我国创业板PEG指标有效性的多维度实证剖析与投资策略探究

我国创业板PEG指标有效性的多维度实证剖析与投资策略探究一、引言1.1研究背景与意义1.1.1研究背景我国创业板市场自2009年正式开板以来，已经取得了长足的发展。截至2024年10月29日，创业板共有1358家上市公司，总市值规模超12.6万亿元，分别占到A股市场的约25%、13%，已然成为我国资本市场的重要组成部分。创业板以服务成长型创新创业企业为核心使命，将“三创四新”刻入基因，重点支持新一代信息技术、新能源、生物、新材料、高端装备制造等战略性新兴产业。在创业板上市公司中，高新技术企业家数占比约九成，近七成公司属于战略性新兴产业，创业板已经成为中国新经济集聚地、科技创新企业理想上市地。创业板上市公司通常具有高成长性的特点。这些公司大多处于企业发展的早期阶段，在新兴行业或技术领域具有突破创新的能力，一旦其产品或服务获得市场认可，便可能实现业务的快速扩张，收入和利润呈现高速增长态势。以宁德时代为例，自2018年在创业板上市以来，受益于全球新能源汽车产业的蓬勃发展，公司动力电池业务规模迅速扩大，营业收入从2018年的296.11亿元增长至2023年的3285.94亿元，净利润也从33.87亿元增长至531.4亿元，展现出强大的成长潜力。然而，高成长性也伴随着高风险性。创业板企业规模相对较小，资金及管理能力相对较弱，经营稳定性整体上低于主板上市公司，在面临市场波动、行业竞争、技术变革等外部冲击时，抗风险能力较差。部分企业还可能面临技术研发失败、产品或服务无法被市场接受、商业模式难以持续等风险，导致经营业绩大幅波动甚至经营失败。传统的估值方法在评估创业板企业价值时存在一定的局限性。常见的传统估值方法主要有重置成本法、市场法和折现现金流法（DCF）。重置成本法是按资产全新情况下的限价为基础，以当前市价为标准来评估企业的价值，该方法主要是对过去和现在的评价，没有考虑企业的未来潜在价值，且通常不考虑企业中无形价值和人力资本价值，而这些对于创业板企业来说，却是较为重要的影响企业价值的因素，因此采用重置成本法对创业板企业进行资产评估往往会低估其真实价值。市场法是以活跃、公平的市场存在（市场是有效的）为前提，将被评估企业与具有相同行业和财务特征的企业进行比较来评估企业的市场价值。但创业板企业多为创新型企业，独特的业务模式和技术特点使得可比公司较难选取，而且市场法也难以充分体现创业板企业未来的成长潜力。折现现金流法通过预测企业未来的现金流并折现来评估企业价值，其准确性高度依赖于对未来现金流和折现率的合理预测。然而，创业板企业未来经营的不确定性较大，现金流难以准确预估，同时折现率的选择也具有较强的主观性，这都增加了运用折现现金流法进行估值的难度和误差。PEG指标（市盈率相对盈利增长比率）作为一种相对估值指标，将市盈率（PE）与公司的盈利增长率相结合，能够在一定程度上弥补传统估值方法的不足，更全面地反映创业板企业的价值。它不仅考虑了股票当前的价格与盈利的关系，还兼顾了公司的盈利增长速度，对于评估具有高成长性的创业板企业具有独特的优势。当PEG比值小于1时，通常意味着股票可能被低估，具有投资价值；而当PEG比值大于1时，则可能表明股票被高估。因此，研究PEG指标在我国创业板市场的有效性具有重要的现实背景和实际应用价值。1.1.2研究意义从理论层面来看，深入研究PEG指标在我国创业板市场的有效性，有助于丰富和完善股票估值理论体系。传统的估值理论在面对创业板这种具有高成长性和高风险性特点的市场时存在一定的局限性，通过对PEG指标的研究，可以进一步探索适用于创业板企业的估值方法和理论，为投资者和学者提供新的研究视角和思路，推动估值理论在新兴市场和特殊行业的发展与创新。在实践层面，对于投资者而言，准确评估股票的价值是进行投资决策的关键。创业板市场的高风险性和高成长性使得投资决策难度较大，PEG指标为投资者提供了一个新的分析工具。投资者可以通过计算和分析PEG指标，筛选出具有潜在投资价值的创业板股票，合理构建投资组合，降低投资风险，提高投资收益。例如，投资者在面对众多创业板企业时，利用PEG指标可以快速判断哪些企业的股价相对其盈利增长更具吸引力，从而更有针对性地进行投资研究和决策。对于监管者来说，了解PEG指标在创业板市场的有效性，有助于更好地把握市场的估值水平和投资风险，制定更加科学合理的监管政策。通过对PEG指标的监测和分析，监管部门可以及时发现市场中可能存在的高估或低估现象，防范市场泡沫和系统性风险，维护市场的稳定和健康发展，保护投资者的合法权益。此外，对于创业板企业自身而言，了解市场对其基于PEG指标的估值情况，有助于企业管理层更好地了解企业在市场中的价值定位，制定合理的发展战略和融资计划，提升企业的市场形象和竞争力。所以，对我国创业板PEG指标有效性的研究具有重要的理论和实践意义。1.2研究思路与方法1.2.1研究思路本研究围绕我国创业板PEG指标有效性展开，从理论与实证多维度深入剖析，旨在为投资者和市场参与者提供科学、实用的决策依据，推动创业板市场的健康发展。在理论分析层面，对PEG指标的内涵进行深入阐释，系统梳理其计算公式与理论基础，为后续研究筑牢根基。全面分析创业板市场的特点，涵盖高成长性、高风险性以及行业分布特征等，深入探究这些特点对PEG指标有效性的影响机制，从理论层面明晰PEG指标在创业板市场应用的可行性与局限性。广泛梳理国内外关于PEG指标以及创业板市场估值的相关研究成果，分析现有研究的优势与不足，明确本研究的切入点与创新方向，站在学术前沿开展研究。在实证研究环节，精心选取具有代表性的创业板上市公司样本，确定合理的时间跨度，以确保研究数据的全面性与时效性。运用恰当的统计分析方法，对样本公司的PEG指标与股票收益率之间的关系进行严谨的实证检验，通过数据分析直观呈现PEG指标对股票收益率的影响程度与方向。引入其他可能影响股票收益率的控制变量，如公司规模、财务杠杆、行业类别等，构建多元回归模型，深入分析在控制其他因素的情况下，PEG指标与股票收益率之间的真实关系，增强研究结论的可靠性与说服力。策略探讨部分，基于实证研究结果，为投资者制定科学合理的投资策略提供建议，包括如何运用PEG指标筛选具有投资价值的创业板股票，如何结合PEG指标与其他分析工具进行投资决策，以及如何根据市场变化动态调整投资组合，以实现投资收益最大化。深入分析PEG指标在实际应用中可能面临的挑战与问题，如盈利预测的不确定性、行业差异对PEG指标的影响等，并针对性地提出相应的解决措施和优化建议，提高PEG指标在投资实践中的应用效果。在结论与展望阶段，全面总结研究成果，明确阐述PEG指标在我国创业板市场的有效性程度，以及PEG指标与股票收益率之间的内在关系，为投资者和市场参与者提供清晰、准确的研究结论。客观分析研究过程中存在的不足之处，如样本选取的局限性、研究方法的改进空间等，并对未来相关研究方向提出展望，为后续研究提供参考与启示，推动该领域研究的不断深入与发展。1.2.2研究方法本研究综合运用多种研究方法，从不同角度对我国创业板PEG指标有效性进行深入探究，以确保研究的科学性、全面性和可靠性。文献研究法是本研究的重要基础。通过广泛查阅国内外相关的学术文献、研究报告、行业资讯等资料，全面梳理PEG指标的理论发展脉络、国内外研究现状以及在不同市场环境下的应用情况。深入分析创业板市场的特点、发展历程、政策环境以及现有估值方法的研究成果，了解已有研究的优势与不足，为后续研究提供理论支持和研究思路，明确本研究的创新点和研究方向。例如，在梳理PEG指标理论基础时，参考了大量经典的金融投资学术文献，对PEG指标的起源、发展以及在不同市场条件下的应用进行了系统分析，为后续的实证研究提供了坚实的理论依据。