中国股价

中国股价（精选十篇）

中国股价 篇1

自从1990年12月19日上海证券交易所正式成立, 及1991年7月3日深圳证券交易所开业以来, 中国的股票市场经过不到二十年的发展, 逐渐成为与整个经济发展紧密相连, 为各种资金所有者和需求者提供投融资渠道的一个重要市场。纵观我国市场经济的发展史, 股票市场从无到有经历了一个虽然短暂但十分迅速的发展过程。从当初的只有轻工业行业到现在的二十几个行业, 上市公司数量从最初的10家到2009年8月的1625家, 股票市值从1991年仅占GDP的0.5%, 到2009年6月沪深两市总市值突破20万亿元, 6月29日达到20.26万亿元, 占2008年GDP的67.38%。

对于只有十几年发展历程的中国股市来说, 假如股票市场与宏观经济变量之间存在确定的协整关系, 那么, 股票市场的股价指数就是反映宏观经济的先行指标, 是宏观经济的“晴雨表”, 可以作为预测宏观经济走势的参考。相反, 则应该慎重[1]。那么, 我国股票价格与宏观经济之间是否存在相关关系?如果存在, 到底是一种什么样的关系?对这一问题的正确回答, 直接关系到我国宏观经济政策的制定, 也关系到对我国股票市场的分析和预测。因此, 对我国股票价格和宏观经济之间关系的分析研究具有很大的理论意义和现实意义。

一、股票价格指数与宏观经济变量的理论关系研究

影响股票价格的因素有很多, 从内容和性质上可分为两大方面:一方面是基本因素, 另一方面是技术因素。所谓基本因素是指市场以外的各种因素, 是不为投资者所左右的因素。而技术因素是指股票市场内可影响股价的各种技术操作 (交易数量和供求关系等) , 常为炒作庄家所控制。

(一) 基本因素

1. 宏观经济因素。

宏观经济因素分析, 主要是分析一国宏观经济因素或变量对股票市场的影响。一般来说, 影响股票市场价格的宏观经济因素主要有:宏观经济变量、经济周期和宏观经济政策。宏观经济变量分析可以通过一系列的经济指标、变量的计算、分析和对比来进行。评价宏观经济形势经常用的指标有国内生产总值、经济增长率、失业率、通货膨胀率、利率和汇率等[2]。

在市场经济的条件下, 国家通过经济政策来对经济进行宏观调控, 以此促进经济的协调、稳定、健康的发展。这些政策通过直接或间接方式作用于企业, 从而影响企业的效益和发展, 进而影响股票市场价格。经济政策对股民的信心产生影响, 它对股市的消长往往具有重大作用。

2. 法律因素。

法律因素主要指国家证券市场的法律规范状况。一般来说, 在证券法、公司法比较完备的国家, 证券交易的信用制度与监管机制比较完善。因而, 证券从业人员营私舞弊的机会较少, 其证券价格受人为垄断操纵哄抬打压的机会也较少, 在其他条件稳定情况下, 证券价格的表现相对稳定正常。而在证券法规不健全, 监管机制不得力的国家, 证券价格受人为左右的概率就大得多, 证券市场的股票价格比较不稳定, 甚至大起大落。

3. 行业因素。

行业经济活动是介于宏观经济活动和微观经济活动中间的经济层面, 是中观经济分析的主要对象之一。从证券投资分析的角度看, 宏观经济分析是为了掌握证券投资的宏观经济背景, 把握好证券市场的发展局势。但是, 不同的行业与宏观经济的发展水平是不完全同步的, 不同的行业分析有助于确定所投资的行业在整个经济中的地位, 为投资者指出投资的具体领域, 确定明确的投资热点。国家可以借助财政、货币、收入政策等调控手段, 对某种或某几种行业进行鼓励和扶植, 而对不符合产业政策的行业进行限制[3]。

4. 公司因素。

股票本身没有价值, 但是股票代表了股份公司的股份, 股票持有者对企业的生产和分红具有所有权和分配权。投资者持有股票最根本的目的就是取得股票的分红和企业增长成果。由于企业资产增减, 使其股票价格也随着企业生产经营状况的变化而处于变化之中。企业的股价变化是生产经营活动的必然反映。但是, 由于股票发行后股票市场运行和企业生产运行属于不同范畴, 股价变化还受市场因素影响, 和企业发展有所脱离, 所以股价变化并不完全由企业的生产经营状况的变化所决定。

(二) 技术因素

1. 市场因素。

股票交易数量与股价同步, 说明市场走势坚挺, 反之说明市场走势疲软。而股票交易方式、交易成分、市场价格等也对股价有很大影响。由于股票价格的变动有时具有一定的规律, 而通过分析这些规律可以帮助股民了解股价的变动趋势, 从而掌握股票价格的变动规律。

2. 心理因素。

人们的心理状态的变化, 对股民的交易行为产生直接影响, 从而导致股价的变化, 如股价越是上涨, 股民买进的意愿越强烈, 从而导致股价的不断上涨;反之股价越下跌, 股民持股的意愿越低落, 从而加速下跌。影响上市公司股票的价格的因素还包括其市场上的炒作情况, 是否是市场上的炒作热点, 炒作庄家的资金实力和预期收益等。

二、变量的选取

(一) 宏观经济变量的选取

本文变量的选取主要基于以下几个方面的考虑:1.理论关系;2.国内外相关文献的研究结论;3.中国的实际情况;4.信息效率因素, 即所选取的变量必须具有一定的公开性和公众性;5.数据的可得性以及数据的统计口径的统一。根据上述标准, 本文选取工业增加值、广义货币供应量、通货膨胀率、人民币对美元汇率、居民一年期存款利率作为基本宏观经济变量。

(二) 股票价格指数的选取

选取上证综合指数收盘价来描述我国股票市场价格及其波动, 采用上证综合指数的每月末的收盘价平均值来代表当月股价指数。本文选择上证综合指数作为研究对象, 主要基于以下两点。第一, 综合指数更能从总体上全面反映证券交易所上市股票价格的变动情况, 可以反映不同行业的景气状况及其价格整体变动状况, 与宏观经济的运行密切相关。第二, 由于沪深股票市场具有相同的社会经济环境, 而且沪深股市的交易制度、投资者结构、上市公司结构具有高度的同质性, 加之资金在两个市场间可以自由流动, 因此, 沪深股市的价格变动应该具有一致性, 这一点也经过定量分析得到了证实。因此, 本文选择上证综合指数代表我国股票价格的水平。

(三) 资料来源

本文选择2006年1月—2009年8月数据作为样本, 数据来源有:中宏数据库 (http://deu./macrochina.com.cn) , 中国人民银行网站 (http://www.pbc.gov.cn.) , 国家统计局网站 (http://w w w.s tats.gov.cn/) 。

三、协整分析

(一) 单位根检验

用Eviews软件对上证综合指数、工业增加值、广义货币供应量、居民一年期存款利率分别做时间序列图, 发现工业增加值、广义货币供应量、居民一年期存款利率和汇率都是非平稳序列, 而上证指数和通货膨胀率的平稳性不是十分明显。因此, 单位根检验采用ADF检验法做检验[4]。结果发现除通货膨胀率外, 变量都是非平稳序列, 做变量的一阶差分序列的单位根检验, 结果表明除通货膨胀率的为I (0) , 其余变量均为I (1) 。根据协整理论, 不同单整阶数的时间序列之间不存在协整关系。因此, 通货膨胀率与上证指数之间不存在长期协整关系, 也就是说, 在我们所考察的时间段2006.01—2009.08年之间通货膨胀率与股指没有关系。各变量的单位根检验结果:

注:检验形式C、T分别表示单位根检验的常数项和趋势项, N表示根据AIC值最小确定的滞后阶数;检验结果来自E-views软件。

(二) Granger因果检验

表3结果显示, 宏观经济变量与上证指数之间的因果关系并不强烈。工业增加值、利率与上证指数之间不存在Granger因果关系。汇率和上证指数之间在10%临界水平下存在双向的Grange r因果关系;广义货币发行量在滞后2期, 10%临界水平下, 是导致上证指数的Granger原因, 而上证指数不是导致广义货币发行量的Granger原因[5]。

(三) Johansen协整检验

注:* (**) 表示在5% (1%) 的显著性水平上拒绝原假设, 分析结果来自Eviews软件。

根据表4Johansen协整检验结果显示, 工业增加值、广义货币供应量、居民消费价格指数和一年期居民储蓄存款利率与股票价格之间存在长期均衡关系。

四、实现股票市场与宏观经济良性互动的建议

在发达的市场经济国家, 股票市场发挥着经济增长“晴雨表”的功能, 而从我国的股票市场情况看, 虽然长期存在均衡关系, 但是也出现了股价指数与实体经济走势相背离的状况。因此, 我们必须采取以下措施来实现股票市场与宏观经济的协调发展。

第一, 有步骤地扩大股市规模。首先矫正资本市场的战略定位, 扭转其主要为国有企业筹资为目的的功能错位;其次要扩大投资者规模, 包括发展机构投资者和中小投资者。

第二, 转变政府职能, 强化政府对股市的监管, 避免对股市的过度干预。由于市场经济的自身缺陷, 不可避免地需要政府对市场进行宏观监管, 政府干预要把握“适当的度”, 只要是在合法合规的条件下, 证券买卖不应受到非市场因素的干扰。

第三, 严格信息披露制度, 树立正确的投资理念。我国股票市场起步较晚, 投资者以散户为主, 他们缺乏投资知识, 短期投资理念强, 自我保护意识和能力较差。大多数投资者盲目跟风, 具有很明显的“羊群效应”, 突出表现为股市中散户的“追涨杀跌”行为, 这增强了股市投机性和风险性。

第四, 加快利率的市场化改革, 促进资本市场与货币市场互动。利率的市场化为长短期利率相互影响打下基础, 也有利于股票合理定价。通过利率水平的市场调节, 保持间接融资与直接融资的适当比例, 控制信贷资金入市, 保持实体经济与虚拟经济资金的合理比重[6]。

第五, 大力发展机构投资者。建立投资基金, 分散投资风险, 提高投资效率, 发展机构投资者。放宽机构投资者入布的限制。保险基金、养老基金具有长期投资的性质, 保值增值是保持这些基金正常运转并力争降低保户负担的内在要求。股市的高风险决定了这类基金不能无节制地投资股票, 应实行比例限制。

摘要：关于股价指数与经济增长关系的争论由来已久。本文在分析中国股市与宏观经济关系的基础上, 运用计量经济学方法, 对中国股价指数与经济增长的关系做了一系列的实证检验——单位根检验、Granger因果检验和Johansen协整检验。检验结果说明, 从我国的股票市场情况看, 虽然长期存在均衡关系, 但是也出现了股价指数与实体经济走势相背离的状况。

关键词：股价指数,经济增长,单位根检验

参考文献

【1】宋锦刘贵浙中国股市对经济增长作用的实证检验北京市经济管理干部学院学报2006 (12) :28-33

【2】夏亚芬宏观经济与股票价格关系的分析现代商业2008 (6) :80-81

【3】李冻菊股票市场发展与经济增长的关系研究金融研究2006 (9) :75-80

【4】赵振全张宇中国股票市场波动和宏观经济波动关系的实证分析数量经济技术经济研究2003 (6) :43-146

【5】易丹辉数据分析与Eviews应用北京:中国统计出版社2002

中国股市：市值管理不如股价管理 篇2

股市升跌，原因不外乎供求关系、上市公司业绩以及经济利率等变动。自2012年初以来，反应中国股市整体水平的巨潮A股指数（399317）一直处于横向震荡的走势，表明中国股市受到多种不同方向的外力所推动。其中小型股反复向上，特别是新经济类股票；而大型股则以下跌为主，特别是资源股。不同股票价格走势分化，表明中国经济正在转型。10年前我便建议中国加快服务业发展，但那时正是中国加速固定资产投资、加速出口经济发展，直到2013年，中国第三产业占经济比重才首次超过第二产业。根据国家统计局《2013年统计公报》显示，2013年中国第一产业增加值比重为10%，第二产业比重43.9%，第三产业比重为46.1%。

