金融学财务报表分析与股票超额回报关系的实证研究

摘 要：本文的研究旨在探讨财务比率与股票超额收益之间的关联性，验证财务比率对股票超额收益之预测能力，以作为推论财务报表的会计信息是否具有信息内涵。本文以我国1998年至2002年的我国沪深股市的所有A股为研究对象，选取39项财务比率，首先对上述指标进行主成分分析，根据累积贡献率达到90%的要求，我们选出相应的主成分因子，接着以单变量Logistic Model 筛选重要主成分因子，作为预测模型的自变量，并以股票超额收益作为预测模型之因变量，再以多变量Logistic Model 建立预测模型，最后对模型的预测能力进行样本内和样本外检验。实证结果最后的结论是：首先，整体而言，就沪深A股来看，以财务比率分析来预测股票超额收益的结论不能获得支持，亦即沪深A股市场具有弱式有效性，并向半强式有效过渡，投资者不可能运用财务报表分析预测股票超额收益，获得超额利润。其次，由于模型对样本内股票是否具有超额收益的划分的正确率高于随机分布的正确率，这说明，在一定的投资期间，市场上还是有一定的主流投资理念或盈利模式，只不过市场上这种主流投资理念的形成或出现，很难在投资期前预测到和获得确认。再次，在不同的投资期，影响股票的超额收益的因素是在不断变化的，这说明证券市场的风险和收益的对应关系也是动态变化的，这符合风险收益对应论的基本观点。

关 键 词：超额收益、财务表报分析、主成分分析、Logistic回归、有效市场

一、研究背景和文献回顾

财务报表是综合企业经营活动的会计产物，也是衡量企业财务状况与经营结果的主要依据。传统基本分析认为，财务报表信息可以显示企业的基本价值，股价虽有时会偏离基本价值，但终将在未来时点回归基本价值。因此，透过财务报表分析，可以评估企业基本价值，以判断企业股票市价高估或低估。但由于偏离的股价终将趋向基本价值，故经由基本价值与市场价格之比较，可找出产生超常收益的投资策略。回顾财务信息与证券市场的关联性之研究，国外由Ball & Brown (1968) 首开先河，研究盈余宣告与股价之间的关联性，结果证实预期盈余与超常收益具有显著相关。另外，Beaver (1968) 的实证结果认为股价对年度盈余的宣告会做出立即反应。Ou & Penman (1989) 亦以财务比率构建盈余预测模式，并据以决定投资策略，研究是否能获取超常收益；结果发现，盈余预测模式对超常收益具良好预测能力。Holthausen & Lacker (1992) 也证实财务报表具有信息内涵。Chung & Kim (1994) 的研究结果也再次证实财务报表分析预测股票投资收益之有用性。

对国内证券市场财务报表的信息含量及传递效应的研究，近年来国内学者对此也有较多的涉及。其中，赵宇龙（1998）采用Ball和Brown的方法对取自上交所的样本研究后发现，1996 年度的盈余披露具有比较明显的信息含量与市场效应；陈晓等（1998）证实了上市公司首次股利信号传递公告能产生超常收益，即具有信号传递效应，短期投资者有可能采取某种投资策略取得超常收益；孟卫东与陆静（2000）以1998 年年报为样本证实了年报比较有效地传递了公司盈余状况的信息，从年报披露前后盈余反应系数提出市场存在深厚的投机成本，机构投资者有利用内幕信息操纵市场的空间；张弘、唐志（2003）通过对上市公司盈余预警的信息含量与传递效应的实证研究，表明：盈余波动预警信息在预告发布前后的一段时间内，具有一定的信息含量，能为投资者带来超常收益，但其作用的时间、强度却存在差异。