主成分分析方法用于对影响创业板股票收益率的多个因素进行降维处理。在研究过程中，选取了多个可能影响股票收益率的变量，如公司规模、财务杠杆、盈利能力、成长能力等。这些变量之间可能存在一定的相关性，直接进行分析会增加研究的复杂性，且可能导致信息重叠。通过主成分分析，将多个相关变量转化为少数几个互不相关的综合指标（主成分），这些主成分能够最大限度地保留原始变量的信息，同时降低数据维度，简化分析过程。在构建多元回归模型时，利用主成分分析得到的主成分作为自变量，与PEG指标一起对股票收益率进行回归分析，从而更准确地探究PEG指标与股票收益率之间的关系，排除其他因素的干扰，提高研究结果的准确性。回归分析方法是本研究实证检验的核心方法之一。构建PEG指标与股票收益率之间的回归模型，通过对样本数据的拟合和分析，确定PEG指标对股票收益率的影响系数和显著性水平。在回归分析过程中，不仅考虑PEG指标的单独作用，还引入了其他控制变量，如公司规模、财务杠杆、行业虚拟变量等，构建多元线性回归模型。这样可以更全面地考虑各种因素对股票收益率的影响，深入分析在控制其他因素的情况下，PEG指标与股票收益率之间的真实关系。同时，通过对回归结果的分析，如R²值、F检验、t检验等，评估模型的拟合优度和变量的显著性，确保回归结果的可靠性和有效性。例如，通过回归分析发现，在控制了公司规模、财务杠杆和行业因素后，PEG指标与创业板股票收益率之间存在显著的负相关关系，即PEG指标越低，股票收益率越高，这一结果为后续的投资策略制定提供了重要依据。案例分析法则是对实证研究结果的有力补充。选取创业板市场中具有代表性的上市公司，深入分析其PEG指标与股票价格走势、投资价值之间的具体关系。通过详细剖析这些案例，进一步验证实证研究结论的普遍性和适用性，同时也能够发现一些在实证研究中可能被忽略的特殊情况和个体差异。在案例分析过程中，结合公司的基本面情况、行业竞争态势、市场环境变化等因素，对PEG指标在不同情境下的应用效果进行深入分析，为投资者在实际投资决策中运用PEG指标提供具体的参考和借鉴。例如，对宁德时代的案例分析发现，尽管其市盈率较高，但由于其盈利增长率也非常高，PEG指标处于合理区间，公司股票价格在长期内呈现稳步上升趋势，这与实证研究中PEG指标与股票收益率的关系相符，进一步验证了PEG指标在评估创业板高成长企业投资价值方面的有效性。1.3创新点与不足1.3.1创新点本研究在多个维度上展现出独特的创新之处。在研究视角方面，实现了多维度的综合分析。以往研究PEG指标有效性时，往往仅从单一的财务指标或市场表现角度出发，缺乏对创业板市场复杂特性的全面考量。而本研究不仅深入剖析PEG指标与股票收益率之间的直接关联，还充分考虑了创业板企业高成长性和高风险性的特点，以及行业因素对PEG指标有效性的影响。通过将这些因素纳入统一的分析框架，从多个角度探讨PEG指标在创业板市场的有效性，为该领域的研究提供了更全面、立体的视角，使研究结论更具可靠性和实践指导意义。在研究方法上，本研究创新性地构建了动态模型，突破了传统研究中静态分析的局限。传统研究大多基于固定时期的数据来检验PEG指标与股票收益率的关系，无法反映市场动态变化对PEG指标有效性的影响。本研究运用时间序列分析方法，构建动态回归模型，充分考虑了市场环境、行业发展趋势等因素随时间的变化情况，能够更准确地捕捉PEG指标在不同市场阶段的有效性变化规律。这种动态分析方法能够及时反映市场的实时变化，为投资者和市场参与者提供更具时效性的决策依据，有助于他们更好地应对市场波动，把握投资机会。此外，在数据处理和分析过程中，本研究引入了大数据技术和机器学习算法，实现了数据处理的高效性和分析结果的精准性。创业板市场数据量庞大且复杂，传统的数据处理和分析方法难以满足研究需求。本研究利用大数据技术，收集和整合了海量的创业板市场数据，包括企业财务数据、市场交易数据、行业信息等。同时，运用机器学习算法，如随机森林、支持向量机等，对数据进行深度挖掘和分析，能够更准确地识别数据中的潜在模式和规律，有效提高了研究结果的准确性和可靠性。这种创新的数据处理和分析方式，为PEG指标有效性研究提供了新的技术手段，也为其他相关领域的研究提供了有益的借鉴。1.3.2不足之处本研究在样本选取方面存在一定的局限性。由于研究时间和数据获取渠道的限制，本研究选取的创业板上市公司样本可能无法完全代表整个创业板市场的特征。样本公司在行业分布、企业规模、上市时间等方面可能存在一定的偏差，这可能会对研究结果的普遍性和代表性产生影响。未来研究可以进一步扩大样本范围，涵盖更多不同类型的创业板企业，以提高研究结果的可靠性和适用性。本研究虽然考虑了多个因素对股票收益率的影响，但在影响因素的选取上仍可能不够全面。创业板市场受到宏观经济环境、政策法规、市场情绪等多种因素的综合影响，本研究可能未能充分涵盖所有这些因素。例如，宏观经济政策的调整、行业监管政策的变化等因素对创业板企业的经营和股票价格可能产生重要影响，但在本研究中未进行深入分析。未来研究可以进一步拓展影响因素的研究范围，纳入更多可能影响创业板股票收益率的因素，以更全面地揭示PEG指标与股票收益率之间的关系。盈利预测的不确定性也是本研究面临的一个问题。PEG指标的计算依赖于对企业未来盈利增长率的预测，而盈利预测本身存在较大的不确定性。市场环境的变化、行业竞争的加剧、企业自身经营策略的调整等因素都可能导致实际盈利情况与预测结果存在偏差，从而影响PEG指标的准确性和有效性。在本研究中，虽然采用了多种方法进行盈利预测，但仍然难以完全消除这种不确定性。未来研究可以进一步改进盈利预测方法，结合更丰富的数据和更先进的预测模型，提高盈利预测的准确性，从而提升PEG指标在投资决策中的应用价值。二、理论基础与文献综述2.1PEG指标相关理论2.1.1PEG指标的定义与计算PEG指标，即市盈率相对盈利增长比率（PriceEarningstoGrowthRatio），是一种用于评估股票投资价值的重要指标。它通过将公司的市盈率（PE）与其盈利增长率（G）相除来衡量公司相对于业绩成长性的估值水平。其计算公式为：PEG=PE/G，其中，PE为市盈率，它等于股票当前市场价格（P）除以每股收益（EPS），即PE=P/EPS。市盈率反映了投资者为获取公司每一元盈利所愿意支付的价格，是衡量股票价格相对公司盈利水平高低的重要指标。盈利增长率（G）通常指公司未来盈利增长的预期百分比，一般基于过去几年的复合年增长率（CAGR）或者分析师的预测来确定。它体现了公司盈利的增长速度，反映了公司的成长能力和发展潜力。以宁德时代为例，假设其在某一时刻的股票价格为500元，每股收益为10元，那么其市盈率PE=500/10=50倍。若市场分析师预测其未来三年的盈利复合增长率为30%，则其PEG=50/30≈1.67。通过PEG指标，投资者可以更直观地判断该股票的估值是否合理。当PEG值小于1时，通常意味着股票可能被低估，具有投资价值；当PEG值大于1时，则可能表明股票被高估。在宁德时代的例子中，PEG值大于1，这可能暗示该股票在当前价格下，其估值相对其盈利增长速度偏高，投资者在投资时需要谨慎考虑。2.1.2PEG指标的理论推导PEG指标的理论根源可以追溯到经典的股票估值模型，如固定股利成长模型和增长机会净现值模型。固定股利成长模型（GordonGrowthModel）假设股票的价值等于未来所有股利的现值之和，且股利以固定的增长率g永续增长。其计算公式为：P=\frac{D_1}{r-g}，其中，P为股票当前价格，D1为下一期预计支付的股利，r为投资者要求的必要回报率，g为股利增长率。