基于β系数的会计信息对股票收益率影响研究

钟高峥　杨艳林

【摘 要】 以A股市场中炒作概念相对较少的钢铁行业为研究对象，运用因子分析法将相关财务指标整合为盈利能力、偿债能力、营运能力和成长能力4大类会计信息，通过β系数剔除市场因素对股票收益率的影响，采用面板数据实证分析了这4大类会计信息对公司股票收益率的影响，研究结果显示，这4大类会计信息对股票收益率都有显著性影响，其中盈利能力和成长能力对股票收益率有更积极的影响，而营运能力和偿债能力则不如前两类会计信息受到投资者重视，但相比市场因素，它们对股票收益率的边际贡献都很小，从而间接证明了A股市场还处于主要受市场走势影响的投机炒作阶段。

【关键词】 β系数； 因子分析； 面板数据； 会计信息； 股票收益率

【中图分类号】 F830.91 【文献标识码】 A 【文章编号】 1004-5937（2016）17-0065-05

一、引言

Ball And Brown[1]通过对美国上市公司会计信息与股价的实证研究，发现会计信息与股价有很强的相关性。Fama and French[2]的研究发现，公司规模、市盈率、账面市值比等因素对股价收益率有显著影响，其中影响最大的是账面市值比，由此两人又建立了著名的“三因素模型”。Daniel et al.[3]用因子方法研究了芬兰上市公司会计信息对股价的解释力度，发现在不同时期，会计信息对股价的解释力度不同。A股市场起步较晚，但从开创起就一直受到学术界广泛关注，并取得了大量研究成果。从会计信息的角度，赵宇龙[4]研究发现，公司预期会计盈余与股票非正常收益率的相关性在1994年和1995年并不显著，而在1996年有很明显的相关性；史美景[5]选取了8个财务指标对股价进行回归分析，发现对股价影响最大的是每股收益；于海燕和黄一鸣[6]的研究表明，股价与现金流量指标相关性不强，与资产收益率、权益回报等5个指标相关性最明显；洪婷[7]以1999—2004年的样本数据，建立了公司业绩的评价体系，发现盈利能力指标中，与股价相关性最大的是每股净资产，负债能力、成长能力和现金流指标与股价相关性都比较弱；黄雷和秦娟[8]的研究表明，经过转换后的EVA指标相比传统的盈利能力指标，更能反映上市公司的实际盈利能力；Xuanjuan Chen et al.[9]研究了影响中国股票收益率的因素，研究表明净营运资产、市净率等财务指标对股票收益率影响最大；戴庆文[10]研究了我国上市公司股票收益率的影响因素，结果显示盈利能力是影响上市公司股票收益率最显著的会计信息，其中最显著的财务指标是每股收益和净资产收益率。韩海容和吴国鼎[11]就交易信息对股票收益率的影响因素进行了研究，结果表明换手率和反转因素对股票收益率影响最显著。

综合国内外学者的相关研究后发现，这些研究都试图解释会计信息对股票收益率的直接影响，但在分析上市公司会计信息对股票收益率的直接影响程度时，研究结果大多显示会计信息对股票收益率影响的解释力度均有限。基于此，在本文中以个股相对于大盘的β系数乘以大盘指数收益率代表市场因素的影响，用个股收益率减去市场因素的影响得到剔除市场因素影响后的股票收益率，再实证分析会计信息对剔除市场因素影响后股票收益率的影响，以期发现会计信息对股票收益率影响的新特征。

二、样本、变量的选取和研究模型

（一）样本选取

本文以A股市场钢铁行业上市公司为研究对象。这是考虑到A股市场概念炒作风气盛行，而钢铁行业作为传统行业，上市公司一般盘子较大，相对大多数其他行业可供炒作的概念较少，股价应更能反映公司的会计信息。样本数据选择2005年到2014年共10年的面板数据，剔除信息披露不全、2005年以后上市的公司和ST公司，最终保留了25个样本公司，公司的年收益率由年收盘价计算得到，计算公式为：Rt=，t=2005，2006，…，2014，其中，Rt为公司第t年的收益率，pt为公司第t年的年收盘均价，pt-1公司第t-1年的年收盘均价，年收盘均价来自于方正证券软件，各公司的财务数据来源于国泰安数据库，下文提到的β数据来自于国泰安市场通软件，因子分析采用SPSS 16.0统计软件，面板回归采用EViews 6.0计量软件。

（二）变量选取

本文选取了反映上市公司经营状况的4大类会计信息：盈利能力、偿债能力、营运能力、成长能力，并从这4大类会计信息中选取12项具有代表性的财务指标，具体变量见表1。

（三）研究模型

1.因子分析模型

首先对12项财务指标进行因子分析，这里选取财务指标10年的平均值作为分析对象，因子分析可以从一系列原始变量中提取出少数几个公共因子，并得到公共因子的表达式，因子分析模型如下：

