股票投资研究毕业论文.doc

一、 引言1、1 选题背景和意义1、2 国内外研究现状1、3 本文研究内容和方法二、 财务指标与股票市场的相关理论研究2、1 有效市场假说理论2、2 F-O股票计价模型的概述三、基于F-O 模型的财务指标与股票价格的相关性研究3、1 模型的修正及评价3、2 模型的建立与预测 3、2、1 模型变量的定义 3、2、2 数据来源及处理软件的选择 3、2、3 相关性研究的预测3、3 相关性结果分析与结论 3、3、1 相关性计算结果分析 3、3、2 相关性分析结论四、上市公司综合财务状况与股票价格相关性研究 4、1 模型的建立与预测 4、1、1 研究说明及主要财务指标说明 4、1、2 数据来源及处理软件的选择 4、1、3 相关性研究的预测 4、2 相关性结果分析与结论 4、2、1 相关性计算结果分析 4、2、2 相关性分析结论五、总结一、 引言1、1 1.1选题背景和意义 中国股票市场的飞速发展是客观事实，但从建立至今的年份来看它还是一个很年轻的市场，市场上的投资者价值理念不成熟、缺乏理性也是不争的事实，在股市上两种现象并存。上市公司信息披露是公司向投资者和社会公众全面沟通信息的桥梁，庞大的投资者群体和巨大的投资需求推动着上市公司更好的完善披露信息机制。如：信息披露的内容由原来简单的财务指标到如今多层次的复合报表，除了传统的资产负债表、利润表和现金流量表外，还要求披露合并报表、资产减值准备表和各种决议公告等；在信息披露的形式上，由原来单一的年报到如今的半年报、季报和预盈、预亏公告、重大事件的临时公告等。 通过大众媒体阅读各类临时公告和定期报告，投资者和社会公众在获取信息后，把这些信息作为投资抉择的主要依据。近几年来，关于上市公司财务报告不可信的一些个案和股票市场存在“市场泡沫”的种种议论使许多投资者和公众质疑目前上市公司所披露财务信息的有效性。因此，研究财务指标体系与股票价格的相关性就显得十分必要。近几年，我国不少学者借鉴国际学术界流行的研究方法对中国股市会计信息价值的相关性进行了分析和检验，得出的结论基本一致，证实会计信息对股价具有解释能力。虽然大部分结论都表明会计信息对投资者而言是有价值的，财务指标与股票价格必然存在线性关系，但纵观这些研究成果，基本上都是某一类财务指标或某一年份财务指标与股票价格的相关性。那么某一类或某一种财务指标能否代表其他类型财务指标对股市的作用呢？为寻求问题的答案，为了更充分、全面地了解财务指标体系与股票价格的相关性，我们有必要进行进一步的研究。 随着我国股票市场的发展，股票投资作为一个个人理财项目已经深入到千家万户，但我国当前对股民入市前的提醒也仅限于“股市有风险，入市需谨慎”，如何树立一个正确的价值投资理念对于投资者十分重要。所以对于上市公司财务状况与股票价格相关性的研究也从来没有停止过，无论是从理论方面还是从实践方面都有着显著的意义。 1）、通过研究上市公司财务状况与股票价格的相关性，使监管部门能够有针对性的完善上市公司会计信息披露制度，为加强股票价格监管提供依据，也为完善企业会计核算制度提供依据，使企业达到更能反映公司价值的目的。 2）、每股收益浓缩了上市公司财务报告中的利润表信息，而每股净资产则浓缩了资产负债表信息，本文通过两个指标，利用F-O模型简洁反映上市公司的财务指标对股票价格的解释能力。 3）、本文在西方学者研究的基础上，再结合我国学者的分析，以反映上市公司综合财务状况为出发点，建立股票价格与会计指标群的回归模型，探索各会计指标与股价的相关性及其规律性特征，以及与每股收益和每股净资产的解释能力相比哪个具有更高的解释能力，从而为投资者在投资时使提供一些合理的对策与投资建议。1.2国内外研究状况国内外学者在研究股票市场的有效性以及信息披露的有效性方面为数不少，采用的方法和侧重点也不尽相同，本节将着重介绍能够支持本文立论的一些国内外有代表性的、系统性的研究文献。