股價(jià)的影響因素分析
——以A公司為例

陳孟陽(yáng)

（河南大學(xué)，河南 開(kāi)封 475004）

自2008年全球金融危機(jī)以后，我國(guó)股票市場(chǎng)就開(kāi)始發(fā)展迅速。雖然我國(guó)股票市場(chǎng)相對(duì)西方國(guó)家起步較晚，但是具有可觀且長(zhǎng)期的發(fā)展前景。

我國(guó)股票市場(chǎng)主要以散戶投資者為主，機(jī)構(gòu)投資者相對(duì)較少，具有大眾參與度高的特點(diǎn)。[1]隨著人民可支配收入增加，近些年股票也受到越來(lái)越多的投資者關(guān)注。股票的波動(dòng)不僅受宏觀政策的影響，而且受企業(yè)內(nèi)部因素和市場(chǎng)的影響。研究股價(jià)的影響因素，有利于政府的監(jiān)管、投資者做出投資決策、企業(yè)的風(fēng)險(xiǎn)管理。本文將以A公司為例，通過(guò)因子分析和建立多元回歸模型來(lái)分析其股價(jià)的影響因素，以便投資者做出理性投資決策和參考。

一、相關(guān)概念及理論概述

（一）部分解釋變量的相關(guān)概念

換手率：又稱周轉(zhuǎn)率，指在一定時(shí)間內(nèi)市場(chǎng)中股票轉(zhuǎn)手買(mǎi)賣的頻率，其數(shù)值為某只股票的累計(jì)成交量與其流通股本之間的比率，是反映股票流通性強(qiáng)弱的指標(biāo)之一，可以有效地幫助投資者識(shí)別一只股票的活躍度。

（不同國(guó)家對(duì)于換手率的衡量標(biāo)準(zhǔn)不同，我國(guó)：換手率=成交量/流通總股量×100% ）

市凈率（PB）：公司市價(jià)與凈資產(chǎn)比。

PB=股價(jià)/每股凈資產(chǎn)=股票總市值/公司凈資產(chǎn)

經(jīng)營(yíng)性現(xiàn)金流凈額占比：是指現(xiàn)金流量與其他項(xiàng)目數(shù)據(jù)相比所得的值。該比率用于衡量企業(yè)經(jīng)營(yíng)活動(dòng)所產(chǎn)生的現(xiàn)金流量可以抵御流動(dòng)負(fù)債的程度。

（二）分析方法的相關(guān)概念

因子分析：是主成分分析的推廣和發(fā)展，它是將一些錯(cuò)綜復(fù)雜的變量綜合為數(shù)量較少的幾個(gè)綜合因子，不僅可以再現(xiàn)原始變量與因子之間的相互關(guān)系，還可以根據(jù)不同的因子對(duì)變量進(jìn)行分類和降維，是多元統(tǒng)計(jì)分析方法之一。

用線性方程可以表示為：

其中x1,x2,x3…xp為p個(gè)均值為0、標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)化的變量；F1,F2,F3…Fk為k個(gè)因子變量，且k

多元線性回歸模型：指含有多個(gè)解釋變量的線性回歸模型，用于解釋被解釋變量與兩個(gè)及以上個(gè)的解釋變量之間的線性關(guān)系。

其多元回歸模型表示為：

其中x1,x2,x3…xp為解釋變量，y為被解釋變量，ε為誤差項(xiàng)。誤差項(xiàng)ε需要滿足三個(gè)條件：均值為零、方差為常數(shù)、誤差項(xiàng)之間相互獨(dú)立。

二、實(shí)證分析

（一）數(shù)據(jù)的收集

本文所用數(shù)據(jù)來(lái)源于東方財(cái)富網(wǎng)和RESSET金融研究數(shù)據(jù)庫(kù)，選取A公司2012年3月—2020年12月期間各季度的財(cái)務(wù)指標(biāo)和成交量，以A公司每一個(gè)季度最后一個(gè)交易日的收盤(pán)價(jià)作為研究對(duì)象。本文將股價(jià)作為因變量Y，將成交量、流通股季換手率、季收益率、市凈率、每股收益、凈利潤(rùn)同比增長(zhǎng)、每股凈資產(chǎn)、營(yíng)業(yè)收入同比增長(zhǎng)、銷售毛利、凈現(xiàn)金流同比、資產(chǎn)負(fù)債率、經(jīng)營(yíng)性現(xiàn)金流凈額占比、凈資產(chǎn)收益率、總資產(chǎn)同比十四個(gè)變量作為自變量，分別記為X1,…,X14。