政府提出要大力发展生产性服务业。所谓生产性服务业，乃1966年美国经济学家哥林菲德（H.Greenfield）提出的概念。1975年伯朗宁（Browning）及盛高曼（Singelman）对服务业进行功能性分类时亦提出此概念，并认为生产性服务业包括金融、保险、法律工商服务、经济等具有知识密集及为客户提供专门性服务的行业。后来一些学者将物流、安全服务、中介服务、信息服务等亦包括在内。生产性服务业并非直接用于消费，是一种中间投入而非最终产出，扮演中间角色。生产性服务能促进生产专业化，扩大资本和知识密集型生产，从而提高生产率。

而消费性服务业则指商品零售、地产、旅游、市政服务、社区服务、体育、教育、医疗保健、住宿、餐饮、文化娱乐等行业。消费性服务业是直接接触顾客的行业。当前中国产能严重过剩，发展生产性服务业有阶段性意义，但中国根本的问题是人口众多，并且中国的金融业、物流业等行业相对消费性服务业已经非常先进，倘若未能及时大力发展消费性服务业，最终下一次经济调整期仍然非常困难，将会再次出现“中国经济正面临近年来少有的错综复杂局面”。因此，政策的前瞻性非常重要，头痛医头、脚痛医脚式政策可以休矣！

近年来，中国货币政策趋于保守，因为过去的政策错误，导致利率、存款准备金率均无法动弹，当前经济处于长中短经济周期的尾段，利率偏低固然无法减息，存款准备金率虽然过高但要降低却受到M2超高影响亦不敢轻易下调，因此只好每周每月正回购、逆回购进行水多加柴、柴多加水式调控。4月23日央行宣布4月25日起下调县域农村商行人民币存款准备金率2%，下调县域农村合作行人民币存款准备金率0.5%，调整后两者存款准备金率为16%及14%，个别一定比例存款投放当地考核达标的则再降至15%及13%。

中国第一产业比重仅占10%，并且每年增长速度远远低于第三产业，在农村商行及合作行存款准备金率已经大大低于普通商业银行的情况下再定向降准，在商言商，等于将资金投资于高风险低收益产业，不容乐观。要降准，应该对服务业降准，才是正道。农村、农业的问题在于中国农产品成本高售价低（农产品零售价高是因为流通领域成本高企所致，比如运输费用高昂，其中公路收费罚款功劳匪浅），农民利润微薄，绝非定向降准所能解决，即使农商行等存款准备金降至零亦无济于事。

按照证监会行业分类标准，农业股14只，其中8只市盈率过百甚至无市盈率（亏损）。在普通行业分类“农林牧渔”中，63只股票只有5只股票市盈率20倍以下（包括情况特殊的*ST北大荒），市盈率50倍以上的达48只（包括亏损的公司），比率达76%。可见农业类上市公司赚钱之难，是因为缺乏资金支持吗？非也，资金是逐利的，有钱赚必然吸引大量资金，无钱赚则资金叫也不来。过去10年中国楼价为何持续上升？皆因央行的“负利率政策”加上M2高速增长，令居民储蓄逐渐变成“砖头”保值。名义储蓄利率超低以及实质贷款利率高企，对中国股市构成巨大压力。而摆脱金融危机的美国股市早已是持续的创历史新高，德国股市、北欧股市亦创历史新高，甚至印度股市亦创新高，甚至于“经济崩溃”的阿根廷股市也飙升。每当中国股市持续上升，甚至创历史新高，中国经济此时总是处于繁荣之时，1996-97年、1999-2000年（当时股市创新高对稳定经济有重要作用）、2006-07年无不如是。如今中国股市低迷，中国经济则问题丛生。

中国股价 篇3

1 相关理论和实证统计分析

1.1 股票计价模型

股票计价模型影响股价的因素为两个大类:会计因素xi:(i=1,2,3,…,n)及非会计因素yj:(j=1,2,3,…,m),则某一时点的股价P可表示为P=f(x1,x2,…,xn,y1,y2,…,ym)。对于各股票而言,在同一时点可将非会计因素的作用表示为常量C0。于是,P=C0+f(x1+x2+…+xn)。这一模型称为股票计价模型。奥尔森(Ohlson)曾推断,在一定条件下,股价P与会计信息间存在线性关系。由此,具体模型为:P=C0+C1x1+C2x2+…+Cnxn+Ei,其中,x1,x2,x3,…,xn为会计数量信息指标,Ei为该时点的干扰项,表示随机因素的作用。

本文在模型中解释变量xi的选取方面选用了尽可能反映公司各方面情况及广大投资者的选择标准和习惯的统计指标,共有六个:(1)每股收益(EPS);(2)总资产收益率(ROA);(3)流动比率;(4)资产负债率(LEV);(5)管理费用占营业收入的比率(ADM);(6)应收账款占总资产的比率(AR)。

1.2 实证统计与分析

在回归分析中,我们的因变量是股票价格的波动。考虑到中国股市对每日股票波动的涨跌幅限制,使用周度回报率的100倍(例如1%的收益率取1)的标准差的以e为底的对数来反映。取对数是为了消除极端值的影响。去掉百分号是为了不致因数字太小而使研究者失去对它的直觉。为了获得对自变量的值的整体性了解,我们对各样本的财务数据的值进行了简单的描述性分析。

从表1的描述性统计可以看出:公司的资产收益率(ROA)由中位数大于均值可以看出,超过半数的公司有正的ROA。流动比率(CR)的跨度范围较大,从中可以看出各上市公司的流动比率差别很大,反映出不同公司的短期偿债能力有明显不同。债务资产比率(LEV)取值范围也相对较大,但是标准差较小(0.587),反映出个别公司对于财务杠杆利用比较极端,总体上差别不大。管理费用占营业收入的比例(ADM)标准差非常大(2607.240),反映出不同公司管理费用差别非常大,而且有些公司管理费用与营业收入的比值非常高,拉高了中位数只有7.5%的总体的均值(达到30以上)。应收账款占总资产比例(AR)各指标说明各个公司之间差别并不大。

注:EPS一项中除均值外的数据都未能找到。

接下来,我们要对各变量进行回归分析,见表2。

注:*在所有变量显著的年份中,**在所有变量显著的年份中。

从表2可以看出,通过股票计价模型,选取的6个指标中,进行描述性分析和线性回归分析,得出除管理费用占营业收入比率和流动比率与股价关系不稳定外,其余4个指标(每股收益、总资产收益率、资产负债率、应收账款占总资产比率)和股价波动均有比较稳定的正向或反向关系。

因此,本文仅选取每股收益、总资产收益率、资产负债率、应收账款占总资产比率这四个指标进行分析。

2 中国石化集团财务指标对股价波动的影响

2.1 每股收益对股价波动影响的分析

从表3可以发现:中国石化的股价波动受其每股收益的影响,从长期走势来看,二者基本为正向相关关系。2013年9月30日每股收益较2012年6月30日上涨75.20%,此时每股股价的涨幅也达62.20%。从时间上来看,股价的变动比收益的变动有所滞后。但在某些点上因受到其他因素的影响,其走势会明显偏离收益变动的轨迹,甚至出现背离走势(如2014年一季度,尽管每股收益比上年同期下降了近80%,但股价在此时却回升;2014年第二季度每股收益回升,而股价却是下降趋势)。而且股价的振幅略小于每股收益的波动幅度,这从2013年6月开始股价的涨幅就稍微小于每股收益的涨幅就可以看出,尤其是2014年6月开始的股价走势明显劣于收益。尽管2014年上半年每股收益比2013年下半年的每股收益低,但中国石化股价自上市以来的上涨主要集中于此阶段,至2014年2月末已站在5元之上。尽管中国石化自上市以来收益水平较整体上市公司的平均收益水平高,但2013年6月以来其股价的大部分时间都在走低,直到2014年年初才走出一波像样的上涨行情,突破5元。由此可见,收益不是影响股价的唯一因素。

通过分析,可以得出中国石化的股价波动受其每股收益的影响,从长期走势来看,二者基本为正向相关关系,且关系十分稳定。但也可看出每股收益不是影响股价的唯一因素,可以发现其他因素同时影响股价波动。

2.2 总资产收益率对股价波动影响的分析

通过表4我们可以发现:中国石化的股价波动受其总资产收益率的影响,从长期走势来看,二者基本为正向相关关系。2013年9月30日公司的总资产收益率较2012年6月30日上涨68.49%,每股股价的涨幅达62.20%。中国石化的总资产收益率似乎有周期性(2011年、2012年、2013年、2014年都是如此),可能与其存货管理和产业链供应有关。从年初到年末随总资产收益率上升股价有一定涨幅,但是到第二年一季度即年初时总资产收益率大幅下降,但股价并未下降。到2014年年中股价受到影响而下降,但很快又随总资产收益率的上升而上涨。

通过分析,可以得出中国石化A的股价波动受其总资产收益率的影响,从长期走势来看,二者基本为正向相关关系。但总资产收益率与股价的关联并没有每股收益的强而稳定,会受到行业宏观因素的影响,与之前的预期有一定的差距。

2.3 资产负债率对股价波动影响的分析

通过表5我们可以发现:虽然资产负债率有5年影响显著,且系数符号为均正,但中国石化的股价波动受其资产负债率的影响并没有十分明显的线性关系。从2013年6月30日开始公司的资产负债率一直有上涨的趋势,由此看出中国石化的长期偿债能力有微小下降,可能会对公司的债权人造成一些困扰,但从这一时期的股价看,有一个上涨的趋势,每股股价从2013年6月30日到2013年12月31日涨幅达7.18%。而从2014年起我们可以看到一个资产负债率和股价的反向相关的关系,又符合了之前对长期偿债能力下降会引起股价下降的常规判断。综上,资产负债率对股价的影响要弱于总资产收益率和每股收益,但仍影响着中国石化的股价波动。

中国石化的股价波动受其资产负债率的影响并没有十分明显的线性关系。但在一段短时期内为反向相关关系。而这有可能是一个有悖于传统经济学的反常现象。

2.4 应收账款占总资产比率对股价波动影响的分析

通过表6我们可以发现:从长期来看,中国石化的股价波动受其应收账款占总资产比率的影响,二者基本为反向相关关系。自2013年6月30日公司的应收账款占总资产比率到2013年12月31日,降幅为27.84%,每股股价的涨幅也达62.20%。中国石化的应收账款占总资产比率和总资产收益率相同,似乎有其周期性,可能与其产业链供应有关。从2013年6月30日起,随着应收账款占总资产比率下降,股价开始有一定涨幅,但应收账款占总资产比率到2014年一季度,即年初时有大幅上升(这点和总资产收益率相同,年初会大幅变化,但股价会随原趋势变动),但股价并未下降。2014年中期股价又随着应收账款占总资产比率上升而有所下降。2014年9月30日此后股价又随着应收账款占总资产比率突然大幅的下降而小幅上升。

通过分析,我们得知:从长期来看,中国石化的股价波动受其应收账款占总资产比率的影响,二者基本为反向相关关系。但其也受到宏观因素的影响。

3 中国石化集团财务指标与股价波动相关性的反常现象及形成原因

3.1 中国石化集团财务指标与股价波动相关性的反常现象

从前述章中对每股收益的分析中,我们会发现,即使中国石化的股价波动受其每股收益的影响,从长期走势来看,二者基本为正向相关关系在时间上,但某些时间点上因受到其他因素的影响,其走势会明显偏离收益变动的轨迹,甚至出现背离走势在时间上,股价的变动比收益的变动有所滞后。并且我们得出在一段短的时期内中国石化的股价波动受其资产负债率的影响,为反向相关关系。但从2013年6月30日开始公司的资产负债率一直有上涨的趋势,又是一个反常的现象。此外,中国石化的应收账款占总资产比率和总资产收益率似乎有其周期性,又有明显的滞后性:随着应收账款占总资产比率下降,股价从年初到年末有一定涨幅,但是到第二年一季度又有所上升,但股价并未下降。接下来本文会从宏观因素和中石化本身上来分析出现的反常现象。

3.2 中国石化股价波动反常现象的原因

3.2.1 中国股市制度缺陷影响中石化股价

所谓制度缺陷,是指证券市场的制度设置与制度安排的不完全造成证券市场运行效率较低,从而严重弱化了证券市场资源配置功能,尤其是中石化所处的石化行业都为国有企业垄断。从这个角度讲,要谈论证券市场的持续和规范发展,就要有能力彻底消除证券市场的制度缺陷,也就是改变所有制的缺陷。比如中国石化治理结构的扭曲和不完善、信息披露制度的不健全、筹集制度的不合理等都会造成财务指标的不佳或存在虚假的现象,这样就会出现财务指标和股价的反常变动。

