導(dǎo)語(yǔ)：如何才能寫好一篇資產(chǎn)的相關(guān)系數(shù)，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

 

現(xiàn)代化企業(yè)的核心是一個(gè)企業(yè)的“人力、物力、財(cái)力”的綜合體現(xiàn)。隨著社會(huì)的發(fā)展，人力資源管理對(duì)于企業(yè)來(lái)說(shuō)越來(lái)越重要，鐵路事業(yè)是我國(guó)交通運(yùn)輸?shù)闹饕问剑?jīng)過(guò)了長(zhǎng)期的探索和發(fā)展，無(wú)數(shù)次重大的技術(shù)改革和創(chuàng)新發(fā)展，鐵路事業(yè)越來(lái)越意識(shí)到人力資源對(duì)于現(xiàn)在經(jīng)濟(jì)發(fā)展的影響。我國(guó)的鐵路事業(yè)在發(fā)展上也是要強(qiáng)化人力資源的管理。本文主要分析了鐵路人力資源管理體系的構(gòu)建及相關(guān)問(wèn)題闡述

 

一、鐵路人力資源存在的市場(chǎng)價(jià)值

 

人力資源是社會(huì)的無(wú)形資產(chǎn)，任何一個(gè)企業(yè)掌握了充分的人力資源都會(huì)增加這個(gè)企業(yè)未來(lái)的發(fā)展空間。隨著現(xiàn)代化經(jīng)濟(jì)的飛速發(fā)展，鐵路企業(yè)也面臨著非常大的機(jī)遇和挑戰(zhàn)，在這個(gè)競(jìng)爭(zhēng)激烈的環(huán)境中，現(xiàn)代經(jīng)濟(jì)越來(lái)越強(qiáng)調(diào)人才的重要性，這就迫切的需要鐵路企業(yè)加強(qiáng)對(duì)鐵路人力資源管理體系的構(gòu)建。

 

1.在過(guò)去的很長(zhǎng)一段時(shí)間內(nèi)，鐵路建設(shè)是國(guó)家重點(diǎn)投資的對(duì)象，鐵路建設(shè)的發(fā)展有效的帶動(dòng)了一些列的經(jīng)濟(jì)的發(fā)展和經(jīng)濟(jì)水平的提高。隨著社會(huì)生產(chǎn)力水平的不斷發(fā)展，科學(xué)技術(shù)的不斷進(jìn)步，鐵路也需要構(gòu)建人力資源管理體系。鐵路人力資源管理體系的構(gòu)建可以推動(dòng)鐵路企業(yè)的深化改革，引領(lǐng)鐵路企業(yè)朝著更加發(fā)展的方向前進(jìn)。

 

2.鐵路發(fā)展包括很多的技術(shù)，有計(jì)算機(jī)技術(shù)、通信技術(shù)、監(jiān)控技術(shù)等很多方面。在市場(chǎng)經(jīng)濟(jì)下，先進(jìn)的技術(shù)充分的體現(xiàn)了其應(yīng)用價(jià)值，合理的利用人力資源管理能促進(jìn)新技術(shù)的創(chuàng)新。

 

3.人才是一個(gè)企業(yè)創(chuàng)造收益價(jià)值的體現(xiàn)和力量保證，擁有足夠人力資源能夠讓鐵路企業(yè)得帶迅速的發(fā)展。既降低了鐵路企業(yè)在經(jīng)濟(jì)投資上的成本，也加快了鐵路企業(yè)更方面的進(jìn)一步發(fā)展。

 

二、構(gòu)建人力資源管理體系的問(wèn)題

 

1.加強(qiáng)鐵路企業(yè)在人力資源的配置上的科學(xué)。我國(guó)的鐵路企業(yè)在人力資源管理體系上還存在很多的問(wèn)題，其中結(jié)構(gòu)性的人才在鐵路企業(yè)人力資源中非常的缺少。由于受到很多的管理體制的約束，在用人上面過(guò)于的局限。之前鐵路企業(yè)在招聘上形式非常的單一，可是隨著經(jīng)濟(jì)的發(fā)展，高鐵的開(kāi)通，高速鐵路增多，導(dǎo)致了鐵路上的一線工作人員非常的緊缺，有關(guān)的技術(shù)人員也是非常的短缺。在國(guó)內(nèi)，高鐵運(yùn)輸還是處在探索的階段，所以從原有的很多的鐵路干線上抽調(diào)很多的技術(shù)型人才到高鐵方面，，導(dǎo)致本來(lái)技術(shù)型人才本來(lái)就很短缺的情況上更加的緊迫，加之鐵路管理人員也是非常的缺乏，鐵路是個(gè)非常龐大的管理系統(tǒng)，所以鐵路人力資源管理體系的構(gòu)建非常的需要。

 

2.在資金方面也需要更加的保證。資金是企業(yè)發(fā)展的關(guān)鍵，足夠的資金可以使企業(yè)的經(jīng)營(yíng)規(guī)模加大。鐵路建設(shè)在構(gòu)建鐵路人力資源管理體系時(shí)，需要有足夠的資金的流通。鐵路的財(cái)務(wù)部門需要對(duì)每筆經(jīng)濟(jì)業(yè)務(wù)進(jìn)行詳細(xì)的記錄，避免資金的流失，還要在成本上面進(jìn)行適當(dāng)?shù)目刂?，提高資金的有效利用。

