股票投资价值模型应用

股票投资价值模型应用（精选十篇）

股票投资价值模型应用 篇1

经济学鼻祖亚当·斯密第一个将人力资本视作资本,他在《国富论》中明确地论述了知识作为投资结果的思想,并将所有社会成员“后天获得的有用才能”作为固定资本的一部分。随后,经济学家马歇尔指出:所有资本中最有价值的是对人本身的投资,但他认为在实际分析中把人当资本是不符合市场实情的。德国历史学派经济学家李斯特将资本划分为“物资资本”和“精神资本”,其中“精神资本”指的是之前人类的一切发现、发明、改进和努力等等累积的结果,这个意义上的“精神资本”与人力资本概念已经十分相近。

1906年,费雪发表了《资本的性质与收入》,首次将人力资本概念纳入到经济分析的理论框架中,但费雪的人力资本概念一度未得到主流经济学的认可,直到1960年,西奥多·W·舒尔茨在经济学年会上发表题为“人力资本投资”的演说后,人力资本理论才逐渐被主流经济学所接纳。舒尔茨[1]把人力资本引入经济增长模型中,指出人力、人们的知识和技能是资本的一种形态,并进一步指出人力资本的形成有教育、培训、医疗保健和迁移等方式。随后,贝克尔[2]将人力资本与时间因素联系起来,认为人力资本不仅意味着才干、知识和技能,而且还意味着时间、健康和寿命,人力资本投资是用于增加人的资源影响未来的货币和消费能力的投资。

国内学者宋培林[3]将人力资本定义为与物资资本相对称,凝结在人体内并能够满足社会特定需要的知识结构、能力结构、素质结构和经验经历等的价值总和。郝卫明[4]对人力资本的概念做了比较全面的阐述,认为人力资本指由通过投资形成凝结在人身体内的知识、能力、健康等所构成,能够物化于商品和服务,增加商品和服务的效应,并以此获得收益的价值。综上所述,人力资本是基于之前的投资形成的影响现在和未来的一种综合能力体现出来的价值之和,这种价值能够增加商品和服务效应,具体包括知识、技能、素质、经验等。

2 人力资本投资价值模型

舒尔茨[1]将具有经济价值的人类能力划分为五种,分别为:学习能力,完成有意义工作的能力,进行各类文艺体育的能力、创造力和应付非均衡的能力,以此把人力资本划分相对应的五类。周坤[5]将人力资本区分为初级和高级,初级人力资本指健康人的体力、经验、生产知识和技能,高级人力资本则指人的天赋、才能和不断被发掘出来的潜能的集中体现——智慧。宋培林[3]基于企业的角度将人力资本划分为技能型、技术型、管理型和经营型人力资本四类,其中企业家属于经营型人力资本,是一种具有边际报酬递增性质的异质型人力资本。

人力资本作为资本的一种形态,是一种商品,具有商品的基本属性:使用价值和价值。人力资本不但能创造价值,而且能创造比自身更大的价值。据此,人力资本的使用价值可分为两部分:①人力资本自身的价值;②价值增值部分。根据使用价值的高低来划分人力资本类型更具有科学性,因此,本文根据使用价值的高低把人力资本分为高价值型人力资本和低价值型人力资本,由组织成员i过去的历史数据(包括业绩等)可以得出i是低价值型人力资本还是高价值型人力资本,同时,根据i的历史数据也可推断出i在未来为企业创造价值之高低,如图一。由此,人力资本可分为四种类型:①低价值低成长型人力资本,即根据组织成员i过去的历史数据得出i属于低价值型人力资本,同时推断出i在未来为企业创造高价值的概率也很低;②低价值高成长型人力资本,即根据组织成员i过去的历史数据得出i属于低价值型人力资本,但推断出i是一种成长型人才,在未来为企业创造高价值的概率很大;③高价值低成长型人力资本,即根据组织成员i过去的历史数据得出i属于高价值型人力资本,但由于缺乏某一重要的品质(例如容易跳槽或者做出损害企业利益的行为)而推断i在未来为企业创造高价值的概率很低;④高价值高成长型人力资本,即根据组织成员i过去的历史数据得出i属于高价值型人力资本,同时推断出i在未来继续为企业创造高价值的概率也很高。例如企业家型人力资本就属于这一类型,对这类人才应加大投资。

3 人力资本投资价值的贝叶斯动态模型

由于过去的历史数据是已知的,因此组织成员i是属于高价值型人力资本还是低价值型人力资本一般是确定的,但在推断i在未来为企业创造价值的高低带有主观性,也即人力资本投资价值具有不确定性,必须根据组织成员i出现的新信息重新判断[6]。基于这个思想,本文采用贝叶斯学习法则修正组织成员i的先验概率,为人力资本投资战略决策的科学性提供一种思想。贝叶斯修正是根据新的信息从先验概率得到后验概率的基本方法,它的基本思想是战略依赖于后验概率,后验概率依赖于先验概率和先行动者的行动[7]。

假设:

1)组织成员i在未来的行动有三种可能,假设为ah(h=1,2,3),其中,a1表示i在未来的行动与现在一致,a2表示i在未来的行动优于现在,a3表示i在未来的行动劣于现在。

2)低价值低成长型人力资本为类型一,表示为θ1;低价值高成长型人力资本为类型二,表示为θ2;高价值低成长型人力资本为类型三,表示为θ3;高价值高成长型人力资本,表示为θ4。组织成员i要么是类型一或类型二,要么是类型三或类型四,即P(θ1)+P(θ2)=1,P(θ3)+P(θ4)=1。且先验概率为共轭先验,即人力资本类型后验概率的分布与先验概率的分布是一致的,以保证后验概率可以得到解析式。

3)组织成员i的第一阶段的后验概率为P1(θ1)、P1(θ2)、P1(θ3)、P1(θ4),第j阶段的后验概率为Pj(θ1)、Pj(θ2)、Pj(θ3)、Pj(θ4)(j=1,2,...n)。

决策规则:①企业只对θ2、θ4类型的人力资本投资,包括对其进行再教育、培训、高薪报酬等。②只有当Pj(θ2)>Pj(θ1)或Pj(θ4)>Pj(θ3)时才对i进行投资,若Pj(θ2)≤Pj(θ1)或Pj(θ4)≤Pj(θ3),则采取等待的策略。

动态模型:假设组织成员i的人力资本类型为状态变量S=(P(θ1),P(θ2),P(θ3),P(θ4)),即为类型一、类型二、类型三、类型四的概率分别为P(θ1)、P(θ2)、P(θ3)、P(θ4)。由假设2可知组织成员i只可能有两种情况,分别为s1 0 = (P0(θ1),P0(θ2),0,0)和s2 0 = (0,0,P0(θ3),P0(θ4)),其中P0(θ1)+P0(θ2)=1,P0(θ3)+P0(θ4)=1。

给定i∈θk(k=1,2,3,4),选ah的条件概率为P(ah/θk),undefined(总有一行动会选到)则i选ah的概率是undefined,下面计算如果观测到i选择了ah,i∈θk的后验概率是多少?

∵Prob{ah,θk}=P(ah/θk)P(θk)

undefined,P(θk/ah)即为观测到i选择了ah,i∈θk的后验概率。又假设行动矩阵为A,它是一个常数矩阵,其中pkh表示i为θk类型选ah的概率,(k=1,2,3,4;h=1,2,3)是一个条件概率矩阵。

undefined

∵Prob{ah,θk}=P(ah/θk)P(θk)∴当k=1,2

i∈θk并选ah行动的联合概率矩阵为

undefined

其中,P(a1)=p11p(θ1)+p21p(θ2),P(a2)=p12p(θ1)+p22p(θ2),P(a3)=p13p(θ1)+p23p(θ2)。因此,i选择了ah,i∈θk的后验概率矩阵为

undefined

同理可证,当k=3,4时,i选择了ah,i∈θk的后验概率矩阵为

undefined

4 实例分析

综上,给定i选择了ah,i∈θk(k=1,2,3,4)的第j+1阶段的后验概率为undefined,即undefined或undefined。其中

undefined。例如,假设行动矩阵

undefined表示θ1、θ3类型的人力资本(低价值低成长型人力资本或高价值低成长型人力资本)在未来行动只可能选择与现在行动一致或者劣于现在的行动,θ2、θ4类型的人力资本(低价值高成长型人力资本或高价值高成长型人力资本)在未来行动只可能有与现在行动一致或者优于现在的行动两种情况。现实生活中,由于组织成员i行为的不确定性,p12、p23、p32、p43概率很小,这里为了计算方便,简化为0。若i为状态一s1 0 = (P0(θ1),P0(θ2),0,0)其中,P0(θ1)、P0(θ2)为组织成员i的类型的初始概率。则i的联合概率矩阵为

undefined接着可算得i选择了ah,i∈θk的后验概率矩阵为

undefined

即若i在第二阶段选择了与现在行动一致,则暂时无法判别他到底是θ1还是θ2类型的人力资本,但由undefined(1)

可知,∵P0(θ1)+P0(θ2)=1,

∴若p21>p11,则undefined, 则(1)式小于1,也即若i选择了与现在行动一致,则此时i为θ1的后验概率减小了,相对应的为θ2类型的后验概率增大了,同理可推断若p21Pj(θ1)或Pj(θ4)>Pj(θ3)时才对i进行投资,若Pj(θ2)≤Pj(θ1)或Pj(θ4)≤Pj(θ3),则采取等待的策略。同理可分析i为状态二的情况。

5 结论与展望

本文在澄清人力资本概念的基础上,根据时间和价值两个维度对人力资本进行分类,据此构建了一个动态模型,在模型中引入时间和后续行动的影响因素,由于人力资本投资价值的不确定性,提出用贝叶斯学习法则不断修正投资者的先验概率,给出了后验概率矩阵,以便科学合理的评价人力资本投资价值,并提出具体的例子进行分析验证,为企业的人力资本投资决策提供了一种思维方式以及在理论研究领域存在一定的理论价值。

由于本文只关注i行为选择的结果,即i是选择了行动一、还是行动二或行动三,再根据新出现的行为来确定后验概率,而没涉及到如何让组织成员i朝好的行动方向去选择,后来研究者可从激励等管理问题进行研究。另外,行动矩阵中的条件概率确定有两种方式,第一种是由专家知识指定,但这种仅凭专家经验指定的方法具有一定的主观性,另外一种方法就是从数据中学习这些参数的概率分布,这种方法具有很强的适应性。行动矩阵中的条件概率的合理性影响到后验概率的准确性,在现实情况中它的确定会比较复杂,同时,计算起来也很复杂,后来研究者可借助MATLAB工具进行研究。

参考文献

[1]舒尔茨.论人力资本投资[M].北京:北京经济学院出版社,1990.

[2]贝克尔.人力资本[M].北京:北京大学出版社,1987.

[3]宋培林.论企业经营者成长的微观机制:筛选、激励与约束[D].厦门:厦门大学,2002.

[4]郝卫明.企业家人力资本特性及其价值的实现[D].成都:西南交通大学,2001.

[5]周坤.论人力资本的特征及其价值实现[J].中国科技论坛,1997(3):21-24.

[6]张维迎.博弈论与信息经济学[M].上海:上海人民出版社,2006.