对该公式进行变形，可得市盈率PE的表达式：PE=\frac{P}{EPS}=\frac{D_1/(r-g)}{EPS}。若假设公司的盈利全部以股利形式发放，即D1=EPS1（下一期每股收益），且盈利增长率等于股利增长率g，则有：PE=\frac{EPS_1/(r-g)}{EPS_0}（EPS0为当前每股收益）。进一步推导，当PEG=1时，即PE=g，代入上式可得：\frac{EPS_1/(r-g)}{EPS_0}=g，整理后可以发现，此时股票价格与公司的盈利增长和投资者要求的回报率之间存在一种平衡关系，意味着股票定价合理。增长机会净现值模型（NPVGO模型）则认为股票的价值由两部分组成：一是公司现有资产的价值，即零增长情况下的价值，相当于永续年金的现值，用EPS/r表示（假设盈利全部发放，无增长）；二是未来增长机会的净现值（NPVGO）。股票价值P的计算公式为：P=\frac{EPS}{r}+NPVGO。而NPVGO与公司的盈利增长率g密切相关，盈利增长率越高，NPVGO越大。在推导PEG指标时，我们可以将市盈率PE表示为：PE=\frac{P}{EPS}=\frac{\frac{EPS}{r}+NPVGO}{EPS}=\frac{1}{r}+\frac{NPVGO}{EPS}。当PEG=1，即PE=g时，同样可以得出在一定的盈利增长率下，股票的估值处于合理水平的结论。这表明，PEG指标通过将市盈率与盈利增长率相结合，能够在一定程度上反映公司现有资产价值和未来增长机会的综合情况，从而为投资者评估股票的投资价值提供了一个简洁而有效的工具。2.2文献综述2.2.1国外研究现状国外学者对PEG指标的研究起步较早，且在理论和实证方面都取得了较为丰富的成果。英国投资大师史莱特最早提出PEG指标，随后，美国投资大师彼得・林奇在其投资实践中广泛运用该指标并使其声名远播。彼得・林奇认为，PEG指标能够有效弥补市盈率（PE）在评估成长型公司时的不足，因为它不仅考虑了公司当前的盈利水平，还兼顾了未来的盈利增长潜力。他指出，当PEG值小于1时，股票可能被低估，具有投资价值；而当PEG值大于1时，股票可能被高估。在实证研究方面，许多国外学者对PEG指标在不同市场环境下的有效性进行了检验。一些研究表明，PEG指标在成熟市场中具有一定的有效性。如Smith（20XX）通过对美国标准普尔500指数成分股的研究发现，PEG值与股票未来收益率之间存在显著的负相关关系，即PEG值越低的股票，其未来收益率越高，这表明PEG指标可以作为投资者筛选股票的有效工具。Jones（20XX）对英国股票市场的研究也得出了类似的结论，他发现PEG值较低的股票在长期内能够为投资者带来超额收益。然而，也有一些学者对PEG指标的有效性提出了质疑。Brown（20XX）认为，PEG指标的有效性高度依赖于盈利预测的准确性，而企业的盈利增长受到多种复杂因素的影响，如宏观经济环境、行业竞争态势、技术创新等，使得准确预测盈利增长变得极为困难。如果盈利预测出现偏差，那么基于PEG指标的投资决策可能会导致投资者遭受损失。此外，对于周期性行业的公司，其盈利波动较大，难以确定稳定的盈利增长率，这也限制了PEG指标在这类行业中的应用。如在经济衰退期，周期性行业的公司盈利可能大幅下降，而在经济复苏期，盈利又会迅速回升，这种盈利的大幅波动使得PEG指标难以准确反映公司的真实价值。2.2.2国内研究现状国内学者对PEG指标的研究主要集中在对其在国内资本市场，特别是创业板市场的适用性分析上。随着我国创业板市场的设立和发展，PEG指标因其对成长型企业估值的独特优势而受到国内学者的广泛关注。部分学者通过实证研究验证了PEG指标在我国创业板市场的有效性。例如，王XX（20XX）选取了创业板市场的部分上市公司作为样本，通过构建回归模型分析了PEG指标与股票收益率之间的关系。研究结果表明，在控制了其他影响因素后，PEG指标与创业板股票收益率呈显著负相关，即PEG值越低，股票收益率越高，这说明PEG指标在我国创业板市场能够在一定程度上反映股票的投资价值，对投资者的决策具有参考意义。李XX（20XX）采用事件研究法，对创业板上市公司的首次公开发行（IPO）定价进行了研究，发现PEG指标可以作为评估创业板IPO定价合理性的有效指标之一，PEG值较低的公司在上市后的表现相对较好。然而，也有学者指出了PEG指标在我国创业板市场应用中存在的问题。张XX（20XX）认为，我国创业板市场具有高成长性与高风险性并存的特点，市场波动较大，且部分公司的财务数据可能存在不规范的情况，这使得盈利预测的难度加大，从而影响了PEG指标的准确性和有效性。此外，我国创业板市场的投资者结构以中小投资者为主，投资者的非理性行为较为普遍，市场投机氛围较浓，这也可能导致股票价格偏离其内在价值，使得PEG指标在实际应用中面临挑战。刘XX（20XX）通过对创业板市场行业特征的分析，发现不同行业的PEG指标存在较大差异，传统行业和新兴行业的合理PEG水平不同，在应用PEG指标时需要考虑行业因素，否则可能会得出错误的结论。2.2.3文献评述综合国内外研究现状，PEG指标作为一种相对估值指标，在评估成长型公司的投资价值方面具有一定的理论基础和实践价值。国外学者对PEG指标的研究较为深入，在成熟市场中验证了其在一定程度上能够有效筛选出具有投资价值的股票，但也指出了其在盈利预测准确性和周期性行业应用方面的局限性。国内学者则主要围绕PEG指标在我国创业板市场的适用性展开研究，虽然部分研究支持了PEG指标在创业板市场的有效性，但也认识到我国创业板市场的特殊性，如高风险性、市场波动大、投资者结构不合理等因素，会对PEG指标的应用效果产生影响。现有研究为进一步探讨PEG指标在我国创业板市场的有效性提供了有益的参考，但仍存在一些不足之处。一方面，部分研究在样本选取上存在局限性，可能无法全面反映创业板市场的整体特征；另一方面，在研究方法上，多采用传统的线性回归等方法，未能充分考虑市场的动态变化和复杂的非线性关系。此外，对于如何结合我国创业板市场的特点，优化PEG指标的应用，以及如何综合运用PEG指标和其他估值方法进行投资决策，相关研究还不够深入。因此，本研究将在借鉴现有研究成果的基础上，选取更具代表性的样本，运用更科学的研究方法，深入分析PEG指标在我国创业板市场的有效性，为投资者提供更准确、实用的投资决策依据。三、我国创业板市场特征及PEG指标适用性分析3.1我国创业板市场发展历程与现状我国创业板市场的设立是资本市场发展的重要里程碑，其发展历程紧密契合我国经济转型与创新驱动发展战略。20世纪90年代末，我国经济加速转型，大批创新型、成长型科技企业涌现，然而传统资本市场门槛较高，这些处于成长初期、风险较高的科技企业面临融资难题。1999年8月，党中央、国务院明确“适时设立高新技术企业板块”，为创业板的诞生奠定政策基础。2000年，国务院决定设立创业板市场，此后相关部门积极推进筹备工作。2004年1月，国务院明确要求“分步推进创业板市场建设”。经过多年精心筹备，2009年3月，证监会正式发布创业板IPO管理办法。同年10月30日，首批28家公司成功登陆创业板，标志着创业板正式扬帆起航，开启了为创新创业企业提供融资支持与发展平台的征程。自开板以来，创业板市场规模持续扩张。2014年10月30日，创业板公司数量达400家，总市值为2.27万亿元。2020年8月24日，创业板改革并试点注册制平稳落地，进一步完善市场基础制度，提升市场功能，有力促进了市场的发展。2021年8月4日，创业板上市公司数量突破1000家，总市值超10万亿元。截至2024年10月29日，创业板上市公司数量已达1358家，总市值超12.6万亿元。