上證180股票收益率影響因素分析

張天成 袁天昂

【摘要】本文首先通過對上證180全收益指數收益率與上證180行業指數進行相關性分析，證明了行業效應對上證180股票收益率的作用明顯；其次通過分別對上證180全收益指數進行時間序列分析、描述性統計分析和正態分析得知上證180相比滬深300股票存在的泡沫較小，對外部沖擊的抵抗能力更強，可以作為投資者理性投資的參考指標。

【關鍵詞】上證180 股票收益率 影響因素 實證研究

一、文獻綜述

對于中國A股市場股票收益率影響因素以及國外理論在A股市場上的有效性，國內外專家學者進行了大量的理論與實證研究，張虎、鄒媛媛（2016）對2003年至2013上海證券市場股票進行實證研究發現，CAPM模型沒有辦法完全的解釋滬市股票市場股票收益率；勾東寧、王維佳（2016）以2011年至2014年國內上市銀行股票的數據為研究樣本，對CAPM模型有效性進行檢驗，研究發現CAPM模型在中國上市銀行股中的有效性較低；李彤（2015）使用多元線性回歸對中國A股市場的傳統模型有效性進行檢驗，研究發現中國A股市場上Beta系數對股票收益率具有較強的解釋能力；李紅霞、邸鴻喜、李琰、呂靖燁（2014）使用多元GARCH模型建立動態CAPM模型從而對動態CAPM模型在中國A股市場上的有效性進行研究；徐斯旸、彭亮（2017）通過構建新的FAMA模型對中國股票市場股票收益率影響因素進行實證檢驗。研究表明，行業效應對股票收益率具有周期性顯著影響的特點；史永東、宋西偉、谷佳音（2016）使用FAMA模型對2007年至2013年股票收益率期限結構的影響因素進行分析，結果表明，企業投資對股票收益率期限結構有增強動量效應的結果；周光遠、吳文鋒（2016）通過對股票論壇發帖數量的分析研究表示，股票市場的關注度與股票市場當月收益率呈現正相關的關系；鄒宏元、游晉、付霞（2016）發現八個主要工業制造業的分行業名義有效匯率對股票收益率有顯著影響。

二、研究意義

我國上海和深圳證券交易所分別于1990年底和1991年初相繼成立，經歷了二十幾年的曲折歷程，截至2017年12月1日，滬深兩個交易所共有上市公司3466家，其中上海證券交易所1390家，深證證券交易所2076家。總市值達到56萬億元，總流通市值已達44萬億元。據統計，截至2016年12月28日收市，上證綜指全年下跌12.35%，創業板指數跌幅則達到了27.89%，個人投資者人均虧損額超過1.32萬元。中國股市的發展與個人投資者的投資收益之間的背離趨勢讓人不禁深思：西方成熟的理論、模型和制度是否適應中國的股市？到底是市場、制度還是投資模式出了問題？

股票價格的波動是股市運行的基礎，針對股票收益率影響因素的研究對于指導投資者理性投資具有重要意義，同時對上市公司提高自身素質和履行自身職責有重大幫助。而量化投資已經將所有的股票影響因素都考慮清楚，但為什么只有少數公司是賺錢的？首先，量化投資的資金量龐大，每股收益較小，通過快速交易賺取少量收益來獲得利潤。國內自2010年才推出滬深300的股指期貨，許多量化投資策略都是基于滬深300的股票收益率影響因素來做的。所以量化投資所選擇股票收益率影響是為上述內容服務的，并不具有普遍性。其次就是滬深300和上證180之間的股票收益率影響因素區別的問題。其次，對非量化機構投資者來說沒有指導意義，其資金量太小，收益率低，難以獲取令投資者滿意的利潤，量化投資交易選出的因子是為其高頻交易服務的，故在其對因子進行打分時，會將短期影響股票收益的因素放大，得到的主要影響因素對沒有高速度計算機、大資金量和建模能力的非量化投資者來說并不具備指導意義。再次，量化投資考慮所有的股票影響因素，但是在統計分析中，用1000個變量去估計1000個參數，雖然在統計上顯著，但是沒有實際意義。所有的股票影響因子的最初建立都是學者通過大量研究人工發現的，再通過一系列的回測檢驗，最終才可被視作股票影響因子，電腦并不會自動生成影響因子。最后，國內量化投資策略大都以滬深300指數作為樣本，那么，作為大盤藍籌股的代表的上證180指數與代表滬深兩市總體行情的滬深300之間的股票收益率的影響因素究竟有何分別呢？是否通過大盤藍籌股影響因素的統計分析研究對引導投資者理性投資更具有指導意義？

