ipo定价模型的建立与检验

ipo定价模型的建立与检验

采用国际市场理论（国际市场）相对成熟，但在中国证券市场没有得到很好的应用。从各国统计数据来看,美国、德国、日本过去几十年新股发行平均折价率在0～20%之间波动,而中国A股市场1991-2007年新股发行折价率平均高达187%,其中一个重要原因是大部分拟发行公司IPO定价时使用的方法主观性较强,缺乏科学的数量化的模型。在中国证券市场的特定市场环境下,结合对IPO定价的各项影响因素的分析,通过合理的定价方法,建立适用于中国A股市场的IPO定价模型具有重要意义。本文尽可能模拟在IPO定价决策时所需考虑的内、外部因素,对IPO定价建立数量化的回归模型,并对其进行实证检验。一、影响因素的选取国际IPO定价的研究方法主要是IPO定价因素回归模型法、现金流(或股利)贴现法、经济收益附加值法(EVA)和可比公司法。而通过研究发现:1.现金流(或股利)贴现法模型虽然在理论上较为完美,但没有考虑对IPO定价有重要影响的外部环境因素。而且某些重要变量如贴现率、β等取值困难。其模型中各个变量值很难准确估计,特别是贴现率和未来红利的估计值的取值,主观性较强。2.经济收益附加值法(EVA)适用于成熟的市场环境,即以价值创造为导向的市场经济环境和成熟的信用制度约束。对于中国股市而言,其应用的前提条件尚不具备。3.可比公司法的应用关键是目标公司和相比较公司之间可比性的差异如何处理,由于同类的公司可能在业务、风险程度和增长潜力方面存在很大差异,对差异的调整主观性较强,会影响到对公司的价值评估和IPO定价的科学性。通过对以上定价理论的回顾,笔者认为综合影响IPO定价的各主要因素,建立多因素回归模型有助于中国IPO定价进一步优化和合理,有助于有效地降低IPO折价率。二、量化pcd的比较本文主要运用多因素回归法来研究中国IPO定价模型。通过找出影响IPO定价的因素,并较精确地量化IPO定价对这些因素的敏感程度,使IPO定价有更合理的解释和更简便的估算。(一)其他回归模型在选取IPO定价研究的样本前,作一个基本假设:IPO定价受上市公司内部因素和外部因素影响。外部因素是指与企业正常经营状态相对独立的、不直接反映其内在的持续盈利能力,但却影响投资者、拟发行公司和承销商对IPO定价判断的各种因素,包括同类公司估值水平、股市供求关系、新股发行时的市场环境、利益相关者行为等等。行业平均市盈率可近似地看作是外部因素相互作用、相互影响的结果。公司内部因素是指反映在IPO价格中的直接体现公司基本面的各种要素的总和,包括公司获利能力、竞争力、未来发展前景等。最终,本文假设IPO定价主要受到以下五个内外部因素的直接影响:行业平均市盈率、每股收益、每股净资产、发行后流通股比例、净利润增长率。在做回归分析之前,还需提出进一步的假设:1.行业平均市盈率和IPO定价呈正相关(β1>0)。当行业平均市盈率较高时,IPO定价市盈率和发行定价也会调高;反之,则会调低市盈率和发行定价。2.每股收益与IPO定价呈正相关(β2>0)。一般认为,发行前一年的每股收益说明了公司己实现的盈利能力,股票的价格取决于公司未来的盈利能力,而投资者对公司未来的盈利能力的预测大多基于过去的盈利能力指标。上市公司每股收益越高,则表明公司的盈利性较强,内在价值越高,定价则越高。3.每股净资产与IPO定价呈正相关(β3>0)。一般认为,每股净资产越高,则说明上市公司资产质量越好。而公司未来的发展,一定程度上有赖于现实的实力,现实的资产质量好可能会保证公司未来的发展,会吸引投资者参与认购,从而会提高IPO的定价。4.发行后流通股比例与IPO定价呈负相关(β4<0)。本文选择了新发行规模作为发行价格的一个解释变量。“新老划断”后,中国上市公司股份分为可流通股份和暂不流通股份两部分,IPO发行股数与发行后总股本的比例可以衡量上市公司的发行规模,对新股发行定价产生影响。5.净利润增长率与IPO定价呈正相关(β5>0)。上市公司业绩的增长速度是影响其估值定价的重要因素之一,上市公司净利润增长率越高,表明其未来业绩增长速度越高越好,越值得长期投资,IPO时其定价则越高。