设原始变量为向量X=（x1，x2，x3，x4，…，xn）'，提取的公共因子向量Z=（z1，z2，z3，z4，…，zn）'，特殊因子向量ε=（ε1，ε2，ε3，ε4，…，εn）'，A=（ai，j）为因子载荷矩阵，n为原始变量个数，m为提取的公共因子个数，原始变量与因子之间的表达式为：

2.面板回归模型

（1）模型设计

本文采用面板数据进行分析，基于以下几点考虑：第一，面板数据的样本量大大增加，可以增加估计量的抽样精度；第二，面板数据可以降低一般模型存在的多重共线性，消除一般模型的自相关；第三，面板数据比起截面数据，可进行更全面的经济分析。

结合各个学者的相关研究，建立以下Panel Data 模型：

Y=αi ，t+c1z1， i，t+c2z2， i，t+c3z3， i，t+c4z4， i，t+εi ，t

其中，i=1，2，…，25；t=2005，2006，…，2014；αi ，t为截距项；c1、c2、c3、c4为各个解释变量的估计系数；εi ，t为残差项。

（2）因变量的选取

因变量为Y，Y=Y1-β×Y2，其中Y1为钢铁上市公司的年收益率，Y2为上证指数年收益率，β来自市场模型，市场模型是一种基于现实市场中证券资产的价格或收益变动普遍存在同涨同跌现象，而这种现象主要由市场收益这个共同的因素影响。这里把市场模型定义如下：

ri=αi+βirm+εi

ri为单个公司的收益率，rm为上证指数的收益率。β是用来衡量市场因素变动对个别股票的影响程度，当β>1时，说明单个股票的价格波动要强于市场的波动；当β<1时，说明单个股票的价格波动要弱于市场的波动；当β=1时，说明单个股票的价格波动与市场波动变化同步。

β×Y2为影响上市公司股票收益率的市场因素，本文把因变量定义为Y=Y1-β×Y2，就相当于把影响上市公司市场因素部分给消除掉了，剩下的是影响上市公司股票收益率的内部因素，这样更有利于分析各财务数据对上市公司股票收益率的影响。

三、实证分析

（一）因子分析

1.原始数据标准化

由于原始数据量纲不同，需要先对原始数据进行标准化，这里运用的是Z分数（Z-score）方法，具体公式为：x'i=，其中，x'i为第i个标准化后的数据，xi为第i个原始数据，μ为该列数据的均值，σ为该列数据的方差。标准化后的数据均值等于1，方差等于0。运用SPSS 16.0软件对原始数据进行标准化，这里使用的原始数据是钢铁上市公司10年财务数据的平均值。

2.KMO检验与Bartlett球形检验

标准化数据以后，运用SPSS 16.0软件进行因子分析，检验因子分析的可行性，本文采用KMO检验与Bartlett球形检验方法，结果显示，KOM的值为0.510，大于0.5，适合做因子分析。Bartlett球形检验很显著，Sig.=0，拒绝零假设，适合做因子的分析。

3.提取公因子

采用特征值大于1的方法提取公因子，一共提取了4个公因子，因子的特征值、方差、累计方差如表2所示。特征值衡量了提取的公共因子的重要程度，方差贡献率是因子解释的方差占原始变量方差的比例，累计方差贡献率是所有因子解释的方差占总方差的比例，即方差贡献率之和。旋转后4个因子的方差贡献率分别为28.881%、20.036%、16.247%、14.861%，累计方差达到了80.025%，大于80%，能够较好地解释总方差，原始变量80%以上的信息可以被4个因子所解释，提取4个因子具有合理性。

为了更进一步了解每个因子表示的实际意义，用最大方差旋转法对因子成分矩阵进行旋转，使因子上的元素更加接近0或±1，小的载荷更小，大的载荷更大。进行旋转后的因子旋转成分矩阵如表3所示。由表3可以看出，因子Z1在主营业务利润率、成本费用利润率、净资产收益率上有较大的载荷，分别达到了95.2%、90.3%、85%，这三个指标反映了钢铁上市公司的盈利能力，可将因子Z1定义为盈利能力因子；因子Z2在流动比率、速动比率、资产负债率上有较大的载荷，分别达到了91.4%、89.1%、78.8%，这三个指标反映了钢铁上市公司的偿债能力，可将因子Z2定义为偿债能力因子；因子Z3在总资产周转率、存货周转率上有较大载荷，分别达到了87.5%、73.1%，这两个指标反映了钢铁上市公司的营运能力，可将因子Z3定义为钢铁上市公司的营运能力因子；因子Z4在总资产增长率、营业收入增长率上有较大载荷，分别达到了96.2%、89.3%，这两个指标反映了公司的成长能力，可将因子Z4定义为钢铁上市公司的成长能力因子。

为了把公共因子表示成12个原始变量的线性组合，对每个原始变量计算因子的估计值，需要求出因子得分系数矩阵。将旋转后的载荷矩阵标准化，得到因子得分系数矩阵，如表4所示。由因子得分系数矩阵可计算每个主成分的表达式：