 

3.加強(qiáng)與商業(yè)方面的合作?，F(xiàn)在很多的經(jīng)濟(jì)模式都是以商業(yè)合作的形式展現(xiàn)的，商業(yè)合作可以為鐵路企業(yè)的發(fā)展提供更多的資金，能夠共同承擔(dān)風(fēng)險(xiǎn)，減少企業(yè)的經(jīng)濟(jì)損失。未來(lái)的鐵路人力資源管理體系的構(gòu)建要與其他的企業(yè)盡力良好的關(guān)系，更好的利用人力資源的分配。

 

4.社會(huì)主義市場(chǎng)經(jīng)濟(jì)是一個(gè)多元化的環(huán)境，在制度方面，企業(yè)還不能滿足內(nèi)部控制，應(yīng)該在基于市場(chǎng)實(shí)情的基礎(chǔ)上更新企業(yè)的內(nèi)部控制體系。

 

三、鐵路人力資源管理體系的構(gòu)建的優(yōu)化

 

要加強(qiáng)樹(shù)立新的鐵路人力資源管理理念，加強(qiáng)鐵路人力資源管理，首先就是要樹(shù)立創(chuàng)新性企業(yè)人力資源管理理念和意識(shí)，將鐵路企業(yè)人力資源管理與企業(yè)整體發(fā)展的目標(biāo)有效的結(jié)合起來(lái)，轉(zhuǎn)變鐵路人力資源管理的管理模式和方法。加強(qiáng)構(gòu)建全方位的專業(yè)人才培訓(xùn)機(jī)構(gòu)。鐵路企業(yè)要想加強(qiáng)改善人力資源，就必須從多角度、多層次、多方面的進(jìn)行考慮，建立符合鐵路企業(yè)發(fā)展的有效的人才管理機(jī)制。

 

結(jié)束語(yǔ)

 

隨著社會(huì)主義市場(chǎng)經(jīng)濟(jì)和現(xiàn)代化建設(shè)腳步的加快，鐵路，作為社會(huì)經(jīng)濟(jì)發(fā)展的支柱企業(yè)，在社會(huì)主義現(xiàn)代化建設(shè)中承擔(dān)越來(lái)越重要的責(zé)任。隨著經(jīng)濟(jì)的飛速發(fā)展，鐵路企業(yè)也面臨著非常大的機(jī)遇和挑戰(zhàn)，在這個(gè)競(jìng)爭(zhēng)激烈的環(huán)境中，現(xiàn)代經(jīng)濟(jì)越來(lái)越強(qiáng)調(diào)人才的重要性，這就迫切的需要鐵路企業(yè)加強(qiáng)對(duì)鐵路人力資源管理體系的構(gòu)建和完善。

篇2

[關(guān)鍵詞]金融資產(chǎn)價(jià)格；估值模型；Samuelson解釋；沖擊變量影響；0―1變量A(x)

[中圖分類號(hào)]F830.9　[文獻(xiàn)標(biāo)識(shí)碼]A　[文章編號(hào)]1008―2670(2009)03―0032―04

一、引言

2006年，美國(guó)樓市掉頭并發(fā)生償付能力危機(jī)，由此引發(fā)了一場(chǎng)全球性金融危機(jī)，且有可能蔓延至全球?qū)嶓w經(jīng)濟(jì)。目前，經(jīng)濟(jì)學(xué)界對(duì)這場(chǎng)全球性金融危機(jī)的歸因有兩種基本觀點(diǎn)：一種觀點(diǎn)認(rèn)為應(yīng)歸因于金融市場(chǎng)。即認(rèn)為金融市場(chǎng)過(guò)于貪婪，道德信譽(yù)敗壞，對(duì)于風(fēng)險(xiǎn)缺乏足夠的警惕意識(shí)。另一種觀點(diǎn)歸因于政府政策。即認(rèn)為在2004年內(nèi)，美國(guó)的經(jīng)濟(jì)政策由擴(kuò)張轉(zhuǎn)向緊縮，2006年內(nèi)的一系列調(diào)整幅度過(guò)大，超出了金融市場(chǎng)的適應(yīng)能力。

然而上述觀點(diǎn)并未找到引發(fā)危機(jī)并提前進(jìn)行衍生品估值調(diào)整的根本原因。本文認(rèn)為，危機(jī)的根本原因，是金融經(jīng)濟(jì)學(xué)模型所基于的隨機(jī)性假設(shè)，不能在市場(chǎng)的全部可能范圍內(nèi)，與資產(chǎn)價(jià)格的實(shí)際行為模式擬合。某些用回歸方法計(jì)算出的參數(shù)只能在一定范圍之內(nèi)被視為常數(shù)，超出這個(gè)范圍它們并不是常數(shù)，而是一個(gè)變化著的函數(shù)或隨機(jī)變量。這就導(dǎo)致現(xiàn)有的數(shù)學(xué)模型只在一定范圍之內(nèi)具有令人滿意的可靠性，而在該范圍之外將失效。