股票投资价值模型应用 篇2

资本资产定价模型在证券投资中的应用

作者：周俊余

作为现代金融理论的三大基石之一，资本资产定价模型经常被西方发达国家的投资者用来解决金融投资决策中的一般性问题，在诸如资产定价、投资组合业绩的测定、资本预算、投资风险分析及事件研究分析等方面得到了广泛的应用。

一、资本资产定价理论简介

（一）理论渊源 资本资产定价理论是在马克维茨投资组合理论和资本市场理论基础上形成发展起来的一种证券投资理论，主要研究证券市场中资产的预期报酬率与风险资产之间的关系，以及均衡价格是如何形成的。 1952年，马柯维茨在《金融杂志》上发表其题为《投资组合的选择》的博士论文是现代金融学的第一个突破，他在该文中确定了最小方差资产组合的思想和方法，开创了对投资进行整体管理的先河，奠定了投资理论发展的基石。

1964年，威廉・夏普在马柯维茨的投资组合理论的基础上首次提出资本资产定价模型。CAPM是第一个在不确定条件下，使投资者实现效用最大化的资产定价模型，导致了西方金融理论的一场革命。其中心特点是只有系统风险才在股票定价中起作用，股票的报酬与股票系统风险的量度β成正比。

之后，林特（1965）和莫森（1966）对资本市场总体定价行为进行了深入研究并各自提出了风险资产定价均衡模型。他们的研究方法有所不同，但是思想和研究的结果是一致的。1990年，威廉・夏普因为资本资产定价模型的创建而获得诺贝尔经济学奖。

（二）CAPM的假设条件资本资产定价模型建立在以下基本假设之上：所有投资者都追求当期报酬最大化，并以各组合的期望报酬和标准差为基础进行投资组合选择；市场是完全有效的，所有投资者拥有同样的预期，即投资者对所有资产的预期报酬、方差和协方差等均有完全相同的估计；所有投资者都可以无风险利率无限制的借入或贷出资金；没有税金和交易成本；所有投资者都是价格接受者，任何一个投资的买卖行为都不会对股票价格产生影响；所有资产的数量是固定不变的；所有的资产都可以被完全细分，拥有充分的流动性。

（三）模型描述资本资产定价模型可以表示为：

Rp=Rf+β× （RM-Rf）

其中：Rp是资产或资产组合的报酬率；Rf为无风险报酬率；β为给定资产或资产组合的系统风险，RM是市场组合的报酬率。

从模型当中我们可以看出，资产或投资组合的期望报酬率取决于三个因素：无风险报酬率率Rf,通常将国库券的报酬率作为无风险报酬率；风险系数β，β系数是某一投资组合的风险程度与市场证券组合的风险程度之比。β越大，系统性风险越高，要求的报酬率越高，反之，β越小，要求的报酬率越低；风险补偿，即RM-Rf,是投资者为补偿承担超过无风险报酬的额外风险而要求的报酬，即市场组合报酬率与无风险报酬率之差。

二、资本资产定价模型推导

（一）资本市场线在资本资产定价模型中，预期报酬代表所有投资者可能得到的最好的风险回报，预期报酬与标准差之间表示风险――报酬权衡的线称为资本市场线。

如图1所示，A表示所有投资组合的机会集；曲线XMN代表有效集或有效边界，同机会集A相比较，有效集上的组合更有优势，即相同的风险下，有效集上的组合报酬高，相同的报酬下，有效集上的组合风险小；Rf表示无风险报酬率，从Rf开始，做有效集的切线，切点为M,这条直线就是资本市场线（CML），可以用公式表示为 :

RP=Rf+re* p

其中Rp为任意有效组合P的报酬率，Rf为无风险报酬率（纯利率），re为资本市场线的斜率， p为有效组合P的标准差（风险）。

虽然理智的投资者可能选择XMN线上的任何有效组合，但是由于无风险资产的存在，使得投资者可以同时持有无风险资产和证券组合，这种组合位于资本市场线MRf上。MRf上的组合与XMN上的组合相比，它的报酬高而风险与之相同，甚至风险更小，或者风险小而报酬相同或更高。

风险厌恶者可以选择贷出资金，比如购买政府债券，降低风险，当然这样同时也降低了预期报酬率；风险喜好者可以选择借入资金，增加投资风险资产的资金，来提高预期报酬率。

总期望报酬率=Q~风险组合预期报酬率+（1-Q）*无风险利率

其中，Q代表投资于风险组合的资金比例，1-Q代表投资于无风险资产的资金比例，如果贷出资金，Q将小于1,如果借入资金，Q将大于1.

（二）证券市场线按照资本资产定价模型理论，单一证券的系统风险可由β系数来度量，而且其风险与报酬之间的关系可由证券市场线来描述。证券市场线（SML）揭示了市场上所有风险性资产的均衡期望报酬率与风险之间的关系，用公式表示为：

Ri = Rf + β （Rm - Rf ）

其中，Ri 是第i个股票的必要报酬率，Rf 是无风险报酬率，Rm 是平均股票的要求报酬率，即β=1时的股票报酬率，Rm - Rf是投资者为补偿承担超过无风险报酬的额外风险所要求的报酬率，即风险补偿。

如图2所示，证券市场线的斜率表示市场中风险厌恶的程度，投资者对风险的厌恶感越强，斜率越大，要求的风险补偿越多，对风险的厌恶感越小，斜率越小，要求的风险补偿也就越少；无风险报酬率Rf是证券市场线的截距。

证券市场线很清晰地反映了风险资产的预期报酬率与其所承担的系统风险β系数之间呈线性关系，充分体现了高风险高报酬的原则。同时投资者要求的预期报酬率不仅取决于市场风险，还取决于无风险报酬率和市场风险补偿程度。它适用于单个证券和证券组合，既适用于有效组合，也适用于无效组合。

三、资本资产定价模型在我国应用的局限性

（一）资本资产定价模型本身假设的局限性 资本资产定价模型就建立在一系列假设前提之上的，这些假设或多或少存在一些不合理的地方：

（1）有效市场假设不成立。有效市场是指这样一种市场，在这个市场上，所有信息都会很快被市场参与者领悟并立刻反映到市场价格之中，整个市场没有摩擦，没有交易成本和税收，整个市场充分竞争，这在现实中是根本不存在的。在此基础上，所有投资者拥有同样的预期这一假设也不成立。

（2）所有投资者都可以无风险利率无限制的借入或贷出资金的假设不成立。出于对风险控制的考虑，投资者不可能从市场上无限制的借入资金，也不可能将自己的资金无限制的贷出，更不可能以无风险利率借贷资金，所以这个假设是不成立的。

（3）没有税金和交易成本这一假设也是不成立的，证券的买卖都需要花费一定的交易费用，上缴一定的交易税金。

（4）资产的数量是固定不变的假设不成立。在证券市场上，资产的数量是随时变化的，不可能固定不变。

（二）我国证券市场的.局限性 我国证券市场成立于20世纪80年代末，相对于西方国家相对成熟的市场，我国证券市场还存在很多问题，主要表现在以下几个方面：

（1）市场信息透明度低，信息披露不完善。有效市场要求信息完全公开，所有投资者都可以同时免费的获得所有信息，并且市场信息可以立即反映到证券价格上来。但是，在我国证券市场上，信息透明度低，投资者获得信息不同步。另外，由于我国法规还不健全，还有市场主体利益问题，导致市场信息披露不完善，漏报、隐瞒、谎报现象时有发生。所以，很多研究者都指出，我国证券市场正处于弱有效和非有效状态。

（2）股权结构不合理，流动性差。据统计，我国证券市场上发行的股票，60%属于国有股和法人股。我国法律法规对国有股和法人股的流通有很多限制规定，例如，发起人持有的股份，自公司成立之日起一年内不得转让；董事、监事、高级管理人员在任职期间每年转让的股份不得超过其所持有本公司股份总数的25%等。由于国有股、法人股占的比重大，同时又不能随意转让，就导致了整个市场的流动性差。

（3）交易费用高。目前，我国证券交易费用主要包括委托费、佣金、印花税、过户费等，费用是欧美等成熟市场的3―4倍。

四、提高资本资产定价模型在我国适用性的建议

（一）加强监管，推动信息透明化信息透明度低、披露不完善，使我国证券市场处于弱有效和非有效状态，严重限制了资本资产定价模型的应用，同时导致了市场混乱、股价不合理等现象的存在。为此，各部门应加强对信息披露的监管，完善信息披露制度，对应披露的信息、披露时间等问题要明确规定，做到有章可循、有法可依。

（二）解决股权结构不合理的问题 由于我国股权结构不合理，国有股、法人股所占比重过大，又不能随意上市流通，导致了市场供求出现矛盾，投机现象盛行。解决好这一问题，能够提高我国证券市场的有效性，从而提高资本资产定价模型的适用性。

（三）发展证券投资中介机构目前，我国证券市场上的投资者大多是直接投资上市公司股票，而不是通过证券投资机构来实现投资，而且作为投资者个人来说，很难获得风险分散利益，同时，投资者个人又在证券市场上处于弱势地位。发展有效率的证券投资中介机构，通过与上市公司之间的博弈，可以推动信息披露制度的完善， 使我国证券市场信息更加透明，提高我国证券市场的有效性。

五、结论

虽然资本资产定价模型的前提假设有很多不成立，我国市场的有效性也比较弱，但是运用资本资产定价模型来进行证券投资决策分析，可以为投资者解决很多问题，比如计算预期报酬率、为资产定价、评估资产组合的业绩等，所以我们必须改善市场环境，加强证券市场有效性的建设，以此来提高资本资产定价模型的适用性。

参考文献：

[1]马崇明：《论资本资产定价模型及其研究进展》，《财会通讯》第3期。

[2]黄萍，韦增欣：《资本资产定价模型理论及应用》，《科技经济市场》第10期。

股票投资价值模型应用 篇3

关键词:CVaR Copula 核估计 非对称Laplace分布

CVaR Analysis of Investment Portfolio Based on model of Copula-Kernel

Cheng Jinjing Liu Qiongsun

Abstract:In this paper,Copula is combined with kernel density estimation,and a Copula-Kernel model is built to analyze the risk measure of portfolio investment in Chinese stock market.Then a satisfactory result is given after VaR and CVaR are calculated and compared by this model.

Keywords:CVaR Copula Kernel estimation Asymmetric Laplace distribution

【中图分类号】F830.591【文献标识码】C 【文章编号】1009-9646(2009)05-0118-03

1.引言

金融市场的全球化和金融产品的多样化使得金融机构所面临的风险日益复杂,如何有效地测定和控制这些市场风险便成为金融证券机构、投资者和有关监管层所面临的亟待解决的问题。VaR是用来度量金融风险的一种技术方法,但VaR不满足次可加性和凸性等一致性风险度量,与风险分散的市场现象相违背。为此,Rockfall首次提出了CVaR定义[1],它能更好的将投资组合的风险与收益直接联系起来。Copula是一种把联合分布和边缘分布连接起来的函数,它可用来描述多个随机变量间的相依结构[2~5]。在金融风险分析中,如何度量单个资产分布及资产之间的相关结构是风险管理的重要内容。Monica Billio提出了MSRM模型度量投资组合风险问题,并与GARCH(1,1)模型进行比较[6]。Chew&Lilian总结了计算VaR值的参数方法、历史模拟方法和蒙特卡洛方法[7]。Rflung从定义、性质及计算方面对VaR和CVaR之间进行了比较[8],吴振翔等将Copula理论结合t-GARCH模型研究股票投资问题[9]。本研究采用非参数核密度估计来刻画单个金融资产的边缘分布,用Copula函数描述多个资产间的相关结构,构建了Copula-Kernel模型,针对我国股票市场的投资组合问题,借助蒙特卡洛仿真技术[10~11]计算了组合投资的VaR和CVaR值,并加以比较,取得了令人满意的效果。

VaR与CVaR的定义

设f(ω,x):Rn×Rn→R为投资组合的损失函数,ω∈Rn为权重,x∈Rn为引起组合价值发生损失的市场因子,α为置信水平。设p(x)为向量x的密度函数,则对任意的阈值k∈R,预期损失的分布函数为,ψ(ω,k)=∫p(x)dx,则

VaRα=min{k∈R:ψ(ω,k)≥α} (1)

CVaRα=E[f(ω,x)|f(ω,x)≥VaRα]=(1-α)-1

∫f(ω,x)≥VaRαf(ω,x)p(x)dx(2)

实际上,VaR是单一随机变量分布的分位点[12],而CVaR是一个条件期望,CVaR的定义是指在一定的置信水平下,资产或资产组合的损失超过VaR的条件均值。CVaR反映了损失超过VaR阈值时可能遭受的平均潜在损失。它可以更好地体现出潜在的风险价值,尤其是在损失分布非正态分布的情况下,CVaR比VaR更能全面有效地刻画损失分布的数理特征,被认为是比VaR风险计量技术更为合理有效的一种现代风险管理方法。CVaR满足次可加性和凸性[13],符合一致性风险度量的条件。

对于CVaR的计算,关键在于单一资产的收益率(边缘)分布的模拟,模拟的边缘分布越准确,选择的Copula函数越恰当,得到的CVaR值越接近实际情况。

2.Copula-Kernel模型

2.1 核密度估计。

針对金融数据多呈现尖峰、厚尾、有偏的特性,本文主要采用核密度估计单一资产收益率的分布,即确定单变量的边缘分布。

定义:设X1,X2…,Xn为取自总体X的一个简单随机样本,K(x)为定义在(-∞,+∞)的一个Borel可测函数,选取与样本有关的适当的常数hn>0,则定义核密度估计为f^(x)=1nhn∑ni=1K(x-xihn),(3)

定义核分布估计为(x)=∫x-∞f^(x)dx=∫x-∞1nhn∑ni=1K(x-xihn)dx,(4)

其中n指样本个数,K(x)称为核函数,hn指窗宽,要求当n→+∞时,hn→0,nhn→+∞,一般选取hn=cn-0.2,c为与样本标准差σ有关的常数。一般的操作是先选定核函数,再确定窗宽。常见的核函数有Epanechnikov核、Bisquare核、高斯核[14]。本文选取非对称laplace核函数[15]:

f(x)=kσexp{-(11-pI[x>μ]+1pI[x<μ])kσ|x-μ|}(5)

其中,μ是位置参数,σ是样本标准差,p是形状参数,介于0到1之间,它控制着密度函数f(x)的峰度和偏度,k=p2+(1-p)2。当p<0.5时,密度函数呈右偏,即偏度为正,当p>0.5时,偏度为负,p=0.5时,即为标准的laplace分布。

将(5)式代入(3)式,并根据核函数的性质,构造核密度为

f^(x)=knσhn∑ni=1exp{-(11-pI[x>xi]+1pI[x

不妨令fi(x)=kσhnexp

{-(11-pI[x>xi]+1pI[x

kσ|x-xihn|},计算得

Fi(x)=∫x-∞fi(x)dx

=pexp[kpσ(x-xihn)]…………x≤xi

1-(1-p)exp[-k(1-p)σ(x-xihn)]…………x>xi

(x)=∫x-∞f^(x)dx=1n∑ni=1Fi(x)(7)