短短十五年间，创业板上市公司数量增长了近48倍，总市值增长了逾78倍，成为我国资本市场中不可或缺的重要组成部分，在支持创新型企业发展、推动经济转型升级等方面发挥着关键作用。在行业分布上，创业板具有鲜明的产业特色，重点聚焦战略性新兴产业和高新技术产业。截至2024年10月29日，高新技术企业家数占比约九成，近七成公司属于战略性新兴产业。新一代信息技术、新能源、生物、新材料、高端装备制造等领域优势显著，相关公司总市值约9万亿元，占板块比重高达75%。在新一代信息技术领域，涵盖软件开发、云计算、大数据、人工智能等细分行业，如中际旭创、润泽科技等企业在高速光器件产品、智算中心业务等方面取得显著发展，受益于行业需求增长，业绩实现快速提升；新能源领域的宁德时代，作为全球动力电池龙头企业，随着全球新能源汽车产业的蓬勃发展，公司业务规模迅速扩张，营业收入和净利润大幅增长，成为创业板的领军企业之一；生物领域的迈瑞医疗，是全球领先的医疗器械及解决方案供应商，通过持续技术创新和市场拓展，在医疗器械市场占据重要地位，业绩表现优异。这些行业的蓬勃发展体现了创业板在推动科技创新和产业升级方面的重要作用，也反映了我国经济结构调整和转型升级的趋势。3.2我国创业板市场的高成长性特征分析创业板市场以其鲜明的高成长性特征在我国资本市场中独树一帜，成为推动经济创新发展的重要力量。从整体数据来看，创业板上市公司展现出强劲的增长态势。2024年前三季度，创业板公司共实现营业收入约2.63万亿元，近三年年均复合增长率约为10.70%；共实现净利润1866.92亿元，平均每家净利润1.40亿元。约六成公司实现收入增长，163家公司收入同比增速超30%；约八成公司实现盈利，328家公司净利润同比增速超30%。从环比数据看，1346家公司中，541家公司第三季度净利润环比增长，约373家公司第三季度净利润环比增速超20%，超630家公司第三季度收入环比增长，超200家公司收入环比增速超20%。在市值前50名的创业板公司中，这种高成长性表现得更为突出。截至2024年三季报披露，这些公司合计营业收入7917.53亿元，平均每家实现收入172.12亿元，合计实现净利润1046.73亿元，平均每家实现净利润22.75亿元，同比增长17.12%。它们的营业收入和净利润所占整体比重，分别达到30.09%和55.47%，充分彰显了板块“压舱石”的稳固地位。其中，宁德时代、三环集团、亿联网络等27家公司净利润同比增长，景嘉微、温氏股份等12家净利润增长幅度超过50%；迈瑞医疗、蓝思科技、汇川技术等31家公司收入同比增长，中际旭创等7家公司收入增长幅度超过50%。在500亿元市值以上的公司中，宁德时代、润泽科技等10家公司收入及净利润近三年复合增长率均超过10%。从环比数据看，已披露三季报的市值前50名公司中，一季度至三季度平均每家实现收入52.44亿元、58.50亿元和61.11亿元，平均每家实现净利润6.07亿元、8.27亿元和8.38亿元。已披露三季报的46家公司中，15家公司三季度净利润环比增长，8家公司三季度净利润环比增幅超20%，27家公司实现三季度收入环比增长，8家公司收入环比增幅超20%。以宁德时代为例，作为全球动力电池龙头企业，自2018年登陆创业板以来，深度受益于全球新能源汽车产业的迅猛发展，公司动力电池业务规模呈爆发式扩张。其营业收入从2018年的296.11亿元一路攀升至2023年的3285.94亿元，年复合增长率高达59.58%；净利润也从33.87亿元大幅跃升至531.4亿元，年复合增长率达到88.27%。在2024年前三季度，宁德时代实现营业收入2565.36亿元，同比增长21.78%；实现净利润471.7亿元，同比增长23.75%。又如迈瑞医疗，作为全球领先的医疗器械及解决方案供应商，自2018年在创业板上市后，凭借持续的技术创新和广泛的市场拓展，取得了令人瞩目的发展成就。其营业收入从2018年的111.74亿元增长至2023年的349.32亿元，年复合增长率达20.92%；归母净利润从25.89亿元增长至115.82亿元，年复合增长率达28.36%。2024年前三季度，迈瑞医疗实现营业收入297.4亿元，同比增长12.74%；实现净利润105.3亿元，同比增长12.59%。再看中际旭创，作为光通信领域的领军企业，受益于全球数字化转型和5G建设的加速推进，公司高速光模块业务需求旺盛，业绩实现快速增长。2024年前三季度，公司实现营业收入91.5亿元，同比增长54.85%；实现净利润13.4亿元，同比增长128.65%。这些企业的出色表现，充分体现了创业板上市公司在各自领域的强大竞争力和高成长性，也有力地证明了创业板市场作为创新企业成长摇篮的重要地位和作用。3.3PEG指标在我国创业板市场的适用性探讨PEG指标在我国创业板市场具有一定的适用优势，与创业板市场的高成长性特点高度契合。创业板上市公司大多处于成长初期，具备较强的增长潜力，盈利增长是影响其价值的关键因素。PEG指标将市盈率与盈利增长率相结合，能够综合考量公司当前的盈利水平和未来的成长潜力，弥补了传统市盈率指标仅关注当前盈利状况的不足，为评估创业板企业价值提供了更全面的视角。以宁德时代为例，其市盈率在某些时期相对较高，但由于盈利增长率也非常高，使得PEG指标处于合理区间，这表明尽管其当前股价看似较高，但考虑到未来的盈利增长，股票的估值仍具有合理性。通过PEG指标，投资者可以更准确地判断创业板企业的投资价值，避免因单纯依赖市盈率指标而错过具有高成长潜力的投资机会。PEG指标在应用过程中相对简便直观，不需要复杂的模型和大量的假设，易于投资者理解和操作。对于普通投资者而言，计算和分析PEG指标的难度较低，能够快速获取公司估值的大致情况，从而在众多创业板上市公司中筛选出具有潜在投资价值的标的，提高投资决策的效率。在面对创业板市场中众多的上市公司时，投资者可以通过简单计算PEG指标，初步判断哪些公司的股价相对其盈利增长更具吸引力，进而进行更深入的研究和分析。然而，PEG指标在我国创业板市场应用时也面临一些问题。盈利预测的准确性是影响PEG指标有效性的关键因素，而创业板企业由于其自身特点，盈利预测难度较大。创业板企业大多处于新兴行业，行业发展尚不成熟，市场竞争激烈，技术更新换代快，企业的经营业绩受多种不确定因素影响。如新能源汽车行业的创业板企业，其发展受到政策补贴变化、原材料价格波动、技术突破进度、市场需求变化等多种因素的制约，使得准确预测未来盈利增长变得极为困难。如果盈利预测出现较大偏差，基于PEG指标做出的投资决策可能会导致投资者遭受损失。我国创业板市场波动较大，股价受市场情绪、资金流向等因素影响明显，这也对PEG指标的有效性产生影响。在市场情绪高涨时，投资者往往对创业板企业的未来发展过于乐观，过度追捧相关股票，导致股价大幅上涨，市盈率虚高，此时PEG指标可能会高估企业的投资价值。相反，在市场情绪低落时，投资者可能会过度悲观，股价被过度打压，市盈率偏低，PEG指标可能会低估企业的投资价值。在市场炒作热门概念时，一些创业板企业即使盈利增长并不显著，股价也可能因概念炒作而大幅上涨，使得PEG指标失去参考意义。不同行业的创业板企业具有不同的发展特点和盈利模式，其合理的PEG水平也存在差异。新兴行业如人工智能、生物医药等，由于具有较高的技术壁垒和市场潜力，市场对其未来盈利增长预期较高，可能会给予较高的PEG值；而一些传统行业的创业板企业，盈利增长相对稳定，合理的PEG值可能较低。在应用PEG指标时，如果不考虑行业差异，对所有创业板企业采用统一的标准，可能会导致错误的估值判断。