可以認(rèn)為，在這次金融危機(jī)中，現(xiàn)有估值模型的反應(yīng)滯后于宏觀經(jīng)濟(jì)情況的變化6至10個(gè)月，滯后于危機(jī)臨界點(diǎn)3至4個(gè)月，甚至滯后于市場(chǎng)價(jià)格反映1至2個(gè)月。金融機(jī)構(gòu)乃至普通投資者對(duì)這樣的反應(yīng)速度顯然是不滿意的。

二、金融資產(chǎn)價(jià)格隨機(jī)性的Samuelson解釋的實(shí)質(zhì)

現(xiàn)代金融經(jīng)濟(jì)學(xué)研究一家企業(yè)當(dāng)前股價(jià)或一份期權(quán)當(dāng)前價(jià)格的結(jié)構(gòu)性原因，并對(duì)其將來(lái)的可能價(jià)格進(jìn)行預(yù)測(cè)。其方法是以當(dāng)前股價(jià)為基礎(chǔ)，首先建立股票價(jià)格的分布模型，利用歷史價(jià)格，回歸估計(jì)出分布模型中的參數(shù)值；然后利用幾率微積分計(jì)算出將來(lái)股價(jià)的預(yù)期價(jià)格或相關(guān)衍生工具的應(yīng)值價(jià)格。但是，Alfred Cowles等人以及Maurice G，Kendall分別對(duì)美英兩國(guó)股票價(jià)格的實(shí)證性研究表明，價(jià)格變化和資產(chǎn)市場(chǎng)的狀況之間似乎沒(méi)有任何關(guān)聯(lián)。

1965年，Paul A.Samuelson對(duì)Cowles和Kendall的結(jié)果給出了一個(gè)新的解釋。他認(rèn)為，市場(chǎng)價(jià)格的隨機(jī)性是市場(chǎng)回避套利的表現(xiàn)。如果價(jià)格波動(dòng)不隨機(jī)，那么它將是可以預(yù)測(cè)的。這樣一來(lái)，投資者就可以通過(guò)預(yù)測(cè)價(jià)格并執(zhí)行恰當(dāng)?shù)慕灰锥@取利益。我認(rèn)為，Samuelson解釋的實(shí)質(zhì)，是把價(jià)格的隨機(jī)性歸因于高度有效的市場(chǎng)中的復(fù)雜的供求力量均衡所決定的出清價(jià)格的隨機(jī)性。在我看來(lái)，如果把供求均衡價(jià)格比作太陽(yáng)，并把股票價(jià)格比作地球，那就意味著CoMes和Kendall觀測(cè)到了地球在不停地上下隨機(jī)游走。他們認(rèn)為既然是太陽(yáng)吸引地球，因此地球存在隨機(jī)運(yùn)動(dòng)是不可理解的。而Samuelson對(duì)此的解釋是：地球的隨機(jī)游走是因?yàn)樵谝粋€(gè)時(shí)間序列里，太陽(yáng)在地球上方或下方的不同位置隨機(jī)出現(xiàn)，并吸引地球向太陽(yáng)移動(dòng)。Samuelson的解釋并沒(méi)有否定地球被太陽(yáng)吸引，也就是說(shuō)，他并沒(méi)有否定供求關(guān)系決定股票價(jià)格這一點(diǎn)。Samuelson之前的經(jīng)濟(jì)學(xué)家未能得出如Samuelson的結(jié)論，是因?yàn)樗麄儗?duì)現(xiàn)代金融市場(chǎng)的巨大性、復(fù)雜性，尤其是有效性沒(méi)有足夠的估計(jì)。因此也就不可能充分認(rèn)識(shí)到金融市場(chǎng)力量的均衡過(guò)程已經(jīng)產(chǎn)生了足夠的隨機(jī)性。

三、傳統(tǒng)模型失效的數(shù)值分析

(一)模型概要

多變量CAPM模型是資產(chǎn)估值的基礎(chǔ)，而資產(chǎn)估值則是市場(chǎng)價(jià)格預(yù)測(cè)的基礎(chǔ)。Markowitz最小化問(wèn)題是關(guān)于最優(yōu)資產(chǎn)組合的問(wèn)題，也是投資者行為的依據(jù)。在數(shù)學(xué)基礎(chǔ)上，這兩個(gè)理論是沒(méi)有問(wèn)題的。但是，在實(shí)際情況中，這兩個(gè)理論所依賴的對(duì)于資產(chǎn)價(jià)格相關(guān)系數(shù)的估計(jì)，會(huì)導(dǎo)致這兩種模型對(duì)市場(chǎng)的變化缺乏免疫力。

相關(guān)度概念是Markowitz的最優(yōu)資產(chǎn)組合問(wèn)題的基礎(chǔ)。對(duì)于多變量的CAPM模型，以及G―ARCH及其衍生的CCC、ADCC模型，我們也需要一個(gè)完整的資產(chǎn)相關(guān)系數(shù)矩陣。

實(shí)際操作中，資產(chǎn)價(jià)格的相關(guān)系數(shù)根據(jù)歷史數(shù)據(jù)回歸取得。兩個(gè)企業(yè)之間的行業(yè)是否關(guān)聯(lián)，業(yè)務(wù)是否關(guān)聯(lián)，是否有資產(chǎn)或貸款相牽連，都會(huì)在相關(guān)系數(shù)中以一定的形式體現(xiàn)。