（二）描述性統(tǒng)計(jì)分析

由SAS統(tǒng)計(jì)軟件的結(jié)果可以看到，成交量的標(biāo)準(zhǔn)差非常大，可以說(shuō)明交易量與許多因素有關(guān)，比如公司的業(yè)績(jī)狀況、流通股數(shù)量的變化、整個(gè)金融市場(chǎng)環(huán)境等等。其次，凈利潤(rùn)同比增長(zhǎng)和凈現(xiàn)金流同比的標(biāo)準(zhǔn)差也相對(duì)較大。經(jīng)營(yíng)性現(xiàn)金流凈額占比可以反映企業(yè)每個(gè)時(shí)間段償還到期負(fù)債的能力，其標(biāo)準(zhǔn)差相對(duì)很大，離散程度較大，均值也相對(duì)較高，因?yàn)樵撝笜?biāo)通常與公司的運(yùn)營(yíng)能力、公司規(guī)模、公司的主營(yíng)業(yè)務(wù)等諸多因素有關(guān)，說(shuō)明該公司運(yùn)行相對(duì)較好。而其他變量分布相對(duì)集中，離散程度相對(duì)較小。從均值上可以看到：換手率較高說(shuō)明，A公司股票流通性較強(qiáng)，而股票的交易越活躍，越被投資者所看好；凈利潤(rùn)同比增長(zhǎng)率也相對(duì)較高，說(shuō)明A公司經(jīng)營(yíng)狀況較好；經(jīng)營(yíng)性現(xiàn)金流凈額占比總體水平也較高，說(shuō)明A公司在抵御負(fù)債的能力較強(qiáng)，公司在運(yùn)營(yíng)資金周轉(zhuǎn)也比較健康。

（三）因子分析

由于本文選取變量較多，各變量之間可能存在一定的相關(guān)性，所以采用因子分析法對(duì)多個(gè)變量進(jìn)行降維處理，提取幾個(gè)能反映大部分信息的主因子。

1．?dāng)?shù)據(jù)檢驗(yàn)

在對(duì)數(shù)據(jù)因子分析前，先對(duì)這些變量進(jìn)行檢驗(yàn)，來(lái)確定原有變量之間是否存在較強(qiáng)的相關(guān)關(guān)系，如果原始變量之間都是相互獨(dú)立的，就不可能有共同因子，不能將變量綜合。本文通過(guò)相關(guān)矩陣的結(jié)果來(lái)判斷。

從相關(guān)矩陣可以看出， X1和X3的相關(guān)性較高，其γ1,3≈0.64，X5和X7的相關(guān)性相對(duì)較高，其γ5,7≈0.55，X7和X9相關(guān)性也相對(duì)較高，γ7,9≈0.51，X5和X9的相關(guān)性也較高，其γ5,9≈0.61等等；由此說(shuō)明數(shù)據(jù)之間具有相關(guān)性，所以我們可以對(duì)這些變量進(jìn)行降維處理。

2．構(gòu)造因子變量

本文采用主成分分析法提取和綜合因子。根據(jù)碎石圖檢驗(yàn)準(zhǔn)則和特征值準(zhǔn)則來(lái)確定因子數(shù)目。

結(jié)合SAS生成的結(jié)果，可以看到前四個(gè)主成分的特征值大于1，且對(duì)應(yīng)的累計(jì)貢獻(xiàn)率達(dá)到88.28%再根據(jù)碎石圖和累計(jì)貢獻(xiàn)圖，我們最終可以確定因子的個(gè)數(shù)為4。

3．使因子變量具有解釋性

本文采用的是斜交轉(zhuǎn)軸法對(duì)因子載荷陣進(jìn)行旋轉(zhuǎn)，可以使公共因子更具有可解釋性。

從斜轉(zhuǎn)換后的因子載荷矩陣表可以看到，公共因子一共有四個(gè)，其中第一個(gè)公共因子在X5,X9,X13有較大的載荷，將其定義為F1；第二個(gè)公共因子在X1,X3,X8,X12,X14有較大的載荷，將其定義為F2；第三個(gè)公共因子在X2,X4,X6,X7,X10有較大的載荷，其中X4在F3和F4的載荷值非常相近，又因?yàn)榘肫嚓P(guān)矩陣和因子結(jié)構(gòu)的數(shù)據(jù)都非常相近，以及根據(jù)F3和F4包含變量的類別，將X4歸于第三個(gè)公共因子里，并將第三個(gè)公共因子定義為F3；第四個(gè)公共因子在X11有較大的載荷，將其定義為F4。

（四）相關(guān)性分析檢驗(yàn)

通過(guò)相關(guān)系數(shù)矩陣可以看到F3和F4的相關(guān)系數(shù)相對(duì)其他變量的相關(guān)系數(shù)較大，并且通過(guò)了相關(guān)性顯著性檢驗(yàn)，其P<0.05。

（五）構(gòu)建多元線性回歸模型

結(jié)合因子分析得出的結(jié)果我們可以將股價(jià)作為因變量Y，將因子F1,F2,F3,F4作為自變量。建立多元線性回歸模型：

方差分析表顯示，模型顯著性F檢驗(yàn)對(duì)應(yīng)的P<0.0001，說(shuō)明模型有意義，通過(guò)顯著性檢驗(yàn)。

由SAS軟件得出的模型擬合信息可以看到，模型擬合度為0.7926，說(shuō)明總離差的平方和的79.26%被樣本回歸直線解釋，模型擬合效果相對(duì)較好。