根据以上的理论假设和多因素逐步回归法,设Pi表示发行价,X1表示行业平均市盈率;X2表示每股收益;X3表示每股净资产;X4表示发行后流通股比例;X5表示企业成长率,即净利润增长率。本文假设有如下模型:其中截距α0反映了模型中忽略的、均值不为零的、与定价有关的信息;β1代表行业平均市盈率(X1)的系数;β2代表每股收益(X2)的系数;β3代表每股净资产(X3)的系数;β4代表发行后流通股比例(X4)的系数;β5代表企业成长率(X5)的系数。(二)样本的选择与模型测试1.原始数据的获取本文将样本选取的期间限定为2005年1月到2007年12月,即样本均为此期间在沪深A股市场发行的新股。原始数据均来自于WIND资讯中有关公司个股基本资料,并经过了作者的计算整理。根据前面假设的定价模型式(1),为了得到模型的回归系数,本文根据原始数据,利用原始数据在SPSS11.5中的统计函数进行回归,其经过回归分析后得到的回归系数见表1。从表1中可得到:因此,定价模型为:即:新股发行价2.回归方程的显著性检验从各相关系数来看,β1=0.0483>0;β2=18.993>0;β3=1.369>0;β4=-10.950<0;β5=0.110>0,这些都与前面的假设相符,并且具有很好的显著性:第一,回归方程的拟合优度检验。拟合优度检验一般用判定系数R2实现。通过上述模型和公式计算可得R2=0.841,回归方程拟合效果很好,完全能够满足实践应用的要求。由此可见,被解释变量和本模型的五项解释变量是高度相关的,完全能够满足实践应用的要求。第二,回归方程的显著性检验。回归方程的显著性检验一般采用F检验。取置信度a=0.05,查F0.05(5,195)=2.37,而计算可知F=93.932>F0.05(5,195)=2.329,由此可见F检验远大于临界值,说明方程高度显著。第三,回归系数显著性检验。回归系数显著性检验一般采用t检验的方法,取置信度a=0.05,查分布表得t0.025(195)=1.96,而由表1可知t1=2.393>1.96;t2=17.902>1.96;t3=3.735>1.96;︱t4︱=3.439>1.96;t5=2.771>1.96。由此可见本模型的五项解释变量对股票发行定价的影响十分显著。第四,回归方程的残差分析。由于线性回归模型的前提要求残差项应服从方差相等的正态分布,且残差互相独立,因此需要进行回归方程的残差的验证。一是残差序列的正态性分析。从标准化残差序列的带正态曲线的直方图(略)可以很直观地看出,残差序列服从正态分布的要求。二是残差序列的随机性分析。从标准化残差序列和对应的预测值序列的散点图(略)可以看出,标准化残差序列和预测值序列无关,标准化残差序列点随机分布在一条斜线上。三是残差序列的独立性分析。通过计算,回归模型的D-W值为1.735,因此可以判定回归方程残差序列不存在自相关性。第五,回归方程多重共线性诊断。表1最后两列已经分别给出了模型各自变量的Tolerance和VIF值。可以看到,回归方程各自变量的VIF值都远小于10,Tolerance值都大于0.1,因此可以判定自变量之间不存在多重共线性的问题。综上所述检验结果,该模型具有统计学意义,并且统计检验效果较好。三、实际溢价模型的预测比较作为检验,对2008年1月以来新发行的70只样本IPO定价进行了模型预测和市价对比。结合本文中提出的IPO定价模型,通过对WIND资讯中的原始数据统计和整理,可以得出,2008年发行上市的70家公司实际发行价平均值为11.91元,同它们上市后市场价格(首日收盘价平均值为23.87,30日收盘价平均值为20.73元)存在着较大的差距,差幅平均值达到100.42%和74.06%;而IPO定价多因素模型预测的发行价(价格平均值为15.42147元)则较好的减少了它们的差幅(按照差幅平均值仅为54.78%和34.42%)。通过上述数据的比较,不难看出本文中提出的IPO定价模型可以有效地降低新股发行的折价率,对于上市公司IPO定价在理论和实践上均具有较强的指导意义。四、上市公司4.1.通过对行业平均市盈率、每股收益、每股净资产、发行后流通股比例和净利润增长率五项影响上市公司IPO定价的内