對(duì)歷史數(shù)據(jù)進(jìn)行計(jì)算，可求出Pearson樣本相關(guān)系數(shù)。一般認(rèn)為：樣本相關(guān)系數(shù)是對(duì)相關(guān)系數(shù)的最好估計(jì)。在簡(jiǎn)單的模型中，通常假定資產(chǎn)之間的相關(guān)系數(shù)恒定不變；在較為復(fù)雜模型中，則引入動(dòng)態(tài)時(shí)間序列，用單步向前預(yù)測(cè)法(即每向數(shù)據(jù)庫(kù)中加入新一天的數(shù)據(jù)，就從數(shù)據(jù)庫(kù)的開(kāi)頭去掉最舊一天的數(shù)據(jù))描述相關(guān)系數(shù)的變動(dòng)。

其實(shí)，相關(guān)系數(shù)會(huì)隨經(jīng)濟(jì)環(huán)境和企業(yè)自身狀況的變化發(fā)生巨大變化，因而，即使引入了時(shí)間序列，在現(xiàn)階段采用的趨勢(shì)外推法，對(duì)經(jīng)濟(jì)環(huán)境變化的反應(yīng)也是過(guò)于緩慢甚至不能反映現(xiàn)實(shí)的。

(二)基于4個(gè)典型行業(yè)中4家代表性企業(yè)的數(shù)值分析

下面，我們用數(shù)值分析證明我們的上述判斷，揭示其可能導(dǎo)致的嚴(yán)重后果。 本文選取零售、煉油、銀行、制造4個(gè)典型行業(yè)中的4家企業(yè)，即零售業(yè)的Wal―Mart、煉油業(yè)ExxonMobil、銀行業(yè)City Group和制造業(yè)General Motor進(jìn)行實(shí)證分析，數(shù)據(jù)的選取從2001年6月至2009年2月的股票收盤價(jià)格(已根據(jù)股利做出調(diào)整)。

表1是本文計(jì)算的4家公司股價(jià)在2008年7月至2009年2月相關(guān)系數(shù)。

表2是這4家公司股價(jià)在2007年7月至2008年6月，即危機(jī)被承認(rèn)并開(kāi)始擴(kuò)散的1年內(nèi)的相關(guān)系數(shù)。

表3是這4家公司股價(jià)在2006年7月至2007年6月，即美國(guó)政策完全轉(zhuǎn)向緊縮后的第1年內(nèi)的相關(guān)系數(shù)。

表4、5、6是這4家公司股價(jià)在2001年7月至2004年6月，即美國(guó)執(zhí)行擴(kuò)張型經(jīng)濟(jì)政策的3年中每年的相關(guān)系數(shù)。

由上可見(jiàn)，在不同的時(shí)間跨度中，用歷史數(shù)據(jù)擬合得到的股價(jià)相關(guān)性變化是很大的。因此，在通常的計(jì)算中，我們使用基于時(shí)間序列的單步向前預(yù)測(cè)法，更新相關(guān)系數(shù)方陣，以適應(yīng)市場(chǎng)的變化。

但是，這種更新并不能切實(shí)而迅速地反映市場(chǎng)的變化。

如果我們外推2008年2月14日至2009年2月

13日期間，Wal―Mart和Exxon Mobil公司股價(jià)的相關(guān)系數(shù)，則為－0.1093。若假設(shè)Wal―Mart公司今后5個(gè)交易日內(nèi)股價(jià)每天下跌10％，而Exxon Mobil的股價(jià)恒定不變，則可計(jì)算出2008年2月22日至2009年2月21日，二者的相關(guān)系數(shù)為一O，0821；如果假定Wal―Mart和Exxon Mobil在今后5個(gè)交易日內(nèi)股價(jià)均每天下跌10％，則可計(jì)算出上述期間二者的相關(guān)系數(shù)為0，0152。兩隨機(jī)變量的相關(guān)系數(shù)在－1到1之間，當(dāng)相關(guān)系數(shù)的絕對(duì)值大于0.75時(shí)，通常認(rèn)為兩變量表現(xiàn)出較明顯的相關(guān)性(正或負(fù))；當(dāng)相關(guān)系數(shù)在－0.3至0.3之間，可我們認(rèn)為二者表現(xiàn)出沒(méi)有明顯的相關(guān)性。按這個(gè)標(biāo)準(zhǔn)，我們看到，在施以沖擊變量之后，通過(guò)歷史數(shù)據(jù)得到的相關(guān)系數(shù)并不認(rèn)為兩公司股票價(jià)格的相關(guān)程度有明顯的變化。換言之，在市場(chǎng)發(fā)生崩盤性的劇烈變化時(shí)，基于時(shí)間序列的趨勢(shì)外推修正參數(shù)的變化速度遠(yuǎn)遠(yuǎn)滯后于的市場(chǎng)變化速度。