得到的回歸方程如下：

但從上表的數(shù)據(jù)中看到F3對(duì)應(yīng)的P>0.05，說(shuō)明F3的系數(shù)沒(méi)有通過(guò)顯著t檢驗(yàn)，β3顯著為0，F(xiàn)3包含流通股季換手率、市凈率、凈利潤(rùn)同比增長(zhǎng)率、每股凈資產(chǎn)、凈現(xiàn)金流同比，說(shuō)明這些指標(biāo)對(duì)股價(jià)沒(méi)有顯著影響。但是參考劉卓著等人的文獻(xiàn)提[2]，以及潘宏毅[3]的分析。由于近幾年A公司近幾年來(lái)加大對(duì)技術(shù)研發(fā)的投入，使得盈利指標(biāo)減少，債務(wù)增加，資金流轉(zhuǎn)較為緩慢，所以凈利潤(rùn)增長(zhǎng)率上表現(xiàn)得不太樂(lè)觀，且不同的公司發(fā)展情況不同。

綜上，因?yàn)镕3系數(shù)沒(méi)有通過(guò)顯著性檢驗(yàn)，所以模型保留F1,F2,F4三個(gè)變量并作為因變量，將股價(jià)作為因變量Y。

得到的回歸方程如下：

模型中各個(gè)變量的系數(shù)和截距項(xiàng)均通過(guò)顯著性t檢驗(yàn)，即所選取的三個(gè)變量均對(duì)股價(jià)有顯著性影響。并且F1的小部分增加可以帶動(dòng)股價(jià)近19倍的增加，說(shuō)明每股收益、銷售毛利率、凈資產(chǎn)收益率對(duì)股價(jià)產(chǎn)生正向影響，說(shuō)明這類指標(biāo)的數(shù)值越高，即可以認(rèn)為公司經(jīng)營(yíng)狀況越好，越有利于股價(jià)的上漲。F2的系數(shù)為13.32，說(shuō)明F2的小部分增加會(huì)引起股價(jià)近13倍的增加，即說(shuō)明成交量、季收益率、營(yíng)業(yè)收入同比增長(zhǎng)率、營(yíng)業(yè)性現(xiàn)金流凈額占比、總資產(chǎn)同比均對(duì)股價(jià)有正向影響，即我們?cè)诜治龉善钡耐瑫r(shí)可以參考成交量的變化以及其他幾個(gè)財(cái)務(wù)指標(biāo)；F4的系數(shù)雖然相比前兩個(gè)變量較小，但是也對(duì)股價(jià)有影響，即說(shuō)明資產(chǎn)負(fù)債率也對(duì)股價(jià)有正向的影響。從數(shù)據(jù)也可以看到A公司的資產(chǎn)負(fù)債率相比前幾年有所提高，說(shuō)明該公司的償債能力也相比之前有所提高。

三、結(jié)束語(yǔ)

本文通過(guò)因子分析對(duì)十四個(gè)變量進(jìn)行降維處理，得到四個(gè)公共因子，并對(duì)這四個(gè)公因子與股價(jià)建立多元回歸模型，進(jìn)行回歸分析。最后得出結(jié)論：每股收益、銷售毛利率、凈資產(chǎn)收益率、成交量、季收益率、營(yíng)業(yè)收入同比增長(zhǎng)率、營(yíng)業(yè)性現(xiàn)金流凈額占比、總資產(chǎn)同比、資產(chǎn)負(fù)債率均對(duì)股價(jià)有顯著性影響，說(shuō)明投資者A公司股票時(shí)，不僅要關(guān)注K線圖的走勢(shì)，還可以多關(guān)注這幾個(gè)財(cái)務(wù)指標(biāo)以及成交量的變動(dòng)，以便做出更好的投資選擇。從近兩年A公司股價(jià)變動(dòng)和營(yíng)業(yè)收入的變化可以看到，受新能源汽車政策的影響，僅2020年一年，股票的價(jià)格翻了三倍，說(shuō)明A公司開(kāi)始受到很多投資者的重視，A公司未來(lái)還會(huì)有更好的發(fā)展前景。

本文也存在一些不足，比如流通股季換手率、市凈率、凈利潤(rùn)同比增長(zhǎng)率、每股凈資產(chǎn)、凈現(xiàn)金流同比對(duì)股價(jià)影響并不顯著，并沒(méi)有對(duì)此展開(kāi)詳細(xì)的深度統(tǒng)計(jì)分析。但結(jié)合潘宏毅的相關(guān)文獻(xiàn)的結(jié)論，并且A公司將大量資金投入到技術(shù)研發(fā)中，降低了企業(yè)的利潤(rùn)，使得其市凈率較高。而由于市場(chǎng)的不確定，再加上政策變化，用以上五個(gè)財(cái)務(wù)指標(biāo)對(duì)股價(jià)預(yù)測(cè)會(huì)出現(xiàn)很大的不準(zhǔn)確性。