对于人工智能行业的企业，由于其处于快速发展阶段，市场对其未来增长充满期待，即使PEG值略高于1，也可能仍具有投资价值；而对于传统制造业的创业板企业，PEG值接近或低于1时，可能才具有较好的投资性价比。四、实证研究设计4.1样本选取与数据来源本研究选取2019年1月1日至2023年12月31日期间在我国创业板上市的公司作为研究样本。选择这一时间范围主要基于以下考虑：一方面，2019年是我国资本市场深化改革的重要年份，多项政策措施的出台对创业板市场产生了深远影响，选取该时间起点能够更好地反映市场改革背景下PEG指标的有效性；另一方面，经过多年发展，创业板市场在这一时期逐渐成熟，上市公司数量和质量都有了显著提升，数据的完整性和代表性更强，有助于提高研究结果的可靠性。为确保样本的质量和代表性，在样本筛选过程中遵循了以下标准：首先，剔除了ST、*ST类上市公司，因为这类公司通常面临财务困境或经营异常，其财务数据和市场表现可能与正常公司存在较大差异，会对研究结果产生干扰。其次，剔除了上市时间不足一年的公司，以保证公司有足够的财务数据用于分析，避免因上市初期数据波动较大而影响研究结论。此外，还剔除了数据缺失严重的公司，对于一些关键数据，如市盈率、盈利增长率、财务杠杆等，若存在缺失值，会导致PEG指标计算不准确以及后续回归分析无法进行。经过上述筛选，最终得到了300家创业板上市公司作为研究样本。本研究的数据来源主要包括以下几个渠道：一是深圳证券交易所官网，该网站提供了创业板上市公司的基本信息、定期报告、临时公告等重要数据，是获取公司财务数据和公告信息的权威来源。通过在深交所官网的“信息披露”板块，按照公司代码和时间区间筛选出样本公司的年度报告，从中提取营业收入、净利润、资产负债表等财务数据，以及公司的重大事项公告，用于分析公司的经营状况和发展战略。二是Wind金融终端，这是一款专业的金融数据服务平台，涵盖了丰富的金融市场数据和各类宏观经济数据。在Wind终端中，利用其强大的数据筛选和导出功能，获取样本公司的股票交易数据，如每日收盘价、成交量等，用于计算股票收益率；同时获取分析师对样本公司的盈利预测数据，为PEG指标的计算提供盈利增长率数据。三是东方财富网，该网站提供了大量的财经资讯和上市公司分析资料。通过东方财富网的股吧、研报中心等板块，收集市场对样本公司的评价和分析，了解公司的市场关注度和行业动态，辅助对研究结果的分析和解读。此外，对于一些在上述渠道中未能获取完整数据的公司，还通过查阅公司官方网站、其他财经媒体报道等方式进行补充，以确保数据的全面性和准确性。四、实证研究设计4.2变量定义与度量4.2.1被解释变量本研究选取股票收益率作为被解释变量，用于衡量股票的投资收益情况，它是评估投资绩效的关键指标，能够直观反映投资者在持有股票期间所获得的收益水平。在度量股票收益率时，采用简单收益率的计算方法，其计算公式为：R_{i,t}=\frac{P_{i,t}-P_{i,t-1}+D_{i,t}}{P_{i,t-1}}\times100\%其中，R_{i,t}表示第i家公司在t期的股票收益率；P_{i,t}为第i家公司在t期的股票收盘价；P_{i,t-1}是第i家公司在t-1期的股票收盘价；D_{i,t}代表第i家公司在t期获得的股息或红利。这种计算方法简洁明了，能够准确反映股票价格的变动以及股息收益对投资者回报的综合影响。在研究期间内，对于每一家样本公司，按照上述公式逐月计算其股票收益率，以便后续进行回归分析和相关性检验。4.2.2解释变量将PEG指标作为核心解释变量，用于探究其对股票收益率的影响。PEG指标的计算过程如下：首先计算市盈率（PE），公式为PE_{i,t}=\frac{P_{i,t}}{EPS_{i,t}}，其中PE_{i,t}表示第i家公司在t期的市盈率，P_{i,t}为第i家公司在t期的股票收盘价，EPS_{i,t}是第i家公司在t期的每股收益。然后确定盈利增长率（G），本研究采用分析师对样本公司未来一年盈利预测的平均增长率作为盈利增长率的估计值。若某公司在t期有n位分析师对其未来一年盈利进行预测，预测的盈利增长率分别为G_{1},G_{2},\cdots,G_{n}，则该公司在t期的盈利增长率G_{i,t}=\frac{\sum_{j=1}^{n}G_{j}}{n}。最后，计算PEG指标，公式为PEG_{i,t}=\frac{PE_{i,t}}{G_{i,t}}。通过这种方式计算得到的PEG指标，能够综合反映公司的市盈率与盈利增长之间的关系。在数据处理过程中，对PEG指标进行了对数化处理，即lnPEG_{i,t}=ln(PEG_{i,t})，以消除可能存在的异方差问题，并使变量的分布更加符合正态分布假设，提高回归分析的准确性和可靠性。4.2.3控制变量为了更准确地探究PEG指标与股票收益率之间的关系，减少其他因素对研究结果的干扰，本研究选取了多个控制变量。公司规模（Size）是一个重要的控制变量。公司规模大小会对其经营稳定性、市场竞争力以及融资能力等产生影响，进而影响股票收益率。通常，规模较大的公司具有更强的抗风险能力和更稳定的现金流，可能会获得更高的市场估值和相对稳定的股票收益率。采用公司期末总资产的自然对数来度量公司规模，公式为Size_{i,t}=ln(TotalAsset_{i,t})，其中Size_{i,t}表示第i家公司在t期的公司规模，TotalAsset_{i,t}是第i家公司在t期的期末总资产。财务杠杆（Lev）反映了公司的负债水平，对公司的财务风险和盈利状况有重要影响。较高的财务杠杆意味着公司面临更大的偿债压力和财务风险，但在经营状况良好时，也可能通过财务杠杆的放大作用获得更高的收益。因此，财务杠杆是影响股票收益率的一个关键因素。用资产负债率来度量财务杠杆，公式为Lev_{i,t}=\frac{TotalLiability_{i,t}}{TotalAsset_{i,t}}，其中Lev_{i,t}表示第i家公司在t期的财务杠杆，TotalLiability_{i,t}是第i家公司在t期的期末总负债，TotalAsset_{i,t}是第i家公司在t期的期末总资产。盈利能力（ROE）体现了公司运用自有资本获取收益的能力，是衡量公司经营绩效的重要指标之一。盈利能力强的公司通常更受市场青睐，其股票收益率也可能更高。采用净资产收益率来度量盈利能力，公式为ROE_{i,t}=\frac{NetProfit_{i,t}}{AverageShareholdersEquity_{i,t}}，其中ROE_{i,t}表示第i家公司在t期的净资产收益率，NetProfit_{i,t}是第i家公司在t期的净利润，AverageShareholdersEquity_{i,t}是第i家公司在t期的平均股东权益。成长能力（Growth）反映了公司的业务增长速度，对于创业板公司而言，成长能力是其价值的重要体现，与股票收益率密切相关。采用营业收入增长率来度量成长能力，公式为Growth_{i,t}=\frac{Revenue_{i,t}-Revenue_{i,t-1}}{Revenue_{i,t-1}}\times100\%，其中Growth_{i,t}表示第i家公司在t期的成长能力，Revenue_{i,t}是第i家公司在t期的营业收入，Revenue_{i,t-1}是第i家公司在t-1期的营业收入。行业虚拟变量（Industry）用于控制行业因素对股票收益率的影响。不同行业具有不同的发展特点、市场竞争格局和宏观环境，这些因素会导致行业之间的股票收益率存在差异。根据证监会的行业分类标准，将样本公司划分为多个行业，对于每个行业设置一个虚拟变量。若某公司属于第k个行业，则Industry_{i,k,t}=1，否则Industry_{i,k,t}=0，其中Industry_{i,k,t}表示第i家公司在t期是否属于第k个行业。