1.2.1国外研究状况 该研究领域的开创者是美国学者Ball和Brown，他们在1968年采用差异性研究法对从1946年到1966年间在纽约证券交易所(NYSE)上市的261家公司年度会计盈余信息披露的前12个月到后6个月的股价进行经验研究，他们发现会计信息特别是会计盈余信息的发布或在任何程度上的变动都会导致股票价格也发生同方向的变的。这是有资本市场以来，第一次找到会计盈余数据具有信息含量的公认的研究证据。 自他们开创以来，围绕上市公司财务指标（会计信息）与股票价格的相关性，学者们都展开了大量的研究，这些研究主要集中在会计盈余的信息含量方面。大部分研究表明，能获得超额盈余的公司，其股票投资者将获得剩余收益(ResidualIncome)，反之则否。它一方面证明股票价格反映了公司的盈余信息，另一方面又说明了投资者能够根据对公司预期盈余与实际盈余的偏差及时调整股票价格，公司披露的会计盈余信息在股票定价中起了作用。 国外学者的实证研究成果揭示：会计信息与股票价格之间的相关性是确实存在的，但并未强调会计信息对于股票价格的解释能力。一般，通过研究财务指标作用于市场的时候，看股票价格是否也发生了变动，如果发生了变动，那又发生了怎样的变动，以此来确定财务指标能够引起股票价格变动，从而得到了会计信息是有价值的结论。1.2.2国内研究状况 由于我国股票市场的政策和管理架构伴随经济体制的改革在不断推进，人们对股票的风险和收益的认识也不断由简单到复杂，由低级到高级提高，上市公司和中介机构遵守的规则也逐渐趋于规范，这必然使市场对企业股票的定价机制进行不断地调整，因此，以系统的眼光在较长的时间内考察我国企业的股价与相关会计信息的相关性是非常有必要的。 目前，我国的实证会计研究大多围绕信息观的思路展开，随着我国证券市场由弱式有效性向半强式有效性过渡，关于上市公司财务状况与股票价格相关性研究的文献数量也比较多。然而，对于我国目前的实证会计研究，通用的做法是参考西方发达国家的实证研究模型、方法，然后运用中国证券市场的数据进行检验。这样，我们需要考虑国外的研究模型是否适用于我国的证券市场，是否应添加、删除或修改有关参数对其模型进行修正？所以，这就要求我国的有关学者应结合中国国情，构建适用于我国证券市场的模型，然后，对有关命题进行验证。 当然，也有人认为我国股票市场噪音太大，投资者非理性，进行会计数据与股价相关性研究意义不大。本人认为，这些观点比较偏激，既然我们承认它是一个股票市场，它就是一个投资者用自己手中的货币对不同公司的企业价值进行“投票”表决的地方。我们不能因为股票市场的制度存在缺陷，而认为投资者非理性。1.3本文研究内容和方法 本文通过分析和比较国内外许多学者的研究方法，从以下几个个方面对本论文进行研究。首先阐明研究本课题的背景和意义，并且对国内外的相关研究成果进行回顾概述，而且还初步说明了财务信息与股票市场的相关理论基础。 其次，阐述F-O模型的基本概念，并且在此基础上，通过运用相关性分析和回顾分析相结合的方法建立回归模型，探索上市公司的两个会计指标（EPS和NAVPS）与股票价格存在的关联性，分析它们对于股价的解释能力，以及这种解释能力在时间上呈现出的规律。然后，在费尔萨姆-欧森推断的F-O模型基础上，本文还以反映企业综合财务状况为出发点，引入反映公司特征的多个会计指标，再次运用相关分析和多元回归分析相结合的方法建立回归模型，对样本公司财务状况进行实证研究，定量分析他们与股价的相关性及其规律性特征，以及与每股收益和每股净资产的解释能力相比哪个具有更高的解释能力。 最后，根据研究成果，为投资者提供一些合理的对策与投资建议。 2财务指标与股票市场的相关理论研究2.1有效市场假说理论20世纪60年代，美国芝加哥大学财务学家尤金法默提出了著名的有效市场假设理论。该假说认为，当证券价格能够充分地反映投资者可以获得的信息时，证券市场就是有效市场，即在有效市场中，无论随机选择何种证券，投资者都只能获得与投资风险相当的正常收益率。有效市场理论将股票市场分为三种基本类型：（1）、弱式有效市场（Weak-FormMarketEfficiency）：是指证券价格能够充分反映价格历史序列中包含的所有信息，如有关证券的价格、交易量等。如果这些历史信息对证券价格变动都不会产生任何影响，则意味着证券市场达到了弱有效。