3.2.2 中石化对股市功能定位扭曲

此外,我国证券市场的资源配置功能却在很大程度上处于扭曲状态,股票市场为像中国石化这样的国有企业改革服务这一功能被置于重要地位,而优化资源配置的功能则长期被忽视。在这种思想的指导下,中石化的公司质量没有实现根本性的提高,投资者的理性投资行为就会受到长期压制。由于资源配置功能的扭曲,使得我国证券市场存在着退化成为一个单纯的筹集资金场所的危险。中石化近年的业绩并不佳,即使是在上市时或通过配股、增发方式圈到了大批资金,股价有所上升,但资金的利用效率却极为低下,导致了广大投资者利益受到严重损害。

3.2.3 政府在股票市场职能定位不规范,导致监管不力

政府作为社会管理者,为了促进股票市场稳定协调运行,必将其作为市场经济的有机部分加以调控。中国石化集团上市后的大股东为国资局或国有集团公司,而国资局和国有集团公司又是在政府部门的管理下,实际上是名义的大股东。当前的政府管理体制下,政府在股票市场上身兼三职:股票市场的监管者、股票市场中最大的股东代表、股票市场上投资者的保护者,很大程度上制约和影响着政府在股票市场中监管职能的发挥,并最终造成了政府在股票市场中行为的扭曲,造成中石化股价趋势走高但业绩不佳的现象。

3.2.4 中石化自身的因素导致的反常现象

我国多数上市公司是由国有企业改制而来,尤其是像中国石化集团这样的垄断公司,上市改制不彻底,公司内外部治理结构都不健全。由股东大会、董事会、监事会、经理层构成的公司内部治理结构,实质并未形成权责明确、相互制衡的有效公司治理机制,未能真正地反映出投资者与经营者之间的健康有效的激励约束关系。

上述应收账款占总资产比率在年初大幅周期性变动的现象笔者认为和中石化传统的物资管理条块分割,重复储备,造成了库存庞大和结构不合理,有限的储备资金不能发挥应有的作用。为了确保石油化工生产的连续运行,每年需要采购、储备大量的物资,占用了大量的储备资金,这在竞争日趋激烈的市场条件下成为企业巨大的负担。面对经济全球化,中石化如何发挥企业集团的优势,降低储备资金占用,在物资采购呈现买方市场的情况下,建立相对稳定的供应体系,是现代企业面临的新问题。

4 结论

本文通过阐述财务指标和股价关联的相关理论并提出股票计价模型,选取分析了中国石化集团一些财务指标并指出与其股价的关联性,得出了以下结论:在本文中回归模型选取的七个指标:总资产(Asset)、每股收益(EPS)、总资产收益率(ROA)、流动比率(CR)、资产负债率(LEV)、管理费用占营业收入的比率(ADM)、应收账款占总资产的比率(AR))中,流动比率和管理费用占营业收入的比率、总资产规模并没有显著的线性相关性;每股收益从长期走势来看,二者与股价变动基本为正向相关关系;总资产收益率基本为正向相关关系;应收账款占总资产的比率从长期走势来看,与股价变动基本为反向相关关系;资产负债率在一定短的时期内和股价存在反向相关关系。此外,对于中国石化集团出现财务指标与股价变动的反常现象,从宏观和公司本身进行了分析,基本上由中国政府的政策、中国股市制度的特殊性、中国石油化工行业情况和公司自身的经营理念所引起,并且可以对微观因素进行改善而从财务上稳定股价。

参考文献

[1]王汉生,张瀚宇,何天英,等.上市公司财务参数与其股价波动性关系探究[J].证券市场导报,2010(2).

[2]金德环,王俊,李鹏,等.上市公司信息披露与个股异常波动相关性研究[J].财经研究,2002(7).

茅台提价振股价 篇4

2月13日，沪深两市第一高价股贵州茅台(SH 600519)继前一日大涨之后，全天宁牢封于涨停价位，收报57．78元，创出上市以来的新高。

如此强劲的走势于干2月11日的一则公告：贵州茅台酒为国内白酒市场惟一集“绿色食品”、“有机食品”和“原产地域产品”称号十一身的优质白酒，根据目前国内外白酒市场状况和产品供求的实际情况，公司决定自2006年2月10日起适当调整出厂价格，平均上调幅度约为15％。

提价消息公布后，不少投资研究机构纷纷上调了贵州茅台2006年的盈利预测值。有分析师称，贵州茅台2006年利润将同比增长40％，每股盈利可望增加0．45元。与此同时，提价也将在一定程度上抑制其2006年的销售量增长，有研究机构将这一指标从12％下调至10％以下。

贵州茅台将此次提价的时机选在了春节销售旺季过去之后，无疑可以缓冲提价可能带来的销售增长压力，而在春节之前，另一高价白酒品牌五粮液(SZ 000858)也已经小帕提价。有研究机构认为，淡季提价显示了茅台品牌的独特性，具有市场定价力优势，由此其毛利率将进一步上升。

此前的2003年10月，贵州茅台曾分别将高度酒和低度酒提价23％和34％，这使得2004年高度酒和低度酒的毛利率达到83．39％和181．50％，分别较2003年提高了2．51和0．77个百分点。而销售总量也同比增长了27％，净利润则增长了39．85％。

在2005年前三季度，贵州茅台的增长趋势得以延续，实现营收25．80亿元，增长24．63％，净利润为7．02亿元，增长36．25％。其中高度酒毛利率83．6％，比之2004年度仍有小幅升高，而低度酒毛利率则微降至81．34％。公司账面上巨额的预收账款也反映了贵州茅台良好的销售情况：截至2005年9月30日，这一指标高达14．33亿元。

贵州茅台的提价动力缘于其品牌形象和价位的不匹配，作为长期以来的“国酒”代表，其价格与其他一些高价品牌相比偏低。在几次提价后，贵州茅台的价位已经与竞争对手保持在同一水平。

中国股价 篇5

投资者的非理性行为与股票价格间的关系是现代金融理论和行为金融理论争论的焦点。传统金融理论认为, 市场是有效的, 某种程度上某些投资者可能并非理性, 但由于交易随机进行, 该种非理性会相互抵消, 因此股票价格不会受到影响。而兴起于20世纪80年代的行为金融理论, 吸收了心理学、社会学、人类学、行为决策研究的成果, 突破了传统金融理论的有效市场和理性人假说, 认为由于非理性投资者行为的不可预测性和套利的非完美性, 理性套利者并不能及时纠正非理性投资者导致的股票价格与价值之间的偏离, 所以, 股票价格由其基础风险和非理性投资者的错误估价共同决定。而众多针对投资者情绪与股票市场的研究正好回应了行为金融理论的这一理论。

投资者情绪这一概念的出现始于1963年美国《投资者智慧》杂志编制的熊市情绪指数 (the Bearish Sentiment Index) 。而Solt和Statman[1]对于投资者情绪与股价的实证研究则将学术界讨论的焦点从关于价格、红利和盈利的时间序列的经济计量分析逐渐转向了跟金融市场有关的人类心理学建模, 越来越多的学者开始了对投资者情绪与股价关系的研究。

相关的研究主要集中在如何选取合适的表征投资者情绪的代理变量并研究其与资产收益的关系, 以及投资者情绪对市场价格的影响机理等方面。

1996年, Swaminathan[2]、Neal和Wheatley[3]应用噪音交易理论解释了封闭式基金折价之迷, 并发现作为投资者情绪代理变量的封闭式基金折价可以预测小公司股票的未来收益以及小公司股票组合与大公司股票组合的收益差;而后, Simon与Wiggins考察了封闭式基金折价和投资者情绪调查指数作为投资者情绪代理变量在短期市场收益预测中的作用;金晓斌等[4]、张俊喜等[5]也以封闭式基金折价代理投资者情绪, 分析了投资者情绪与股市收益的关系。Brown[6]运用美国“个人投资者协会” (AAII) 提供的投资者情绪指数, 证实了投资者情绪与封闭式基金价格的波动紧密相关;Fisher和Statman[7]利用对投资者的调查数据编制投资者情绪指数, 并最终发现战略投资者和个体投资者的情绪均与市场指数的未来收益成负相关关系;饶育蕾与刘达锋[8]、王美今等[9]分别利用“央视看盘”数据作为情绪代理变量研究了投资者情绪与市场收益的关系。Qiu和Welch的研究则更进了一步, 其提供的证据一方面肯定了情绪在金融市场中具有一定的作用, 表明基于问卷调查的情绪指数对于理解金融市场有一定参考意义, 另一方面却又认为封闭式基金折价可能是对投资者情绪的一个错误度量。

同时, 许多学者还从投资者情绪对股市价格的影响机理方面对该问题进行了研究。Delong等[10]给出了噪音交易的基本理论模型 (DSSW模型) , 指出在有限套利的市场中, 投资者情绪是影响股票均衡价格的系统因子;Lee等[11]和王美今等[19]的研究也得出了类似的结论。Barberis等[12]、Daniel等[13]、Hong和Stein[14]则根据投资者认知偏差来解释情绪的形成及其对股票价格的影响机理。除此之外, 张强、杨淑娥和杨红[15]应用GARCH模型研究了中国股市投资者情绪对股票收益的影响, 结果发现, 机构投资者情绪是影响股票价格的重要因素, 而个人投资者情绪的影响并不显著。

综上, 现有研究对表征投资者情绪的指标是否具有参考价值存在分歧, 对投资者情绪与股市之间关系研究的结论也不一致, 并且大部分的研究都侧重于投资者情绪对于股票市场的单方面影响, 鲜有文献涉及到二者间互动关系的研究。投资者获得信息后, 其情绪发生波动, 从而导致投资决策发生变化, 进而引起股票价格的波动, 股票价格的波动亦会通过反馈机制再次影响投资者情绪, 因此有必要研究二者的相互影响。我国股市作为新兴市场, 制度尚不健全, 过度投机突出, 与其他成熟市场相比具有更强的心理特征, 为检验行为金融理论提供了良好的实证基础。因此, 本文以我国股市为研究对象, 在借鉴国内外相关研究的基础上, 不拘泥于投资者情绪对于股票价格的单向影响, 着力进行二者间互动的实证检验。

在研究工具的选择上, 虽然有文献涉及到了GARCH类模型, 但仅局限于单变量模型的应用, 不能更好地从动态角度分析多个变量之间的相关关系。鉴于金融市场的波动往往表现出异方差特性, 及本文研究核心是不同变量、不同因素间存在的相互影响和相关关系, 引入了既可以涵盖单变量的波动特性, 又可刻画不同变量波动间相关关系的多元GARCH类模型, 对投资者情绪波动与股票价格波动的互动关系直接进行实证检验。本文的目的在于揭示中国股票市场上, 股票价格波动和投资者情绪波动对于信息的敏感程度, 以及变量波动的持续性, 进而准确把握二者的动态相关关系, 为理解中国股票市场规律及今后如何从投资者情绪的角度进一步完善市场、提高其运行效率提供一定的实证依据。

1 数据处理和实证模型分析

1.1 变量选择与数据选取

1.1.1 投资者情绪代理变量的选择

鉴于相关文献得出的基于问卷调查的机构情绪指数对于理解金融市场有一定参考意义这一重要结论, 本文拟采用基于问卷调查的情绪指数。《股市动态分析》杂志社于每周五对机构投资者关于股市多空的意见进行调查, 周六在该期刊上公布好淡指数, 该指数的编制起步较早而且中间从未间断, 保持较好的连续性。考虑到数据记录的完整性, 本文选用好淡指数作为投资者情绪的代理变量。根据《股市动态分析》杂志的定义, 设

$S{}_t=\frac{Bulls{}_t}{Bulls{}_t+Bears{}_t}\times 100$

其中, St表示t时期好淡指数;Bullst表示t时期看涨人数;Bearst表示t时期看跌人数。令D-St=lnSt-lnSt-1, 表示投资者情绪的波动, 则D-St>0表示投资者在t期变得乐观或更乐观;D-St<0表示投资者在t期变得悲观或更悲观。