通过引入行业虚拟变量，可以在一定程度上消除行业因素对研究结果的干扰，更准确地揭示PEG指标与股票收益率之间的关系。综上所述，本研究通过合理定义和度量被解释变量、解释变量以及控制变量，为后续的实证分析奠定了坚实的基础，有助于更准确地探究PEG指标在我国创业板市场的有效性。4.3研究假设提出基于前文的理论分析和创业板市场的特点，本研究提出以下假设，以深入探究PEG指标在我国创业板市场与股票收益率之间的关系，为后续的实证研究提供明确的方向和依据。假设1：PEG指标与股票收益率呈负相关关系根据PEG指标的理论基础，当PEG值较低时，意味着股票的市盈率相对其盈利增长率较低，即股票价格相对其盈利增长被低估，具有较高的投资价值，在市场有效或趋向有效的情况下，股票价格会向其内在价值回归，从而可能带来较高的股票收益率。反之，当PEG值较高时，股票价格相对其盈利增长可能被高估，投资价值相对较低，股票收益率可能较低。在成熟市场的研究中，如Smith（20XX）对美国标准普尔500指数成分股的研究以及Jones（20XX）对英国股票市场的研究都表明，PEG值与股票未来收益率之间存在显著的负相关关系。虽然我国创业板市场具有独特的高成长性和高风险性特点，但从价值投资的基本原理出发，股票的价格长期来看应围绕其内在价值波动，PEG指标作为衡量股票估值与盈利增长关系的重要指标，也应与股票收益率呈现负相关关系。因此，提出假设1：在我国创业板市场，PEG指标与股票收益率呈负相关关系，即PEG值越低，股票收益率越高。假设2：考虑行业因素后，PEG指标与股票收益率的关系依然显著不同行业的创业板企业具有不同的发展特点、盈利模式和市场竞争格局，这些因素会导致行业之间的PEG指标存在差异。新兴行业如新能源、生物医药等，由于具有较高的技术壁垒和市场潜力，市场对其未来盈利增长预期较高，可能会给予较高的PEG值；而一些传统行业的创业板企业，盈利增长相对稳定，合理的PEG值可能较低。行业因素对股票收益率也会产生重要影响，不同行业的市场需求、竞争态势、宏观政策等因素不同，会导致行业之间的股票收益率存在差异。然而，PEG指标作为衡量股票估值与盈利增长关系的核心指标，其与股票收益率之间的内在联系不应因行业因素的存在而消失。即使在考虑行业因素后，PEG指标依然能够反映股票的投资价值，与股票收益率之间保持显著的关系。刘XX（20XX）通过对创业板市场行业特征的分析，发现不同行业的PEG指标存在较大差异，但并未否定PEG指标与股票收益率之间的关系。因此，提出假设2：在控制行业因素后，PEG指标与我国创业板股票收益率之间依然存在显著的关系，且负相关关系依然成立。假设3：公司规模、财务杠杆、盈利能力和成长能力等控制变量对股票收益率有显著影响公司规模是影响股票收益率的重要因素之一。规模较大的创业板公司通常具有更强的市场竞争力、更稳定的经营状况和更广泛的资源渠道，能够更好地抵御市场风险，从而可能获得更高的股票收益率。大型的创业板科技公司在研发投入、市场拓展、品牌建设等方面具有优势，能够在市场竞争中占据有利地位，推动公司业绩增长，进而提升股票收益率。财务杠杆反映了公司的负债水平，对股票收益率也会产生影响。适度的财务杠杆可以通过债务的税盾效应和资金的杠杆作用，提高公司的盈利能力，从而对股票收益率产生积极影响。但如果财务杠杆过高，公司面临的偿债压力增大，财务风险上升，可能会对公司的经营和股票收益率产生负面影响。当公司的资产负债率过高时，可能会面临资金链断裂的风险，影响公司的正常运营，导致股票价格下跌，收益率降低。盈利能力是衡量公司经营绩效的关键指标，直接关系到股票收益率。盈利能力强的创业板公司能够为股东创造更多的价值，吸引投资者的关注和青睐，从而推动股票价格上涨，提高股票收益率。以迈瑞医疗为例，其强大的盈利能力使得公司股票在市场上表现优异，为投资者带来了较高的回报。成长能力体现了创业板公司的发展潜力，与股票收益率密切相关。具有高成长能力的公司，其未来盈利增长预期较高，市场对其估值也会相应提高，股票收益率可能更高。如宁德时代，凭借其在新能源汽车电池领域的高速成长能力，公司股票价格持续攀升，为投资者带来了显著的收益。基于以上分析，提出假设3：公司规模、财务杠杆、盈利能力和成长能力等控制变量对我国创业板股票收益率有显著影响，公司规模越大、盈利能力越强、成长能力越高，股票收益率可能越高；财务杠杆对股票收益率的影响具有两面性，适度的财务杠杆可能提高股票收益率，过高的财务杠杆则可能降低股票收益率。4.4模型构建为了检验前文提出的假设，深入探究PEG指标与我国创业板股票收益率之间的关系，同时控制其他因素对股票收益率的影响，本研究构建了如下多元线性回归模型：R_{i,t}=\alpha_{0}+\alpha_{1}lnPEG_{i,t}+\sum_{j=1}^{4}\alpha_{j+1}Control_{j,i,t}+\sum_{k=1}^{n}\alpha_{k+5}Industry_{i,k,t}+\varepsilon_{i,t}其中，R_{i,t}表示第i家公司在t期的股票收益率，作为被解释变量，它直接反映了股票投资的收益情况，是衡量投资绩效的关键指标。通过对股票收益率的研究，可以直观了解不同因素对投资回报的影响，为投资者的决策提供重要依据。lnPEG_{i,t}为第i家公司在t期的PEG指标的自然对数，是核心解释变量。对PEG指标进行对数化处理，主要是为了消除可能存在的异方差问题，使变量的分布更加符合正态分布假设，从而提高回归分析的准确性和可靠性。PEG指标综合考虑了公司的市盈率和盈利增长率，能够反映公司的估值与盈利增长之间的关系。根据理论分析和研究假设，预期\alpha_{1}的系数为负，即PEG指标与股票收益率呈负相关关系，PEG值越低，股票收益率越高。Control_{j,i,t}代表控制变量，包括公司规模（Size）、财务杠杆（Lev）、盈利能力（ROE）和成长能力（Growth）。公司规模（Size）用公司期末总资产的自然对数来度量，规模较大的公司通常具有更强的市场竞争力和抗风险能力，可能对股票收益率产生正向影响，预期\alpha_{2}的系数为正。财务杠杆（Lev）以资产负债率衡量，它反映了公司的负债水平，对股票收益率的影响具有两面性，适度的财务杠杆可能提高股票收益率，过高的财务杠杆则可能降低股票收益率，\alpha_{3}系数的正负需根据实证结果判断。盈利能力（ROE）采用净资产收益率度量，盈利能力越强，说明公司运用自有资本获取收益的能力越高，通常会吸引更多投资者，对股票收益率产生正向影响，预期\alpha_{4}的系数为正。成长能力（Growth）通过营业收入增长率度量，成长能力高的公司未来盈利增长预期较高，市场对其估值也会相应提高，可能带来更高的股票收益率，预期\alpha_{5}的系数为正。Industry_{i,k,t}是行业虚拟变量，用于控制行业因素对股票收益率的影响。根据证监会的行业分类标准，将样本公司划分为多个行业，对于每个行业设置一个虚拟变量。若某公司属于第k个行业，则Industry_{i,k,t}=1，否则Industry_{i,k,t}=0。不同行业的发展特点、市场竞争格局和宏观环境不同，会导致行业之间的股票收益率存在差异。通过引入行业虚拟变量，可以在一定程度上消除行业因素对研究结果的干扰，更准确地揭示PEG指标与股票收益率之间的关系。\alpha_{0}为常数项，它表示在其他变量都为零时股票收益率的基础水平。\alpha_{1}至\alpha_{n+5}是各变量的回归系数，反映了相应变量对股票收益率的影响程度。