有鉴于我国股市之国际化，机构投资者逐渐成为引导市场的主要力量，与基本分析息息相关的财务报表则日益受到投资者重视，故财务信息对投资者的功能似有再做深一层探讨之必要。透过财务报表的分析，投资者可以全盘洞悉企业过去的经营绩效及财务状况，并预测企业未来的远景，研判企业的真实市场价值，以作为决定投资之合理价值，有利于投资者掌握股价的变动趋势，降低股票投资之风险。本文的研究即拟以我国沪深A股市场中上市公司的财务信息与证券收益间的关联性作一研究，评估财务报表的信息内涵，并希望本研究可提供投资大众作为投资决策的依据，能引导其作更理性的投资。

本文研究的主要目的在于：

1. 根据年度财务报表，寻找对股票超额收益具有显著影响力之财务比率。

2. 依据研究筛选之财务比率为自变量，以市场模型所计算的超常收益为因变量，用Logistic方法建立股价预测模式。

3. 以预测模式之预测结果进行投资，检验有无超额收益。

二、理论架构与模型

（一）主成分分析

       主成分分析（principal component analysis）由Hotelling于1933年首先提出的，其主要思想是：通过对原始指标(本文为财务比率)相关矩阵内部结构关系的研究，找出影响某一经济状况(本文为股票的超额收益)的几个综合指标(主成分)，使综合指标为原始指标的线性组合，综合指标不仅保留了原始指标的主要信息，彼此又完全不相关，同时比原始指标具有某些更优越的性质，使得我们在研究复杂的经济问题时能够容易抓住主要矛盾。

主成分分析所着重的在于如何转换原始变量使之成为一些互相独立的线性组合变量，而且经由线性组合而得的主成分仍保有原变量最多的信息，其关键在变异数问题，利用求特征值eigenvalue 及特征向量eigenvector 的方法，过滤出占最大变异数的形态，此即为最主要之形态。主成分分析的作用主要有：概述变量间的关系；可将原来变量转换成新的没有相关的变量；可用来简化多变量数据的维度，即降低变量个数，但保留主要信息；可解决回归分析里共线性问题；可用来作一组变量的综合指标。

（二）因变量——超额收益率的估计

本文的超额收益率由詹森测度（Jensen’s Measure）来估计：基于资本资产定价模型（CAPM）测算基础上的资产组合收益率，用到了贝塔值和市场平均收益，计算公式如下：

= ―[ + （―）]，

其中：表示股票的超额收益，被简称为詹森业绩指数或阿尔法值；表示评价期内市场的平均回报率；―表示评价期内市场风险的补偿。当值显著为正时，表明被评价证券与市场相比较有优越表现；当值显著为负时，表明被评价投资组合的表现与市场相比较整体表现差。

    超额收益可以通过下列回归得到：

         ―= + （―）+ ，

考虑到金融市场中的收益率可能存在着异方差性，所以在回归是不采用普通最小二乘法（Ordinary Least-Squares，简称OLS），而代之广义最小二乘法（GLS）。本文的GLS估计量采用美国托莱多大学经济系James P. LeSage根据H. White 1980年提出的异方差校正的方法而编写的Matlab程序来完成。

（三）Logistic 回归分析

因本文的研究旨在探讨财务报表信息于证券市场的有用性如何？亦即以沪深A股上市公司为对象，探讨财务报表信息对股票超额收益的预测能力。为符合超额收益率的衡量，故分析模式采用性质因变量回归模型（Qualitative Dependence Variable Regression Model）中的Logistic 模型。当预测的超额收益为正时，则建议投资人买进股票，反之则卖出股票，因只探讨超额收益为正或负，故属二元变量。即本文将个别股票自投资日起一年后之阿尔法值符号设定为二元变量——即因变量超额收益为正时，设定其变量值为1，反之，当因变量超额收益为负时，设定其变量值为0，故采用Logistic模式为估计模式，其与古典回归模式不同之处即在于其因变量为分立性（Discrete）且二元，而古典回归模式之因变量为连续性（Continuous）。