（二）面板回归分析

通过因子分子得到了z1、z2、z3、z4的表达式，把钢铁上市公司原始财务数据的面板值代入，可得到z1、z2、z3、z4从2005年到2014年的面板数据，以z1、z2、z3、z4作为自变量，Y作为因变量。

分析面板数据的方法常用的有个体固体效应模型、随机效应模型和普通最小二乘法模型，选取哪种模型应通过特定的方法来检验。通过协方差分析检验，本文选用固体效用模型进行回归分析。

把Y、z1、z2、z3、z4的面板数据输入EViews 6.0，得到回归结果，结果如表5所示。

从回归结果可以看到，F统计量为206.8919，P值为0.0000，说明模型总体上非常显著，调整后R2=0.4464，解释力度较好，收益率变动的44.64%可以被因子所解释，根据结果可得到以下固体效应模型：

Y=0.3668+0.0166z1-0.0022z2-0.0222z3+0.0031z4

考虑到Y是剔除市场因素影响之后的收益率，因而对此回归模型可作如下解释：

第一，在剔除市场因素影响后，盈利能力、偿债能力、营运能力和成长能力这4大类会计信息对钢铁上市公司股票收益率的影响显著，其中，从对股票收益率边际贡献排序，对收益率的边际贡献最大的是盈利能力，其次是成长能力、偿债能力和营运能力。

第二，z1、z4的系数为正，由此可知，z1、z4分别作为代表钢铁上市公司的盈利和成长指标，表明在剔除市场因素影响后，它们对钢铁上市公司股票收益率存在正向的影响，在数量上表现为，盈利能力和成长能力分别变动1单位，在剔除市场因素影响后，收益率还将分别变动0.0166和0.0031单位。这说明对于钢铁行业，盈利能力和成长能力作为反映公司盈利和成长性的重要会计信息，受到投资者关注，对投资者起到了积极的导向作用。

第三，z2、z3的系数为负，说明z2、z3分别作为偿债和营运指标，在剔除市场因素影响之后，它们对钢铁上市公司股票收益率存在负向的影响，在数量上表现为，偿债能力和营运能力分别变动1单位，在剔除市场因素影响后，收益率将变动-0.0022和-0.0222单位。这说明对钢铁行业这样的传统行业，偿债和营运能力不受投资者重视。

四、研究结论

在剔除了影响股票收益率的市场因素后，盈利能力和成长能力与钢铁上市公司股票收益率存在正相关关系，偿债能力和营运能力对收益率存在负相关关系，且都在1%的水平上通过了显著性检验。合理的解释是，盈利能力作为上市公司获取利润的能力，体现上市公司的业绩水平，公司的盈利能力越强，则给公司股东的回报也越高，对此投资者已经给予了很大关注；成长能力反映公司未来发展的水平，股权投资者一般会通过会计信息正面评估该项能力；而对于偿债能力和营运能力，投资者采取的是投机性思维，偿债能力和营运能力越差，其破产重组的几率越大，这反而成了利好。

把回归方程变换为：

Y1=0.3668+β×Y2+0.0166z1-0.0022z2-0.0222z3

+0.0031z4

其中Y1为钢铁上市公司的股票收益率，Y2为上证指数收益率，β×Y2表示市场因素，从该方程中变量系数的大小可以看出，4大类会计信息相比市场因素，其对上市公司股票收益率的边际影响很小，影响股票收益率最大的还是市场因素，对钢铁行业这样缺乏炒作概念的传统行业都是如此，这也间接证明A股市场还处于主要受市场走势影响的投机炒作阶段。

【参考文献】

[1] BALL R J，BROWN P. An Empirical Evaluation of Accounting Income Numbers[J].Journal of Accounting Research，1968，6（2）：159-178.

[2] FAMA E F，FRENCH K R.The cross-section of expected stock returns[J].Journal of Finance，1992，47（2）：427-465.

[3] DANIEL W C，et al.Changes in the Value-Relevance of Earnings and Book Values over the Past Forty Years[J]. Journal of Accounting and Economics，1997，24（1）：39-67.

[4] 赵宇龙.会计盈余披露的信息含量——来自上海股市的经验数据[J].经济研究，1998：34-47.

[5] 史美景.会计信息对股票价格影响作用的回归分析[J].统计与信息论坛，2002（3）：33-62.

[6] 于海燕，黄一鸣.会计信息对上海证券市场股票价格影响作用的实证研究[J].商业研究，2005（4）：134-138.

[7] 洪婷.中国上市公司的业绩与股票价格的相关性研究[D].浙江大学硕士学位论文，2007.

[8] 黄雷，秦娟.EVA与上市公司股价评估[J].中国证券期货，2009（10）：17-19.

[9] XUANJUAN CHEN， KENNETH A K， TONG YAO，TONG YU.On the predictability of Chinense stock returns[J].Pacific-Basin Finance Journal，2010，18（4）：403-425.

[10] 戴庆文.我国上市公司股价收益率的影响因素分析[J].会计之友，2012（10）：114-116.

[11] 韩海容，吴国鼎.中国股票交易信息与股票横截面收益研究[J].金融理论与实践，2011（1）：10-13.