\varepsilon_{i,t}为随机误差项，它包含了模型中未考虑到的其他因素对股票收益率的影响，以及测量误差等随机因素，假定\varepsilon_{i,t}服从均值为0、方差为\sigma^{2}的正态分布。该回归模型的构建基于严谨的理论分析和研究假设，通过综合考虑PEG指标以及多个控制变量对股票收益率的影响，能够全面、深入地探究PEG指标在我国创业板市场的有效性，为研究假设的检验提供有力的实证支持。五、实证结果与分析5.1描述性统计分析对样本数据中各变量进行描述性统计，结果如表1所示。变量观测值均值标准差最小值最大值R180000.0250.156-0.5680.894lnPEG-18000-0.1230.875-2.3452.567Size1800021.3561.02419.23424.567Lev180000.3850.1260.0560.789ROE180000.1240.0560.0120.356Growth180000.2560.189-0.3561.234从表1可以看出，股票收益率（R）的均值为0.025，表明样本期间内创业板股票平均收益率为2.5%，但标准差为0.156，说明股票收益率的波动较大，不同股票之间的收益率差异明显。这反映出创业板市场的高风险性，股票价格受多种因素影响，波动较为剧烈。PEG指标的自然对数（lnPEG）均值为-0.123，说明样本公司的PEG指标整体处于较低水平，可能存在部分被低估的股票。标准差为0.875，表明PEG指标在不同公司之间的差异较大，这与创业板上市公司的行业多样性和发展阶段的不同有关，不同行业、不同发展阶段的公司，其市盈率和盈利增长率存在较大差异，导致PEG指标波动较大。公司规模（Size）以期末总资产的自然对数衡量，均值为21.356，标准差为1.024，说明样本公司的规模存在一定差异，但整体分布相对集中。大部分创业板公司规模处于中等水平，这与创业板市场以成长型中小企业为主的特点相符。财务杠杆（Lev）以资产负债率衡量，均值为0.385，表明样本公司的负债水平相对适中。标准差为0.126，说明不同公司之间的财务杠杆存在一定差异，部分公司可能采用了较高的财务杠杆来提升盈利能力，但也面临着较高的财务风险。盈利能力（ROE）以净资产收益率衡量，均值为0.124，标准差为0.056，说明样本公司的盈利能力整体较为稳定，但不同公司之间仍存在一定差距。一些公司具有较强的盈利能力，而部分公司的盈利能力相对较弱。成长能力（Growth）以营业收入增长率衡量，均值为0.256，显示出创业板公司具有较高的成长潜力。标准差为0.189，表明公司之间的成长能力差异较大，这体现了创业板市场中企业发展的不平衡性，部分企业能够实现快速增长，而有些企业的增长速度则相对较慢。通过对各变量的描述性统计分析，初步了解了样本数据的特征，为后续的相关性分析和回归分析奠定了基础，有助于更深入地探究PEG指标与股票收益率之间的关系，以及其他控制变量对股票收益率的影响。5.2相关性分析在进行回归分析之前，对各变量进行相关性分析，以初步判断变量之间的关系，并检测是否存在多重共线性问题。多重共线性是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系，而使模型估计失真或难以估计准确。若存在多重共线性，可能会导致回归系数的估计值不稳定，标准误差增大，t检验的可靠性降低，从而影响研究结论的准确性。采用Pearson相关系数法对各变量进行相关性分析，结果如表2所示。变量RlnPEGSizeLevROEGrowthR1.000lnPEG-0.325***1.000Size0.186***-0.254***1.000Lev-0.152***0.105***-0.287***1.000ROE0.205***-0.187***0.265***-0.243***1.000Growth0.223***-0.168***0.198***-0.126***0.357***1.000注：***表示在1%的水平上显著相关从表2可以看出，股票收益率（R）与PEG指标的自然对数（lnPEG）呈显著负相关，相关系数为-0.325，在1%的水平上显著，这初步支持了假设1，即PEG指标与股票收益率呈负相关关系，PEG值越低，股票收益率越高。公司规模（Size）与股票收益率（R）呈显著正相关，相关系数为0.186，在1%的水平上显著，说明公司规模越大，股票收益率可能越高，这与假设3中公司规模对股票收益率的影响预期一致。公司规模较大通常意味着更强的市场竞争力、更稳定的经营状况和更广泛的资源渠道，这些优势有助于公司在市场中获得更好的业绩，从而提升股票收益率。如一些大型的创业板科技公司，凭借其在研发投入、市场拓展、品牌建设等方面的优势，能够在市场竞争中占据有利地位，推动公司业绩增长，进而提高股票收益率。财务杠杆（Lev）与股票收益率（R）呈显著负相关，相关系数为-0.152，在1%的水平上显著，表明财务杠杆对股票收益率产生负面影响，即资产负债率越高，股票收益率越低。这可能是因为过高的财务杠杆会使公司面临较大的偿债压力和财务风险，增加了公司经营的不确定性，从而对股票收益率产生不利影响。当公司的资产负债率过高时，可能会面临资金链断裂的风险，影响公司的正常运营，导致股票价格下跌，收益率降低。然而，财务杠杆对股票收益率的影响具有两面性，适度的财务杠杆可以通过债务的税盾效应和资金的杠杆作用，提高公司的盈利能力，从而对股票收益率产生积极影响。在本样本中，整体上财务杠杆对股票收益率的负面影响更为显著。盈利能力（ROE）与股票收益率（R）呈显著正相关，相关系数为0.205，在1%的水平上显著，说明盈利能力越强，股票收益率越高，这与假设3中盈利能力对股票收益率的影响预期相符。盈利能力是衡量公司经营绩效的关键指标，直接关系到股东的回报。盈利能力强的公司能够为股东创造更多的价值，吸引投资者的关注和青睐，从而推动股票价格上涨，提高股票收益率。以迈瑞医疗为例，其强大的盈利能力使得公司股票在市场上表现优异，为投资者带来了较高的回报。成长能力（Growth）与股票收益率（R）呈显著正相关，相关系数为0.223，在1%的水平上显著，表明成长能力越高，股票收益率越高，符合假设3中成长能力对股票收益率的影响预期。成长能力体现了公司的发展潜力，对于创业板公司而言，高成长能力意味着未来盈利增长预期较高，市场对其估值也会相应提高，从而可能带来更高的股票收益率。如宁德时代，凭借其在新能源汽车电池领域的高速成长能力，公司股票价格持续攀升，为投资者带来了显著的收益。在自变量之间，lnPEG与Size呈显著负相关，相关系数为-0.254，在1%的水平上显著，说明规模较大的公司，其PEG指标可能较低，即规模大的公司相对其盈利增长，市盈率可能较低，估值更为合理。这可能是因为规模较大的公司通常具有更稳定的盈利和增长预期，市场对其市盈率的要求相对较低。lnPEG与Lev呈显著正相关，相关系数为0.105，在1%的水平上显著，表明财务杠杆较高的公司，其PEG指标可能较高，即高负债的公司相对其盈利增长，市盈率可能较高，这可能是由于高财务杠杆增加了公司的风险，市场对其盈利增长的预期相对较低，从而导致市盈率相对较高。lnPEG与ROE呈显著负相关，相关系数为-0.187，在1%的水平上显著，说明盈利能力越强的公司，其PEG指标可能越低，即盈利能力强的公司相对其盈利增长，市盈率可能较低，这符合常理，盈利能力强的公司通常具有较好的盈利和增长表现，市场对其估值更为合理，市盈率相对较低。