宏觀經濟波動對金融業公司估值的影響研究

■ 陳 蕾 李和薈

一、引言

但由于金融服務業務與資本結構的特殊性以及易受政府嚴格監管規制的獨特性，金融業公司在估值定價方面較之一般公司會面臨更多挑戰。

與此同時，在當前錯綜復雜的宏觀經濟環境下，金融業整合的機遇與風險并存。宏觀經濟因素是周期性公司估值的重要變量，金融業作為典型的消費類和資本類周期性行業，雖然有別于鋼鐵、有色、石化等工業類周期性行業，其運動狀態和企業價值同樣容易受到宏觀經濟波動影響，且敏感性程度高，反應速度快，對實體經濟和國家經濟政策的反作用力也很大。例如，沃德和祖布魯克（Ward &Zurbruegg，2000）選取GDP和儲蓄指標證明OECD九個成員國保險業與宏觀經濟因素之間的因果關系和協整關系；程志剛、王傳毅（2008）選取保費收入與國內生產總值、社會儲蓄存款、通貨膨脹率、固定資產投資等指標，引入總保險費的滯后變量建立修正回歸模型，論證宏觀經濟因素對保險業發展的促進作用。但總體上看，現有涉及宏觀經濟與公司估值關聯問題的國內外研究中，多是直接圍繞部分宏觀經濟變量對企業股票價格、資產價格等指標的影響進行定性分析或實證研究，在如何識別和度量宏觀經濟因素對公司估值指標的影響方面還有待深化與拓展。

鑒于此，本文擬對宏觀經濟因素與金融業公司價值間的聯動關系開展實證研究，識別和度量宏觀經濟因素對金融業公司估值指標的影響，強化其估值參數測定的合理性。全文余下部分安排如下：第二部分為理論分析與假設提出，第三部分為實證研究設計，第四部分為實證結果分析，第五部分為結論與建議。

二、理論分析與研究設計

（一）理論分析與研究假設

如前所述，金融業作為典型的消費類和資本類周期性行業，其估值在較大程度上受到宏觀經濟條件變動影響。其一，根據凱恩斯主義經濟學，一國股市會受到來自于經濟增長、實際利率、通貨膨脹率等宏觀經濟因素的影響，而股價是公司市值分析中最顯而易見的表達方式。因為股價是對公司價值、經營、收益情況的直接反映，同時也折射出市場對公司價值的預期；其二，從會計角度來看，宏觀經濟因素變動對公司股價、凈值、收入、盈利能力的影響，勢必會造成市盈率、市凈率、市銷率等估值水平指標的變動；其三，作為公司估值的核心環節之一，系統性風險的度量直接影響估值結果的合理性與可靠性，其作為政策風險、利率風險、購買力風險、市場風險等風險的綜合體現，因宏觀經濟等因素沖擊或牽連而存在，且不可分散。

因此，借鑒并區別于已有研究，立足于宏觀經濟因素與金融業公司價值間的聯動關系，筆者擬從股價走勢、估值水平和系統性風險三個視角出發，對主要宏觀經濟指標與金融業公司估值指標的相關關系進行實證檢驗和相互驗證，并參考現有文獻提出以下三個可供檢驗的研究假設：

假設1：宏觀經濟因素對金融業公司股價走勢具有較強的解釋能力；

假設2：宏觀經濟因素對金融業公司估值水平具有較強的解釋能力；

假設3：宏觀經濟因素對金融業公司系統性風險具有較強的解釋能力。

（二）研究方法

本文的研究方法主要分為四個步驟：

其一，使用相關性分析檢驗變量線性相關性程度。相關性分析一般用于對兩個或多個具備相關性的變量元素進行分析，具體通過計算變量之間的Pearson系數，并采用雙側檢驗方法檢驗相關系數的顯著性水平，從而衡量變量因素的線性相關密切程度。本文采用SPSS19.0軟件，通過相關性分析，衡量金融業公司的股價走勢指標、估值水平指標、系統性風險指標與宏觀經濟因素指標的線性相關性程度。

其二，使用ADF檢驗驗證序列平穩性。在經典回歸模型中，由于隨機趨勢的存在，導致Y對其均衡點的偏離被長期積累下來而不能被消除，從而使回歸結果存在偏差，特別在時間序列中尤為明顯。序列的平穩性檢驗一般借助檢驗單位根的方法實現，即認為若不存在單位根則不存在隨機游走現象，此時序列為平穩序列。常見的單位根檢驗包括ADF檢驗、PP檢驗等，其中以ADF檢驗最為常見。本文借助Eviews9.0軟件，通過ADF檢驗對金融業公司的股價走勢指標、估值水平指標、系統性風險指標及多項宏觀經濟因素指標的數據平穩性進行檢驗，以保證回歸結果正確性。

