueCondition IndexVariance Proportions(Constant)每股股价/每股收益每股股价/每股净资产公司市值/主营业总收入每股收益每股净收益（摊薄）净利润/营业收入负债/资产营业收入/总资产114.4291.000.00.00.00.00.00.00.00.00.0022.2011.419.00.00.00.00.00.00.00.00.0031.4031.777.00.00.00.01.00.00.00.00.004.5922.735.00.00.00.01.00.00.00.00.005.2044.661.00.01.00.02.00.00.00.00.006.1425.582.00.01.00.01.00.00.00.00.007.02413.690.00.00.00.04.00.00.00.00.008.00529.889.00.00.00.01.01.01.01.00.0092.750E-61269.1221.00.97.99.90.99.99.991.001.00a. Dependent Variable: 金融保险指数在条件指数来看，第7、8、9个条件指数都大于10，说明变量之间确实存在多重共线性。经过上述分析，再利用stepwise方法重复上面的过程，得到如下的结果：Model SummarycModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F Change1.771a.594.536238.61893.59410.25217.0152.924b.854.806154.45453.26010.70716.017a. Predictors: (Constant), 公司市值/主营业总收入b. Predictors: (Constant), 公司市值/主营业总收入, 净利润/营业收入c. Dependent Variable: 金融保险指数方差分析：ANOVAcModelSum of SquaresdfMean SquareFSig.1Regression583740.7441583740.74410.252.015aResidual398572.971756938.996Total982313.71582Regression839176.4962419588.24817.588.003bResidual143137.219623856.203Total982313.7158a. Predictors: (Constant), 公司市值/主营业总收入b. Predictors: (Constant), 公司市值/主营业总收入, 净利润/营业收入c. Dependent Variable: 金融保险指数最后保留的两个变量分别为市销率与净利润率。拟合优度R2分别为0.594与0.854，且方差齐性的原假设被拒绝，因为P值均小于0.05。CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity StatisticsBStd. ErrorBetaToleranceVIF1(Constant)560.10381.2806.891.000公司市值/主营业总收入-5.0951.591-.771-3.202.0151.0001.0002(Constant)534.42353.19310.047.000公司市值/主营业总收入-3.8481.098-.582-3.504.013.8801.137净利润/营业收入547.549167.334.5443.272.017.8801.137a. Dependent Variable: 金融保险指数设W表示自变量，U1表示市销率，U2表示净利润率。通过以上结果，可得出如下回归方程：W=534.423-3.848U1+547.549U2分析：通过多重共线性的指标，第二个回归方程容忍度与VIF的值均可以接受，可认为两变量相互独立。事实上，根据之前聚类分析得到的结果：ROE与净利润率的相似度较高。而市销率与其他指标相对独立（参见第 页）。这与回归结果相吻合。经济分析：净利润率反映了公司的实际获利水平。它是一个较为稳定的相对指标，不易受总收入的大幅度变动影响。通过观察可知，组成该指数的八家公司的该指标与行业平均水平相差不大，说明金融行业的竞争较为激烈，数据的标准差波动不大。因此对指数的影响相当。容易得出结论。 而市销率市销率是证券市场中出现的一个新概念。 市销率 = 总市值 主营业收入。市销率越低，说明该公司股票目前的投资价值越大。反映在股价上即为指数的上涨幅度较大。由于指数的计算采用上市公司股本权重的方法，这与市销率的一个指标相一致，因而其相关性较大。被踢除的因素：Excluded VariablescModelBeta IntSig.Partial CorrelationCollinearity StatisticsToleranceVIFMinimum Tolerance1每股股价/每股收益-.085a-.322.758-.130.9501.052.950每股股价/每股净资产.290a1.202.275.440.9371.068.937每股收益.445a2.153.075.660.8921.121.892每股净收益（摊薄）.530a3.261.017.800.9241.083.924净利润/营业收入.544a3.272.017.801.8801.137.880负债/资产.480a2.176.072.664.7771.288.777营业收入/总资产-.470a-2.562.043-.723.9581.044.9582每股股价/每股收益-.141b-.855.431-.357.9401.063.827每股股价/每股净资产.022b.108.918.048.6841.462.642每股收益.245b1.417.216.535.6941.441.672每股净收益（摊薄）.318b1.681.154.601.5201.924.495负债/资产.231b1.112.317.445.5401.851.540营业收入/总资产-.189b-.772.475-.326.4362.293.400a. Predictors in the Model: (Constant), 公司市值/主营业总收入b. Predictors in the Model: (Constant), 公司市值/主营业总收入, 净利润/营业收入c. Dependent Variable: 金融保险指数2 曲线估计当自变量与因变量之间的非线性关系可以变换化为线性关系时，就可以用曲线估计的方法求解回归方程；当无法变换化线性关系时，则需要采用其它回归分析方法由线性关系得出，自变量与金融保险指数的关系非完全的线性关系。经过多次拟合，我们得知三次曲线的拟合度实际最优。CubicModel SummaryRR SquareAdjusted R SquareStd. Error of the Estimate.895.800.734180.752The independent variable is 市销率.ANOVASum of SquaresdfMean SquareFSig.Regression