實(shí)際上，假設(shè)一支正常波動(dòng)的股票運(yùn)行n天后，平均每天的漲幅為0.5％，那么在第n+1天，預(yù)期的漲幅為0.5％+ei。在不給出其它條件的情況下，e，的預(yù)期為0。但是，倘若第n+1天，實(shí)際發(fā)生了10％的跌幅，那么第n+2天的股價(jià)水平，會(huì)出現(xiàn)更大的不確定性。這時(shí)，僅僅補(bǔ)充入第n+1天的數(shù)據(jù)，并根據(jù)趨勢(shì)外推法所修正的ei的分布變化是非常小的，不足以反映此時(shí)市場(chǎng)內(nèi)出現(xiàn)的巨大風(fēng)險(xiǎn)。由于股票市場(chǎng)的波動(dòng)性，金融機(jī)構(gòu)通常使用2～5年的歷史數(shù)據(jù)進(jìn)行參數(shù)值的回歸計(jì)算，這就使大量金融機(jī)構(gòu)面對(duì)2006年的經(jīng)濟(jì)政策變化，對(duì)風(fēng)險(xiǎn)的反應(yīng)遲鈍。

例如，在2007年10月30日和2007年11月12日的10個(gè)交易日之間，City Group和General Motor的股價(jià)分別下跌了19.2％和19.5％。在這段時(shí)間里，二者股價(jià)的相關(guān)系數(shù)為－0.3921，可以認(rèn)為二者表現(xiàn)出非常微弱的負(fù)相關(guān)性。但是，如果我們對(duì)2家企業(yè)過(guò)去一年的歷史股價(jià)進(jìn)行單步向前預(yù)測(cè)法的相關(guān)性分析，則2家公司股價(jià)該期間引入10天下跌的數(shù)據(jù)后外推的相關(guān)系數(shù)為-0.3492。按上文所述的標(biāo)準(zhǔn)判斷，仍可視為二者表現(xiàn)出微弱的負(fù)相關(guān)性。市場(chǎng)變化了，我們的判斷卻沒(méi)有變化。更有甚者，當(dāng)我們引入此后2家企業(yè)2個(gè)月的股價(jià)下跌趨勢(shì)之后，外推計(jì)算出的二者的相關(guān)系數(shù)也僅僅從-0.3921增加到－0.0056，從而判斷二者由“微弱的負(fù)相關(guān)性”變到“幾乎完全不相關(guān)”。這種判斷并不能描述出新市場(chǎng)狀況下這兩支股票價(jià)格的行為。這就印證了前文的“現(xiàn)有估值模型的反應(yīng)滯后于宏觀經(jīng)濟(jì)情況的變化6至10個(gè)月，滯后于危機(jī)臨界點(diǎn)3至4個(gè)月，甚至滯后于市場(chǎng)價(jià)格反映1至2個(gè)月”的結(jié)論。

總之，在股票交易市場(chǎng)上實(shí)際出現(xiàn)的暴跌并未以任何方式充分地反映在相關(guān)系數(shù)中，也就不可能充分地反映在COV(e)矩陣中。這對(duì)風(fēng)險(xiǎn)估計(jì)是極其不利的。

(三)數(shù)值分析結(jié)論

可見(jiàn)，宏觀經(jīng)濟(jì)的表現(xiàn)會(huì)極大地影響給定金融產(chǎn)品或企業(yè)之間的關(guān)聯(lián)性，而通過(guò)歷史數(shù)據(jù)回歸得到的相關(guān)度，在經(jīng)濟(jì)正常運(yùn)行時(shí)，雖然可以為估值和預(yù)測(cè)提供一個(gè)可靠的參數(shù)，卻并不能及時(shí)適應(yīng)和反映新的經(jīng)濟(jì)情況變化。對(duì)股票價(jià)格的劇烈波動(dòng)也反應(yīng)遲緩。這兩種表現(xiàn)，說(shuō)明現(xiàn)有的趨勢(shì)外推手段對(duì)沖擊變量的靈敏度過(guò)低。

在整個(gè)經(jīng)濟(jì)運(yùn)行變速甚至轉(zhuǎn)軌時(shí)，企業(yè)之間的相關(guān)系數(shù)會(huì)在短時(shí)期內(nèi)有大的變化，而這種變化在歷史數(shù)據(jù)的參數(shù)估計(jì)中無(wú)法被充分表現(xiàn)，從而也就不能反映在對(duì)資產(chǎn)應(yīng)值價(jià)格的估計(jì)中，并進(jìn)一步造成了衍生品應(yīng)值價(jià)格的估計(jì)偏差和預(yù)期偏差，引發(fā)市場(chǎng)失衡。這一點(diǎn)與Samuelson的理論并不違背，Samuelson的理論強(qiáng)調(diào)關(guān)于資產(chǎn)的信息會(huì)立刻，而不是預(yù)先反映在市場(chǎng)價(jià)格上。換言之，價(jià)格的變動(dòng)本身是沒(méi)有前瞻性的。

四、解決問(wèn)題的兩種可能途徑或方法及其比較

(一)解決問(wèn)題的可能途徑或方法

為了解決現(xiàn)有該類模型中存在的問(wèn)題，有如下2條可以考慮的途徑：

1　添加0―1變量A(x)與原方程組相乘，使ADCC模型原方程變?yōu)椋?/p>

e1：N(O,A(x)H1)