1.1.2 数据的选取与处理

本文选取上证综指的历史周数据进行研究。样本期从2005.20周 (05.5.16) ～2008.10周 (08.03.03) , 共147个观测值。

代表股市价格的上证综指用HS表示, t周股票价格波动D-HSt=lnHSt-lnHSt-1, HSt表示t周的上证综指。数据来源于雅虎财经历史数据库。

关于数据的处理, 由于上证综指的周数据每年都有3周的缺失, (五一, 十一, 春节放假) , 好淡指数也有类似的情况。所以为了数据的完整性, 本文采用在处理少量数据缺失情况下比较常用的中心化移动平均法, 补齐漏掉数据。

1.2 二元GARCH模型

投资者获得信息后, 其情绪发生波动, 从而导致投资决策发生变化, 进而引起股票价格的波动, 股票价格的波动亦会通过反馈机制再次影响投资者情绪。

投资者情绪波动与股票价格波动作为高频时间序列分布一般具有波动率集群 (volatility clustering) 特性, 而GARCH类模型一般能揭示这种波动特性, 因此本文倾向选取GARCH类模型进行研究。另外由于本文的目的在于考察投资者情绪波动与股票价格波动的相互关系, 于是需要把单变量GARCH类模型扩展到多变量情况。而DCC多元GARCH模型恰好能够从动态角度分析多个变量之间相关关系, 并且同其它多元GARCH模型相比, 其参数估计较为简单, 所以本文选取DCC多元GARCH模型进行研究。

建立投资者情绪波动和股票价格波动的DCC二元GARCH模型, 首先要考察二者代理变量数据的平稳性和异方差性, 而后利用DCC二元GARCH模型进行实证检验。

假设投资者情绪波动与股票价格波动的信息{rt}为独立同分布的白噪声过程, 服从均值为0, 协方差矩阵为Ht的多元正态分布, 即:rt|Ωt-1～N (0, Ht) , Ωt-1为投资者情绪波动与股票价格波动在t-1期之前所有可获信息的集合, 二者动态相关结构设定为:

rt|Ωt-1～N (0, Ht) (1)

Ht=DtRtDt (2)

$\text{Q}{}_{\text{t}}=\left(1-{\displaystyle \sum _{\text{m}=1}^{\text{Μ}}\text{α}}{}_{\text{m}}-{\displaystyle \sum _{\text{n}=1}^{\text{Ν}}\text{β}}{}_{\text{n}}\right)\overline{\text{Q}}+{\displaystyle \sum _{\text{m}}^{\text{Μ}}\text{α}}{}_{\text{m}}(\text{ε}{}_{\text{t}-\text{m}}{\text{ε}}^{\prime }{}_{\text{t}-\text{m}})+{\displaystyle \sum _{\text{n}}^{\text{Ν}}\text{β}}{}_{\text{n}}\text{Q}{}_{\text{t}-\text{n}}$ (3)

其中$\overline{\text{Q}}=\text{Τ}{}^{-1}{\displaystyle \sum _{\text{t}=1}^{\text{Τ}}\text{ε}}{}_{\text{t}}{\text{ε}}^{\prime }{}_{\text{t}}$, 为二者标准化残差的无条件方差矩阵。

Rt= (Q*t) -1Qt (Q*t) -1, Q*t为Qt对角线上的数。

Rt为投资者情绪波动与股票价格波动的动态相关系数矩阵, $D{}_t=diag(\sqrt{h{}_{it}})$, $\text{h}{}_{\text{i}\text{t}}=\text{ω}{}_{\text{t}}+{\displaystyle \sum _{\text{p}=1}^{\text{Ρ}{}_{\text{i}}}\text{α}}{}_{\text{i}\text{p}}\text{e}{}_{\text{i}\text{t}-\text{p}}^2+{\displaystyle \sum _{\text{q}=1}^{\text{Q}{}_{\text{i}}}\text{β}}{}_{\text{i}\text{q}}\text{h}{}_{\text{i}\text{t}-\text{q}}$ (意味着投资者情绪波动和股票价格波动分别都服从一个GARCH (p, q) ) 。ε′t=D-1tet为向量标准化残差, $\overline{Q}$为标准化残差的无条件方差矩阵, Rt中的元素为:$\rho {}_{ij‚t}=q{}_{ij‚t}/\sqrt{q{}_{ii‚t}q{}_{jj‚t}}$, 在这里投资者情绪波动与股票价格波动的相关系数矩阵Rt被分解, 于是Q*t为对角元素为$\sqrt{q{}_{ii‚t}}$的对角阵, Qt里面的元素为qij, t、qii, t、qjj, t。αm和βn称作DCC模型的系数 (m和n为滞后阶数) , 分别为投资者情绪波动和股票价格波动的DCC二元GARCH模型里前期标准化残差平方系数与前期条件异方差系数, 并且满足αm≥0, βn≥0。

简单的说, 投资者情绪波动和股票价格波动的DCC二元GARCH模型的参数估计分为两个步骤:

(1) 分别估计投资者情绪波动和股票价格波动的单变量GARCH过程;

(2) 使用第一步骤所估计出的二者的条件方差标准化残差估计投资者情绪波动和股票价格波动的动态条件相关系数。

最后, 要检验模型算出的二者的动态相关系数是否与常相关系数有显著性差异, 即对Rt进行假设检验, 判定投资者情绪波动和股票价格波动间是否存在固定相关性。假设:

${\rm H}{}_0:R{}_t=\overline{R}{\rm H}{}_1:R{}_t\ne \overline{R}$

运用Engle提出的分布方法进行检验, 同时给出相应的p值。

本文实证均在软件Eviews5.10和MATLAB6.5的环境下实现, 计算过程参照了Kevin Sheppard的USCD-GARCH工具箱。

2 模型估计结果

2.1 单位根检验

由于运用GARCH类模型研究的前提是所研究的时间序列必须平稳, 所以有必要对数据进行平稳性检验。本文主要采用ADF方法检验时间序列的平稳性。根据AIC最小原则选择的D-St和D-HSt最佳滞后阶数分别为0阶和2阶, 结果如表1、表2所示。

D-St和D-HSt的ADF检验值都分别小于3个显著水平上的临界值, 所以对两个时间序列的检验均拒绝序列存在单位根的假定, 因此判定投资者情绪波动序列和股票价格波动序列都是平稳序列。

2.2 异方差性检验

通过对投资者情绪波动序列和股票价格波动序列的自相关检验, 我们发现二者都与其滞后1阶存在显著的自相关, 因此对二者的均值方程都采用如下形式:

D-St=c1+a1D-St-1+ε1t

D-HSt=c2+D-HSt-1+ε2t

二者进行自回归后, 利用Ljung-Box Q统计量分别对二者均值方程拟和后的残差及残差平方做自相关检验, 结果表明投资者情绪波动和股票价格波动各自的残差序列不存在显著的自相关, 而残差序列平方则有显著的自相关性。二者残差序列平方图如图1和图2所示。

直观地就可以看到残差序列平方的波动具有明显的时间可变性 (time varying) 和集群性 (clustering) , 有的时刻残差序列平方的方差很大, 并且持续一段时间;而在另外的时刻其方差可能很小, 也会保持一定的惯性, 因此, 初步认为投资者情绪波动序列和股票价格波动序列适合用GACH类模型来建模。但是为了进一步证明可以使用GACH类模型, 本文对样本进行了ARCH-LM检验。

投资者情绪波动ARCH效应检验的LM统计量为5.489325, P值为0.020521, 在5%的水平上显著;股票价格波动ARCH效应检验的LM统计量为3.733852, P值为0.026313, 也在5%的水平上显著, 于是认为投资者情绪波动和股票价格波动均具有ARCH效应, 因此本文对GACH类模型的选择是正确的。

2.3 DCC二元GARCH模型估计

投资者情绪波动和股票价格波动残差序列的模型部分, 我们采用了比较简洁的二元GARCH (l, l) 形式, 很多研究者已经证明了GARCH (1, 1) 能够涵盖其他的情形, 因为不论GARCH (p, q) 中p, q的取值如何都是可以递推演化为GARCH (l, l) 形式的。因此, 得出下面二者的条件方差模型参数和DCC (1, 1) 参数, 如表3、表4和表5所示。

表3、表4中ARCH项的含义为现有信息对下一期波动的影响程度, 值越高说明对新信息的敏感度越高。表3中投资者情绪波动的ARCH (1) 值等于0.13469, 小于表4中股票价格波动的0.18861, 表明当受到前期可预期信息和不可预期的利好信息或利坏信息冲击时, 二者虽然都会产生波动, 并将这种波动继续以相同的方向传递给后期, 但相比而言, 股票价格的波动会较为明显。令λ=GARCH (1) +ARCH (1) , 表示变量波动的持续性, 用来衡量现有的波动性趋势在未来消失的速度, 该值越接近1, 表明波动性趋势在未来维持的时间越长。从表中可知, 投资者情绪波动的λ值为0.92909, 而股票价格波动的λ值仅为0.63005, 投资者情绪波动有明显接近于1的趋势, 由此看来, 投资者情绪波动对于新信息接受能力较弱, 但当其受到影响后, 波动性趋势持续时间较长;而股票价格波动恰好相反, 当期信息对下一期波动的影响程度较大, 可其影响力在未来的消失速度也要快得多。

注:P值为假设动态相关系数为不变的概率, 卡方值为相应P值的卡方检验值。*、**和***分别表示显著水平1%、5%和10%。

表5中, 整个DCC (1, 1) 模型的参数分别为0.057942和0.90811, 其中P值为假设投资者情绪波动与股票价格波动的动态相关系数不变的概率, 卡方值为相应P值的卡方检验值。P=0.12878, 即动态相关系数有12.878%的概率稳定不变, 其卡方检验值为26.051, 具有统计显著性, 可以认为二者间基本存在动态可变的条件相关系数, 即有波动溢出效应。由此确定, 投资者情绪波动和股票价格波动之间具有双向因果或者反馈关系, 一个变量的变动, 会对另一个变量的波动产生或多或少的影响。也就是说, 当信息到达投资者群体时, 会引起投资者情绪的波动, 从而引起其投资决策发生变化, 而面对这一变化股票市场也会做出反应, 股票价格随之发生波动, 反过来又继续影响投资者的决策, 进而影响其情绪波动, 如前面图1二者内在的逻辑关系图所示。

由图4可直观看出投资者情绪波动与股票价格波动的动态相关系数并不是固定不变的, 而是基本处于[-0.35, 0.5]之间波动, 总体正相关机会大于负相关机会。2005～2006年间其值有正有负, 并不十分稳定, 而从2006年末开始至2008年初, 该系数一路攀升, 逐渐稳定在[0.2, 0.5]之间。这主要是因为2006年末我国股市就开始单边上涨趋势, 股票市场异常兴旺, 但与此相对的是股市中的投资者素质不高, 容易受到利好信息或利坏信息的影响, 导致跟风、盲目信赖专家等现象普遍存在, 投资者轻易地改变其投资决策, 从而引起股票价格的频繁波动, 二者间联动变强, 所以投资者情绪波动与股票价格波动之间的互相影响较大, 动态相关系数位于相对高位震荡。而在检验期末的时段, 相关系数逐渐呈现下降趋势, 这主要归咎于近期股市低迷, 大盘股指一路下跌, 投资者信心受挫, 对股市关注度也随之下降, 信息对于投资者情绪的影响减弱。此时, 多数投资者处于观望阶段, 不会轻易买入或卖出股票, 改变其投资决策, 于是投资者情绪波动与股票价格波动间的影响及反馈机制敏感度下降, 导致二者间溢出效应减弱, 从而出现期末的联动趋弱现象。

投资者情绪波动与股票价格波动间互动关系的实证结果比较准确地刻画了投资者对股票市场的评价和预期, 及股票市场变动对投资者情绪的冲击, 与市场运行情况基本吻合。但同时我们也注意到, 二者间的动态相关系数的最小值为-0.3087, 最大值为0.4732, 均值为0.1702, 从数值上看并不理想, 即二者的相关程度并不高。