一般采用核密度估计的分布(x)具有良好的性质,比如逐点渐进无偏性、均方相合性、强相合性[16]。

计算核密度f^(x)和核分布(x)的步骤:

Step 1 输入一组样本观测值{x1,x2……,xn},对参数σ,p进行估计;

Step 2 确定窗宽hn,令hn=cn-0.2,由(6)式得到核密度估计f^(x);

Step 3 由(7)式计算核分布估计(x),或由给定的概率值p,令(xp)=p可反解出xp。

针对金融数据的尖峰厚尾性,选择非对称laplace核函数估计单只股票的收益率分布使得拟合度较高。模拟出边缘分布后,再利用连接函数Copula来刻画资产间的相依关系和模式。

2.2 Copula函数。

定义:称n个服从均匀分布U(0,1)的随机变量U1,U2,…Un,若存在一个n元函数C(•):[0,1]n→[0,1],满足C(u1,u2,…,un)=P[U1≤u1,U2≤u2,…,Un≤Un]。称这个函数C(•)为Copula函数。

Sklar定理:设随机变量X1,…,Xn的边际分布函数为F1(x1),…Fn(xn),联合分布为F(x1,…,xn),则有n元Copula函数C(•),使得对于所有x=(x1,…,xn)∈Rn,有F(x)=C(F1(x1),…,Fn(xn))。

Sklar定理指出可以将一个联合分布分解为它的n个边缘分布和一个copula函数,其中copula函数描述变量间的相依结构。随着计算机技术、信息技术的迅猛发展并日趋完善,copula理论在90年代后期得以迅速发展并运用到金融领域,copula理论已经在金融领域有着广泛的应用,其特点在于不仅可以有效地描述随机变量之间的相关程度,并且能够反映它们之间的相关模式,对于它们的联合分布函数有一个描述。

目前使用的copula函数主要有三大类:多变量高斯copula、多变量t-copula和阿基米德copula,其中阿基米德copula函数应用最广泛,它可以使我们把对多元copula函数的研究简化为单一变量函数的研究。本文选择阿基米德copula函数中光滑性较好的二元Clayton Copula函数:C(u1,u2)=(u1-θ+u2-θ-1)-1/θ。

2.3 Copula参数估计。

由于Clayton Copula函数中含有参数θ,本文采用非参数方法[17~18],即用两个资产样本的Kendall秩相关系数计算。

τ=1n(n-1)∑1≤i≤j≤nsign(xi-xj)(yi-yj)(8)

令τ=θθ+2,解出θ=2τ1-τ。

3.实证分析

3.1 样本的选取与边缘分布拟合。

为了便于计算,本文仅选取了两只股票:上海医药和中国石化,价格定为每日收盘价Pt,样本选取时间为2007年1月4日~2007年9月20日,将数据转化为对数收益率rt=logPt-logPt-1,数据来自国泰君安网。另外,为了准确刻画这两只股票间的相关性,对于交易日t时刻,经过预处理后,得到149组收益率{r1t},{r2t}(t=1,2,…,149)。计算过程用spss和matlab软件实现。

计算步骤:

Step 1 设两只股票的样本分别为{r1t,t=1,2,…,149},{r2t,t=1,2,…,149},计算描述性统计如表1。

表1 描述性统计

最小值最大值均值标准差skewnesskurtosis

中国石化-0.10560.09550.00250.0341-0.34064.1279

上海医药-0.19380.09590.00490.0451-0.19385.0644

由两只股票的基本数据知,峰度值(kurtosis)均高于正态分布的峰值3,偏度(skewness)呈现负数,说明两只股票有不同程度的左偏,采用非对称laplace核函数估计两只收益率分布是适宜的;

Step 2 选取窗宽hn=0.8σn-0.2,其中

σ=1n-1∑ni=1(xi-x)2,n=149,计算出中国石化的hn=0.0102,上海医药的hn=0.0132;对式(2.3)中的偏度值p确定为0.55(模拟得到)。

Step 3 将样本序列和参数代入公式(7)得到边缘分布函数值序列{u1t,t=1,2,…,149},{u2,t=1,2,…,149};

Step 4 为检验拟合效果,分别计算并画出两只股票的核分布估计的p-p图,并与正态分布的p-p图加以比较,如下面图1和图2。

显然两只股票的核分布估计的p-p图都非常逼近直线,其拟合度较高,而正态分布的p-p图形显示拟合精度有一定的误差。由此说明用核分布去估计单一边缘分布能很好地体现金融数据的特性。

3.2 基于Copula函数的Monte Carlo模拟VaR和CVaR值的步骤。

Step 1 利用非参数估计法,由收益率序列{r1t},{r2t}代入式(2.1),计算τ值,从而得出Clayton Copula函数的参数值=2.347826;

Step 2 生成两个独立的均匀随机数u和t;令t=C(u,v)=(u-θ+v-θ-1)-1/θ,解出

v=(t-θ-u-θ+1)-1θ。

Step 3 由步骤2得到的(u,v),

令u=1(1)=1149∑149t=1K(1-thn1),v=2(2)=1149∑149t=1K(2-thn2),可反解出将来某时刻的收益率1、2。

Step 4 将模拟出来的收益率以相等权重组合,生成组合收益率=0.51+0.52。

Step 5 重复步骤2,3,4,模拟10000次,产生一个列向量{rt,t=1,2,…,10000},由此确定rt的经验分布函数F10000(r),由式(1)和(2)可计算不同置信水平α下的VaR值和CVaR值如下表2:

表2 Copula-Kernel模型的VaR与CVaR值

αVaRCVaR

0.10.042530.13059

0.050.06333 0.13985

0.025 0.09238 0.14650

0.020.095630.14873

0.010.105720.15794

由表1可知中國石化和上海医药的收益率均不高,波动也不大,主要是这两只股票在考察期间内价格呈现比较稳定的状态。而两只股票的核分布估计的p-p图显示了用核估计能更好的模拟单只股票的收益率分布。另外,由表2中数据显示在同一置信水平下,CVaR值均大于VaR值。例如,当α=0.1,VaR=0.04253,CVaR=0.13059时,反映了两只股票的相等权重投资组合有90%的把握保证t时刻由于市场价格变动而带来的损失不会超过0.04253,同时有90%的把握保证当超过VaR时由此产生的平均损失为0.13059。这就为投资者衡量风险提供了更加确切的依据。

4.结论

VaR和CVaR均为风险度量的重要工具,前者相当于给出了一个阈值,也就是对于极端事件引起的风险中投资者可以忍受的损失值,而后者则将这种极端事件量化,用直观的数字说明了极端损失的平均值。因此CVaR能够对风险的预测管理起到更加积极的作用。而在求解CVaR值的量化过程中,边缘分布的模拟至关重要。本文采用核函数估计边缘分布的思想,构建了Copula-Kernel模型,该模型容易应用于多个资产组合的风险度量中,对风险管理具有一定的借鉴作用。

参考文献

[1] Rocafeller,T,Uryasev,S.Optimization of conditional value at risk.Journal of Risk,2000,2(3):21～24

[2] Joshua V Rosenberg,Til Schuermann.Schuermann.A General Approach to Integrated Risk Management with Skewed,Fat-tailed Risks.Joumal of Financial Economics,2006,79(3):569～614

[3] Andrew J Patton.Modelling Asymmetric Exchange Rate Dependence.International Economic Review,2006,47(2):527～556

[4] Andrew J Patton.Application of Copula Theory in Financial Econometrics.Department of Economics.University of California.San Diego,2002

[5] Helder Parra Palaro,Luiz Koodi Hotta.Using Conditional Copula to Estimate Value at Risk.Journal of Data Science,2006,4(1):93～115

[6] Monica B,Loriana P.Value-at-Risk:a multivariate switching regime approach,Journal of Empirical Finance,2000,7(5):531～554

[7] Chew,Lilian.Managing derivative risks.New York:John Wiley&Sons,1996,226～317

[8] Rfung G Ch.Some Remarks on the Value-at-Risk and the Conditional Value-at-Risk.In:Ed.UryasevS.Probabilistic Constrained Optmization:Methodology and Application.Boston:Kluwer.Academic Publishers[DB/OL].2000.www.gloriamundi.org/var/pub.html

[9] 吴振翔、陈敏、叶五一、繆柏其.基于Copula-GARCH的投资组合风险分析。系统工程理论与实践,2006,26(3):45~52

[10] 徐钟济.蒙特卡洛方法,上海:上海科技出版社,1985

[11] Bouye E Copulas for finance,a reading guide and some applications.London:City University Business School,2000

[12] 王春峰.金融市场风险管理—VaR方法[M].天津:天津大学出版社,2000

[13] 刘小茂、李楚霖、王健华.风险投资组合的均值—CVaR有效前沿。管理工程学报,2005,19(1):4~8

[14] Wang W,&Wells M T.Models selection and semiparametric inference for bivariate failure-time data.Journal of The American Statistical Association,2000,95:62～72

[15] 黃海、卢祖帝.Value-at-Risk的建模与预测:基于非对称Laplace分布的新方法,中国科学院硕士学位论文,2003

[16] 陈希孺等.非参数统计[M].上海科技出版社,1978

[17] B.L.S.Prakasa Rao,Nonparametric Functional Estimation.ACADEMIC PRESS,1983

股票投资价值模型应用 篇4

(一)投资价值概念投资价值是一个内涵十分丰富的理财概念。传统上人们对于投资价值的理解为:投资对象对于具有投资目的的投资人所具有的价值,这种投资价值包含了有形和无形价值。一般来说在资本市场上,一个公司是否具有投资价值,主要通过公司股票包含的价值含量来确定,价值含量大,则投资价值大,价值含量小则投资小。

公司内在价值是公司股票是否具有投资价值的逻辑起点和理论基础。基于以下三个方面的假设。首先是交易性与可持续使用假设,公司处于动态的发展过程中,公司拥有的无形和有形资产都是处于交易和可持续使用的状态,并且其价值可以在市场得到公允的评价和价格约束, 如果没法进行交易,价格又得不到如实反映,公司就失去了价值基础,显然也不会具有投资价值。其次是有效市场假设,有效市场上资产的价格真实地反映了公司股票的价值数量大小,投资者有充分的时间和充分的信息,去做出理性的投资价值判断。最后是持续经营假设。从本质上看, 投资价值的大小主要受到公司股票所包含的价值含量的影响,价值含量越高,投资价值越大。可持续经营意味着公司在可预见的时间内,将会按照当前的规模和状态持续经营下去,不会破产,也不会停业,这一假设是保障公司投资价值评价获得合理结果的保证。

(二)公司投资价值影响因素

(1)上市公司基本面。基本面包括了公司经营业绩、成长性等指标。如果公司业绩优良,成长性比较高,而且表现出较高的连续性,那么其投资价值就高。例如针对创业板公司投资价值,许多学者研究发现,成长性与创业板上市公司投资价值呈正相关,即成长性越好,投资价值越高。

(2)公司股票特征。公司股票价格、政策和区域特征是影响投资价值的主要因素。例如根据实战经验,小盘低价股通常是具有投资价值一个板块,它能给投资者带来比较高的收益。根据统计,自我国股票市场成立以来,小盘低价股为投资者创造了诸多收益,但是其基本面可能并没有太过于突出的表现。政策特征也是公司股票投资价值的主要因素,以创业板公司为例,创业板公司通常是受政府政策支持的创新性、技术性公司,因此从创业板市场设立以来, 公司股票价格居高不下,充分说明投资者比较看好创业板公司股票投资价值。区域性特征是指经济发达和经济活跃地区的股票,通常比经济不发达地区和非活跃地区股票投资价格大。

(3)公司股票风险特征。根据财务理论,风险包含系统风险和非系统风险,系统风险会影响公司股票投资价值, 宏观经济形势、政治、法律环境等都会影响公司股票的投资价值。非系统风险又称公司风险,如果公司在经营过程中发生财务风险,陷入财务危机,出现资金链断裂,出现经营危机,都会影响公司股票投资价值。

以上三个层面是影响公司股票投资价值的主要客观因素,从主观层面看,公司股票投资价值还受到特定投资者对公司股票投资收益预期、专业的知识判断水平、风险偏好、投机心理等因素的影响。由于主观因素无法预计,并且存在市场及个体差异,本文在研究过程中,主要从客观层面来考察公司投资价值。

二、创业板上市公司价值与投资价值

(一)研究假设与设计

(1)成长性与公司价值正相关。从长远来看,公司价值是决定创业板上市公司投资价值的决定性因素,而成长性是公司价值的代表性指标,从创业板市场成立以来,成长性几乎成为创业板上市公司的“代名词”,高成长性是公司价值的决定性因素。因此,提出假设:创业板上市公司价值与成长性呈正相关关系。成长性越高,公司价值越高。