在二值响应模型中，通常用Y代表一个个体或者一个实验单元，它的取值有两种可能，为方便起见，分别记为1和0（例如，在本文中，如果有超额收益Y=1，否则Y=0），表示自变量向量，是一组可以说明Y发生的概率大小的变量，用以表示Y的某一种特定情况（以1表示）发生的概率，，则可以由以下Logistic回归方程得到：

其中表示一组自变量，是一组与X对应的回归系数，是模型的截距，都是待估计的参数，所用的参数估计方法为极大似然估计法。在得到的参数估计后，某一种特定情况（以1表示）发生的概率就可以通过以下等式得到：

       Logistic 回归的假设前提是：

1、因变量Y是二分变量。

2、数据必须来自于随机样本。

3、因变量Y被假定为K个自变量的（k=1，2，……，K）的函数，因变量与自变量之间的关系是非线性的。

4、自变量之间不存在多重共线性。

显而易见，Logistic 回归没有关于自变量分布的假设条件，因此Logistic 回归法避开了诸如判别分析中所面临的各种难以满足的前提假设。

（四）研究方法

本研究首先对选择的财务比率指标进行主成分分析，根据累积贡献率达到90%的要求，选出相应的主成分因子，接着以单变量Logistic Model 筛选重要主成分因子，作为预测模型的自变量，并以超额收益（詹森业绩指数或称阿尔法值）作为预测模型之因变量，再以多变量Logistic Model 建立预测模型，最后对预测模型之预测能力进行样本内和样本外检验。实证步骤如下：

       1、首先对所有选用的财务比率指标进行主成分分析，根据累积贡献率达到90%的要求，我们选出相应的主成分因子。

2、应用单变量Logistic Model 对步骤一选出的主成分因子进行显著性检验，本文以Wald统计量来检验单一变量的显著性。根据统计量Wald检验的显著性概率P值小于0.1的标准，筛选出显著的主成分因子。

3、以步骤二筛选出的主成分因子进行多变量Logistic Model拟合，删除统计量P值大于设置标准0.05的变量之后再以剩余之变量组重复进行多变量Logistic Model拟合，如此周而复始，直到最后剩下的全部变量的统计量P值都在5 % 以下为止，如此最后剩下者即为预测模型的解释变量。

       4、以步骤三所筛选出的各主成分因子为自变量，股票超额收益为因变量，建立多变量Logistic预测模型，再利用模型分别对样本内资料和预测期的样本外资料对模式的预测能力进行验证。

    5、本研究实证过程全部采用 Matlab 程序完成。

三、实证研究与分析

（一）样本选取及资料来源

本文的研究以我国1998年至2002年的沪深A股上市公司为对象，剔除了“ST”、“*ST”、“PT”类的上市公司。1998年至2002年分别选入605家、705家、797家、931家和1005家上市公司。

本文的所有数据，包括上市公司财务数据、行情数据及其它股权股息分配数据，都来自于Wind数据库。

（二）财务比率指标定义

本文研究的主要目的是在探讨财务比率和股票超额收益之间的关联性，以股票超额收益为因变量，以经过处理的各样本公司年度财务报资料为自变量进行实证研究，对于财务比率的选择依照以下标准决定：

1．  经常出现在公开财务资料上，投资者易于取得之财务比率。

2．  国内外相关研究所发现重要的财务比率。

本文依上述标准共取三十九项财务比率，并予说明如下表：

表1：三十九项财务比率说明

       （三）实证结果与分析

       1．全局预测和检验

       首先对1998年至2000年三年的2107个上市公司（实质上不是真正有2107家上市公司，而是三年的605家+705家+797家的上市公司的财务数据全部连成一个二维表，有2107行数据，每行有39列即39项财务指标）39个财务指标进行标准化处理，对标准化处理后的数据进行主成分分析，提取代表了90%以上信息的19个主成分因子，并消除指标之间的多重共线性关系。得到的前19个主成分因子。