该理论认为在弱式有效的情况下，市场价格已充分反应出所有过去历史的证券价格信息，包括股票的成交价、成交量、卖空金额，融资金融等。如果弱式有效市场理论成立，则股票价格的技术分析失去作用，基本分析还可能帮助投资者获得超额利润。（2）、半强式有效市场(Semi-Strong-FormMarketEfficiency)：是指证券价格不仅能够体现历史的价格信息，而且反映了所有与公司证券有关的公开有效信息，如公司收益，股息红利，对公司的预期，股票分拆，公司间的购并活动等。该理论认为价格已充分所应出所有已公开的有关公司营运前景的信息。这些信息有成交价、成交量、盈利资料、盈利预测值，公司管理状况及其它公开披露的财务信息等。假如投资者能迅速获得这些信息，股价应迅速作出反应。如果半强式有效理论成立，则在市场中利用技术分析和基本分析都失去作用，内幕消息可能获得超额利润。（3）、强式有效市场理论(Strong-FormMarketEfficiency)：是指有关证券的所有相关信息，包括公开发布的信息和内部信息对证券价格变动都没有任何影响，即如果证券价格已经充分、及时地反映了所有有关的公开和内部信息，则证券市场就达到了强有效市场。强式有效市场理论认为价格已充分地反应了所有关于公司营运的信息，这些信息包括已公开的或内部未公开的信息。在强式有效市场中，没有任何方法能帮助投资者获得超额利润，即使基金和有内幕消息者也一样。三种有效理论的检验是建立在三个推论之上的。所以，先检验弱式有效是否成立；若成立，再检验半强式有效；再成立，最后检验强式有效是否成立，顺序不可颠倒。综上所述，三种有效市场的形式以及其相对应的信息集可表述为图2-1所示。 2.2 现代剩余收益模型概述现代剩余收益模型3是Ohlson在1995年后提出的各种剩余收益模型的总称。1995年，Ohlson在论文中提出了一个重大的会计假设：动态线性信息假设(LID , Linear Information Dynamics)，它是现代剩余收益模型的核心。通过这个假设，Ohlson将古典剩余收益模型中的无穷项求和转变为有限项会计数据的现值求和，使剩余收益模型被大大简化。为了理论研究的方便，Ohlson提出了几种不同形式的动态线性信息假设，相应的估值模型也有很大的差别。比较典型的有Ohlson(1995)模型 4、F-O (1995)模型 5、F-O (1996)模型 6。本节将对这些模型分别展开论述。2.2.1 对Ohlson(1995)模型的概述1995年，Ohlson对剩余收益模型进行了新的阐释，提出了动态线性信息的假设。通过引入新的假设，Ohlson提出了剩余收益模型的经验检验方程，将剩余收益模型的应用推向了新的领域。Ohlson提出了三个假设（其中前两个假设是以前已经提出过的）：1）、预期股利的现值决定股票价值，即股利贴现模型 (DDM)：，其中：是第时刻的股票价格；是在时刻末公司发放现金股利的期望值；是无风险利率。这一假设是F-O模型推导的起点。2）、公司的会计处理满足净剩余关系(CSR , Clean Surplus Relation)：，其中：是第时刻公司权益的账面价值；是期间公司的会计收益(净盈余)；是在时刻末公司发放的现金股利。这意味着除了与股东的交易外，所有影响公司账面价值的损益都应反映在收益中，而股利的发放又只在每一期末发生，它只减少公司期末的账面资产而不影响当期的收益。由假设一和假设二可以得出: （2.1），其中，剩余收益，是公司的资本成本，它是一种机会成本。公式2.1表明了公司的权益价值与其账面净资产、未来剩余收益之间的关系。这意味着公司的权益价值与股票过去股利、未来期望股利都没有关系。3）、剩余收益(Residual Income，又称作超额盈余Abnormal Earning)的随机序列过程遵循下列的自回归特征： （2.2），其中：均为固定常数参数，且；是除剩余收益以外的其他全部信息；为不可预测的均值为0的随机干扰项。这一假设又被称为动态线性信息( LID , Linear Information Dynamics ) 假设，它的提出使当期信息(包括其他信息)与未来剩余收益之间建立起一定的联系。