未來股票市場朝著量化投資方向發展勢不可擋，而量化投資交易的前提是要對股票收益率的影響因素進行科學的分析，通過剔除無關因素提取相關因素最終達到分析股票價格的變化方向的目的，如今的量化投資策略朝著越來越高頻的交易方向發展，而對于沒有平臺沒有快速計算機的非量化機構投資者，對于非短期高頻的股票收益率的影響因素篩選顯得尤為重要。實際上因子對股票收益率的作用基于不同的目的選取出來的結果也是不一樣的，長期有長期的選法，短期有短期的選法，量化投資有量化投資的選法，基于不同的量化投資策略也都有不同的因子選擇方法，量化投資既然是朝著高頻交易的方向發展，甚至為了節省數據傳輸的時間將電腦搬進證券交易所，而這就會導致我們看到的股票收益率的影響因子是為高頻交易服務的，對散戶沒有指導意義。而根據wind申萬宏源研究蔣健蓉、龔芳、陸媛媛（2017）在2017年7月22日在《中國證券報》上發布的《我國證券投資者結構呈現三大變化》一文中顯示2016年底A股投資者結構中個人投資者占比達40%，為所有投資者類型中占比最高的，所以，個人投資者對股票市場的影響不容忽視。

三、上證180股票收益率行業間相關性分析

2002年7月1日，為了更好的建立反映股市有效性指標以及引導A股市場投資者理性投資，上海證券交易所在上證30指數的基礎上選取最具有代表性的180只股票樣本并正式推出上證180指數，也可稱上證成份指數。上證180全收益指數作為上證180指數的衍生指數，將上證180指數中成分股的分紅計入指數的收益之中，在對指數收益率進行實證研究中采用上證180全收益指數將使實證結果更加具有可信性。所以，下文所采用的數據均使用了上證180全收益指數。

著名經濟學家皮爾遜發明了檢驗變量間相關性的統計指標——相關系數。本文采取簡單相關系數檢驗行業效應對上證180股票收益率的影響。公式如下：■

上證180紅利全收益指數在在上證180全收益指數的基礎上通過對上證180紅利全收益指數對上證180行業指數進行相關性分析，可得到如下表格，表格中顯示的數據為回歸之后相關系數結果，可以看到，除能源行業與上證180紅利全收益指數相關性為負且影響較小，僅為-0.081，其余行業與上證180紅利全收益率的相關性均超過50%。同時可以看到，表中剔除上證180紅利全收益指數之外有100個數據——它們代表了上證180指數成分股中行業間的相關系數。在這100個數據中剔除10個自身相關的數據。剩下90個數據中，有12個相關系數小于0.5，其余78個相關系數均大于0.5（占總數的86%）。約64%的行業間相關系數超過70%，說明上證180指數成分股行業間相關性顯著，且對股票收益率有較強的解釋能力。

四、上證180股票收益率影響因素的實證研究

（一）時間序列分析

上圖為上證180全收益指數的收益率走勢圖，如圖所示，上證180股票在短期內的收益率波動較小且呈緩慢上升的趨勢，長期中近年來主要發生了兩次較大的波動分別在2007年至2009年和2014年至2015年，從波動大小上來看，2008年金融危機對大盤股的影響更為強烈，相比之下，2014年至2015年A股市場的牛市行情，大盤股對市場熱情的吸收更為柔和，反映在收益率波動上即表現出略微波動且回穩更加迅速。

（二）描述性統計分析

如上圖所示，使用Eviews8.0軟件對2002年7月1日至2017年12月25日的上證180全收益指數（SSE 180 TOTAL RETURN INDEX）進行描述性統計分析。由于本文寫作的時間限制，2017年12月的月度收益率數據無法獲得，故本文只取到截止到2017年11月29日所有交易日的月收益率，由于無法直接獲得上證180全收益指數的數據，故筆者直接通過數據鍵入Excel表格的方法錄入其月度收盤價，然后在Excel表格中采用公式