然后应用单变量Logistic Model ，以选出的19个主成分因子为自变量，各支股票2001年5月1日至2002年4月30日的超额收益为应变量，有超额收益的应变量值设为1，没有超额收益的应变量值设为0，对上面选出的19个主成分因子进行显著性检验。根据统计量Wald检验的显著性概率P值小于0.1的标准，筛选出4个显著的主成分因子，分别为PC9、PC10、PC13和PC18。

接下来对上述步骤筛选出的4个主成分因子进行多变量Logistic Model拟合，删除统计量Wald检验的显著性概率P值大于设置标准0.05的变量之后再以剩余之变量组重复进行多变量Logistic Model拟合，如此周而复始，直到最后剩下的全部变量的统计量Wald检验的显著性概率P值都在5 % 以下为止，最后剩下3个主成分因子分别为PC9、PC10和PC18，它们即为预测模型的解释变量。最后以0.5为最佳判别点，利用模型进行样本内和样本外的检验，其结果参见表2。

表2：Logistic回归模型及预测准确度

注：正确率=被正确分类或预测的案例数/案例总数

       得到的Logistic回归模型即为：

2. 分年份滚动预测和检验

       我们分年份把各年底的财务比率进行标准化处理，进行主成分析，提取代表了90%以上信息的主成分因子；然后以选出的主成分因子为自变量，次年5月1日至第三年4月30日止的股票超常收益为应变量，按上述类似的步骤应用单变量Logistic和多变量Logistic回归，最后获得预测模型并进行检验。

       具体来说，分年份滚动预测和检验分三个阶段：第一阶段是1998——2001：用1998年年报的财务数据选出一定的主成分因子为自变量，1999年5月1日至2000年4月30日的超额收益为应变量，用Logistic回归得到预测模型；样本内检验是用获得Logistic回归模型的同样数据来验证模型的正确率，样本外检验是用前面获得Logistic预测模型，代入1999年的财务数据来预测2000年5月1日至2001年4月30日的超额收益，验证模型的正确率。第二阶段是1999——2002年，第三阶段是2000——2003年，方法上一样，数据按照年份依次类推。实证结果如下：

表3：三个阶段Logistic回归模型及预测准确度

3．结果分析

由上面的全局预测检验和分年份滚动预测检验的结果我们可以看出：预测模型对样本内的预测正确率略高于随机分布的正确率，分别为为57.62%、53.72%、56.88%和79.80%；而在预测期样本外的检验中其正确率出第一阶段为55.60%外，其它情况下都低于随机分布的正确率，分别为45.33%﹪、23.09%和45.46%。这说明，首先，整体而言，就沪深A股来看，以财务比率分析来预测股票超额收益的结论不能获得支持，亦即沪深A股市场具有弱式有效性，并向半强式有效过渡，投资者不可能运用财务报表分析预测股票超额收益，获得超额利润。

其次，由于模型对样本内股票是否具有超额收益的划分的正确率高于随机分布的正确率，这说明，在一定的投资期间，市场上还是有一定的主流投资理念或盈利模式，只不过市场上这种主流投资理念的形成或出现，很难在投资期前预测到和获得确认。

再次，在不同的投资期，影响股票的超额收益的因素是在变化的，这也说明证券市场的风险和收益的对应关系是动态变化的。决定今年股票超额收益的因素不一定对明年有效，股票的风险收益关系是变化的，这大概就是导致我们的模型在样本内检验有一定效果，而在样本外检验和预测就基本没有效果的原因了。