由假设三可见，当时，公司处于无成长阶段；当时，公司的净资产报酬率将逐渐趋近于公司的资本成本。同时，Ohlson还考虑了“其它信息”对可能产生的影响。从式中可见，“其他信息”存在一个滞后期（时滞性），即在t+1时刻才反映到剩余收益中。通过（2.1）、（2.2）式，最终剩余收益的未来期望值可以用剩余收益的本期值来表示；这样，DDM模型的无穷和就简化为简单的现值和形式，这为计量检验等后续研究带来了方便。通过一定的数理变化，Ohlson给出了如下的经验检验方程： （2.3）。Ohlson(1995)模型实际上是将公司账面价值视为对公司权益价值的“粗略估计”，而剩余收益和其他信息则被视为补充账面值的修正信息。LID假设中还隐含了无偏会计(Unbiased Accounting)的假设，平均超额盈余等于0，即当时，。如果会计是有偏（保守）的，那么平均超额盈余就不可能等于0。下面介绍的F-O(1995)模型就考虑了这种情况。2.2.2 对F-O(1995)模型的概述Ohlson在1995年的论文中，假设会计是无偏的，即所有资产和负债都是按照公允价值来计价的。实际上，世界上各国现行的会计准则都不是无偏的，稳健性是基本的会计准则之一。为了解决会计稳健性导致的剩余收益不趋向于零的问题，Feltham、Ohlson(1995，1996)对原来的动态线性信息LID假定进行了修正，本期账面价值还考虑了未来超额盈余的信息。F-O(1995)模型是对Ohlson(1995)模型无偏会计准则的修正。与Ohlson(1995)模型一样，FelthamOhlson(1995)模型推导的起点也是DDM模型和净剩余关系(CSR)假设。并在此基础上，还定义了三个关系：1）、净利息关系（NIR）：，其中，是t期净利息收入;是t期期初财务资产净值。2）、财务资产关系（FAR）：，其中，是经营活动现金流量扣除对经营活动的投资。由此定义知，经营现金流量、净利息收入增加财务资产，而股利减少财务资产。3）、经营资产关系（OAR）：，其中，为t期期末的经营资产；为t期经营收益。F-O (1995)对Ohlson(1995) 动态线性信息的修正是建立在区分财务活动和经营活动的基础上。修正后的线性信息动态化（LID）可以表示为：，其中 以DDM模型为基础，结合CSR、NIR、FAR、OAR和修正后的LID，可以推导出一个可以用于经验检验的线性估值模型： （2.4）。上述检验方程清楚地表明，公司的权益价值是当期权益资本账面价值、超额经营盈余、经营资产，及其它信息的线性函数。公司估价的关键在于分析超额盈余的持续能力、经营资产的增长率以及影响公司价值的其它信息，这与会计计量的保守程度(或无偏程度)有着密切的关系。建立F-O (1995)模型的LID假定以区分财务活动和经营活动为基础。但是，在实际操作时，我们很难区分财务资产和经营资产，因此F-O(1995)模型实际上很难应用；也因为这个原因，学者们应用F-O(1995)模型进行研究时，一般都不采用模型的原貌，而是在修改后才加以使用。2.2.3 对F-O(1996)模型的概述1996年，Feltham和Ohlson重新对F-O(1995)模型进行阐述，从现金流贴现的角度表述了企业权益价值和企业会计数据的关系。首先，他们假定企业的下期现金收益等于本期现金收益和本期资本投资的加权，并且各期资本投资遵循信息动态化，即CFD关系(考虑了其他信息的情况下)：，其中，。用表示各期的净现金流。其次，分析折旧政策对的影响。假设折旧满足CSR关系，即，在考虑其他信息的情况下，由于t期影响t+1期的，然后再影响t+2期的，因此，t+1期扣除折旧后的净营运资产，相应折旧。已知，公司的权益价值等于未来各期现金流的贴现值，即。将此式与CFD、CSR关系，以及折旧政策参数() 合并，并通过数学变化，可以将权益价值表示成盈余项和净资产项和的形式： （2.5），其中。F-O(1996)通过考虑不确定性、净现值的情况，论证了通过会计数据能够表达企业的权益价值。