3 结论与启示

3.1 实证研究结论

(1) 本文以好淡指数作为投资者情绪的代理变量, 以上证综指作为股票价格的代理变量, 运用恩格尔提出的DCC二元GARCH模型进行了二者间互动的实证检验, 结果发现二者间波动倾向于存在动态可变的条件相关系数, 具有双向因果或者反馈关系, 即有波动溢出效应。二者间一个变量的变动, 会对另一个变量的波动产生或多或少的影响, 并且这种影响多数时候是正向的。

(2) 投资者情绪波动和股票价格波动分别都服从一个单变量的GARCH (1, 1) 过程, 但投资者情绪波动的ARCH (1) 值小于股票价格波动的ARCH (1) 值, 表明股票价格波动对于信息的敏感度高于投资者情绪波动, 同时其对下一期波动的影响力也更强。而对于以λ值表示的变量波动的持续性, 投资者情绪波动却好于股票价格波动, 其波动性趋势持续时间较长;影响力在未来的消失速度也相对较慢。

(3) 文中投资者情绪波动与股票价格波动的动态相关系数处在[-0.35, 0.5]之间, 证明二者间的互动影响是有效的, 但从最小值、最大值、均值的数值来看, 二者的相关程度并不高。这一方面是由于本文选取的数据为周数据, 包括的样本数量不很充足, 数据集群性不十分明显, 导致实证结果不理想;另一方面则是由于我国股票市场制度不健全, 投资者出于风险偏好及对股市的信心不足, 对“坏消息”有较大的心理预期和承受能力, 对“好消息”却容易过度反应, 导致投资者情绪波动产生不规则性和某些时刻的剧烈性。与此相反, 股票市场波动则大部分时候处于一种随机游走的状态, 当一方的波动性增加, 另一方的波动性没有变化时, 两者之间互动的显著性就会下降, 即投资者情绪波动对于股票价格波动的影响程度减弱, 同时相应的反馈机制也受到牵制。

3.2 启 示

本文中的DCC二元GARCH模型较好地描述了投资者情绪波动与股票价格波动间的动态互动关系。因此, 我们应该注意到, 在我国投资者素质不高, 跟风、盲目信赖专家等现象普遍存在的情况下, 不但投资者情绪波动时刻影响着股票价格的波动, 股票价格波动反过来对于投资者情绪波动的修正作用也是不容忽视的。虽然短期内二者的相关性并不高, 没有引起足够重视, 但是随着我国股市的规范化和研究的深入, 投资者情绪波动与股票价格波动的外溢现象将为包括投资者在内的各方参与者认识市场、把握市场, 提供更为合理、有价值的分析途径。因此, 如何提高投资者的素质、增强其投资行为的理性化程度也就成为对稳定股票市场重要而现实的问题。

同时, 投资者情绪波动与股票价格波动间的这种互动也为监管部门实施市场监管和调控提供了依据。监管部门可以利用投资者情绪指数掌握投资者的心理活动和心理预期, 从而适当调控和合理引导投资者情绪, 通过向投资者传播投资知识、传授投资经验、培养投资技能、倡导理性投资观念、提示投资风险等方式, 提高投资者素质, 使其保持对市场的信心, 形成理性和稳定的情绪, 促进市场稳定有序地运行。同时, 强化对股票市场的监管, 加强信息及时披露, 增加信息的透明度, 提高股票市场在资源配置上的效率性, 进一步规范市场, 使市场的不断完善反过来坚定投资者对于市场的信心。最终, 二者形成良性循环, 从而最大限度地发挥中国股票市场在促进中国经济发展中的作用。

中国股价 篇6

2007年美国爆发了严重的金融危机, 导致全球经济低迷, 股市大幅度回落, 直至今日全球都没有摆脱经济低迷的阴影, 部分国家信用评级屡次被下调。而此次股价的大幅度变化, 只是历史长河中的一个缩影, 如1973年11月的英国以及1994年4月的美国股票市场均出现了大起大落, 这不禁让人联想到市场有效性假说, 如果市场有效, 为何股价格变化如此之大呢?鉴于前人重点研究了美国金融市场, 并发现股价过度波动。所以本文针对德国、英国、中国香港和澳大利亚四个国家和地区进行股价过度波动的检验。这四个金融市场比较发达且完善, 研究它们, 对研究世界金融市场是否普遍存在过度波动也是一个很好的参照。

文章采用了第一代希勒 (Shiller) 检验以及改进过的第二代斯科特 (Scott) 模型来检验股价波动率。Shiller检验简单直观, 但可能存在数据非平稳性和没有统计检验等缺点;而Scott方法解决了上述问题, 利用简单线性回归来测度股价是否过度波动。但Scott的方法仍存在不足, 所以我们在Scott的方法上做了如下改进:使用了实际折现率;计算完美预见价格的终端价格上, 使用了两种测度方式;除了使用股利外, 文章还引入了盈利对股价进行平减。

二、模型介绍

1、Shiller模型

在有效市场下, 假设单期收益为常数, 得到股价现值模型, 即, 。其中, Pt是时期t初的股票价格;Dt是时期t末支付的股利;Et表示以t时可以获得的信息为条件的数学期望;δ是常数贴现因子, 这里限定常数贴现率为r, 即δ=1/ (1+r) ;Pt*表示为事后理性价格, 即投资者对未来有相同看法且知道股利的历史数据。所以按照上面方程可以计算出往年的事后理性价格。因此得到t时的事后理性价格模型为。所以有效市场模型可以被描述为Pt=Et (Pt*) , Pt是以时间t时所有可获信息为条件的Pt*的数学期望, 其中预测误差定义为ηt, 因此Pt*=Pt+ηt (2) 。

最优预测的基本原则是预测误差ηt与预测不相关, 独立于t时刻的所有信息, 即Pt和ηt之间的协方差为0。在有效市场假设下, 对 (2) 两边求方差, 得var (Pt*) =var (Pt) +var (ηt) +2cov (ηt, Pt) 。信息正交性意味着cov (ηt, Pt) 等于零, 因此var (Pt*) =var (Pt) +var (ηt) , 因为var (ηt) 叟0, 所以var (Pt*) 叟var (Pt) 以上不等式就是边界方差不等式。

Shiller认为如果市场是有效性的, 事后理性价格的波动率应该大于等于实际股价波动率。他还认为实际股价和实际股利中包含了长期增长因子, 如果不剔除股价和股利中的趋势, 会使得方差边界不等式无效, 调整如下:。其中λt-T= (1+g) t-T, g是增长率, T是基点年。Shiller通过自然对数式子ln (Pt) =a+bt+εt回归得到估计值b, 并设置b=lnλ。于是 (1) 除以λt-T, 可以得到作为去趋势实际价格Pt的折现因子, 并且可以推导得出r軃=E (d) /E (p) 。所以有效市场理论可得Pt=Et (Pt*) 。上述公式是无限期求和, 由于样本观测期是有限的, 所以只能观测近似Pt*, 选择某种方法计算事后理性价格的期末终值, 然后利用向上一期进行迭代, 推算整个各期的事后理性价格。这样剔除趋势后的方差不等式为var (Pt) 叟var (Pt*) , 如果市场有效, 即var (Pt) /var (Pt*) >1。

2、Scott模型及改进

Scott证明了如果有效市场成立, 那么通过 (2) 可以得出Pt*和Pt以及常数a存在线性关系, 即Pt*=a+bpt+et, 通过最小二乘法计算, 若零假设检验a=0和b=1通过, 说明市场有效, 反之则市场无效。由于股价存在时间趋势数据会不平稳, 直接对上式检验将无效。首先需要剔除数据中的时间趋势, Scott运用股价—股息比率巧妙地平稳了数据, 即。除此之外, 文中还将运用股价—盈利比率来检验, 以此增加检验的稳健性, 即。

在事后理性价格的期末终值处理上, 文章将使用两种测度方式:一是完美预见价格等于样本观测终值P*t+n=Pt+n;二是完美预见价格用Gordon模型计算。在折现率方面, 以前学者大多会假设实际折现率等于一个常数k, 很明显这样假设存在一定的限制。本文将运用无风险利率r加上一个固定风险溢价rp来计算实际折现率, 即kt=rt+rp, 这样计算结果将更准确。因此得到。最后由于Scott方法的运用可能会导致误差项出现序列相关性, 我们将运用Newey-West方法解决, 并通过Eviews使用Wald测试, 来检验是否拒绝零假设a=0和b=1。

三、数据选取和实证检验

本文数据均选自Global Financial Data的季度数据。德国选取1953—2011年CDAX综合指数;英国选取1923—2011年FTSE All-Share指数;中国香港选取了1972—2011年恒生指数;澳大利亚选取1882—2011年All Ordinaries指数。其他数据还包括:各国 (地区) 相对应时期的消费者物价指数和90天国债利率。Shiller检验的数据处理参照Shiller (1989) 的方法, Scott模型比率数据均通过了单位根检验, 证明已平稳。检验结果如表1、表2所示。

四、结论

Shiller检验结果与Scott模型所得结论一致:四个金融市场都出现了过度波动的情况, 我们可以认为有效市场假说也许并不严格成立, 世界很多市场都存在过度波动的现象。因此只有加强法律法规、金融监管和提高约束机制才能有效防范金融危机的再一次产生。当然本文也存在局限性, 如可能历史数据跨度不够, 而存在“比索问题”导致检验的不准确。因此, 有效市场假说是否成立, 还需要进一步论证研究。

参考文献

[1]Shiller, R.J:Do Stock Prices Move Too Much to Be Justified by Subsequent Changes in Dividends?[J].The American Economic Review, 1981, 71 (3) .

[2]Shiller, R.J:Market Volatility[M].MIT Press, Cambridge, Mass, 1989.

中国股价 篇7

股票市场从其基本的职能讲是一个资金配置和价值发现的场所, 但是如果股票价格被扭曲而不能反映股票的内在价值, 则市场进行资金配置的有效性将会弱化;反之, 如果股票价格静如止水, 缺乏相应的波动性和适度的异常波动, 则市场进行资金配置的有效性也会退化。 在中国股票市场上, 股票价格异常波动 (abnormal fluctuation) 比较突出[1], 因此, 研究如何辨别频繁出现的异常波动是基于某些可预期的基本面反应——即市场的有效运作, 还是出于内幕消息、控制股价等违规违纪行为, 这对促进中国股市的健康发展和有效发挥融资功能是一项非常有意义的工作。

1 文献综述

国外是在理性预期的框架下研究异常波动, 一般股票价格水平与实际经济活动有密切的联系。Fama[2]发现股票收益率和未来实际经济活动之间存在高度相关, 而且这种关系随着样本长度的增加而提高。Schwert[3]将虚拟变量加入到股票市场的波动性的影响因素模型中, 研究结果发现, 在经济萧条期股票市场的波动性明显增大。尽管国外对异常波动做了很多研究, 说明了异常波动和异常收益的相关关系, 以及异常波动与市场有效性的一些联系。但是它的缺陷依然明显, 首先表现在他们没有明确的阐述产生异常波动的因素都包含那些, 而且也没有说明, 这些因素产生的异常波动是否有助于还是有违于提高证券市场的有效性。从国内研究的现状来看, 虽阐述了一些能够影响市场异常波动的因素, 但是依然也没有说明这些因素所引起的异常波动是否有助于还是有悖于提高市场的有效性。

目前, 国际国内的研究均主要集中于寻找或者证明哪些因素和异常波动存在相关关系, 但是这些关系究竟表现为何种形式——因果关系[4] (如为因果, 何为因, 何为果?) 、伴生关系还是巧合——则鲜有研究成果。而本文的研究侧重于判定异常波动和因素的关系类型。

2 基于因果联系的归纳方法在分析股市异常波动的思路

因果联系是最基本的逻辑关系, 它反映客观事物或现象之间的相互关系和作用。张南纶[5]提出了利用一种泛布尔代数对两两事件进行归纳分析并总结其因果关系的思路。下面简介这一思路。

2.1 因果联系的分类

现有两事件或现象A和B, 若A、B同在K时刻发生, 我们研究其关系时, 将其关系定义为A是B的必要征兆 (或B是A的充分征兆) 和A是B的必要且充分征兆两类。其中, A是B的必要征兆是指在一个给定的因果关系中, ①B出现在K时刻则A也出现在K时刻, 且, ②A不出现在K时刻则B也不出现在K时刻。A是B的必要且充分征兆是指在一个给定的因果关系中, ①A出现在K时刻B也出现在K时刻, ②A不出现在K时刻B也不出现在K时刻;而且, ③B出现在K时刻则A也出现在K时刻, ④B不出现在K时刻A也不出现在K时刻。