其中H是原多維G―ARCH模型的方差。x是一組與宏觀經(jīng)濟(jì)環(huán)境和企業(yè)內(nèi)部環(huán)境有關(guān)的自變量，它衡量企業(yè)所處經(jīng)濟(jì)環(huán)境的穩(wěn)定性。當(dāng)x在穩(wěn)定范圍內(nèi)時(shí)，表明市場(chǎng)環(huán)境穩(wěn)定，A(x)=1，原函數(shù)照常運(yùn)行；反之，當(dāng)x突破穩(wěn)定范圍時(shí)，表明市場(chǎng)面臨變化，原有模型可能失效，此時(shí)A(x)=0，系統(tǒng)輸出常數(shù)，運(yùn)行被終止。應(yīng)重新進(jìn)行人工市場(chǎng)風(fēng)險(xiǎn)評(píng)估和估值計(jì)算。這樣，新系統(tǒng)可以在市場(chǎng)產(chǎn)生變化，可能的危機(jī)來(lái)臨之初，就向使用者發(fā)出預(yù)警，并要求其做出相應(yīng)調(diào)整。

2　按常規(guī)方法回歸取得相關(guān)系數(shù)后σij，把取得的相關(guān)系數(shù)解釋為一個(gè)新函數(shù)的運(yùn)算結(jié)果而不是常數(shù)。新函數(shù)中應(yīng)包括描述系統(tǒng)本身不確定性的隨機(jī)變量，以及一組新的自變量，這些自變量可以描述不同的經(jīng)濟(jì)情況，它們的變化可以影響相關(guān)系數(shù)的大小?？梢钥紤]的自變量包括：宏觀經(jīng)濟(jì)的利率、通貨膨脹率、CPi、兩公司各自的股利率、PE比率等等。在自變量選取的過(guò)程中，可以采用回歸的方法，檢驗(yàn)擬合度，選取一組較好的自變量，并用歷史數(shù)據(jù)回歸得出自變量的系數(shù)。這樣，相關(guān)系數(shù)就可以表示為一組函數(shù)。

當(dāng)相關(guān)系數(shù)被表示為其它經(jīng)濟(jì)指標(biāo)的函數(shù)時(shí)，它的數(shù)值就會(huì)根據(jù)宏觀經(jīng)濟(jì)形勢(shì)和企業(yè)自身經(jīng)濟(jì)狀況而變化，從而能夠更好的適應(yīng)變化的資本市場(chǎng)環(huán)境。

(二)兩條途徑或方法的比較

由于第二條途徑或方法需要把每一個(gè)系數(shù)作為一個(gè)要素模型來(lái)考察，故這樣處理的成本將是極其龐大的。對(duì)于一個(gè)包含n支股票，基于正態(tài)假設(shè)的模型就會(huì)有n(n一1)／2個(gè)相關(guān)系數(shù)，n個(gè)方差，n個(gè)均值。其中每個(gè)相關(guān)系數(shù)和方差都需要以新的要素模型的方式表示。當(dāng)n較大時(shí)，系統(tǒng)需要的回歸量將近乎無(wú)限地膨脹，這顯然是金融機(jī)構(gòu)所不希望看到的。

五、簡(jiǎn)要結(jié)論

篇3

最優(yōu)股票投資組合選擇及其風(fēng)險(xiǎn)控制一直是資本市場(chǎng)研究的熱點(diǎn)問(wèn)題。已有文獻(xiàn)對(duì)資產(chǎn)組合最優(yōu)決策理論進(jìn)行了大量研究，在資產(chǎn)組合選擇與最優(yōu)配置、資產(chǎn)組合規(guī)模效應(yīng)與影響因素、以及資產(chǎn)組合風(fēng)險(xiǎn)度量與控制等重要問(wèn)題取得了豐碩成果。但遺憾的是，無(wú)論是理論還是實(shí)證研究都很少考慮到金融時(shí)間序列的時(shí)變性、聚集性、持續(xù)性等波動(dòng)特征對(duì)資產(chǎn)組合風(fēng)險(xiǎn)規(guī)避與控制的影響。而本文正是針對(duì)目前研究的不足，通過(guò)對(duì)滬市A股的120支股票收益率進(jìn)行擬合使用改進(jìn)的相關(guān)系數(shù)法對(duì)股票收益波動(dòng)時(shí)間序列相關(guān)性進(jìn)行匹配，聚類，從而優(yōu)化了股票投資組合選擇的方法。并通過(guò)實(shí)證研究，證明了在哈里？馬柯威茨證券組合評(píng)價(jià)標(biāo)準(zhǔn)下，使用該種股票投資組合選擇方法，可以獲得同等收益水平下，更低風(fēng)險(xiǎn)的股票投資組合，從而為投資者選擇合理的股票投資組合提供了可能的方法。