(2)成长性与公司投资价值正相关。创业板上市公司多为成长潜力较大的中小公司。其成长性与公司价值和投资价值密切相关。公司的成长空间在衡量公司处于的成长阶段的同时,也与公司价值和投资价值密不可分,在公司最初的发展经营阶段,上升空间大、成长性高、发展空间也更加广阔,对于公司的投资收益较高,公司的投资价值也越大。而在公司发展进行到一定阶段,成长到一定的程度, 公司的发展上升空间越来越具有局限性,因而其成长性对于投资价值的影响程度或许会出现一定幅度的改变。

根据以上两个假设,本文首先利用剩余价值模型评估企业价值,然后将分别寻求合理替代指标,将成长性与企业价值、投资价值进行模型回归检验,以验证创业板公司投资价值主要影响因素。

(二)模型及样本选择

(1)公司价值评估模型选择依据。公司价值估计包括三个核心问题:一是界定公司收益。如果公司持续经营很长时间,那么界定公司的收益是非常简单的,创业板上市公司刚刚上市,持续经营的时间还很短,现金流也比较少, 更重要的是创业板上市公司的成长性很高,很难通过当前的收益来判断公司未来的发展。二是预测未来收益。创业板上市公司的特殊之处在于具有较高的未来成长性,同时也伴随着较高的风险,合理预测公司未来收益要首先建立公司价值的指标体系,通过对公司的量化指标测度,避免简单的定量增长等估计方法带来的预测不准确的弊端,考虑到预测方法的通用性,针对不同行业和公司特点,从多角度对公司综合评价。三是选择折现率。折现率决定了公司未来收益在当前的价值,因此,如果确定的折现率不合理,将导致公司价值评估结果严重偏离实际。通常情况下, 折现率可以选择多种方法,公司的加权平均资本成本度量了公司的资金筹集付出的代价,市场利率度量了社会平均资产收益率水平,无风险利率则度量了稳定增长资金收益水平,选择折现率应该综合考虑公司现实状态,利用多个模型给出综合的结果,不能简单地选择公司加权平均资本成本率进行度量。

(2)剩余价值模型。现有文献对于剩余收益估计模型做了许多不同的假设和估计,本文在总结这些理论研究的基础后认为,Feltham和Ohlson(1995)提出的一种剩余收益估计模型对于本文所要体现的会计角度的公司价值更有价值和意义。该模型在公司价值与会计数据之间建立了一种直接的联系,并且由于其对于处理方法没有严格的限制,因此具有广泛的实用性。本文根据需要采用Ohlson方法对于公司价值进行评估。可用模型表示如下:

其中Xta为第t期的剩余盈余,r为权益资本成本率, bvt-1为t-1期的公司净资产账面价值,ROEt为公司第t期的权益资本收益率。

要得到公司的价值,需要对其进行改进,选用权益报酬率作为公司的盈余预测置换原公式中的权益资本收益率, 来对预期盈余进行预测。

FROE1+i表示第t期预期权益报酬率;bv PSt表示第t期每股净资产的账面价值。其中每股净资产的账面价值可以从年报中直接获得,其他指标需要经过计算来估计。

使用剩余价值模型,需要估计的变量为预期权益报酬率和权益资本成本。针对预期权益报酬率,本文利用投资机构预测的净资产收益率作为预测权益报酬率的替代指标。针对权益资本成本,采用CAPM模型估计上市公司的权益资本成本。

考虑到数据的可得性,选择数据完整的147家创业板上市公司的2012~2013年数据作为样本,对2013年和2012年两年的创业板上市公司公司价值进行评估,数据均来自于Wind资讯和公司上市公司年报,得到创业板上市公司的排名如表1。由于147家公司数据较多,在此列出前10家进行比较分析。

剩余价值模型法从公司每股净资产的角度来体现公司的价值,现金流量DCF方法则侧重于公司的总价值即未来的公司总资产价值。且创业板上市公司的公司价值在2012和2013两年稳步增长,也意味着创业板在未来具有较好的发展前景。为了进一步探究公司价值的估计与公司成长性的关系,根据以上假设对公司价值、公司成长性和公司投资价值之间的关系进行探究。

三、创业板上市公司投资价值实证分析

(一)创业板上市公司成长性与公司价值关联度分析根据第一个假设,结合实际数据探讨公司成长性与公司价值之间的相互关系。前文中计算得出147家样本公司的公司价值,先将其与成长性建立回归模型,观察其拟合效果。并根据上市公司样本成长性的排名,选择前50名的公司与后50名的公司分别进行回归估计,探索其是否会出现不同,并比较得出结论。

(1)指标选取。具体如下:

公司价值:对公司价值的估计分析,采用更加稳定、反应每股净资产的剩余价值模型估算出的公司价值评估结果作为衡量公司价值的指标

成长性:成长性主要注重观察公司在一定时期内的经营发展状况,本文拟采用主营业务收入增长率来衡量。主营业务收入增长率高表明公司市场需求大,业务扩张能力强。如果一家公司可以连续若干年保持30%以上的主营业务收入增长率,基本上可以认为这家公司具备良好的成长性。

(2)实证检验。首先,对成长性前50名上市公司的公司价值进行关联分析。根据147家创业板样本上市公司的公司价值估值和主营业务收入增长率的2013年度数据, 选择成长性排名前50名的公司,利用Eviews7.2计量经济学分析,建立一元线性回归模型,考察其之间影响的显著性。

表2为Eviews输出表格,考察单因子的影响是否显著,因而重点考察成长性相对于公司价值指标OHLSON的影响显著性程度,从输出结果中注意到,成长性对于OHLSON的显著性P值为0.0453,在95%的置信水平下,拒绝成长性对于OHLSON没有显著影响的原假设,即说明公司成长性对于公司价值存在显著影响。

其次,对成长性后50名的上市公司的公司价值进行关联分析。依据147家创业板样本上市公司的公司价值估值和主营业务收入增长率的2012年度数据,选择成长性排名后50名的公司,利用Eviews7.2计量经济学分析,建立一元线性回归模型,考察之间影响的显著性。

表3为Eviews输出表,公司成长性指标对于公司价值估值指标OHLSON的影响显著性检验P值为0.8522,在95%的置信水平下,无法拒绝成长性对于OHLSON不存在显著性影响的原假设。说明成长性后50名的公司,其成长性对于其公司价值不存在显著的影响。

(3)研究结论。对公司的成长性和公司价值之间的关系,本文进行了上面两个方面的探索。结果显示,成长性好的公司,其成长性与公司的公司价值密不可分,存在显著的影响;而成长性较弱的公司,其成长性对于公司的公司价值影响无法通过统计意义上显著性的检验,因而其显著影响不成立。为更好地解读模型所得出结论的实际经济意义,要重新审视指标的选择。在成长性指标的选择中选取公司主营业务收入增长率作为替代指标,该指标作为一个相对数,重点反映报告期主营业务收入增加值占基期主营业务收入的比重。该指标数值越大,意味着新增主营业务收入占基期比率更大,即公司处在发展扩张的黄金期,成长空间较大。而该指标数值越小,即成长性越小意味着公司成长势头较小,新增收入的速度越小,公司处于发展的平稳期。

结合模型结果,可得出经济意义上的结论。即:处于初步发展时期的公司,成长性高,成长空间较大,公司新增收入快速上升的同时其成长性对于公司价值的影响也非常显著;而处于稳步发展的公司,具有一定规模,成长空间较小,此时,成长性就不再是影响公司价值的显著因素。

(二)创业板上市公司成长性与投资价值的关联性分析根据第二个假设,分析创业板上市公司成长性与投资价值的关系,创业板公司具有较大上升空间的特点,使得研究其投资价值具有更多的实际意义。在对公司投资价值与公司成长性之间关系的研究中,采用前文得到的147家创业板样本上市公司数据,选取经济指标对其进行实证分析。

(1)指标选择。具体如下:

投资价值。对创业板上市公司来说,市盈率法是一个比较好的选择。作为创业板上市公司,其股份制的性质与可在交易所进行股权交易的特征使得其投资价值可在股票交易市场中通过具体的数量指标来衡量。一般来说,为分析股票的动态投资价值,市盈率是最为常见的指标。其计算公式为:

由于该指标数据在上市公司年报中易查得,因而便于在不同公司之间进行比较。

公司成长性。与前文一致,采用主营业务收入增长率来评估公司的成长性,理由与计算公式参考前文。

(2)实证检验。首先对成长性前50名上市公司的投资价值进行关联性分析。选择147家样本上市公司的市盈率与主营业务收入增长率数据,根据排名选出成长性前50名的公司,利用Eviews7.2软件,对于公司成长与投资价值的关系进行一元回归分析。

根据表4的Eviews输出结果显示,成长性对于投资价值PE影响的显著性检验P值等于0.0025,在95%的置信水平下,拒绝成长性对于PE不存在显著影响的原假设,接受备择假设,即成长性指标成长性对于公司的投资价值PE影响非常显著。

然后对成长性后50名上市公司的投资价值进行关联性分析。依据排名选出 成长性后50名的公司 ,利用Eviews7.2计量经济学分析软件,对于公司成长与投资价值的关系进行一元回归分析。

表5为Eviews输出结果图,可以发现成长性指标成长性对于投资价值PE的影响显著性检验P值为0.8841,在95%的置信水平下,无法拒绝成长性对于PE不存在显著影响的原假设,即成长性后50名的公司,其成长性成长性对于公司投资价值PE不存在显著影响。

(3)研究结论。依据成长性的优良差异对公司进行分类,分别建立成长性与投资价值的一元回归模型。从前后两个模型的对比中可以得出下面两个直观结论:成长性较好的公司,其成长性对于投资价值的影响非常显著;成长性较弱的公司,其成长性对于公司的投资价值影响无法通过统计意义上的显著性检验,不显著。成长性良好的公司, 意味着其处于发展的黄金时期,公司扩张迅速,发展势头强劲,成长空间大。而成长性校对较弱的公司,其处于公司发展的稳步期,公司扩张慢发展稳定,成长和拓展空间较小。因此可以得出成长性与投资价值的经济结论。处于发展黄金期的公司,其成长性高成长空间大,成长性对于投资价值的影响尤为显著。而在公司逐渐发展的过程中,公司逐渐壮大,其形成一定规模之后,成长空间也越来越小, 此时成长性相对较弱,这时公司的成长性不再是公司投资价值的显著性影响因素。

四、结论与建议

股票投资价值模型应用 篇5

二、货币时间价值产生原因社会经济的发展需要利用社会资源，而利用社会资源生产出来的社会产品的总和构成社会财富。由于社会资源的稀缺性，且机会成本和通货膨胀的存在，使得当前物品的价值比起未来的物品的价值要高，也就是说随着时间的推移未来的一单位货币购买力小于现在的一单位货币购买力。从货币经济学角度看，货币体现了商品价值。当前的货币用来交换当前的商品，而未来的货币用来交换未来的商品。因此，当前货币的价值要高于将来货币的资本价值。我们可以使用市场利息率来反映稀缺的社会资源和经济的平均增长速度，也可以用来衡量货币的时间价值

[1]。

三、货币时间价值在长期投资中的应用

1、正确理解货币的时间价值在把握货币时间价值的内涵时，有两点需要我们注意：首先是货币时间价值。货币时间价值指的是没有通货膨胀和风险的情况下的平均利润率。如果通胀和风险确实存在，我们必须把它们纳入考量中。其次，资本在不同的时间点的价值也不同，资本的收支要换算成同一时间点，才可以进行对比和计算。为此，我们不能直接将不同时间点的货币拿来对比，而应当把它们折算同一时间点以便计算。例如，您准备投资一家钢铁厂，如果马上开发可以获利30万元，若5年后投资，则可以获得50万利润。那么您应该选择哪个时间点投资？有的主张5年后开发。因为50万显然高于30万，有人则认为要考虑货币时间价值的增加。即，如果马上投资获得30万，继而把这30万投资其他领域，若社会的平均资本利润率为15%，那么5年30万就变成60万[30×1.155=60万]。利润显然比50万大。这样把货币的时间价值纳入计算后，利润进一步增加了。如果不考虑这一价值，虽然钢铁厂的投资仍然有收益，但显然不是最合理的。

股票投资价值模型应用 篇6

【关键词】支持向量机 股票价格预测 量化分析

【中图分类号】G64【文献标识码】A 【文章编号】2095-3089（2016）10-0227-01

一、引言

随着金融市场的逐步完善，证券交易所的交易量也在不断的提升，预测未来一段时间内的证券价格成为广大投资者密切关注的问题，同时产生了许多优秀的证券分析预测方法[1]，如基本分析和技术分析（K线图、移动平均线和OBV线等）。然而这些方法从本质上来讲只是分析方法，其预测结果不很理想。近年来，国内外学者纷纷采用人工神经网络[2]、支持向量机[3]等方法对证券交易数据，特别是股票市场的数据进行处理，试图揭示证券交易数据背后所蕴含的意义，并对其价格进行预测。目前，国内外关于证券价格预测的方法主要有证券投资分析法、时间序列分析法、人工神经网络法和支持向量机方法[4]等。