在第一阶段，模型的解释变量是主成分因子PC9和PC13，主成分因子PC9中影响显著的指标有每股资本公积金、每股净资产、每股净资产增长率、净资产收益率增长率，这可以说是一个盈利状况的指标，但主成分因子PC9的系数是-0.2068，也就是说盈利状况越好的，越没有可能获得超额收益，这似乎不正常，但却很现实，股市中经常有句经验之谈，“利好出尽是利空”。年报公布了很好的盈利业绩，就是说股票该出货了。主成分因子PC13中影响显著的指标有应收帐款周转率、总资产周转率、流动比和速动比，这可以说是一个资本营运效率的指标，其系数是正的0.2852。这说明，一个公司的资本营运效率越高，其股票越有可能获得超额收益，这是一个很值得重视的结论，资本营运效率高，说明公司的管理水平和经营理念较好，虽然很多资本营运效率高的公司其效果还没有表现在经营业绩或财务报表上，但它是潜在的盈利能力，可能还没有被市场所预期。

第二阶段的主成分因子PC12是一个资产结构指标，其系数为正的0.1984；第三阶段的主成分因子PC7费用结构指标，其系数为-0.1705，PC17是现金量产生能力的指标，其系数为-0.2196。总之，不同阶段影响股票超额收益的主成分因子是不一样的，而且很多原因可能是很难解释清楚的，这些都只能进一步说明我国的股市市场还是有效率的，我们很难利用财务指标的分析去获得超额利润；另一方面也进一步说明，股票市场的风险收益的对应关系是在不断变化的，这也是风险收益对应论的一个基本观点。

四、结论与未来研究方向

       （一）结论

本文以我国1998年至2002年的我国沪深股市的所有A股为研究对象，探讨财务比率与股票超额收益之间的关联性，验证财务比率对股票超额收益之预测能力，以作为推论财务报表的会计信息是否具有信息内涵。本研究选取了39项财务比率，首先对上述指标进行主成分分析，根据累积贡献率达到90%的要求，我们选出相应的主成分因子，接着以单变量Logistic Model 筛选重要主成分因子，作为预测模型的自变量，并以超额收益（詹森业绩指数或称阿尔法值）作为预测模型之因变量，再以多变量Logistic Model 建立预测模型，最后对预测模型进行样本内和样本外的检验，实证结论如下：

首先，整体而言，就沪深A股来看，以财务比率分析来预测股票超额收益的结论不能获得支持，亦即沪深A股市场具有弱式有效性，并向半强式有效过渡，投资者不可能运用财务报表分析预测股票超额收益，获得超额利润。

其次，由于模型对样本内股票是否具有超额收益的划分的正确率高于随机分布的正确率，这说明，在一定的投资期间，市场上还是有一定的主流投资理念或盈利模式，只不过市场上这种主流投资理念的形成或出现，很难在投资期前预测到和获得确认。

再次，在不同的投资期，影响股票的超额收益的因素是在变化的，这也说明证券市场的风险和收益的对应关系是动态变化的，这符合风险收益对应论的基本观点。

（二）研究局限和未来研究方向

本研究存在下列限制，在引用本研究结果时，需特别加以注意。一是本文研究的投资期间均以一年为单位，然而我国股票市场短线进出频繁，投资期间不足一年时，其结论自然可能与本研究结果产生差异，此点在引用本文结论时应加以考虑；二是本研究对于财务指标的选取，是采用常见并容易获取的财务指标，可能忽略了其它更为精密，需要复杂运算的财务指标，如自由现金流量比率、EVA（经济增加值）等，这些指标可能在预测股票收益率上更具有效力；第三，为确保各公司股票价格皆已反映年度财务报表所传达的信息，本研究假设以营业年度结束四个月后第一日为投资开始日，但上市公司的年报实际上在此之前可能已陆续发布，因此，在本研究假设下，可能导致个别股票超常收益之衡量发生偏差。

       未来的研究，可以寻求突破的地方有：

1．本研究建立股票超额收益的预测模型所选取之财务指标有39项，可能遗漏其它具预测能力的财务指标，建议后续研究可纳入其它变量，加以分析，以增进预测绩效。

2．本研究把沪深A股全部纳入研究样本，没有区分行业差异，未来研究可以探讨财务指标的预测效果是否受到行业差别的影响。

3．本研究采用的财务资料为年度财务报表，投资期研究者可考虑采用中期报表，或季度报表，并缩短投资期间，以分析其对预测能力的影响。

参考文献：

1.         Ball, R. and P. Brown, (1968), An Empirical Evaluation of Accounting Income Numbers, Journal of Accounting Research (Autumn), 159-178.