來進行收益率的計算，由于在Excel采用公式編輯的方法進行計算，故為了計算的方便和得到2017年11月29日的月度收益率，保留了2017年12月25日的收盤價，在數據分析并不計入，可忽略不計，對本文進行分析的目的并無影響。

（三）正態性分析

通過對上圖的描述性統計分析進行簡單的概括歸納，可得到下述表格

吳燦（2014）在對滬深300股票收益率影響因素的實證分析中，為了避免2008年金融危機的影響，在對時間序列的分析中，將研究區間分為兩個階段——以2008年金融危機為分界點進行劃分，筆者認為，既然要對股票收益率的影響因素進行分析，金融危機作為周期性影響因素且不可避免，應當將在時間序列的分析中考慮進去，如果對時間序列的平穩性有顯著性影響，可以將時間序列按照如上劃分，但如果并沒有影響，而是根據研究者的主觀判斷進行劃分則毫無必要，筆者對上述時間序列進行研究時，并未發現其統計上的不顯著，故選擇不進行時間序列的劃分，保留原始數據的真實性，從而加強實證結果的可靠性。

結合上表對比吳燦（2014）對滬深300股票收益率影響因素的實證研究可以看出，上證180全收益指數月度收益率在2002年7月1日上證180指數推出之日起至2017年11月29日期間，指數收益率平均值為0.007128，表明在此期間內上證180股票整體表現良好并且獲得了正的平均收益。中位數0.007128>0，說明在長期內大盤藍籌股收益率為正的時間大于其收益率為負的時間。標準差表明指數收益率的波動程度，側面反映上證180股票投資風險，從上表可以看出研究期間內的標準差為0.087030，與市場整體風險程度基本差別不大，說明坊間常說的大盤藍籌股的風險較小的說法并不存在，其與市場股票收益率標準差0.099371之間的差距幾乎可以忽略不計。偏度和峰度計算公式分別如下所示：

其中，

yt為觀測值，■為樣本平均值，S為樣本標準差，T為樣本容量。對稱分布的偏度值恒為0，正態分布的峰度值恒為3。

對時間序列數據偏度和峰度的計算主要是為了考察序列是否符合正態分布，正態分布的圖像兩側尾部長度關于中軸對稱，若樣本序列的偏度大于零則稱該分布為正偏離，反之則反是。在我們的時間序列樣本中，偏度為0.061322恒大于0，表明上證180股票收益率序列在指數成立至今呈右偏離，也即表明序列中收益率大于平均收益率的月數較多。從證券市場的投機角度看，正偏離說明大盤藍籌股的投資較為理性且投機性不強，從而達到了創建上證180指數引導投資者理性投資的目的。峰度（Kurtosis）是用來比較樣本分布與正態分布之間圖像分布特點的統計量。由上表可以看到，峰度為4.318913略大于正態分布峰度3，故上證180全收益指數月度收益率時間序列的分布相比于正態分布的分布而言，分布圖像更加陡峭且其兩側尾部比正態分布的兩側尾部厚。從對樣本序列的偏度和峰度分析中我們可以得出結論，序列呈現尖頂峰尾部厚重的特點，說明上證180股票投資收益率不服從正態分布，少部分投資者獲取高于平均收益率，獲取較少收益投資者占比過多（超過正態分布），大盤藍籌股市場存在微小泡沫。

五、上證180股票收益率微觀影響因素分析

上證180指數包含180只具有行業代表性的股票，自2002年7月1日推出至今，已經有了16年的歷史，在這期間，不斷有新股調入和原股調出。若是按照年化收益率來進行分析的話，筆者將要處理2880個基礎數據，這對我們的研究是及其不利的。而且，對于影響因素的分析，若是用180個自變量去擬合指數收益率的話，雖然在統計上顯著，但是沒有實際的經濟意義。所以，為了減少研究成本，筆者選取了目前國內外研究中最具有有效性的4只股票，分別為福耀玻璃（證券代碼600600.SH）、招商銀行（證券代碼606036.SH）、貴州茅臺（證券代碼600519.SH）、伊利股份（證券代碼600887.SH）。