自2000年以来，国内外对支持向量机的研究不断地增加，SVM应用于证券价格预测领域的优势可概括为：

（1）SVM具有坚实的数学理论基础，是专门针对小样本学习问题提出的。

（2）从本质上讲，SVM算法是一个凸二次规划问题，可以保证得到的解是全局最优解。

（3）SVM采用核函数方法，有效的解决了复杂计算问题。

（4）SVM应用了结构风险最小化原则，因而具有很好的推广能力。

基于以上优点，我们可以相信SVM在证券价格预测领域将越来越受推崇。

二、支持向量机简介

支持向量机分类的目标是能在某特征空间中学习到一个分类超平面，使得在这个空间中能够将数据线性分开。支持向量机的研究最初是针对模式识别中的二类线性可分问题提出来的。由于股市的数据是非线性的，SVM对数据进行非线性映射，通过映射？覬：X→F ，将数据映射到一个合适的特征空间F中，从而使数据线性可分，然后在F中构造最优超平面。由于优化函数和分类函数都涉及样本空间的内积运算， 因此在变换后的高维特征空间E中需进行内积运算<？覬（xi），？覬（xj）>，根据满足Mercer定理，对应线性变换空间中的内积，<？覬（xi），？覬（xj）>=k（xi，xj）。采用适当的核函数k（xi，xj），就能代替向高维空间中的非线性映射，实现非线性变换后的线性分类。

三、支持向量机在股票价格预测中的应用

（1）支持向量机核函数的选取问题

支持向量机方法是将数据映射到一个Hilbert特征空间中，然后在此特征空间中对数据进行处理，数据分类时选择合适的核函数非常重要。目前的方法大部分是使用一种径向基函数Guass核函数，同样可以作为核函数的还有径向基函数吴函数和Wendland函数，在对径向基函数和Guass核函数做了充分研究的基础上，对支持向量机中的核函数可以进行分析和改进。

（2）将改进的分类方法应用到股票价格预测中

将分类方法应用到股票价格预测中时，要面临以下问题： 一是变量的选取问题， 我们希望在选择尽量少的向量的基础上达到做好的预测效果。 二是变量的处理问题， 目的是不能出现向量被覆盖的问题。

四、总结

随着非线性理论、统计学、系统论、信息论、控制论和人工智能技术的空前发展，证券价格预测也开辟了新思路。支持向量机作为一种新的机器学习方法，它基于严格完备的数学理论，引入结构风险最小化原则，可以得到全局最优解，解决了陷入局部极小点的问题，利用支持向量机对证券时间序列进行预测是目前金融预测领域的最好方法之一。

参考文献：

[1]彭丽芳， 孟志青， 姜华等.基于时间序列的支持向量机在股票预测中的应用[J].计算技术与自动化，2006， 25（3）：88-91.

[2]彭望蜀.基于BP神经网络与支持向量机的股票指数预测模型比较[J]. 南方金融， 2013（1）：71-72.

[3]克里斯蒂亚尼尼.支持向量机导论[M].电子工业出版社， 2004.

[4]刘道文， 樊明智.基于支持向量机股票价格指数建模及预测[J].统计与决策， 2013（2）：76-78.

作者简介：

股票投资价值模型应用 篇7

TOT项目涉及多种风险,不确定性较大,周期长,投资规模大,如何进行有效价值评估,成为经营性TOT项目成功的关键。本文尝试对传统的二叉树模型进行拓展,用三叉树定价模型对污水处理TOT进行投资价值研究,以使决策结果更为合理、准确。

1 污水处理TOT项目及三叉树模型

1.1 污水处理TOT项目

TOT(移交-运营-移交)模式指政府对其已建成的基础设施,通过公开招标的形式向社会投资者出让资产或特许经营权,投资者在购得特许经营权后,组成项目公司,在合同期或特许经营期内拥有、运营和维护该设施,通过使用者付费或政府付费,可行性缺口补贴的形式取得收益。合同期(特许经营期)满后,投资者将基础设施无偿移交给政府。对于政府来说,第一次移交能全部收回投资,减轻财政负担。对于社会资本来说,其避免了建设过程中的资金投入以及各种风险。污水处理TOT项目融资过程见图1。

对于污水处理项目而言,资金投入是分阶段进行的,每一阶段的投资收益都作为下一阶段投资的依据。投资者根据项目的不确定性,可选择立即投资;也可耐心等待机会,待市场信息进一步清晰后根据市场等情况,采取扩大或放弃或收缩投资。这表明在不确定条件下,生产经营状况及行业的市场前景具有动态的“期权特征”。实物期权将项目的多种不确定性因素视为项目价值的一部分进行定价评估,弥补了传统方法的不足,认为项目的价值等于项目未来现金流的净现值(NPV)加上未来实物期权的价值。实物期权定价方法包括B-S定价模型,二叉树定价模型等。

1.2 三叉树模型

经典二叉树期权定价模型存在一定的缺陷,其假设中只认为标的资产价格会呈现上升和下降两种状态,没有考虑标的资产价格保持不变的状态。三叉树模型是二叉树模型的延伸和拓展,认为每个节点上资产价格有向上、向下和平稳三种路径,依次分别计算出各个节点上的数值进而求出期权价值。其用更多的状态来逼近标的资产价格走势的连续分布,相比二叉树,其准确性更高,更符合现实情况。将三叉树模型应用于污水处理TOT项目的投资价值分析,可以使做出的决策结果更趋于合理。

2 基于三叉树的期权定价模型构建

2.1 模型的基本假设

对污水处理TOT项目投资中存在的实物期权进行估价时,试用无风险套利方法获得实物期价值。为方便后期计算,需要作如下假设:

(1)市场是完备的,不存在无风险套利;

(2)存在已知的无风险利率r,并且不随时间变化;

(3)标的资产价格,即其预期收益现值,随时间的变化服从几何布朗运动,即

式中,s:标的资产价格变化量;μ为单位时间内的资产的预期收益率;σ为标的资产的波动率;t为时间间隔;dz为标准布朗过程;Δt表示步长;

(4)根据风险中性假设,项目交易不需要支付交易费用和税收;

(5)假设项目资产价格的变动状态分别有:上涨、稳定、下跌三种,其对应的变化比例为u、m、d,对应的风险中性概率为Pu、Pm、Pd,且满足等式ud=m=1,pu+pm+pd=1。

(6)假设项目的资产价值经过有序运动后的值与其运动的次序无关。

2.2 多期三叉树模型的构建

建立如下关于u、m、d、Pu、Pm、Pd的方程组:

2.3 参数的确定

从形式上看,污水处理TOT项目投资价值的实物期权模型和金融期权定价模型基本相同,但由于污水处理TOT项目所具有的独特性,应赋予变量不同的内涵(见表1)。

(1)污水处理项目预期收益现值(资产价值当前值)S

在污水处理项目的实物期权中,标的就是污水处理项目本身,其预期收益价值就是项目的预期现金流入量现值。

(2)污水处理项目投资成本现值X

TOT项目的投资成本也是行使期权的成本(执行价格),包括运营期的经营成本,维护成本等,是项目投资支出的折现值。

(3)污水处理项目价值波动率σ

影响污水处理TOT项目价值的因素有很多,有水价、处理水量、水文条件约束等。而水价由于是变动的,在签订特许经营协议时,签订了相应的水价调价公式,因此污水处理项目价值波动率由水价的波动率来确定。

(4)无风险收益率r

无风险利率是指投资者将资金投资与政府债券等类似于无风险等级的债券所能获得的收益率。计算时可以采用与该污水处理项目期权期限相同的国债利率作为无风险利率。

(5)污水处理项目的期权期限T

该时间即为距失去投资机会的时间。污水处理TOT项目的期权期限应为项目的运营期,即特许经营期。

2.4 实物期权估价计算

(1)将第n期节点上的数值作为计算基础求解。计算第n期每个节点的值,将继续持有期权价值与执行期权价值进行比较,其中的较大者作为该终端节点上的值。

(2)计算中间各节点上的值。根据公式(1)-(5)求出风险中性概率pu、pm、pd。计算继续持有期权的价值。取继续持有期权和执行期权的较大值作为中间各节点的数值。

(3)以此类推,即可得到该标的的实物期权价值。

计算得出基于三叉树定价模型的实物期权价值:

依据实物期权理论,一个项目的实际价值应该有项目的净现值(NPV)和项目的期权价值(FROV)两部分构成。

因此,污水处理项目的投资价值可以表示为:

如e NPV>0,则可以考虑项目持续投资。

3 三叉树期权定价模型在某污水处理厂TOT项目的应用

3.1 项目概况

山东招远某污水处理厂一期、二期TOT项目资产转让金为4382万元,特许经营权的期限为25年,自项目进入商业运营日开始起算。项目采用的投资回报模式为使用者付费。项目的利润增长点为污水处理费以及中水回用等。预期今后25年现金流量的现值为5000万元。

3.2 三叉树定价模型的应用

在项目实施中,始终存在放弃期权。当净现值较小时,放弃期权更有价值。如果出现难以继续经营的情况,可以通过廉价出售项目资产提前结束特许期或者尽可能预先安排收缩期权来将损失降到最小。如果期望收益(标的资产价值)低于项目可挽救价值,可以选择放弃这一项目。

对于本项目,输入参数如下:

(1)污水处理项目预期收益现值S0=5962万元

(2)污水处理项目投资成本现值X=4382万元

(3)污水处理项目的价值波动率σ。污水处理项目的价值波动率有水处理价格的波动率来确定。在调查近几年的水价后,得到此项目的波动率σ=15%。

(4)无风险收益率r。用国债利率作为无风险利率可得此项目的无风险收益率为r=5%。

借助Excel,按照上述三叉树模型进行资产价值计算,根据公式可得到污水处理投资资产价值以及三叉树实物期权价值。

考虑污水处理项目的公益性,其基准收益率较低,本案例中取贴现率为8%,根据往期运营状况得到该污水处理厂项目的NPV值为4217万元。

此方案可行,可以考虑投资。

4 结语

在污水处理TOT项目投资决策中引入了实物期权的思想理论以及三叉树的定价模型,改进了传统的DCF的评估方法,弥补了传统方法缺乏柔性管理的不足。三叉树的方法,既避免了B-S模型无法给出美式期权解析的问题,又解决了二叉树准确性较低的问题。实例证明三叉树模型能较好地反映出污水处理TOT项目因周期长,不确定因素较多而产生的期权价值,通过实物期权的理念可以采取灵活的投资决策更全面衡量项目的价值,为决策者提供合理化的建议。由于在过程中存在放弃期权,产生了相应的附加价值,投资者应理性看待期权价值并合理加以利用。该模型对于完善污水处理TOT项目投资决策有着重大的理论和实际应用价值。但是仍然存在着一些问题,有些参数比较抽象,如何准确估算参数σ和r的取值应进一步研究。在实际执行中,实物期权有可能出现项目价值被过高估计的现象,管理层应谨慎运用实物期权,科学决策,避免因价值过高估计而带来得投资失误。

摘要：污水处理TOT融资模式的应用日益广泛,合理进行项目投资价值分析对投资者来说尤为重要。结合实物期权理论对污水处理TOT项目进行分析,构建三叉树期权定价模型,确定污水处理TOT项目因不确定性所增加的期权价值。研究结果可以为决策者提供更合理的决策依据。

关键词：污水处理,TOT模式,实物期权,三叉树模型

参考文献

[1]杨畅.TOT项目融资中国有资产转让定价的博弈分析[J].中国管理科学,2006(6):22-27.

[2]肖明,张建红.钢铁污水TOT项目实物期权法定价案例研究[J].武汉理工大学学报,2010(1):62-65.

[3]张新艳.基于实物期权方法的城市供水TOT项目价值评估研究[D].天津:河北工业大学.2008.

[4]孙燕芳,周曲艺.我国不同行业PPP项目的交易结构对比分析[J].建筑经济,2015(6):9-11.

[5]赵雪萍,田水承,李红霞.基于三叉树定价模型的煤矿安全投资期权价值研究[J].矿业安全与环保,2014(1):113-119.

[6]黄歌,杨高升.水电项目投资中三叉树期权定价模型的应用[J].工程建设,2009(5):20-25.

[7]唐冰松,郭树锋,陈文梅,等.基于投资项目收益最大化的投资选择策略[J].建筑经济,2014(12):120-124.