其三，使用Engle-Granger檢驗驗證序列之間協整性。協整性一般用于度量多個非平穩時間序列相互之間穩定性，即反映的是多個非平穩序列經過線性組合之后非平穩程度的變動性質。兩個或多個同階單整序列的組合則可能存在協整關系。常用的協整檢驗方法包括Engle-Granger檢驗和Johansen檢驗。前者主要通過對回歸殘差的平穩性進行判斷，后者主要通過回歸系數進行分析。本文借助Eviews9.0軟件，通過Engle-Granger檢驗，判斷宏觀經濟因素指標與金融業公司的股價走勢指標、估值水平指標、系統性風險指標之間的協整關系，以便進一步進行回歸分析。

其四，應用多元回歸分析變量間數量關系。OLS回歸是最常用的回歸方法之一，多用于對模型的估計，其判定標準是被解釋變量的估計值與實際觀測值之差的平方和最小，也就是說在給定樣本觀測值下，誤差最小。本文借助Eviews9.0軟件，通過OLS回歸進行多元回歸模型構建，測度宏觀經濟因素指標與金融業公司的股價走勢指標、估值水平指標、系統性風險指標之間的數量關系。

（三）樣本選取

本文重點以我國金融業上市公司為研究對象，選取2006-2015年期間相關統計數據作為研究樣本。截止2015年12月，我國滬深A股金融板塊共有金融業上市公司49家，鑒于此，這里選取這49家上市公司作為樣本公司，其基本信息如表1所示。

（四）指標選取與數據來源

1.宏觀經濟因素指標

結合我國經濟實際情況，并借鑒已有研究結論，這里選取國內生產總值、宏觀經濟景氣指數、消費者物價指數、廣義貨幣供應量、貸款基準利率、美元兌換人民幣匯率作為宏觀經濟因素指標，分別用GDP、PI、CPI、M2、BIR、ER表示；并以其在2006-2015年期間的月度數據作為宏觀經濟因素樣本數據。其中，對國內生產總值、廣義貨幣供應量進行差分處理，其余變量序列進行自然對數處理以增強數據平滑性。相關數據來源于國家統計局網站。

表1 樣本上市公司基本信息表

2.股價走勢指標

這里擬整合計算樣本上市公司的綜合股價指數作為金融業上市公司股價走勢指標，用SPI（即Stock Price Index）表示。具體以2006年1月個股收盤價作為基期股票價格，以報告期股票成交量作為權重，使用派許指數計算方法，對49家樣本上市公司的股票價格數據進行整合，逐一核算出2006-2015年期間的綜合股價指數月度數據，以此作為股價走勢樣本數據，并對其同樣進行自然對數處理。相關數據來源于同花順數據庫。其中，綜合股價指數具體公式如下：

3.估值水平指標

價值比率是衡量企業估值水平的常用指標，一般包括市盈率、市凈率、市銷率等，其中以市盈率和市凈率最為常見。這里擬將衡量樣本公司整體估值水平的市盈率、市凈率即金融行業市盈率和市凈率，作為金融業上市公司估值水平指標，分別用PE、PB表示。具體以2006至2015年期間的金融行業市盈率和市凈率月度數據作為估值水平樣本數據，并對其同樣進行自然對數處理。相關數據來源于同花順數據庫。

4.系統性風險指標

在證券市場中，一般使用貝塔系數衡量證券或證券組合相對于市場總體波動性，貝塔系數同時也是經典的資本資產定價模型中的重要參數。這里選取貝塔系數作為對金融業上市公司系統性風險指標，用BETA表示。具體以2006-2015年期間的金融行業貝塔系數月度數據作為系統性風險樣本數據，并對其同樣進行自然對數處理。相關數據來源于同花順數據庫。

（五）模型設定

為考量金融業上市公司的股價走勢指標、估值水平指標、系統性風險指標與宏觀經濟因素指標之間的聯動關系，分別對SPI、PE、PB、BETA與上述宏觀經濟因素指標構建多元回歸模型，如式（2）、式（3）、式（4）、式（5）所示。

三、實證結果及分析

（一）變量描述性統計

運用SPSS19.0軟件，對2006年1月至2015年12月期間各樣本數據進行描述性統計分析，分析結果詳見表2。

（二）相關性分析

繼續對2006年1月至2015年12月期間各樣本指標相關性進行分析，分析結果詳見表3。

表2 數據描述性統計分析

表3 變量相關性系數結果

從表3可見，2006年1月至2015年12月期間，SPI、PE、PB、BETA與ER之間，PE、PB、BETA與PI之間均呈顯著的高度線性相關關系，應在下一步研究中對ER、PI給予重點關注；SPI、PE、PB、BETA分別與BIR、CPI、M2之間呈顯著的中低度線性相關關系，應在下一步研究中對BIR、CPI、M2給予適當關注；SPI、PE、PB、BETA與GDP之間則沒有顯著的線性相關關系，須在后續研究步驟中進一步考察。