这个模型和F-O(1995)模型的区别是此模型从现金流贴现模型出发，论证的目的是考察净现值和折旧政策对权益价值的影响。而F-O (1995)模型实质是论述会计稳健性下的权益估值问题。它重点强调了账面资产BV的估值作用。1996的模型是1995模型的一个细化，推导出企业的权益价值可以用会计数据的盈余项和净资产项来表达。3 基于F-O模型的财务指标与股票价格相关性研究3.1 模型的修正及评价本文中研究模型的构建主要还是得益于对现在剩余收益模型中F-O(1996)模型的修正及应用，此模型在上一章中已经做了详细地介绍，它的核心思想是在于揭示公司涉及经营活动和财务活动的会计数据与股票内在价值之间的联系。尽管，它还没有获得像股利贴现模型和资本资产定价模型那样的地位和影响，但从长远来看，它对财务学、 会计学和投资学等领域将产生深远的冲击和影响。上一章中介绍的公式2.5，它反映的是由剩余收益项和净资产项和构成的公司的权益价值，在本章实证模型理论中，如果将它应用于每股价格，可以简化成用NAVPS (每股净资产)和EPS (每股收益)之和的线性形式，即： （2.6）。F-O模型对探讨会计盈余与股价行为的相关性提供了一个新的理论基础。与之前的各种计价基础模型相比，从表面上看，F-O模型仅仅是将股利贴现模型中的股利由盈余和净资产替代，但这其中却有更深层次的意义。一般来说，仅用较规则的现金股利来衡量公司价值的变动很难，所以F-O模型将股利贴现模型中的股利替换为变动收益和账面价值，这样就能更好地解释股票价格的变动，如有些高成长性公司，它们到周期后期才有可能向股东支付规则的现金股利。 因此，DDM模型在衡量公司的价值上存在一定的缺陷，F-O模型则可以很好地弥补这一缺陷。同时，F-O模型将公司的注意力由股利分配转向财富创造，这样更有利于公司实现股东权益最大化的财务管理目标。从财务报表的角度看F-O模型，它既吸收了利润表的信息，又吸收了资产负债表的信息，实际上是资产负债表和损益表的综合体现，会计盈余和净资产都会进入计价模型之中，成为股价的决定因素。综合以上所述，尽管股票定价模型有很多，但在众多的模型中能够把财务数据（或会计指标）直接联系起来的，F-O模型是首选，这也正是选择其作为本文实证模型理论基础的主要原因。从上面的论述中可以看出，在本章的实证中应用F-0模型有如下好处： 1）、在会计信息与股票价格之间建立了比较直接的联系，能够用会计信息去表达股票价格，并且简洁、直观。2）、浓缩了企业财务状况信息，既吸收了利润表的信息又吸收了资产负债表的信息，反映的会计信息比较全面。3.2 模型的建立与预测3.2.1 模型变量的定义（自变量与因变量）根据F-O模型，可以认为，当投资者做出定价决策时，会考虑净资产与剩余收益。依据公式2.6，可以看出，本章的研究分析中会应用到三个变量，每股净资产(NAVPS)和每股收益(EPS)是自变量，而股票价格是模型中的因变量，但本次实证在探索NAVPS和EPS对于解释能力的同时，还要分析解释能力最强的自变量在解释不同时间点的股票价格时有何差异。下面将详细概述这3个变量：（1）、自变量：每股净资产(NAVPS)每股净资产值反映了每股股票代表的公司净资产价值。在会计计算上，相当于资产负债表中的总资产减去全部债务后的余额，所得的公司净资产除以发行总股数，即得到每股净资产。这一指标越高，表明股东拥有的资产现值越多，上市公司创造利润的能力和抵御外来因素影响的能力越强。其传统计算公式为：每股净资产(所有者权益优先股股利)发行在外的总股数。（2）、自变量：每股收益 (EPS扣除)每股收益，又称每股税后利润、每股盈余，它反映了每股创造的税后利润，其比率越高，表明所创造的利润越多，股东的投资效益越好。它是测定股票投资价值的重要指标之一，是分析每股价值的一个基础性指标，是综合反映上市公司获利能力的重要指标。其计算公式为：每股收益(本期净收益优先股股利) 期末发行在外的普通股股数。而每股收益扣除是指每股股票收益扣除非经常性损益后的净值，包括非经常性损益在内的每股收益反映了公司的总体盈利状况，而扣除非经常性损益后的每股收益能更好地反映该公司主营业务的盈利状况。