2.         Beaver, W., (1968), Alternative Accounting Measures as Predictors of Failure, The Accounting Review (January), 113-120.

3.         Beaver, W. H., Clarke, R. and Wright, W., (1979), The Association Between Unsystematic Security Returns and the Magnitude of the Earnings Forecast Error, Journal of Accounting Research (Autumn),314-340.

4.         Brown, Philip R. and John W. Kennely, (1972), The Informational Content of Quarterly Earnings: An Extension and some Future Evidence, Journal of Business (July), 403-415.

5.         Chung, Hay Y. and Kim, Teong B, (1994), Financial Statement Analysis and the Profitability of Risk-Based Investment Strategy: Evidence from the Korea Stock Exchange. Advances in International Accounting, .117-132.

6.         Easton, Peter D., (1985), Accounting Earnings and Security Valuation: Empirical Evidence of the Fundamental Links, Journal of Accounting Research (Supplement), 54-77.

7.         Estrella, Arturo, 1998, “A New Measure of Fit for Equations with Dichotomous Dependent Variables,” Journal of Business and Economic Statistics, April, pp.198-205.

8.         Fama E.F. and K.R. French,(1988), “Permanent and temporary components of stock prices”, Journal of Political Economy, November, pp.246-273.

9.         Foster, G., (1977), Quarterly Accounting Data: Time-Series Properties and Predictive Ability Results, The Accounting Review (January),1-21.

10.     Holthausen, R. W. and D.F. Lacker, (1992), The Prediction of Stock Returns Using Financial Statement Information, Journal of Accounting and Economics 15, 373- 411.

11.     H. White,(1980), A Heteroscedasticity Consistent Covariance Matrix Estimator and a Direct Test of Heteroscedasticity, Econometrica Vol. 48 pp. 818-838.

12.     May, Robert G., (1971), The Influence of Quarterly Earnings Announcements on Investor Decisions as Reflected in Common Stock Price Changes, Journal of Accounting Research (Supplement), 119-163.

13.     Ou, Jane A., and Stephen H. Penman, (1989), Financial Statement Analysis and The Prediction of Stock Return, Journal of Accounting and Economics 11,295-329.

14.     Ou, Jane A.,(1990), The Information Content of Non-earnings Accounting Numbers as Earnings Predictors, Journal of Accounting Research (Spring),144-163.

15.     Patell, James M., and Mark A. Wolfson, (1984), The Intraday Speed of Adjusted Stock Prices to Earnings and Announcement, Journal of Financial Economics (June), 223-252.

16.     Samuelson, Paul A., Proof that properly anticipate price fluctuate randomly, Industrial Management Review (Spring 1965),41-49.

17.     陈云贤（1998）：《风险收益对应论》[M]，北京大学出版社

18.     陈晓等，(1999),A 股盈余报告的有用性研究，经济研究1999 年第6 期

19.     何沛俐、章早立,(2003), 立体空间下的全新财务危机远期预警模型, 深圳证券交易所第五届会员单位、基金管理公司研究成果评选行业、上市公司研究类一等奖文章

20.     孟卫东、陈静，（2000），上市公司盈余报告披露的特征及其信息含量，经济科学2000 第5 期

21.     张弘、唐志（2003），上市公司盈余预警的信息含量与传递效应的实证研究，深圳证券交易所第五届会员单位、基金管理公司研究成果评选行业、上市公司研究类三等奖文章

22.     赵宇龙，（1998），会计盈余披露的信息含量，经济研究1998 年第7 期。