事件或现象不同时发生, 且存在关系, 其关系可以划分为三类:A是B的必要原因、A是B的必要结果和A是B的充分原因 (或B是A的充分结果) 。A是B的必要原因是指在一个给定的因果关系中, ①A出现在K-1时刻则B不一定出现在K时刻, ②B出现在K时刻则意味着A曾出现在K-1时刻;③A不出现在K-1时刻则B不出现在K时刻, ④B不出现在K时刻则意味着A不一定不出现在K-1时刻。A是B的必要结果是指在一个给定的因果关系中, ①B出现在K-1时刻则A出现在K时刻, ②A出现在K时刻并不意味着B曾出现在K-1时刻;且③A不出现在K时刻意味着B不曾出现在K-1时刻, ④B不出现在K-1时刻则A不一定不出现在K时刻。A是B的充分原因 (或B是A的充分结果) 是指在一个给定的因果关系中, ①A出现在K-1时刻则B出现在K时刻, ②B出现在K时刻则意味着A曾出现在K-1时刻;③A不出现在K-1时刻则B不出现在K时刻, ④B不出现在K时刻则意味着A不曾出现在K-1时刻。

2.2 寻求因果联系的方法

为将上述因果关系数量化处理, 作如下规定:AK表示事件或现象A发生在K时刻, $\text{A}{}_{\overline{\text{Κ}}}$表示在K时刻事件或现象A未发生, 故, AK→BK表示A出现在K时刻则B也出现在K时刻, AK→BK-1表示A出现在K时刻并不一定B曾在K-1时刻出现。依上述规定, 事件或现象A和B的关系满足如下数学表达式:

$\{\begin{array}{l}(1):\text{A}{}_{\text{Κ}}\to \text{B}{}_{\text{Κ}\text{i}}\\ (2):\overline{\text{A}}{}_{\text{Κ}}\to \overline{\text{B}}{}_{\text{Κ}},\end{array}(1)$

则A是B的必要征兆 (或B是A的必要征兆) 。其他四类因果关系也可如此用数学表达式来表示。

2.3 利用因果联系分析股市异常波动的应用思路

不论我们采用何种规则定义异常波动, 股票异常波动的表现形式都是多样的, 都会有多种形式。假设按照某一定义, 异常波动可以划分为n类, 其n种形式分别用a1、a2、a3…an来表示, 并满足如下关系:

$\{\begin{array}{l}\text{a}{}_{\text{i}}{\displaystyle \cap \text{a}}{}_{\text{j}}=\varnothing ,\text{i}\ne \text{j}\\ {\displaystyle \underset{\text{i}=1}{\overset{\text{n}}{\cup }}\text{a}}{}_{\text{i}}=\overline{\varnothing }\end{array}(2)$

对于任何可能引发股票价格异常波动的事件Xi, 我们可以对其做出一些信息判断的规定 (例如, 对于上市公司发布的有关资产重组的公告, 我们可以对其隐含信息进行提炼分类为:不进行重组, 不明确是否重组, 暂缓重组, 确定重组四类。) , 依据规定, 可将事件Xi划分为m类, X${}_1^{\text{i}}$、X${}_2^{\text{i}}$, …, X${}_{\text{m}}^{\text{i}}$, 其中,

$\{\begin{array}{l}\text{X}{}_{\text{j}}^{\text{i}}{\displaystyle \cap \text{X}}{}_{\text{k}}^{\text{i}}=\varnothing ,\text{k}\ne \text{j}\\ {\displaystyle \underset{\text{j}=1}{\overset{\text{m}}{\cup }}\text{X}}{}_{\text{j}}^{\text{i}}=\text{X}{}^{\text{i}}\end{array}(3)$

在上述分类的基础上, 我们可以进行统计归纳分析, 分析ai与X${}_j^i$的确然因果关系。对于与 (j≠k) 均与或与 (i≠j) 均与X${}_j^i$存在的确然关系的情形, 还可进行泛布尔代数运算进行统计总结以发现更深层次中国股市异常波动的原因或征兆。

3 实证归纳分析

3.1 异常波动的界定

目前, 对于异常波动的研究, 大多是通过对目标收益率的规定来辨识是否产生了异常波动。欧美等成熟市场一般采用的目标收益率为1%, 我国学者在研究中国股市时一般适当的放大目标收益率。在中国股市的实际监管过程中, 上海证券交易所对异常波动有明文规定[6]:

A:连续三个交易日内日收盘价格涨跌幅偏离值累计达到±20%的。

B:ST股票和*ST股票连续三个交易日内日收盘价格涨跌幅偏离值累计达到±15%的。

C:连续三个交易日内日均换手率与前五个交易日的日均换手率的比值达到30倍, 并且该股票、封闭式基金连续三个交易日内的累计换手率达到20%的。

D:本所或证监会认定属于异常波动的其他情形。

为了研究的方便并与实际情况接轨, 本文采用了上海证券交易所对于异常波动的规定。

3.2 数据的选择与处理

ST类股票出现异常波动的频率最高, 出现资产重组的比例也最高, 因此本文以ST板块2010年8月1日到2010年12月31日的交易数据为研究对象。异常波动选择研究连续三个涨停, 与异常波动相对应的事件选择研究与资产重组相关的公告, 该公告的信息分为四个层次:否定、模糊应对、暂停重组、确定重组。对于在异常波动前且前一交易日后发生的公告, 定义为异常波动与公告同时发生, 异常波动发生后, 按交易所规定暂停交易并出澄清公告, 本文定义为异常波动为前件 (即k-1时刻发生) , 公告为后件 (即k时刻发生) 。

3.3 统计归纳分析

依兴业证券通达信软件遴选出如下数据:

注:①公告三月无重组但同时公告与重组密切相关的事务视为模糊应对。②T表明该内容符合相应栏目特征。

共发现了29组样本数据 (另有部分公告内容为模糊应对但股价未出现异动现象未做列示) , 其中对于同时发生的8件样本满足$①\text{X}{}_{4,\text{Κ}}\to \text{A}{}_{\text{Κ}}‚②\overline{\text{A}}{}_{\text{Κ}}\to \overline{\text{X}}{}_{4‚\text{Κ}}$, 即确定X4K是AK的必要征兆 (AK为连续三个涨停的股价异动) , 这表明, 若st类上市公司股价发布有关确定资产重组的公告, 股价将产生连续三个涨停的股价异动。

先定义股价异动为前件AK-1 (即股价异动发生在公告前) , 四种含义不同的公告分别为X1, K、X2, K、X2, K、X4, K (均为后件, 即公告发生在股价异动后) 。对于21个非同步发生的样本, 满足如下数学关系:$①\text{X}{}_{2‚\text{Κ}}{\displaystyle \cup \text{X}}{}_{4,\text{k}}\overline{\to }\text{A}{}_{\text{k}-1}$, 该式表明, 后期出现的有关资产重组的公告是模糊应对或者确认重组, 未必出现连三涨停的股价异动。②AK-1→X2, K∪X4, K, 该式表明, 股价若出连三涨停的异动, 出现的有关资产重组的公告必然是模糊应对或者确认重组。$③\overline{\text{A}}{}_{\text{Κ}-1}\to \overline{\text{X}{}_{2‚\text{Κ}-1}{\displaystyle \cup \text{X}}{}_{4‚\text{Κ}-1}}$, 该式表明, 股价不出现连三涨停的异动, 出现的资产重组的公告内容未必不是模糊应对或确认重组。$④\overline{\text{X}{}_{2‚\text{Κ}-1}{\displaystyle \cup \text{X}}{}_{4‚\text{Κ}-1}\to \overline{\text{A}}{}_{\text{Κ}-1}}$, 该式表明, 出现的资产重组的公告的内容不是模糊应对或确定重组, 不出现连三涨停的股价异动。即, 有关资产重组的公告内容为模糊应对或确认重组是股价出现连三涨停的必要结果。表明公告内容为模糊应对或确认重组是股价连续三涨停的必要结果。

4 总结

通过分析ST类股票连三涨停的股价异动和有关资产重组公告的关系, 可以认为:

1) 在未发生明显异动的情况下, ST类上市公司发布确认资产重组对股价有明显的影响, 只要发布, 必然造成股价的连续三个涨停 (股价异动的一种形式) 。这说明, ST类上市公司通过发布该类消息可以控制股价。对于监管层, 为防止ST类上市公司控制股价, 必须对ST上市公司发布有关资产重组的工作时必须认真核实, 从内容、形式、过程上保证公告的严肃性和确定性。

2) 在股价发生了连续三个涨停之后, 如果公司出有关资产重组方面的公告, 必然是确定重组或者是公司模糊应对 (即一方面矢口否认, 但另一方面又公布与资产重组相关的进程) 。这说明, 市场上确实有一批“先知先觉”的资金在公司公告前拉抬股价, 即, 内幕消息可能在ST类股票并没有完全杜绝。对监管层而言, 应加大对内幕消息的打击力度, 一方面要加强对上市公司资产重组进度的监管, 另一方面, 也加重对市场内幕消息投机者的惩罚力度。

参考文献

[1]邹辉文, 黄明星.基于股价异常波动的中国股市监管效率实证分析[J].财经研究, 2010, 36 (1) :134-143.

[2]FAMA E F.Stock Return, Expected Returns, and Real Activi-ty[J].Journal of Finance, 1990, 45:1089-1108.

[3]SCHWERT G W.Business Cycle, Financial Crises, and StockVolatility[J].Carnegie-Rochester Conference Series on PublicPolicy, 1989, 31:83-126.

[4]张南纶, 张忠桢.中国宏观经济归纳分析[M].武汉:武汉工业大学出版社, 1996.

[5]张南纶.一类复杂系统的逻辑分析[J].系统工程, 1985 (4) .

解决我国股价指数与股价背离的方案 篇8

(注:表中的涨跌幅是指这一年和上一年的股价指数或股价相比的变动幅度。其数据是根据深圳市巨灵信息技术有限公司所提供的资料整理所得。)

一、在制度方面解决两者背离的方案

1、指数计算规则方面必须完善

新股上市当天不应计入股指, 因为目前新股不断的增量上市, 市场扩容的速度太快, 对股市的影响较大。从历史走势可以看出, 每只新股上市都会引发股指巨幅波动, 从中国联通到长江电力的上市, 都说明了这一点。所以, 要消除新股上市对股指波动的影响, 必须改变指数的计算规则, 新股上市当日不计入股指, 在上市一周之后再计入股指, 因为现在新股发行量越来越大, 而且上市当日股价没有涨跌幅限制, 使得当天股指的波动受这只股票价格波动的影响较大, 而且这种上涨的趋势会持续几天, 大约一个星期左右。所以, 如果是上市一周之后再计入股指, 这时股票价格会相对稳定, 涨跌情形已基本到位, 对大盘影响也就不会太大。

2、政府对股指的影响要保持一定的度

(1) 尽量减少政策对股指的直接影响, 尤其是不能有意用政策让股指掺水。“政策市”是指政府部门运用政策机制直接影响股市走势所形成的股市运行格局。政策也的确是影响股市走势的一个重要因素。政策的影响大多也只是间接的, 虽有相当多的政策是直接针对股市的, 但这种政策与我国的不能混为一谈。在发达国家中, 政策对股市的影响是极为有限的, 而且也是有针对性的;在中国则不同, 政府运用政策影响股市是经常的、连续不断的, 表现为一种常态现象。所以, 两者之间的意义大相径庭。

(2) 股市扩容速度要减缓, 尤其是大盘新股的上市。新股上市无可厚非, 但必须是真正经得住市场考验的、业绩真正优良的公司, 而不是经过层层包装的劣质公司, 而且明知是劣质公司, 还睁只眼闭只眼允许其上市, 而且是越上越多, 这就是政府的失职了。这样能不扰乱股市吗?正如前面第一章中所提到的:中国的A股发行速度是世界证券史100多年来从未有过的, 香港的二板市场一年才发行20多只新股。难道我国真有那么多优质企业吗?如果真是优质企业, 上市也无可厚非, 但事实并非如此。纵观我国的这些上市公司, 有多少是真正经得住市场考验的优质公司, 而且即使是优质公司, 在这四处充斥着“劣币驱逐良币”的市场上, 也是“一年绩优, 二年绩差, 三年ST”。所以, 市场的不断扩容最终引发了跳水, 上证A指从2004年3月的1800多点下降到2004年8月的1300多点, 在短短的不到半年的时间, 就下跌了500多点。复旦大学教授谢百三认为, 应该“立即停发新股救市”。