股票投资价值模型应用 篇8

从企业财务管理的角度看, 学术界对企业是否应进行社会责任投资尚未形成一致的观点。以Copeland、Murrin和Koller为代表的传统理论认为企业管理者应选择能扩大企业未来现金流量的投资决策 (Copelan、Murrin、Koller, 1994) , 而社会责任投资是为了行善, 不仅无法取得经济回报, 还会增加成本, 降低企业未来现金流量, 因此企业不应该承担社会责任。与此相反, 随着全球经济的高速发展, 一些深层次的环境和社会问题日趋显现, 企业已经不能仅以盈利作为唯一经营目标, 越来越多的企业开始关注自身的社会责任问题。社会责任的理念也发生了变化, 社会责任不仅是为了提高绩效, 还是企业的一个强大的创新和竞争优势来源。即使企业承担社会责任会降低企业未来现金流量, 但基于利益相关者理论, 企业还是应考虑到各利益相关者的权益, 积极进行社会责任投资 (Paine, 2002) 。虽然企业社会责任本身不是一种资源, 但它却是提高企业竞争优势的重要途径, 企业承担社会责任不是一种简单的利他主义行为, 而是一种既利己也利他的最优抉择, 可以转化为稳定增长的财务收益 (张兆国等, 2009) 。

大多数实证研究结论认为企业社会责任有助于改善企业经营业绩, 降低隐性成本 (如产品质量成本、环境成本等) 和显性成本 (如借款利息等) , 保持可持续发展, 创造出更多的利润。但沈洪涛 (2007) 认为这些实证研究的结论缺乏相应的经济学理论支持, 算不上是科学的理论答案。

针对上述情况, 本文在中国的制度背景下通过建立经济学的供求关系模型来考查企业社会责任投资与市场价值的关联性问题, 为企业社会责任投资决策提供理论支持。

一、理论基础及文献回顾

何为企业社会责任投资?不同的文献有不同的定义, 大多数学者将其定义为企业为改善社会或环境而作出的投资行为 (Waddock S.A.等, 2004) 。本文也采用这一定义。其中, 不同的利益相关者对企业社会责任有不同的偏好;社会发展的不同阶段, 这些偏好也会发生相应的变化 (Clarkson M.B.E., 1995) , 但只要企业投资行为是为了履行其社会责任, 即只要企业自觉为改变社会和环境而努力, 本文就认为这类企业为“社会责任企业”, 其对这方面的投资也就是企业社会责任投资。本研究试图通过理论模型的推导来证实在某种特定的条件下, 即使会降低未来现金流量, 企业也应该承担其社会责任 (Barney J.B., 2002) , 并因此实现企业市场价值最大化。

何为企业市场价值?文献中关于企业价值的定义很多。Orlitzky、Schmidt和Rynes (2003) 在研究企业社会责任与企业价值时, 有两种不同的定义, 会计价值和市场价值。本文认为, 在研究社会责任与企业价值的关联性时, 市场价值的概念比会计价值更合适。这里所讲的市场价值是企业发行在外的股票数量与股票市场价格的乘积。本文将管理者目标定位为企业市场价值最大化, 也就是指企业股票市场价值最大化。

企业社会责任投资与企业市场价值的关系如何?半个多世纪以来, 关于企业社会责任与财务目标的关联性问题一直是学术界争论的焦点, 关于两者关系的实证结果并不一致, 有些研究认为两者负相关, 有些则认为正相关。这种结论不一致的原因大致可以分为以下几种情况:①不同模型中的变量设计不同;②大部分研究都是跨产业的研究, 而不同的产业下的企业市场价值是不可比的;③研究范围较为局限;④研究期间较短;⑤企业社会责任和企业市场价值的衡量指标选取不适当;⑥缺乏因果关系的验证, 过去的研究集中于单向关系的讨论, 而忽略两者之间互为因果的可能。

鉴于此, 本研究采用经济学供求关系模型, 从理论上对上述两者的关系进行研究, 以期得出说服力的结论。

二、模型设计

本文将社会责任投资机会视为企业向投资者提供的一种“产品”。在该产品市场上, 承担社会责任的企业为该产品的供应方, 偏好社会责任的投资者为需求方。通过建立该产品的供求关系模型得出社会责任与企业市场价值之间的关联性。

1. 前提假设。

学术界对中国的资本市场的研究很多, 有实证研究表明, 我国资本市场呈现高风险性, 有效性不强 (李道叶, 2007) 。但随着2009年中国创业板的启动, 中国资本市场的多层次体系不断趋于完善, 资本市场的效率不断提高, 鉴于此, 本模型假设资本市场是半强式有效的, 即市场上公开的信息大致可以反映企业的实际情况 (Fama, 1970) 。企业公开其社会责任投资信息会降低其未来现金流量, 投资者在社会责任投资时会依据相关信息考虑该投资对企业未来现金流量的影响, 并因此调整他们对公司股票的评估, 决定是否继续持有或抛售公司股票。

社会责任投资会提升企业的公信力, 塑造良好的企业公共形象, 提高自身的影响力, 从而增加企业未来现金流入量。根据贴现现金流量法 (DCF) , 未来现金流量的增加会增加企业市场价值。但从短期表现形式上看, 社会责任投资需要付出一定的财务成本, 从而导致企业盈余下降。本文为了更直观说明社会责任投资与企业市场价值之间的关联性, 只考察那些会降低企业未来现金流量的社会责任投资, 即本文假设社会责任投资会降低企业未来现金流量。

2. 变量定义。

(1) 关于企业的变量。假设经济系统中有N个企业在同一竞争性产品市场上出售同质产品, 这些企业在该产品市场上的盈余都为E。P为其股票价格, S为所发行的股票数量。为简化起见, 本模型假设所有的企业都发行同类股票, 且发行规模一样, 并假定所有企业无负债融资。

在模型中, 企业间差异只在于它们是否对企业社会责任进行投资。假设a为那些偏好社会责任投资的企业比例, 本文称之为“社会责任企业”, 它们是经济系统中社会责任投资机会的供应方; (1-a) 为无社会责任投资偏好的企业比例, 根据上述第二个理论假设可推知, 这些企业追求的是未来现金流量最大化, 本文称之为“逐利企业”。

(2) 关于社会责任投资的变量。企业需要作出是否进行社会责任投资的决策。F=1表示企业偏好进行投资额较大且会降低企业未来现金流量的社会责任投资。企业利用自己的盈余对社会责任进行投资, 投资所耗资金C为因社会责任投资而减少的净盈余。F=0表示企业无社会责任投资偏好。

(3) 关于投资者的变量。假设经济系统中投资者的数量为I, 其投资额都为m。有些投资者目标为自身财富最大化, 本文称之为“逐利投资者”;有些投资者偏好对社会责任企业进行投资, 本文称之为“社会责任投资者”, 他们是经济系统中社会责任投资机会的需求方。设b为社会责任投资者比例, 则 (1-b) 为逐利投资者比例。

社会责任投资者投资于社会责任企业 (F=1) 的平均利润 (或平均效用) 为:

其中:分子为经济系统中全部社会责任企业的总盈余, a N为社会责任企业总数, (E-C) 为其平均净利润。分母是经济系统中社会责任投资者数量。将社会责任企业总利润除以社会责任投资者数量所得的商为社会责任投资者平均盈余。与此同时, 模型假设社会责任投资者的逐利投资 (F=0) 的盈余为0。

逐利投资者投资于逐利企业 (F=1) 的平均利润 (或平均效用) 为:

其中:分子等于经济系统中全部逐利企业的总盈余, (1-a) N为逐利企业总数, E为其平均利润。分母是经济系统中逐利投资者数量。按惯例, 这些投资者对社会责任企业进行权益投资时不受限制。但本模型认为这种行为会降低企业未来现金流量, 追求利润的投资者不愿对此类企业进行投资, 即C=0。

3. 模型的提出。

社会责任企业和逐利企业股价依其股票市场供求情况而定。在本模型中, 社会责任企业的股票供应量为:

其中:SSR为社会责任企业的股票供应量。假设有100家企业, 其中25%为社会责任企业, 每家企业发行10 000股, 则全部社会责任企业股票供应量为250 000股。

逐利企业股票供应量为:

其中:SPM为逐利企业的股票供应量。假设有100家企业, 其中75%为逐利企业, 每家企业发行10000股, 则全部逐利企业股票供应量为750000股。

经济系统中全部投资者的资金为投资需求量, 则社会责任企业的股票需求量为:

其中:DSR为社会责任投资者的资金量。如果有200位投资者, 其中25%为社会责任投资者, 每位投资者投资m=50000 (元) , 则社会责任投资者的投资规模为2500000元。

逐利企业的股票需求量为:

其中:DPM为逐利投资者的资金量。如果有200位投资者, 其中75%为逐利投资者, 每位投资者投资m=50000 (元) , 则逐利投资者的投资规模为7500000元。

两类企业的股票价格的计算方法如下:分别将社会责任投资者和逐利投资者的投资规模除以每种股票的供应量。分别见公式 (7) 、 (8) :

采用上述假设的数字可以计算得出社会责任企业股价为10元, 而逐利企业的股价也是10元, 即在均衡状态下, 两类企业市场价值相等, 因此可以得出以下公式:

将公式 (9) 调整可得a=b。

因此, 当市场达到均衡状态时, 社会责任投资者比例等于社会责任企业比例, 逐利投资者比例等于逐利企业比例。

三、模型分析

2009年诺贝尔经济学奖得主Elinor Ostrom认为, 任何体制都是不断自我调整和完善的。企业社会责任同样需要这样的调整和演进, 接受各利益相关者参与博弈。企业可以通过以下三种形式影响其社会责任投资机会的供应量:①逐利企业开始进行社会责任投资, 如中国商务部的家电下乡政策对所指定的家电下乡企业的社会责任投资影响;②社会责任企业停止其社会责任投资, 如在经济危机时期下降最快的就是社会责任投资预算;③企业保持现有的社会责任投资水平, 如房地产企业在科技创新和环保等方面的社会责任投资没有明显变化。这三种情况都会不同程度地影响到企业价值。

由上述模型可知, 对企业价值影响最大的因素是经济系统中社会责任投资机会供求关系。这一供求关系也有以下三种情况:②社会责任投资机会供大于求;①=②社会责任投资机会供不应求;③社会责任投资机会供求平衡。

下表列出了某一企业在不同的社会责任投资机会供求条件下开始或终止社会责任投资对企业市场价值的影响。

注:以上预测结果是根据公式 (9) 推导出来的。

1. 当社会责任投资机会供不应求时。

表中第一栏是社会责任投资机会供不应求时不同的企业决策对企业价值的影响。如假设社会责任投资者比例为b=40%, 而社会责任企业比例为25%。此时社会责任投资机会就供不应求。将相关变量代入公式 (7) 、 (8) , 可得社会责任企业的每股市场价值为16元, 而逐利企业的每股市场价值则为8元。

假设此时经济系统中有一个逐利企业开始进行社会责任投资, 则社会责任投资机会供应量就从25%上升到26%, 新的社会责任公司股价为15.78元。即通过社会责任投资, 该企业股价从8元上升到15.78元。在这种情况下, 社会责任投资一方面会降低企业未来现金流量, 但另一方面也会提高其股价, 增加企业市场价值。即当社会责任投资机会供不应求时, 增加社会责任投资就会提高企业市场价值。

再假设经济系统中有一个社会责任企业决定回归到逐利状况。此时, 社会责任投资机会供应量就会从25%下降到24%。该公司股价就会从16元下降到7.89元。即当社会责任投资机会供不应求时, 终止社会责任投资会降低企业股价。

2. 当社会责任投资机会供大于求时。

假设社会责任投资者比例为15%, 而社会责任企业比例为25, 社会责任投资机会供大于求。此时社会责任企业股价为6元, 而逐利企业股价为11.33元。

假定此时经济系统中有一个社会责任企业终止社会责任投资, 则社会责任投资机会供应量将从25%下降到24%, 新的逐利企业股价为11.18元。表明终止社会责任投资后企业股价从6元上升到11.18元。在这种情况下, 终止社会责任投资会增加企业市场价值。即当社会责任投资机会供大于求时, 减少社会责任投资就会增加企业市场价值。

再假定有一个逐利企业开始进行社会责任投资, 其股价会从11.33元降至5.77元。即当经济系统中社会责任投资机会供大于求, 逐利企业转向社会责任投资, 也会降低其市场价值。

3. 当社会责任投资机会供求平衡时。

社会责任投资机会供需平衡时, 企业转变投资模式也会降低企业市场价值, 原因是这种转变行为会导致供给过量——要么会增加社会责任投资机会的供应量, 要么会增加逐利投资机会的供应量。

上述计算假设社会责任投资者比例为25%, 而社会责任企业比例也是25%, 此时两类企业股票市场价值均为10元。如果其中一家企业转变其投资方向, 比如说某个逐利企业转化为社会责任企业, 其股价会降至9.62元。因此, 当社会责任投资机会供需平衡时, 任何投资转变都会降低企业市场价值。

四、社会责任投资与企业市场价值关联性模型的应用

本文在几个简化的理论假设基础之上建立经济学供求关系模型, 模型结论认为, 企业社会责任投资是否会降低企业未来现金流量从而降低企业市场价值, 要依社会责任投资机会的供求关系而定。当经济系统中社会责任投资机会供不应求时, 社会责任投资会增加企业市场价值, 这一结论对企业社会责任投资决策非常有用。下面讨论几种现实环境下社会责任投资与企业市场价值关联性模型的应用问题。

1. 当投资者的投资规模不等时。

上述模型假设所有投资者的投资额相等, 但现实投资规模可能存在差异。一般而言, 强势投资者的投资偏好决定其投资方向。如果强势投资者偏好于社会责任投资而不在乎因此而减少的现金流量, 则经济系统中社会责任投资机会需求量会上升。即使会减少企业现金流量, 社会责任投资也会增加企业市场价值。比如2008年我国新劳动法的颁布, 要求企业改善员工权益保护, 越来越多的企业通过了OHSAS18001/G/T28001职业安全卫生管理系统认证, 特别是金融危机之后中国许多大企业开始更多关注社会责任投资 (汤胜, 2010) 。相反, 如果这些强势投资者没有社会责任投资偏好, 则社会责任投资机会需求量会很低, 进行社会责任投资的企业市场价值会下降。