下表為本文所選取的微觀影響因素指標，分別從盈利能力、成長能力、營運能力和償債能力四個方面選取了24個國內外研究中常用的有效指標對上證180股票收益率的微觀影響因素進行分析。

以下是用Eviews軟件做出的回歸結果圖，節選統計上顯著的結果如下表：

上圖是用Eviews軟件做出的回歸結果圖，節選統計上顯著的結果如下圖，在盈利能力指標中，每股收益統計結果上顯著，如圖所示，P值為0.06，表明能夠在90%以上顯著性水平上解釋上證180股票收益率的波動。

上圖為營業利潤同比增長率對上證180股票收益率的影響，如上圖所示，回歸結果的R2為0.999781，方程擬合較好，P值為0.0094，表明營業利潤同比增長率可以在99%的顯著性水平下解釋上證180股票收益率的波動。

上圖為存貨周轉率同比增長率對上證180股票收益率的影響，如上圖所示，回歸結果的R2為0.9983921，方程擬合較好，P值為0.0255，表明營業利潤同比增長率可以在95%的顯著性水平下解釋上證180股票收益率的波動。

在對償債能力因子的回歸分析中，筆者發現，在選取的6個因子中，流動比率、速動比率、保守速動比率、資產負債率、產權比率（負債合計/歸屬母公司股東的權益）、有形資產/凈債務和已獲利息倍數（EBIT/利息費用）中，無一因子對上證180股票收益率的影響顯著，企業的償債能力指標往往是有過財務背景的專業人士才會關注到的地方，而對于非專業投資者來說，很少會關注到專業的財務指標，這也側面印證了前文提到的統計指標，A股市場上個人投資者占比最多，而這一部分人群往往也是非財務專業人士居多。我們進行上證180股票收益率的影響因素分析的目的也即是引導非專業人士理性投資，挖掘出有效的指標以供參考。

六、結論

本文首先通過對上證180全收益指數收益率與上證180行業指數進行相關性分析，證明了行業效應對上證180股票收益率的作用明顯；其次通過分別對上證180全收益指數進行時間序列分析、描述性統計分析和正態分析得知上證180相比滬深300股票存在的泡沫較小，對外部沖擊的抵抗能力更強，可以作為投資者理性投資的參考指標。最后在對上證180股票收益率的微觀影響因素的實證分析中，對比以前學者的研究發現，企業盈利能力中的每股收益指標、企業成長能力中的營業利潤同比增長率指標和企業營運能力的存貨周轉率指標對上證180股票收益率的影響更加顯著，而企業的償債能力指標卻對股票收益率的影響較弱，原因可能是A股市場的投資者結構中非專業人士占比較多，難以關注到如此專業的指標，其次上市公司還可能存在財務造假的嫌疑。

參考文獻

[1]張虎，鄒媛媛.基于CAPM模型的上海股票市場適應性檢驗[J].統計與決策.2016（14）.

[2]勾東寧，王維佳.基于Fama-French三因子模型對我國上市銀行股的實證檢驗[J].統計與決策.2016（21）.

[3]李彤.CAPM及其擴展模型對中國股市有效性的檢驗——以滬深A股房地產板塊為例[J].中國物價.2015（10）.

[4]李紅霞，邸鴻喜，李琰，呂靖燁.CAPM模型在中國股票市場中的有效性檢驗[J].統計與決策.2014（14）.

[5]徐斯旸，彭亮.我國股票收益率的行業效應研究[J].武漢金融.2017（05）.

[6]史永東，宋西偉，谷佳音.企業投資、股票收益期限結構和動量投資策略——基于中國股票市場的經驗證據[J].證券市場導報.2016（08）.

[7]周光遠，吳文鋒.中國投資者關注效應：投資者認知還是交易障礙[J].上海金融.2016（07）.

[8]鄒宏元，游晉，付霞.人民幣分行業名義有效匯率及其對我國分行業股票收益率的影響[J].宏觀經濟研究.2016（04）.

[9]吳燦.滬深300股票收益率影響因素實證研究[D].東華理工大學.2014.

作者簡介：張天成（1995-），男，云南財經大學金融學院金融學研究生；袁天昂（1960-），男，中國人民銀行昆明中心支行高級經濟師。