二、文獻(xiàn)綜述

（一）國(guó)外文獻(xiàn) 馬柯威茨于1952年最早提出了均值-方差理論，成為現(xiàn)資組合理論的開(kāi)山鼻祖。自此之后，很多金融學(xué)者在前人的研究基礎(chǔ)上對(duì)該理論進(jìn)行了補(bǔ)充和發(fā)展，如托賓（1958）在提出了著名的兩基金分離定律：當(dāng)存在無(wú)風(fēng)險(xiǎn)資產(chǎn)的情況下，有效前沿上的任意一點(diǎn)都可以表示為（無(wú)風(fēng)險(xiǎn)利率，0）和切點(diǎn)的線性組合。此外，大批學(xué)者踏上了簡(jiǎn)化計(jì)算，完善模型的征程。一是盡可能的減少模型計(jì)算量，例如：夏普（1963，1964，1970）提出了單因素模型，它的主要思想是：市場(chǎng)的總體因素統(tǒng)一作用于所有股票，市場(chǎng)以外的因素只作用于某一只股票，因此可以通過(guò)股票組合來(lái)分散。單因素模型使用β來(lái)衡量投資組合的風(fēng)險(xiǎn)。提高了人們對(duì)市場(chǎng)行為的了解。羅斯（1976）提出了套利定價(jià)理論。該理論認(rèn)為在市場(chǎng)均衡時(shí)沒(méi)有套利機(jī)會(huì)，因此承擔(dān)相同風(fēng)險(xiǎn)因素的投資組合應(yīng)該具有相同的期望收益率 。二是開(kāi)發(fā)新的投資組合模型。例如Mao（1970）提出了均值-下半方差模型。Speranza（1993）提出半絕對(duì)風(fēng)險(xiǎn)偏差函數(shù)。J.P Morgan提出的基于Var的風(fēng)險(xiǎn)度量系統(tǒng)等，至今這個(gè)風(fēng)險(xiǎn)度量系統(tǒng)還在很多金融機(jī)構(gòu)被廣泛使用。

（二）國(guó)內(nèi)文獻(xiàn) 我國(guó)對(duì)金融市場(chǎng)研究起步較晚是一個(gè)現(xiàn)實(shí)，這是由于很多客觀因素造成的。近幾年中，我國(guó)學(xué)者也對(duì)投資組合理論進(jìn)行了深入的研究。唐小我（1994）針對(duì)我國(guó)證券市場(chǎng)的賣空限制情形下的投資組合模型進(jìn)行了研究。王春峰、屠新曙和厲斌（2002）運(yùn)用了幾何方法解決投資組合問(wèn)題。徐緒松、楊小青和陳彥斌（2002）提出了“半絕對(duì)離差風(fēng)險(xiǎn)測(cè)量工具”。劉小茂、李楚林和王建華（2003）研究了在正態(tài)情形下，風(fēng)險(xiǎn)資產(chǎn)組合的均值-CVaR邊界，并與方差風(fēng)險(xiǎn)下的均值-方差邊界進(jìn)行了比較。陳金龍和張維（2002）分析了投資組合與CVaR之間的關(guān)系。此外，安起光、王厚杰（2006），劉慶富（2006） ，榮喜民、武丹丹和張奎廷（2005）、劉志東（2006）等學(xué)者在組合預(yù)測(cè)和方法領(lǐng)域獲得了顯著的理論成果 。

三、研究設(shè)計(jì)

（一）研究思路 本文選取了馬柯威茨的均值-方差模型作為本文的理論依據(jù)，該模型評(píng)價(jià)投資組合的標(biāo)準(zhǔn)，是當(dāng)收益一定時(shí)風(fēng)險(xiǎn)最小，或者當(dāng)風(fēng)險(xiǎn)一定時(shí)收益最大。 該模型的思想是選取相關(guān)性低的投資工具進(jìn)行組合來(lái)分散風(fēng)險(xiǎn)，從而得到更好的投資收益。因此如何衡量股票相關(guān)性，并進(jìn)而篩選出相關(guān)性低的投資組合成為該模型的關(guān)鍵。由于之前的研究，無(wú)論是理論還是實(shí)證都很少考慮到金融時(shí)間序列的時(shí)變性、聚集性、持續(xù)性等波動(dòng)特征對(duì)資產(chǎn)組合風(fēng)險(xiǎn)規(guī)避與控制的影響。而本文正是針對(duì)目前研究的不足，通過(guò)使用改進(jìn)的相關(guān)系數(shù)法衡量股票收益波動(dòng)時(shí)間序列的相關(guān)性，并據(jù)此聚類，優(yōu)化了股票投資組合選擇的方法。具體的思路如下：

（1）股票收益波動(dòng)性擬合。對(duì)于金融時(shí)間序列分析，常常會(huì)出現(xiàn)某一特征的值成群出現(xiàn)的情況。如對(duì)股票收益率序列建模，其隨機(jī)擾動(dòng)項(xiàng)往往在較大幅度波動(dòng)后緊接著較大幅度的波動(dòng)，在較小幅度波動(dòng)后緊接著較小幅度的波動(dòng)，這種性質(zhì)稱為波動(dòng)的集群性。在一般回歸分析中，要求隨機(jī)波動(dòng)項(xiàng)是同方差，但這類序列隨機(jī)擾動(dòng)項(xiàng)的無(wú)條件方差是常量，條件方差是變化的量。所以需要使用自回歸條件異方差模型（ARCH）或者廣義自回歸條件異方差模型（GARCH）。