2. 当企业社会责任投资规模不等时。

本模型假定所有企业社会责任投资规模完全一致, 即社会责任投资决策减少的现金流量C相等。但实际上不同的企业社会责任投资情况和投资能力是有差别的 (Petraf M.A、Barney J.B, 2003) 。若某企业在社会责任投资上优于其他企业, 则该企业就会获得竞争优势 (Whetten D.A, Mackey A, 2004) 。其社会责任投资也会引起更大的社会关注度, 从而更有利于提高该企业市场价值。如2009年度中国社会责任评选榜中, 汽车业、金融业和电子制造业表现突出, 名列榜首, 为这些行业和企业赢得巨大的社会影响 (汤胜, 2010) 。

此外, 当社会责任投资机会供大于求时, 具有社会责任投资优势的企业, 其市场价值也相对较高。这是因为所有的企业都在“出售”社会责任投资机会, 而具有竞争优势的企业自然就会吸引更多的投资者。

3. 当投资者投资偏好不同时。

本模型假设所有权益投资者进行社会责任投资的偏好是无差异的。显然, 在现实生活中, 不同投资者对社会责任投资的偏好可能会大相径庭。下面我们讨论其中三种情况。

(1) 不同投资者对企业社会责任投资偏好存在差异, 而且不同的社会责任投资都不可以相互替代, 如产品安全质量和企业员工权益保护。此时模型中供求量参数就不是上述的广义的社会责任投资机会的供求量, 而是某项社会责任投资机会的供求量。则该特定企业责任投资机会的供求量决定了该项投资机会与企业市场价值之间的关系。在决定是否继续或终止此项社会责任投资时, 管理者需要估计该项社会责任投资机会的供求量, 以实现企业市场价值最大化。

(2) 不同投资者有不同的社会责任投资偏好, 而每一种社会责任投资都具有替代性, 如企业慈善捐赠和社区公益活动。此时, 某种社会责任投资机会的供求量取决于可替代的社会责任投资机会的供求量。在估计社会责任投资机会供应量时, 应该综合考虑可替代的社会责任投资供求关系对企业市场价值的影响。

(3) 只有少部分投资者偏好于特定的社会责任投资, 且这些投资者的投资偏好无替代性。这种特殊社会责任投资机会不会太多, 不可能大于其供应量, 而且只有非常少的逐利企业会采纳此类投资。这些特定投资者要么壮大其队伍, 要么改变其偏好, 改变其“无替代性”的立场, 这样也会影响企业市场价值。

4. 当改变投资政策成本较高时。

本模型还假设企业可以任意改变其投资政策, 而且这种政策改变是无交易成本的。但在现实生活中, 企业投资方向的改变往往成本较高, 比如企业改变投资决策就需要向外公布其投资调整的信息。而频繁向外公布企业改变投资政策信息, 一方面需要付出一定的信息披露成本, 另一方面也可能向市场传递一个消极信号, 公众会认为企业社会责任投资信息是虚假的, 从而降低投资者的投资热情。有关社会责任和市场价值的实证研究都会考虑企业投资政策变更的频繁程度、某一政策的持续时间以及企业进行社会责任投资的时期等变量因素 (Waddock S.A, 2004) 。

因此企业如果一旦开始了社会责任投资就不应轻易改变其投资方向, 但现实中很少有社会责任企业回归为逐利企业, 所以社会责任投资机会总供应量会下降, 继续社会责任投资方向的企业的市场价值就会上升。

五、结论及启示

企业社会责任是企业财务研究领域的一个课题。本文运用经济学供求关系模型, 将企业社会责任投资机会当作一种产品, 在中国的制度背景下建立企业社会责任投资与市场价值的关联性模型, 研究结论认为当企业社会责任投资机会供不应求时, 投资者会偏好社会责任投资, 而不关心此类投资是否会降低企业未来现金流量。这一结论对传统的财务理论提出了挑战: (1) 社会责任投资不再是传统观念的利他主义行为, 只要经济系统中社会责任投资机会供不应求, 寻找企业价值最大化的管理者就会对社会责任投资产生兴趣。 (2) 企业管理者为了实现其市场价值最大化而不断改变其投资类型, 而不在乎因此而降低的企业未来现金流量, 这一结论动摇了代理理论对管理者行为的解释力。

当然该模型也有其局限性: (1) 在实证研究中, 对社会责任投资机会的供求量的估计有一定的难度, 很难找到准确的变量或替代变量来表达相关概念。 (2) 在实际工作中使用本模型作相应的决策时, 管理者要求准确估计经济系统中社会责任投资机会的供求量并判断是否因此而改变其投资方向, 而多数情况下社会责任投资机会需求量是经济系统中的一个外生变量, 进行准确度量的难度较大, 这需要对模型进行深入的后续研究。

参考文献

[1].张兆国, 刘晓霞, 张庆.企业社会责任与财务管理变革——基于利益相关者理论的研究.会计研究, 2009;3

[2].沈洪涛, 沈艺峰.公司社会责任思想起源与演变.上海:上海人民出版社, 2007

[3].李道叶.我国股票市场风险与收益关系的异方差模型分析.集团经济研究, 2007;12

[4].汤胜.谁在“一枝独秀”, 谁在黯然出局.南方周末, 2010-01-17

[5].陈煦江.企业社会责任成本的解构与补偿:理论与实证.财会月刊, 2010;12

[6].孔玉生, 李菊.企业社会责任和财务绩效相关性研究.财会月刊, 2010;15

股票投资价值模型应用 篇9

关键词：创业板,投资价值评估,Feltham-Ohlson价值评估模型

一、绪论

我国创业板市场自2009 年10 月30 日正式运行并交易, 开板至今, 我国创业板上市的公司挂牌数已经从当初的28 家急剧上升到了今天的356 家, 总市值由1400 亿元增加到8500 亿元, 并且涌现出了一批成长性突出、业绩骄人的企业。同主板相比, 创业板更多地为IT、清洁技术和生物技术、医疗健康等新兴高成长性企业提供融资渠道。如今, 通过资本市场直接融资已经是众多中小企业的重要选择和渠道。在创业板开板运行至今的几年时间里, 在支持科技创新、推动新兴产业发展、促进金融与科技的有效结合方面起到了举足轻重的作用。但与此同时, 许多问题不断地暴露出来, 例如创业板高发行价、高市盈率、高募资的“三高”问题、业绩不佳问题以及高管频繁辞职问题等, 运行几年的时间里, 更是出现了几乎六成的股票跌破发行价。这些问题影响着上市公司股票价格的市场表现, 也造成了投资者对上市公司投资的困扰。可见, 创业板公司收益与风险并存。

创业板上市公司投资价值的评估, 往往是建立在公司的内在价值基础之上。在一个完善有效的市场中, 股票价格会以内在价值为基准线而上下浮动。但刚刚起步的我国创业板市场中还存在诸多问题, 例如制度供给不足、制度安排缺陷以及市场主体的不成熟, 这些都会导致创业板上市公司的股票价格频繁、剧烈波动, 长期偏离其内在价值, 市场功能无法得到应有的充分发挥, 存在股价被高估的现象, 这严重影响着创业板市场的健康发展和市场功能的正常发挥。创业板上市公司股价被高估, 致使破发的情况频频发生的现象让投资者遭受重大的损失, 这使人们考虑到, 创业板上市公司股票投资价值评估方法的不合理性在很大程度上决定了这一现象的发生。因此, 现阶段亟待确立一种准确且适用于我国创业板市场上市公司的投资价值评估方法, 以此来正确把握我国创业板市场的投资价值, 同时也为投资者理性投资提供有效的技术支持。

本文拟改进利用Feltham-Ohlson方法建立的投资价值评估模型, 使之适用于我国创业板市场发展的实际情况, 促进创业板上市公司投资价值评估研究的开展。Feltham-Ohlson股票投资价值理论和模型是当前股票投资价值研究的前沿理论。Feltham-Ohlson模型的研究在国外已有了较深入的理论与实践经验, 在我国对股权价值的研究起步很晚。我国学者借助国外的研究方法对我国股票市场的会计收益的投资有用性进行了实证的分析。陆宇峰 (1999) 利用1994-1997 年我国资本市场的数据对原始的Feltham-Ohlson模型进行了初步检验;陈信元、陈冬华、朱红军 (2002) 在Ohlson剩余收益模型基础上从会计收益、净资产价值相关性的角度, 用我国股市3 年的数据对股权价值进行了实证研究, 并在加入了公司规模和流通股比重变量后做了进一步的研究, 验证了非正常收益与股票价格之间的相关关系。张人骥、刘浩、胡晓斌 (2002) 把剩余价值收益理论和杜邦财务分析体系结合起来建立了全新的剩余收益比率估价模型RIR。

本文是对Feltham-Ohlson股票投资价值理论和模型的介绍和应用, 并对我国创业板的实际问题进行了实证研究, 进一步丰富了我国创业板上市公司股票投资价值理论、方法和实践工作, 有助于科学、合理地评估和理解我国创业板上市公司会计报表数据与企业价值之间的关系。

二、Feltham-Ohlson模型及改进

(一) Feltham-Ohlson价值评估模型介绍

爱弗雷德·蜜雪儿在1890 年首次提出了剩余收益的概念和公式, 剩余收益是指所有参与经营工作的人员在经营利润的基础上, 扣除所有者权益占用的比率后, 按照当前的利率进行相关收益后所计算得来的得的余额, 其定义式可以表示为:

其中RIt表示第t期的剩余收益;NIt表示第t期的营业利润;rt是第t期时投资者要求的必要报酬率, 通常取无风险利率;BVt-1表示第t-1 期的净资产账面价值。

剩余收益的定义式表明, 剩余收益的实质就是营业利润减去资金的使用成本, 是企业创造出的高于市场平均回报的收益, 也只有当企业获取了超过股东要求的最低报酬, 才能够真正获得了剩余收益。剩余收益的估值模型可以表示为:

Ohlson最大的研究贡献是把信息动态化加入到模型中, 在1995 年将等式内容表述为公司收入的变化以及其他信息变化能够带来的股票价格收益上的变化。得到公式:

Ohlson通过对以上公式的推导演义, 建立了一个具有验证性的模型, 该模型可以用来验证公司会计信息获其他拟研究的信息对公司的估值影响。公式中仅有3 个变量, 也易于计算。虽然如此, 公式中数值选择的不确定性, 使得早期模型不能完全适用于实践中对公司的估值。

(二) Feltham-Ohlson价值评估模型改进

Feltham-Ohlson模型表明, 上市公司股票价格中的固有资产决定了其投资价值, 主要通过该资产的盈利能力和持续时间来判定。所以投资者根据现有的假定信息只能预测公司未来n年的情况, 而对于之后的情况则无法做出任何预测。这个假定符合投资者认知有限的现实情况。则:

由于第t期的时候, 对未来n年后的情况无法预估, 故可以简化为:

假定n年中公司的平均净资产收益率为ROE, 无风险利率为 ρ, 分红比例平均为a, 则

将净剩余关系CSR运用在该式中, 可以得到:

可以推演出:

从上式中可以做出如下的推断:

1.市场上无风险收益率p与股票内在价值呈反向相关, 即利率的升高, 上市公司股票的固有投资价值降低, 反之, 上市公司的股票固有投资价值升高。

2.当上市公司的净资产收益率高于无风险收益率时, 该上市公司的股票具有内在投资价值, 这种现象持续时间越长, 说明该股票的投资价值越高。相反地, 当公司的净资产收益率小于无风险收益率时, 投资者不能获得投资回报, 这种状况持续的时间越长, 股票的内在投资价值就越低。当公司的净资产收益率等于无风险收益率时, 股票的内在投资价值就是净资产。

改进后的Feltham-Ohlson模型更具有实用性, 在时间工作中更易于数据选取、估值计算, 对上市公司的投资价值解释能力更强。Feltham-Ohlson模型相较于其他估值模型最大的优点是由于该理论模型认为公司的投资价值源自于价值创造而非价值分配, 公司只要创造出剩余收益, 即能在未来的经营活动中创造出高于社会平均回报的收益, 公司就具有投资价值, 公司的价值也累计增加。在这个过程中, 不考虑未来现金流股利或者现金流量的数值。创业板上市公司的特点, 正是具有高成长性, 在未来具有很强的价值创造能力, 所以Feltham-Ohlson模型从理论上看与我国创业板的概念相符。

三、基于中国创业板股票市场的Feltham-Ohlson模型检验

我国创业板市场处于发展初期, 虽然Feltham-Ohlson股权价值评估模型发端于成熟资本市场, 而且已经在西方发达国家的成熟市场中得到检验, 但由于资本市场的差异, Feltham-Ohlson模型在我国创业板市场中的适用情况仍然存在不确定性, 本文意在通过实证研究, 验证Feltham-Ohlson股权估价模型的适用性, 同时探究我国创业板市场中股权价值的决定因素。