由于公司未来持续、稳定的营收获利主要依赖于主营业务，因此本文对公司的投资价值评价也更多地参照扣除非经常性损益后每股收益这一指标。（3）、因变量：股票价格在中国股市上，上市公司公布年报的时间是在次年1月到4月间公布的，一般在次年的1月初就会有相关的年报公布预约披露时间出来让投资者有一个时间准备。不同企业的公布时间并不一致，为了有效地反映价格变动趋势，本文针对每个研究年度次年的(14月)每个交易日收盘价的平均值，把它定义为P0 ，同时，为研究变量对价格在不同时间段上的不同解释能力，以P0计算期为标准向前和向后移动，向前移动1个月份，向后移动2个月份，这样就得到4个移动平均价格，分别为P-1、P0、P1和P2。实证分析中用到的变量及其定义如表3-1所示。表3-1 变量定义变量字符变量类型变量含义EPS自变量每股收益（扣除）NAVPS自变量每股净资产P-1因变量本年12月到3月收盘价的平均值P0因变量次年1月到4月收盘价的平均值P1因变量次年2月到5月收盘价的平均值P2因变量次年3月到6月收盘价的平均值这样得到的价格与平均期间内的月收盘价格一定会存在区别，但本文是从价值投资角度来研究财务状况与股票价格的相关性，所以这样的处理并不会对实证的结论造成影响。3.2.2 数据来源及处理软件的选择本次实证研究以沪深300指数作为研究的样本，研究期间为20062008年。沪深300指数是由上海和深圳证券市场中选取300只A股作为样本，其中沪市有208只，深市有92只，沪市与深市之间具有较高的关联性。该样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性，收益较好、风险较低、规模大、流通性强、会计数据完备。在此样本基础上，剔除了ST公司、每股收益和每股净资产为负的公司，最终确定了189家上市公司作为研究样本（其中深市有60家，沪市有129家，详见附录2）。股票价格数据涉及到20062008年12月的每个交易日收盘价的平均值及20072009年16月的收盘价均值，财务指标数据涉及到20062008年的每股净资产和每股收益的截面数据。以上所有涉及到的原始数据均来自于RESSET金融研究数据库以及证券行情软件。在对原始数据的加工处理，如对样本的筛选、移动平均月收盘价采用OFFICE软件包中的EXCEL表格工具进行处理，在对数据回归分析时应用SPSS软件来实现。在使用线性回归方法对数据的回归过程中需要注意的问题：l）、异方差的问题，2）、自相关的问题，3）、多重共线性的问题。为了避免异方差的现象，在回归方法的选择上，选择加权最小二乘法，这样，如果出现异方差问题，就可以避免。本次实证模型中只有两个自变量，并且有相应的模型理论作为基础，所以不用考虑多重共线性问题。对于自相关问题，实证研究中所采用的数据为截面数据，不会涉及到自相关的问题。3.2.3 相关性研究的预测1）、F-O模型与其他价格模型相比较，它的自变量（每股收益和每股净资产）浓缩了企业财务状况的基本信息，并且在本章实证中选择股票价格时采用移动平均线的方法，消除或减少了偶然性的波动，这样处理更能反映价格变动趋势。所以该模型能够比较充分的解释股票价格，预计该模型解释能力会大于15%，并且每股收益对于股价的解释能力高于每股净资产。2）、企业年报的公布时间是分布在1月到4月这个阶段上，而且实证研究中用到的数据是截面数据，这样从截面看，假设不同年报信息是被价格逐步吸收的，股票价格对于年报财务信息的吸收应该是逐渐实现的，也就是说，不同企业投资者根据不同时间公布的年报调整投资应该是有一个逐步实现的过程，那么股票价格对于年报信息的反应就应该是逐渐实现的。 3）、如果F-0模型能够较好的解释股票价格，那么经过一个时间段充分的吸收年报信息后，每股净资产和每股收益对于股票价格的解释能力应该在某个时段达到最强，即F-O模型对于股票价格的解释能力在该时段到达最强。3.3 相关性结果分析与结论3.3.1 相关性计算结果分析通过相关分析可以检验变量之间的线性相关程度7。