3、解决股权分置

股权分置问题的解决有利于完善我国上市公司内部治理结构, 有利于推进我国股市的市场化进程。解决股权分置的关键在于价格, 要建立利益协调机制, 包括微观和宏观两个层次。宏观层次的利益协调是不同部门利益集团之间需要有效的协调方式, 微观层次的利益协调则是上市公司非流通股股东与流通股股东间有效的利益协调机制。这种协调机制最主要的还是在于微观方面, 而且事实也证明了这一点, 只要涉及到国有股减持, 都会引发股市的大动荡。再如2000年8月下旬, 市场盛传国有股减持的方案将在10月下旬亮相, 上证指数从8月22日的2196点下探到9月25日的1990点, 下跌9.38%。2001年2月底, 由于市场上盛传减持将以净资产为定价依据, 市场爆发了年初以来最大规模的一次上涨行情, 上证指数从1990点一路攀升, 创历史新高。而2001年6月12日正式发布减持办法, 减持价格严重损害了中小股东的利益:高价减持。就在消息入市的第二天即2001年6月13日, 上证指数见顶2337.92点, 随即以急跌方式展开了自1994年以来的最大规模的回调, 创造了著名的“6.13”行情。至此, 市场一直处于低迷状态, 政府最终于2002年6月23日停止了国有股减持, 市场行情开始有所回升, 但是这已经严重伤害了广大的投资者。国有股的减持流通应该在每股净资产基础上按市场原则来确定减持和流通价格。一方面, 国有股的净资产已经体现了国有股东的权益, 也体现了其保值增殖的能力;另一方面, 按净资产价格减持和流通, 流通股股东也能接受。减持应以市场稳定为前提, 不能不考虑市场的承受能力, 所以减持应在这两者一致的基础上进行。

二、对股价指数编制方法进行修正

股价指数是用来反映股票价格变动的指标, 是国民经济的“晴雨表”。但目前的现状是:股价指数与股价背离现象日益严重, 甚至在不断扩大, 使股价指数的基本功能开始丧失, 而且, 现有的股价指数并不能反映现实的流通市场, 所以修正股价指数的编制方法, 使之能真实反映流通市场的股价波动情况、指导投资和稳定股市、以配合国家的宏观经济政策, 使资本市场真正发挥“晴雨表”的作用。同时也为机构投资者、中小散户、外资并购提供指导, 形成多元化的资本市场体系。

修正股价指数编制方法的设想:由于目前上海股价指数不能真实反映股市的波动情况, 股价指数中非流通股的存在, 造成个股对股指的影响较大;同时, 一些成分股的样本数量不足, 难以反映股价波动的全貌以及易于操控等弊端。所以在编制股价指数的时候要考虑多方面的因素。鉴于此, 在编制股价指数的时候要解决的关键问题是:应尽量减少人为因素, 提高指数的操纵成本, 这是指数发挥作用的前提。提高其成本的有效途径就是全面反映流通市值的变化, 以流通股占总流通量的比例为权数进行计算, 这样一来, 流通量越小, 对指数的作用也就越小, 而流通量越大, 对指数的作用越大, 也越难以操纵。所以, 编制股价指数的基本思路如下:以上市公司的流通股占总流通股的比例为权数;其次, 既然是上证A股指数, 其样本就应包括所有当天有交易的上市A股, 使之更具广泛性;基期的选择应具有可比性, 以2002年12月31日为指数基期, 这一天的上证A股指数为1419.12点, 以此为基期是因为在这一年6月24日国有股减持停止, 经过半年多的调整, 大势也基本稳定了, 而且B股也对内开放了一年多, 对股指的影响已基本到位。基期指数定为1000点, 是为了突出股价指数对股价波动的敏感性及直观性, 同时也便于与原上证A股指数进行比较。

上证A股股价指数的计算公式基本设计如下:

初步验证:从现有的资料中抽取两天的数据进行计算验证, 见表2。

从表2数据可以看出, 2003年12月31日和2004年6月30日这两天修正后的股价指数与股价的背离明显缩小。修正后的上证A股指数与股价的比值很接近, 相差不到3个点;而修正前, 这两天的股价指数与股价的比值相差7点多, 差距是修正后的两倍。由于收集到的资料的有限性, 不能进行更深层次的验证, 但笔者相信, 随着股市的不断完善, 按这一公式计算得出的股指会越来越接近现实流通市场的变化, 而且可以杜绝非流通股的影响。

当新股上市或是股票停牌等情况时, 就必须作相应的调整。新股上市时, 为避免股价波动太大对股指造成的影响, 在上市一周之后计入股指;当某一股票停牌时, 取其最后成交价计算指数, 直至复牌。

综观我国股市的现状, 应把指数的客观公正性和可投资性放在首位, 可以适当的牺牲理论的完整性来遵循市场规律, 客观地反映市场变化的情况。

摘要：文章从我国股市的实际出发, 分析我国股价指数和股价背离的严重性, 探讨解决我国股价指数与股价背离的方案, 主要从制度和指数编制的修正两方面着手, 解决政策对股价指数失真的影响, 同时结合指数编制的客观性和公正性, 使股价指数真正反映流通市场的股价波动情况。

关键词：股价指数,股价,背离,股权分置,方案

参考文献

[1]徐国祥:证券投资分析[M].上海三联书店, 1997.

[2]邢天才:中外资本市场比较研究[M].东北财经大学出版社, 2003.

[3]吴晓求:股权流动性分裂的八大危害——中国资本市场为什么必须进行全流通变革[J].财贸经济, 2004 (5) .

[4]董辅礽:在争论中发展的中国证券市场和期货市场[M].武汉大学出版社, 2002.

[5]熊海斌:股东行为与股东产权[M].中国城市出版社, 2001.

[6]李长安:股市的丑陋[M].经济日报出版社, 2003.

中宇股价崩盘背后 篇9

“国内首家在德国上市的卫浴企业”——这是中宇卫浴。5月中旬，中宇（Joyou AG）股价还曾创下17.45欧元/股的新高，市值达4亿欧元。但5月22日，中宇股价暴跌至0.33欧元，近乎清零。

“修水龙头的”办起了厂

从福建泉州或厦门驱车，一路曲折而行，经个把小时，路过无数关于卫浴、水暖的巨型广告牌，便到达南安市仑苍镇——它是中国现今最富盛名的水暖城，是全国水暖阀门、卫生洁具的重要生产基地之一，300多家卫浴企业占据着中国市场大半江山，30万南安人组成的销售大军，控制着国内市场70%的渠道。

上世纪六七十年代，由于“田少民多，出米不敷民食”，南安人多以打铁为生。后来，一批南安人背井离乡，到全国各地城市靠修水龙头、修阀门、补锅为生。逐渐掌握工艺技术后，一些人回到家乡办起了生产水龙头的小作坊。

中宇建材集团董事长蔡建设就曾是这一群体中的一员。二十出头时，他总是要从老家骑自行车驮着二三百斤木炭，跑上150多公里，给在福建漳州做铁匠的父亲送去。

到了1974年，蔡建设也开始往外跑，湖南、河南、山西，再到东三省，专门为企业修阀门和龙头。他逐渐感觉到，“这玩意”要做起来也没那么难，萌生了回乡办厂的念头。

1979年，蔡建设在仑苍镇大宇村办起一家生产水龙头的家庭小作坊。随后，200多家类似小厂相继成立。“8000多人的小村子，就有200多家工厂，也就是说两三个人就能干一个工厂，可想而知规模有多小。”当时只有两岁的蔡建设之子蔡吉林回忆道。

但那些工厂大多数都关门了，仅剩的几十家工厂，也是名不见经传，与中宇如今的地位有着天壤之别。蔡吉林记得，与别的小厂将产品生产出来就给别人卖不同，父亲总是不在家，总是自己去跑市场。这意味着蔡建设有着更敏锐的市场感觉，也就是他后来“销售为导向”经营思路的起源。

短短四年，蔡家的小作坊已粗具规模，变身为泉州福新水暖器材厂。

外销18年重回国内市场

从小作坊主成为水暖器材厂长，蔡建设的日子并没有太多变化，除了做好生产就是搞好销售，日复一日，年复一年。直到1989年，他在广交会上找到了下一个前行的方向——接外单。通过在展会外场摆地摊，蔡建设成功吸引了客商，拿到了新加坡和马来西亚的订单，而后又和台湾商人合作，共同开拓美国市场。

当然，当时的“开拓海外市场”与现在并不一样，大多意味着给国际品牌代工。但蔡建设敢于斥巨资引进国外的先进设备，按照欧美标准生产，这也是有胆识的体现。

在蔡吉林看来，贴牌生产使得中宇在质量把控、成本控制、管理流程等方面均向大品牌学习了很多，也逐渐沉淀下来成为企业自身的宝贵经验。

到1995年，蔡氏父子成立了福建中宇集团有限公司，推出“中宇”（Joyou）品牌。2001年，中宇出口额达1个亿，成为名副其实的外销巨头。

但市场并非一成不变。到2006年，中宇全力承接外单已经18年，国内外环境发生了巨大变化。如果说出口曾经是中国经济腾飞最重要动力的话，那么在1997年亚洲金融危机之后，拉动内需更多地成为促进中国经济发展的重要举措。1998年，中国实行房改，越来越多的人开始拥有自己的住房，装修市场的启动，让瓷砖、卫浴、厨电、家具等开始爆发性增长。

蔡氏父子不可能忽视这一点。他们决定：中宇一要重启国内市场业务，二要拓展产品线，为客户提供卫浴全线产品的解决方案。

2007年，中宇新厂房投产，蔡氏父子开始全力实施两个新改变。父子俩多年走南闯北的人脉，加上南安人“抱团”的传统，短短两年，中宇的国内销售网络店面超过了2000家。

牵手巨头结局“万万没想到”

2009年，中宇建材集团20岁。为了进一步和南安卫浴另一龙头九牧竞争，中宇引入了强力“外援”——贵为全球卫浴一线品牌的德国高仪。高仪看中了中宇短时间内开拓中国市场的能力，中宇则看中高仪的品牌价值、研发技术和海外渠道。

那次接触，高仪收购了中宇10%的股份。得益于与高仪的资本合作，2010年3月中宇登陆德国资本市场，成为中国第一家在海外上市的卫浴企业；2011年，中宇和高仪相互参股，并全面接管了高仪（中国）品牌及市场业务。从2012年开始，中宇开始重新倚重出口，不再是以代工身份，而是醒目地标示着“中宇” （Joyou）的品牌标。官网上，中宇建材的介绍则称“总资产超40亿元”。

家族企业发展壮大，引起国际巨头的关注，最终以并购告终。这样的故事，无论是在国外还是国内，时不时就会上演。

只是，对中宇而言，这个故事开头类似，结局却迥异。

2013年9月，收购美标才三个月的日本骊住株式会社，与日本政策投资银行协议4000亿日元收购德国高仪87.5%的股权，进而间接控制了中宇的股权。

今年4月21日，中宇股价曾达17.46欧元，但4月27日出现暴跌。到了德国时间5月21日，德国上市公司中宇发布公告：中宇管理委员会已向德国汉堡当地法院提交重整程序申请。汤森路透则报道，公司监事委员会已将蔡建设、蔡吉林父子剔除出公司的管理委员会。

为此，5月22日中宇股价狂跌至0.33欧元。中宇的母公司日本骊住股价在5月21日亦重挫7.49%。

资本不规范运作？

消息从国外传回国内，震动国内卫浴界。

5月23日，中宇建材集团在官网发布公告，指出“公告原文使用的是insolvency，意指德国中宇暂时无法偿还现有债务，正与债权人协商，而不是bankruptcy（破产、倒闭），因此目前有关中宇卫浴破产、解散或其他有悖于本声明的消息只是谣传与误解。”