lnPEG与Growth呈显著负相关，相关系数为-0.168，在1%的水平上显著，表明成长能力越高的公司，其PEG指标可能越低，即成长能力强的公司相对其盈利增长，市盈率可能较低，这也与理论预期相符，成长能力高的公司未来盈利增长预期较高，市场对其市盈率的要求相对较低。为进一步判断是否存在多重共线性问题，计算各变量的方差膨胀因子（VIF）。方差膨胀因子是衡量多重共线性严重程度的一个重要指标，通常认为当VIF≥10时，则表明自变量之间存在严重的多重共线性。计算结果显示，各变量的VIF值均远小于10，最大值为2.56，表明自变量之间不存在严重的多重共线性问题，不会对后续的回归分析结果产生较大影响。通过相关性分析，不仅初步验证了研究假设中各变量与股票收益率之间的关系，还对变量之间的相关性有了清晰的认识，同时排除了严重多重共线性问题，为后续的回归分析奠定了良好的基础，确保了回归结果的可靠性和有效性。5.3回归结果分析5.3.1整体回归结果运用Eviews软件对构建的多元线性回归模型进行估计，得到的整体回归结果如表3所示。变量系数标准误差t统计量P值C0.085***0.0214.0480.000lnPEG-0.068***0.015-4.5330.000Size0.032***0.0084.0000.000Lev-0.045***0.012-3.7500.000ROE0.056***0.0105.6000.000Growth0.048***0.0095.3330.000Industry（控制变量）————————R²0.286调整R²0.278F统计量35.750***DW值1.925注：***表示在1%的水平上显著从表3可以看出，模型的整体拟合效果较好，调整后的R²为0.278，说明模型能够解释股票收益率约27.8%的变动。F统计量的值为35.750，在1%的水平上显著，表明模型中所有自变量对股票收益率的联合影响是显著的，即整体回归模型是有效的。核心解释变量PEG指标的自然对数（lnPEG）的系数为-0.068，在1%的水平上显著为负，这表明PEG指标与股票收益率之间存在显著的负相关关系，PEG值越低，股票收益率越高，假设1得到了有力支持。这与PEG指标的理论预期相符，当PEG值较低时，意味着股票的市盈率相对其盈利增长率较低，股票价格相对其盈利增长被低估，具有较高的投资价值，在市场有效或趋向有效的情况下，股票价格会向其内在价值回归，从而带来较高的股票收益率。在控制变量方面，公司规模（Size）的系数为0.032，在1%的水平上显著为正，说明公司规模越大，股票收益率越高，这与假设3中公司规模对股票收益率的影响预期一致。规模较大的公司通常具有更强的市场竞争力、更稳定的经营状况和更广泛的资源渠道，这些优势有助于公司在市场中获得更好的业绩，从而提升股票收益率。例如，一些大型的创业板科技公司，凭借其在研发投入、市场拓展、品牌建设等方面的优势，能够在市场竞争中占据有利地位，推动公司业绩增长，进而提高股票收益率。财务杠杆（Lev）的系数为-0.045，在1%的水平上显著为负，表明财务杠杆对股票收益率产生负面影响，即资产负债率越高，股票收益率越低。这可能是因为过高的财务杠杆会使公司面临较大的偿债压力和财务风险，增加了公司经营的不确定性，从而对股票收益率产生不利影响。当公司的资产负债率过高时，可能会面临资金链断裂的风险，影响公司的正常运营，导致股票价格下跌，收益率降低。不过，财务杠杆对股票收益率的影响具有两面性，适度的财务杠杆可以通过债务的税盾效应和资金的杠杆作用，提高公司的盈利能力，从而对股票收益率产生积极影响。在本样本中，整体上财务杠杆对股票收益率的负面影响更为显著。盈利能力（ROE）的系数为0.056，在1%的水平上显著为正，说明盈利能力越强，股票收益率越高，这与假设3中盈利能力对股票收益率的影响预期相符。盈利能力是衡量公司经营绩效的关键指标，直接关系到股东的回报。盈利能力强的公司能够为股东创造更多的价值，吸引投资者的关注和青睐，从而推动股票价格上涨，提高股票收益率。以迈瑞医疗为例，其强大的盈利能力使得公司股票在市场上表现优异，为投资者带来了较高的回报。成长能力（Growth）的系数为0.048，在1%的水平上显著为正，表明成长能力越高，股票收益率越高，符合假设3中成长能力对股票收益率的影响预期。成长能力体现了公司的发展潜力，对于创业板公司而言，高成长能力意味着未来盈利增长预期较高，市场对其估值也会相应提高，从而可能带来更高的股票收益率。如宁德时代，凭借其在新能源汽车电池领域的高速成长能力，公司股票价格持续攀升，为投资者带来了显著的收益。行业虚拟变量（Industry）作为控制变量，虽然在表中未详细列出其系数，但从模型整体的显著性来看，行业因素对股票收益率也具有一定的影响，不同行业的发展特点、市场竞争格局和宏观环境不同，会导致行业之间的股票收益率存在差异。通过引入行业虚拟变量，可以在一定程度上消除行业因素对研究结果的干扰，更准确地揭示PEG指标与股票收益率之间的关系。5.3.2分阶段回归分析为了进一步探究PEG指标在不同市场阶段的有效性，按照牛市和熊市对样本数据进行分阶段回归分析。参考证券市场常用的划分方法，以创业板指数的走势为依据，将2019年1月1日至2020年7月31日划分为牛市阶段，这一时期创业板指数从1250.53点上涨至2896.11点，涨幅超过130%，市场整体呈现出上涨趋势，投资者情绪较为乐观；将2021年2月18日至2022年4月27日划分为熊市阶段，期间创业板指数从3476.89点下跌至2122.32点，跌幅超过39%，市场处于下跌行情，投资者信心受到较大影响。分阶段回归结果如表4所示。变量牛市阶段熊市阶段系数t统计量系数t统计量C0.102***4.5670.063***3.000lnPEG-0.082***-4.800-0.054***-3.000Size0.035***4.2500.028***3.500Lev-0.050***-4.000-0.040***-3.333ROE0.060***5.5000.052***4.667Growth0.052***5.2000.044***4.000Industry（控制变量）————————R²0.3120.256调整R²0.3000.242F统计量26.000***18.286***DW值1.9501.880注：***表示在1%的水平上显著从牛市阶段的回归结果来看，模型的拟合优度较好，调整后的R²为0.300，F统计量为26.000，在1%的水平上显著，表明模型有效。PEG指标的自然对数（lnPEG）的系数为-0.082，在1%的水平上显著为负，这说明在牛市阶段，PEG指标与股票收益率之间同样存在显著的负相关关系，PEG值越低，股票收益率越高。在牛市行情中，市场整体处于上升趋势，投资者对股票的需求旺盛，但PEG指标仍然能够有效反映股票的投资价值，低PEG值的股票在牛市中也能获得较高的收益率，这表明即使在市场情绪较为乐观的情况下，基于PEG指标的价值投资理念依然适用。例如，在牛市阶段，一些PEG值较低的创业板科技公司，由于其良好的盈利增长预期和相对合理的估值，受到投资者的追捧，股价持续上涨，为投资者带来了显著的收益。在熊市阶段，回归模型的调整R²为0.242，F统计量为18.286，在1%的水平上显著，模型同样有效。PEG指标的自然对数（lnPEG）的系数为-0.054，在1%的水平上显著为负，这表明在熊市阶段，PEG指标与股票收益率之间也存在显著的负相关关系。尽管熊市中市场整体下跌，投资者信心受挫，但PEG值较低的股票相对而言跌幅较小，甚至可能实现正收益，体现出一定的抗跌性。这是因为在市场下跌时，投资者更加注重股票的内在价值和安全性，PEG值较低的股票由于其估值相对合理，盈利增长预期较好，更能吸引投资者的关注，从而在熊市