Pearson简单相关系数的计算是相关分析的基础，其数学计算公式为：，该等式符合自变量等间距或等比例的正态分布，。本文的样本数据利用SPSS 17.0软件运用相关分析法，考察财务指标与股票价格的相关性8。（1）通过SPSS 17.0软件对我国上市公司股票价格P0与EPS、NAVPS逐年进行相关性分析，相关系数大小及其显著性检验结果表如下所示（表3-2、表3-3、表3-4）：表3-2 2006年各变量间的相关关系表EPSNAVPSP0Pearson Correlation.544*.507*Sig. (2-tailed).000.000N189189*. Correlation is significant at the 0.01 level (2-tailed).表3-3 2007年各变量间的相关关系表EPSNAVPSP0Pearson Correlation.625*.521*Sig. (2-tailed).000.000N189189*. Correlation is significant at the 0.01 level (2-tailed).表3-4 2008年各变量间的相关关系表EPSNAVPSP0Pearson Correlation.657*.626*Sig. (2-tailed).000.000N189189*. Correlation is significant at the 0.01 level (2-tailed).从以上的相关关系表3-2、3-3、3-4中可知，2006年至2008年每年P0与EPS、NAVPS的显著性水平都为0.000 (Sig.(2-tailed)，这说明每股收益和每股净资产与股票价格都存在着十分显著的正相关关系，且每股净资产与股票价格的相关系数都在0.5以上，而在07-08年每股收益与股票价格相关系数达到了0.6以上。根据上表的相关系数，还证实了EPS解释能力高于NAVPS的预期结论。（2）根据回归模型，通过SPSS 17.0软件把EPS、NAVPS对我国上市公司股票价格P0进行逐步多元线性回归分析法来估计模型参数。各水平均值差异显著，满足，则该变量可进入回归方程；若，则该变量必须剔除。2006年估计结果如下（表3-5、表3-6）所示： 表3-5 ANOVA b（方差分析表）ModelSum of SquaresdfMean SquareFSig.1Regression11123.89925561.95053.844.000aResidual19213.161186103.297Total30337.060188a. Predictors: (Constant), NAVPS, EPSb. Dependent Variable: P0表3-6 Coefficients a（模型系数表）ModelUnstandardized CoefficientsStandardized CoefficientstSig.CorrelationsBStd. ErrorBetaZero-orderPartialPart1(Constant)1.2541.836.683.495EPS11.4062.495.3114.572.000.507.318.267NAVPS3.007.531.3855.662.000.544.383.330Dependent Variable: P02007年估计结果如下（表3-7）所示：表3-7 07年模型系数表ModelUnstandardized CoefficientsStandardized CoefficientstSig.CorrelationsBStd. ErrorBetaZero-orderPartialPart1(Constant)5.3503.1991.672.096EPS21.6733.246.4976.676.000.625.440.375NAVPS2.191.833.1962.631.009.521.189.148a. Dependent Variable: P02008年估计结果如下（表3-8）所示：表3-8 