公告称：“根据德国法兰克福证交所的规定，当企业或资产负债率过高或无法偿还现有债务时，为保护各方利益需进入重整程序，交由管理人接管。这是上市公司的正常流程。公告只针对德国中宇，由于德国与中国适用法律不同，德国中宇重整进程不会直接影响到中国中宇公司的正常运营……中宇建材集团有限公司正在积极评估这次事件带来的影响……并按照中国适用法律，配合制定符合各方利益的重组方案。”

根据《海西晨报》报道，南安当地部分品牌之间普遍存在“抱团”现象，也就是各品牌卫浴企业之前互相拆借并将资金放出去做高利贷的状况颇为普遍。而原先放出去的资金一旦收不回来，则将直接导致企业出现资金链问题，亦不能及时归还银行贷款。

知情人士称，当前福建部分卫浴品牌在资本运作方面过于激进，扩张过快，导致出现危机。“此次中宇蔡氏父子被剔除出管理委员会，或是因为母公司骊住察觉到子公司存在的上述资本不规范的运作方式，出于想要‘撇清关系的考虑。”

中国股价 篇10

股价非同步性 (stock price nonsynchronicity) 由于其数据采集计算较简便、市场类型适应性较强等特点, 在国内外有关股价信息含量的研究中被广泛用于衡量股价信息含量。但是, 这种将股价非同步性等同于股价信息含量的做法的合理性从其诞生之初就备受质疑, 国内外均有研究指出股价非同步性体现的可能是“噪声”而非“信息”。

因此, 本文将基于噪声与信息两个方面来构建股价非同步性的影响因素模型, 在前人的基础之上尽可能全面地考虑各种可能影响股价非同步性的因素, 并运用深市A股数据进行实证检验, 以判断“噪声”和“信息”两方面的影响孰轻孰重, 从而为股价非同步性这一指标是否能有效衡量股价信息含量的争论提供更多佐证。

1 文献回顾及假设提出

股价非同步性最初由Roll (1988) 提出, 其研究表明个股收益率的波动中有一显著异于零的部分不能被市场波动所解释, 这个部分即为股价非同步性[1]。Roll认为个股价格波动与市场价格波动之间的非同步性体现了股票交易中的信息含量, 但也可能只是投资者狂热、情绪等异质噪声的反映。Roll的这种看似自相矛盾的观点开启了股价非同步性的“信息说”与“噪声说”的争论。

股价非同步性的“信息说”认为股价非同步性是股价信息含量的体现, 因此国内外的相关研究往往都使用股价非同步性这一指标作为股价信息含量的代表, 以此探究股价信息含量的影响因素机制。基于“信息说”的研究认为影响因素主要集中于制度环境、公司治理、股权结构和财务结构四个方面。

从制度环境方面看, 股价非同步性的平均水平在不同国家、不同市场间差异较大。Morck等 (2000) 对1995年的数据研究显示, 中国股市的股价非同步性十分低, 在全球40个主要经济体中排名倒数第二, 仅高于波兰, 而发达市场较之新兴市场的股价非同步性更高。Morck等 (2000) 将这种差异归因于宏观制度环境的不同[2]。

从公司治理方面看, 股价信息含量会受到公司治理诸因素的综合影响。袁知柱和鞠晓峰 (2009) 发现独立董事比例、董事会规模、管理层持股比例与股价信息含量显著正相关[3]。董事会出席率体现了董事会行使自身职能的积极性, 应当能提高股价信息含量。董事长总经理两职合一加强了董事会对管理层的控制, 但又可能导致董事会效率低下, 对股价信息含量的影响是双向的。管理层持股是管理层的激励, 能提高公司的经营水平, 使外部投资者的利益得到保护, 促进了投资者信息搜集的积极性, 从而增大股价信息含量。高雷和宋顺林 (2007) 的研究也印证了这一点[4]。

从股权结构方面看, 第一大股东持股比例、股权集中度和国有股比例都会影响股价信息含量。李增泉 (2005) 认为, 第一大股东持股比例对股价信息含量的作用是双向的, 第一大股东持股比例上升会因利益趋同而提升股价信息含量, 也会因过高控制力产生的不透明而降低股价信息含量[5]。袁知柱和鞠晓峰 (2009) 的进一步研究发现, 第一大股东持股比例与股价信息含量呈倒U型关系, 国有股比例与股价信息含量显著负相关[4]。张博 (2011) 认为, 由于股权集中度的提高会对公司治理和绩效表现产生利益趋同及利益侵占两种相反的效应, 使得股权集中度与股价信息含量存在着U型关系[6]。

从财务结构方面看, 股价非同步性所代表的股价信息含量还会受到财务结构中总资产和杠杆率的影响。总资产衡量的是公司规模, 公司规模越大, 市场探知的信息就越多, 因此袁知柱和鞠晓峰 (2009) 采用此变量作为研究股价非同步性的控制变量[4]。Jensen (1986) 指出高杠杆率会加大公司经营难度, 使公司治理水平得到增强, 从而提高股价信息含量[7]。

但是, 上述以股价非同步性来表征股价信息含量的研究并未对Roll (1988) 在论文最后提出的观点引起足够重视, 即股价非同步性所反映的也可能是投资者狂热[2]。与此同时, 也有不少学者认为是噪声而非信息导致了股价非同步性, 因而不能简单地将股价非同步性作为对股价信息含量的有效衡量标准。这种“噪声说”的观点在国内外的研究中并不少见。

在国外的研究中, Shiller (1981) 认为公司基本面因素无法解释超额波动率现象, 超额波动率很大一部分是由噪音引起的[8]。Ashbaugh-Skaife等 (2006) 发现德国和美国的股价非同步性与股价信息含量负相关, 而在英、法、澳、日四国, 两者没有显著相关关系[9]。Teoh等 (2007) 假设股价非同步性代表信息, 则高股价非同步性会导致弱异常项目, 但实证结果却与假设相反[10]。Lee和Liu (2011) 建立理论模型证明特质波动率与信息存在非线性关系, 与噪音存在线性关系[11]。

国内也有学者对用股价非同步性直接代表股价信息含量的作法提出了质疑, 并运用中国股票市场的数据进行了佐证。张永任和李晓渝 (2010) 提出了股价中信息含量与股价波动同步性之间可能存在倒U型关系的理论并用我国A股市场的数据进行了实证检验, 他们认为用股价非同步性度量股价信息含量的做法会混淆信息与噪声对个股股价波动的影响[12]。林忠国等 (2012) 通过构建公司层面信息指标和噪音指标发现中国上市公司股价非同步性与信息 (或噪音) 间存在U型关系, 并通过盈余公告效应和股价信息含量检验指出股价非同步性整体表现为噪音[13]。

若股价非同步性更多表现为噪音, 则除了可以体现泡沫与狂热情绪的噪音因素之外, 其他公司层面因素都不会对股价非同步性有显著影响。因此提出如下假设。

假设:股价非同步性受噪音因素的正向显著影响, 而公司层面因素对其影响不显著。

2 研究样本和变量描述

本文在深市A股股票基础上剔除退市股票、ST股票、金融和保险行业股票, 以2002年至2011年的十年作为观测期, 得到了1341家上市公司的13853次观测作为样本。

各变量定义及描述性统计见表1。其中经logit转换后的股价非同步性 (NSY) 均值为0.017, 转化前R2的均值为0.465, 相对于美国市场0.2左右的R2, 说明A股市场的股价非同步性水平较低, 这与Morck等 (2000) 的数据研究结果相一致[3]。

3 模型设计

3.1 股价非同步性的计算

本文采用在Roll (1988) 的基础上[1]经袁知柱和鞠晓峰 (2009) [3]改进后的股价非同步性计算方法:将个股收益率作为因变量, 将市场收益率和行业收益率及其一阶滞后项 (考虑市场信息进入公司层面需要时间) 作为自变量, 构建回归模型如下:

运用OLS对每个公司每年的各周数据进行回归所得的决定系数R2it即为股价波动同步性, 而1-R2it则为股价非同步性。由于股价非同步性取值范围在 (0, 1) 内, 需进行如下Logit转换:

3.2 股价非同步性影响因素模型

参考袁知柱和鞠晓峰 (2009) [3]的做法, 本文将以股价非同步性作为因变量, 以股价偏离实值的程度 (用市净率衡量) 和个股收益波动率 (用收益率方差衡量) 代表市场泡沫、投资者情绪等噪音因素作为自变量, 以公司层面各因素作为控制变量, 来研究噪音因素对股价非同步性的影响。构建股价非同步性的影响因素模型如下:

其中, Y1至Y9分别为2002至2010年的年度虚拟变量。

4 检验结果及分析

本文将基于 (3) 式来分析股价非同步性的影响因素模型。为保证结果的稳健性, 本文将控制变量依类型分为四组, 依次加入到模型中, 分别进行回归, 得到以下5个子模型。对于每个子模型, 先使用Hausman检验以选择适宜的面板回归模型, 然后再进行回归得到表2:

从以上回归结果中可以发现以下三个特点:

首先, 市净率 (MTB) 在后四个模型中与个股收益波动率 (VAR) 在五个模型中的回归系数均为显著异于零的正数, 这两个变量对股价非同步性的影响与笔者预期一致, 即市净率和个股收益波动率都对股价非同步性有显著的正向影响。这说明:当股价偏离账面价值的程度越大时, 股价非同步性就越高;当个股收益率的波动幅度越大时, 股价非同步性就越高。本文认为, 市净率和个股收益波动率是股票交易中噪声的体现, 反映了个股交易的非理性程度, 从而说明噪声因素对股价非同步性有显著的正向影响。

其次, 公司层面信息变量 (除国有股比例之外) 在五个模型中的回归系数均不显著, 这说明此模型中考虑的公司层面信息变量并不能显著影响股价非同步性。而在将股价非同步性等同于股价信息含量的假设下, 这些变量本应对股价非同步性 (即股价信息含量) 有直接的影响, 这与本文的实证结果相矛盾。本文认为造成此矛盾的原因是:噪声交易无可否认是股价非同步性的成因之一, 在股价非同步性较高的成熟资本市场, 噪声因素的影响是次要的, 但在股价非同步性普遍偏低的A股市场, 噪声因素所占的比重就相对提高了, 甚至可能成为股价非同步性的主要组成部分。因此, 对国内的股市继续使用股价非同步性来衡量股价信息含量的做法是不恰当的。

最后, 从年份虚拟变量的角度来看, 除了2003年的影响系数显著以外, 其余年份的影响系数均不显著。本文采用十年间的数据, 时间跨度较大, 在整个考察期内市场制度环境应当会有较大的差异, 这种差异会体现在年度虚拟变量中, 但本文的结果说明, A股市场制度环境的变化并未显著改变股价非同步性。

5 结论

本文的实证结果显示, 股价非同步性是否能作为股价信息含量的有效衡量这一问题, 还值得商榷。

实证结果中股价非同步性并未受到诸如公司治理、股权结构、财务结构等变量的显著影响, 而这些变量在理论上是应当会影响股价信息含量的。这从侧面说明股价非同步性与股价信息含量之间的联系甚微, 从而并不能作为反映股价信息含量的较好代理变量。

当然, 这也并不意味着股价非同步性就全部是噪音, 正如实证中所发现的, 股价非同步性受到国有股比例的显著影响, 而国有股比例正是公司层面信息的一个因素, 会对股价信息含量造成影响。

总体看来, 股价非同步性中既有噪声也有信息, 虽然从国内A股市场来看股价非同步性中的噪声多过信息, 但随着制度的完善、社会的发展, 信息的比重也许会慢慢增大, 从而为提高资本市场的有效性创造了可能。有关股价非同步性的进一步研究应当着眼于如何将噪声从其中分离出来, 或者寻找办法来降低其中的噪声水平。

摘要：现有研究多将股价非同步性直接作为股价信息含量的代表, 但是这种做法的合理性却存在争议。本文对股价非同步性的影响因素进行了经验性研究。实证结果表明:在A股市场, 股价非同步性并未像股价信息含量那样为公司层面各因素所影响, 而是仅受个股收益波动幅度和股价偏离程度等噪声因素的显著正向影响。本文的研究结果不支持股价非同步性能代表信息含量的观点, 为中国股市股价非同步性更多表现为噪音的理论提供了经验证据。