（三）ADF檢驗及協整檢驗

為檢驗各樣本指標數據的平穩性和協整性，首先，對各樣本指標序列進行ADF檢驗，并根據赤池信息標準（AIC）確定最優滯后階數，通過序列時序圖確定檢驗模型形式，具體檢驗結論如表4所示。根據表4，在10%的顯著性水平下，僅PI序列為平穩序列，其他序列均為一階單整序列，即在一階差分的情況下可以變平穩。由于存在同階單整序列，故可進行協整檢驗。

其次，分別對SPI、PE、PB、BETA與6項宏觀經濟因素指標進一步進行Engle-Granger檢驗，即從回歸方程的殘差項入手反推原變量之間的協整性，結果詳見表5。從表5可見，在5%的顯著性水平下，各殘差序列為I（0）即序列平穩，故均通過協整檢驗，即證明SPI、PE、PB、BETA分別與6項宏觀經濟因素指標之間存在長期協整關系。

表4 宏觀經濟變量與金融業行業指標序列的單位根檢驗

（四）多元回歸分析

結合相關性分析結果，考慮到變量間可能存在多重共線性，故選用逐步回歸法進行分析，回歸結果詳見表6。

雖然使用逐步分析法可以有效避免多重共線性對結果的影響，但根據DW值可知，表6所列回歸方程均存在一定程度的正序列相關問題。對此，采用廣義差分法對其進行修正。使用科克倫-奧科特迭代法對隨機干擾項序列相關系數進行估計，逐步引入自回歸項。經修正可知，SPI、PE、PB回歸方程均可在引入一階自回歸項后解決序列相關問題。BETA回歸方程在引入一階自回歸后仍存在序列正相關①張銀朵.資產評估方法的比較與選擇[J].紹興文理學院學報(哲學社會科學),2004(05)：83-86.，因此進一步引入二階自回歸項進行修正，可解決自相關問題。修正后結果如表7所示。

表5 宏觀經濟變量與金融業行業指標序列的協整檢驗

表6 多元回歸分析結果

根據表7可知：（1）SPI回歸方程在引入一階自回歸項后，顯著通過F檢驗，R2接近于0.9說明擬合程度很好，在10%的顯著性水平下僅PI通過檢驗，若將顯著性水平擴大到15%，則PI和ER均通過檢驗；（2）PE和PB的回歸結果相似，在引入一階自回歸項后回歸方程顯著通過F檢驗，R2大于0.9說明擬合程度很好，且在5%的顯著性水平下GDP、PI、ER均通過檢驗；（3）BETA回歸方程在引入二階自回歸項后，顯著通過F檢驗，R2大于0.9說明擬合程度很好，且在1%的顯著性水平下GDP、BIR、ER均通過檢驗。

表7 修正后的多元回歸分析結果

（五）實證分析結論

綜上可見，SPI、PE、PB、BETA分別與多項宏觀經濟因素指標之間存在顯著線性相關關系和長期協整關系。其中，PI和ER對SPI具有較強的解釋能力，驗證假設1；GDP、PI、ER對PE和PB均具有較強的解釋能力，驗證假設2；GDP、BIR、ER對BETA具有較強的解釋能力，驗證假設3。只是在進行多元回歸分析時，雖然使用廣義分差法修正后的各回歸方程整體效果較好，但序列相關問題的存在，說明未來研究在變量選擇的全面性方面還可以深入。觀經濟因素考量依據；（2）本研究構建的市盈率回歸方程和市凈率回歸方程，可用于金融業公司的市場途徑估值，具體作為價值比率測算環節的宏觀經濟影響彈性的測度依據；（3）本研究構建的貝塔系數回歸方程，可用于金融業公司的收益途徑估值，具體作為折現率測算環節的宏觀經濟影響彈性的測度依據。

希冀上述研究結論和建議能夠在一定程度上為金融業公司價值管理、投資者定價決策和專業機構估值等提供借鑒。

四、結論與建議

著眼于宏觀經濟波動影響下的金融業公司估值問題，本文從股價走勢、估值水平和系統性風險三個視角出發，以金融業上市公司為研究對象，選取2006-2015年統計數據，采用相關性分析、ADF檢驗、Engle-Granger檢驗、多元回歸分析等方法考察宏觀經濟因素與金融業公司價值間的聯動關系，識別和度量宏觀經濟因素對金融業公司估值指標的影響。研究發現，金融業公司估值指標分別與多項宏觀經濟因素之間存在顯著線性相關關系和長期協整關系；宏觀經濟因素對金融業公司的股價走勢、估值水平、系統性風險均具有較強的解釋能力。這也進一步說明宏觀經濟因素是金融業公司估值中不可忽視的重要變量。

結合研究得到的金融業上市公司估值指標與多項宏觀經濟因素指標之間的數量關系，參照陳蕾、李和薈、王弘祎（2016）已有研究，圍繞金融業公司估值問題進一步提出幾點建議：（1）本研究構建的股價指數回歸方程，可用于對金融業上市公司的股價判斷和市值測算，具體作為股票價格預測的宏