08年模型系数表ModelUnstandardized CoefficientsStandardized CoefficientstSig.CorrelationsBStd. ErrorBetaZero-orderPartialPart1(Constant)2.2741.4541.564.119EPS6.1781.050.4295.885.000.657.396.309NAVPS1.724.382.3294.510.000.626.314.237a. Dependent Variable: P0对自变量进行逐步回归，在筛选的过程中，发现两个变量都顺利地进入了模型，表3-5给出了回归方程的方差分析表，从表中可知， 2006年的会计指标（每股收益和每股净资产）与股票价格之间的线性关系极为显著。表3-6给出了拟合的回归方程系数。未标准化时，常数项对应的Sig.值 0.1，说明方程的常数项不显著，可以考虑剔除常数项作进一步分析；而自变量对应的Sig.值为0.000，检验结果是显著的。根据表3-7可得到多元回归模型:。表3-7给出了拟合的回归方程系数。根据表中数据，回归系数的显著性水平为0.000，说明因变量和自变量的线性关系显著，从而可得多元回归模型：。同样，根据表3-8所给的数据，因变量和自变量的线性关系依然显著，由回归方程系数，可得多元回归模型：。（3）把EPS、NAVPS对不同移动平均的股票价格P-1、P0、P1和P2分别进行回归可得如下结果:表3-12 06年各股票价格对应的模型综述表ModelRR SquareAdjusted R SquareStd. Error of the EstimateP-1.579a.336.3289.61791P0.606a.367.36010.16349P1.626a.392.38510.42604P2.640a.410.40411.11943a. Predictors: (Constant), NAVPS, EPS表3-13 07年各股票价格对应的模型综述表ModelRR SquareAdjusted R SquareStd. Error of the EstimateP-1.658a.432.42620.90222P0.642a.412.40619.80320P1.627a.394.38717.87663P2.625a.391.38415.50832a. Predictors: (Constant), NAVPS, EPS表3-14 08年各股票价格对应的模型综述表ModelRR SquareAdjusted R SquareStd. Error of the EstimateP-1.679a.461.4558.38870P0.698a.487.4828.61175P1.717a.515.5098.67929P2.732a.537.5328.61500Predictors: (Constant), NAVPS, EPS对于以上的回归结果分析：将这三年中的Adjusted R2作为纵轴变量，移动平均变量股票价格P作为横轴变量得到图3-1如下所示：图 3-1 EPS、NAVPS对于股票价格的解释能力表3-12、表3-13、表3-14中显示模型的是复相关系数R、决定系数R2、调整决定系数Adjusted R2和估计值的标准误差Std. Error of the Estimate，这些信息反映了因变量和自变量之间的线性相关强度。从上图可以看出，EPS、NAVPS对于股票价格的解释能力，随着平均价格在时间上的移动，会经历两个阶段，一个为上升阶段，一个为下降阶段。注：2007年EPS、NAVPS解释力度所对应的是2008年的股票价格，由于2008年受金融危机的宏观影响，股票市场变动过大，不利于分析我国上市公司主要财务指标与股价变动的相关性，故在此处不作考虑。3.3.2 相关性分析结论通过分析以上三年的回归结果可以发现：1）、采用上个会计年度的EPS和NAVPS用于解释下一年前四个月月收盘价均价P0，即1月至4月的月收盘价的移动平均价格，都能够取得