股权投资时所考虑的用来衡量公司价值的指标主要有两个, 分别是取自公司会计报表中的会计收益和账面净资产。本文采用股票价格替代股权价值, 用股票价格与会计收益、账面净资产做回归分析, 验证Feltham-Ohlson模型的有效性以及会计收益和净资产对股票价格的解释能力。

(一) 实证假设

通过研究Feltham-Ohlson股权价值评估模型, 明确了“非正常收益”和“净资产”是决定股权价值的决定性因素。这里的“非正常收益”指的是收益总额扣除市场要求的平均收益后所得的余额。

“非正常收益”的计算需借助资本资产定价模型 (CAPM) 得出, 而CAPM模型的基本假设就是 “ 市场有效”, 这与Feltham-Ohlson理论模型的初衷“不涉及市场的有效性问题”相悖。因此, 本节中在用创业板上市公司会计报表数据对模型检验时, 将“非正常收益”用“会计收益”替代, 来检验模型的适用性。针对检验作出的假设为:假设1:每股收益与股票价格正相关, 并且对股票价格具有正向的解释能力;假设2:每股净资产与股票价格正相关, 并且对股票价格具有正向的解释能力。

(二) 数据选取

本文选取我国创业板2010 年、2011 年两年间的上市公司作为研究对象。对上市公司股权价值研究的创业板上市公司所有财务数据主要来源于“深圳市国泰安信息技术有限公司CSMAR数据库系统”。但对于“深圳市国泰安信息技术有限公司CSMAR数据库系统”中所缺失的一些会计收益和净资产数据, 则从深圳证券交易所官方网站上披露的“我国证券期货年鉴”中进行采集。

(三) Feltham-Ohlson模型的实证分析

本文中的无风险收益率选择2006 年发行的7 年期国债的到期收益率作为无风险收益率, 即p=2.90%。

本文实证研究的模型采用改进后的Feltham-Ohlson模型,

其中, Vt表示t时刻公司的股票价格;BVt表示t时刻公司的净资产账面价值;M为公司的研究期间;ROE表示M年中公司的平均资产收益率;ρ 表示无风险收益率;a表示平均分红比例, 本文中假设M=5, a=0, ρ=2.90%。

1.净资产。2010、2011 年创业板上市公司的分行业净资产账面价值BVt, 如表1 所示。

2.净资产收益率。2010 年及2011 年我国上市公司的加权净资产收益率 (ROE) 与每年净资产BV, 如表2。

从表2中可以看到: (1) 2010年到2011年的净资产变化幅度不大, 从8.780下降到7.353。 (2) 2010年到2011年的加权净资产收益率变化幅度较大, 从2010年的17.066%急剧下降到2011年的10.318%。

3.股票投资价值。股票投资价值的公式可以表示为:

年以及2011 年的我国创业板上市公司分行业的股票投资价值表, 如表3 所示。

从表3 可以得出以下结论: (1) 2010 年到2011 年, 12 个行业的投资价值显现出普遍的增长趋势。具体情况如下, 除了农林牧渔业、制造业、建筑业、商务服务4 个行业的投资价值有所下降外, 其他9 个行业的行业投资价值均显示出有增加的趋势。 (2) 12 个行业比较而言, 可以发现采矿业、公共环保、科研服务、文化传播在2010 年和2011 年两年均有相对较高的投资价值。

从表4 可以得出结论:2010 年到2011 年创业板上市公司的市场价格普遍下降, 各行业均显示出这样的股价波动趋势, 其中只有运输仓储显示出股价上涨的情况。另外, 采矿业、卫生行业的股票价格下降幅度最小。

四、实证分析结果与建议

(一) Feltham-Ohlson实证分析的结果

上一节通过对创业板股票市场12 个行业的Feltham-Ohlson模型的实证分析, 验证了Feltham-Ohlson模型在创业板上市公司投资价值评估上的适用性与股价解释能力, 证明了我国创业板上市公司的每股收益、每股净资产均能够正向影响股票价格, 而且每股收益的影响程度更高。

验证结果与2010 年及2011 年年末的实际股价相对比, 二者变化趋势大体相同, 公司股票市价与具体上市公司投资价值评估值也大体上极为接近。这就说明了该模型可以很好地适用于我国创业板上市公司投资价值评估实务。

而开板以来股价逐渐回落的现象, 也正是吻合了Feltham-Ohlson对上市公司投资价值的评估数值, 说明创业板上市公司股价虚高的现象得到一定的控制, 投资者可以运用该改进后的模型, 进行预先估值, 对未来股票投资有一定的参考价值。

(二) 对创业板股票投资的建议

1.深刻地把握公司的基本面。上市公司作为一个持续的经营实体, 在一定的时点上, 其内在价值是确定的。公司既有的业绩很大程度上可以说明公司的素质, 如公司的偿债能力、盈利能力、营运能力和成长发展能力等。通过各种可用的分析工具, 最大限度地、多角度地考察其价值构成的各个部分。由于创业板公司公开信息相对较少, 各种研究尚不深入, 因而在投资某只股票时, 更应进行由表及里、由浅入深的基本面分析。

2.审慎地评估公司的成长性。创业板上市公司估值的巨大差异, 最重要的源泉在于对增长率估计的不同。从长期看, 对创业板上市公司成长性的考察是至关重要的, 也是需要战略眼光和充分的耐性的。

3.敏锐地预判政策环境。我国的资本市场同样演绎着朝阳产业和夕阳产业的差别。有潜力的公司, 一定是崛起于成长性的细分行业, 并为国家的产业政策所支持, 发展的政策环境向好。对于投资者来说, 对政策的研究需要功力、广度和敏锐性。无论是短线还是长线投资, 都必须以研究判断政策导向为基础。股市的政策“晴雨表”功能和公司作为“经济细胞”特性将更加显著。

4.精心地磨炼交易艺术。在证券市场上, 股票价格总体上来说是围绕股票的实际价值上下波动。在持续经营中, 股票所代表的上市公司的经济活动表现可能会提升或降低公司的价值, 股价亦最终会将这种变化体现出来。证券市场投资的过程充满艺术性, 娴熟的交易技巧, 对于交易心理、交易筹码变化和交易时点的把握, 均十分重要。以价值投资理念为基础的投资者, 正是要在这个过程中及时发现股价被低估、基本面改善或成长性在加速的投资标的物。如果能抢占先机, 必能获得可观的投资收益。

参考文献

[1]陆宇峰.净资产倍率和市盈率的投资决策有用性.上海三联书店, 2000

[2]陈信元, 陈冬华, 朱红军.净资产、剩余收益与市场定价:会计信息的价值相关.金融研究, 2002 (4)

[3]张人骥, 刘浩, 胡晓斌.充分利用会计信息的公司价值评估模型.财经研究, 2002 (7)

[4]郭小群, 欧阳建新.基于价值创造的A股上市公司投资价值研究.金融理论与实践, 2008 (12)

[5]魏伟华.上市公司投资价值的模糊综合评价.商业经济, 2008

[6]刘利平.上市公司投资价值财务分析.技术与创新管理, 2012

[7]郝丽娜.我国创业板IPO发行定价机制研究.兰州大学, 2010 (3)

[8]汪星新, 李维驻.基于实物期权理论的高新技术价值评估研究.中国资产评估, 2011 (2)

[9]张玉林.我国高科技企业创业板市场IP0的定价问题研究.华北电力大学, 2009 (2)

[10]章俊, 唐敏.内地企业在香港创业板与深圳中小企业板上市后的成长性分析.中国管理信息化, 2009 (19)

[11]钱致昕.我国分行业上市公司股票投资价值研究.南京师范大学硕士论文, 2007

股票投资价值模型应用 篇10

国内外学者关于股票市场溢价现象的存在性已基本达成共识, 但对其成因的解释仍然存在争议 (Chan, Hanau andLakonishok, 1991;De Bondt and Thaler, 1985, 1987;Fama and French, 1992, 1995, 1996, 1998;Haugen and Baker, 1996;Lakonishok, Shleifer and Vishny, 1994) 。围绕着对价值溢价的解释形成了以Fama为代表的理性定价学派和行为金融学的非理性定价学派两大阵营。

Fama and French (1992, 1993) 提出价值股比成长股存在更大的风险, 因此价值股更高的收益是用来弥补这种更高的风险的。Fama and French (1995) and Lakonishok et al. (1994) 的研究表明, 价值溢价的出现与经济相对低迷的程度有关。他们认为均衡条件下价值溢价可以按照传统资本资产定价模型中的市场风险来定价, 因为没有被市场收益解释的股票的收益中存在共同的变量。现有初步的证据支持这种观点并且认为价值溢价是市场均衡中的理性定价即风险定价 (Zhang, 2005;Petkova and Zhang, 2005;Lettau and Ludvigson, 2001;Kiku, 2006) 。

与之相反, 行为金融学从投资者非理性和市场不完备角度出发, 指出价值溢价应当是一种偏误定价。Lakonishok Shleifer and Vishny (1994) 认为价值溢价不过是由于投资者的过度反应所致。投资者对价值股存在着低估的现象, 而对成长股市场又倾向于高估其价值, 因此机构投资者可以通过买入价值股, 卖出成长股的策略获得价值溢价。Ali (2003) 从有限套利的角度解释价值溢价, 认为套利成本和套利的异质性风险的存在阻止了套利活动的进行, 使得市场上的价值溢价得以存在。Daniel and Titman (1994) 则提出了特征假说, 认为价值溢价的存在是因为价值型股票具有相同的“特征因素”, 是因为公司的特征如高账面市值比本身决定了它的回报而非风险因素即它与价值溢价因子的相关性决定了它的回报。价值溢价的理性定价学说与非理性学说之间的争论虽然至今仍无定论, 而且似乎也很难取得最终的一致看法, 但二者之间的争论深化我们对资产定价的认识, 这方面的讨论至今仍然是金融学最活跃的学术前沿领域。

国内学术界对我国股市价值溢价的研究尚不够系统, 得出的结论也并不统一。从已有的文献来看, 价值溢价的检验主要集中在对账面市值比的检验, 以及由此构建的三因素模型对价值溢价的解释上。对价值溢价与Fama—French三因素模型之间的关系缺乏系统的研究。因此本文希望借鉴国际上的研究成果对我国股市的价值溢价进行系统深入的研究, 从而深化对中国股市的价值溢价及其定价模型的认识。

二、研究设计

(一) 投资组合的构建

在Fama and French的三因素模型的检验中, 由于构建投资组合的需要, 要求的股票数较多, 且为了结论的稳健性, 一般需要较长的时间区间。考虑到中国股市是新兴的股票市场, 早期上市交易的股票数较少, 可能导致分组时组合中的股票太少, 因此本文将研究的时间区间设定为2000年1月至2011年12月共十二年的时间。股票的月交易数据均来自深圳国泰安数据库CSMAR, 为了尽量扩大样本以避免上市公司的存活偏差, 本文在检验时不是采用固定样本的方式。而是在各个时期的投资组合均包括截止当时上市的所有公司的股票。按照Fama and French的方法, 为了投资组合构建的需要, 我们还剔除了以下类别的股票: (1) ST股和PT股; (2) 金融类股票; (3) B/M为负的股票。

(二) 价值溢价与Fama—French三因素模型

本文以Fama and French (1993, 2005的方法对中国股市进行的实证研究, 一方面检验中国股市的规模溢价与价值溢价的表现形式, 另一方面以三因素模型验证三因素模型对溢价的解释效力如何。Fama and French的三因素模型可写成:

1. BM和Size的定义。

以T-1年末每股净资产与T-1年末收盘价的比值来度量T年度BM的高低;用T年6月底总市值来度量T年度Size的高低。

2. SMB和HML的定义。

根据BM将上证A股以30%、40%和30%进行分组根据Size将样本股每50%划分为一组将三个BM组合和两个Size组合交叉形成SH、SN、SL、BH、BN和BL等组合SMB表示小规模与大规模组合的月度收益率差额, 计算公式为:SMB= (SH+SM+SL) /3- (BH+BM+BL) /3;HML表示高BM与低BM的月度收益率差额, 计算公式为:HML= (SH+BH) /2- (SH+BL) /2。

三、实证结果与结论

本文涉及的样本公司的所有交易数据和股票市场数据均来自中国股票市场交易数据 (CSMAR) , 包括2000-2012年上市的全部上证A股。

由表1可知, 可决系数R2在0.9以上, 这表明Rm-Rf、SMB和HML三因素模型能够解释超过90%的因变量变化;市场因素的回归系数均在1左右, 各组合无显著差异;高账面市值比组合的HML回归系数大于0, 而低账面市值比组合的HML小于0。控制规模因素以后, 组合的账面市值比风险随账面市值比的下降而递减。根据Fama—French三因素模型的解释, 高账面市值比组合的风险高于低账面市值比组合;无论账面市值比变量的高低, 小规模组合的SMB回归斜比均显著超过大规模组合。按照三因素模型的解释, 小规模组合的风险高于大规模组合。