（2）時(shí)間序列相似性度量。測(cè)量時(shí)間序列相似性的方法有很多，最主要使用的是歐式距離法和相關(guān)系數(shù)法。歐式距離法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，易于理解，但是它容易受到序列波動(dòng)性的影響，而且當(dāng)序列長(zhǎng)度增加時(shí)，其距離也會(huì)增加。特別是當(dāng)時(shí)間軸發(fā)生伸縮或彎曲時(shí)，就不能夠準(zhǔn)確測(cè)量序列的相似性了。而相關(guān)系數(shù)法的優(yōu)點(diǎn)是計(jì)算量少，而且即使兩個(gè)序列均值不同，也能夠準(zhǔn)確比較相似性，而在歐式距離法中，如果兩個(gè)序列均值不同，即使它們是相似的，計(jì)算出來(lái)的距離仍然會(huì)很大，從而誤導(dǎo)了結(jié)果。但是相關(guān)系數(shù)法也存在其局限性，它只適用于長(zhǎng)度相同的序列，因此在比較長(zhǎng)度不同的時(shí)間序列時(shí)，需要改進(jìn)該方法，改進(jìn)的相關(guān)系數(shù)法如下。設(shè)有兩只股票P和Q，長(zhǎng)度為m的收益波動(dòng)序列分別為X和Y：X=（x1，x2，…，xm-t，xm-t+1，xm） ；Y=（y1，y2，…，ym-t，ym-t+1，ym）。首先要在X和Y中截取長(zhǎng)度相同的兩個(gè)子序列，設(shè)長(zhǎng)度為t，最好從序列最鄰近當(dāng)前時(shí)段開(kāi)始截取，t不宜過(guò)短，計(jì)算子序列 X1=（xm-t+1，xn）和Y1=（ym-t+1，yn）的相關(guān)系數(shù)r1：r1=■將子序列的長(zhǎng)度向前增加一個(gè)，即長(zhǎng)度為（t-1），計(jì)算X2=（xm-t，xm-t+1，xm）和Y2=（ym-t，ym-t+1，ym）的相關(guān)系數(shù) ：r2=■，重復(fù)上述步驟，依次類推，直到子序列包含全部序列的長(zhǎng)度m，計(jì)算出的相關(guān)系數(shù)有（m-t+1）個(gè)。將計(jì)算出的全部相關(guān)系數(shù)進(jìn)行平均，則得到的 為改進(jìn)的相關(guān)系數(shù)：■=■。由于聚類需要使用距離，而改進(jìn)的相關(guān)系數(shù)■是屬于[-1，1]，所以要將■轉(zhuǎn)化成大于等于零的距離，另d=|■-1|，則d∈[0，2]。通過(guò)d對(duì)股票進(jìn)行聚類。

（3）股票聚類。聚類分析。方法中最常用的是分層聚類。分層聚類方法是通過(guò)一系列或者是相繼的合并，分割來(lái)進(jìn)行的。是從單個(gè)對(duì)象開(kāi)始，這樣在開(kāi)始時(shí)每一個(gè)對(duì)象都是一類，將那些最相似的對(duì)象首先分組，然后將組與組根據(jù)它們之間的相似性進(jìn)行合并，最后隨著相似性不斷下降，所有的組漸漸融合成為一個(gè)聚類。

（4）確定最小方差資產(chǎn)組合集合的方法。常用的投資策略優(yōu)劣評(píng)估標(biāo)準(zhǔn)有：收益率分布形態(tài)指標(biāo)，夏普比率，風(fēng)險(xiǎn)價(jià)值（VAR），條件尾部期望（CTE）等。本文將主要使用由馬柯威茨于1952年提出的用圖像分析法確立風(fēng)險(xiǎn)資產(chǎn)的最小方差組合集合和有效邊界的過(guò)程。我們以只擁有三個(gè)資產(chǎn)的組合為例。利用圖像法建立最小方差資產(chǎn)組合集合的過(guò)程，就是在以資產(chǎn)權(quán)數(shù)為坐標(biāo)軸的空間內(nèi)，繪制反映資產(chǎn)組合各種預(yù)期收益和風(fēng)險(xiǎn)狀況的線，然后依理性投資者選擇資產(chǎn)和資產(chǎn)組合的原則確定最小方差資產(chǎn)組合集合的過(guò)程。我們分析是在允許賣空的前提下，以便不受限制條件的約束。假設(shè)我們對(duì)資產(chǎn)A，B，C進(jìn)行組合，已知E（rA）=10%，E（rB）=20%，E（rC）=30%，設(shè)A，B，C資產(chǎn)的權(quán)數(shù)分別由xA，xB，xC表示，限制條件為xA+xB+xC=1，由于xC=1-xA-xB，因此只要知道xA和xB的數(shù)據(jù)，就可以得到xC的數(shù)據(jù)。因此，可以在一個(gè)二維平面圖上顯示三個(gè)資產(chǎn)的組合情況，同理，可以使用（n-1）維圖顯示n種資產(chǎn)的組合。在以xA，xB為坐標(biāo)軸的圖形中，直線AB的方程式是xA+xB=1，所有僅投資A和B資產(chǎn)，不投資C的資產(chǎn)組合都分布在這條線上；不包括A的組合都分布在B軸上，同理，不包括B的都分布在A軸上，分布在AOB三角形區(qū)域內(nèi)的各種資產(chǎn)組合都不含賣空資產(chǎn)，在AOB以外的資產(chǎn)都含有一種或者兩種資產(chǎn)的賣空。根據(jù)具體的限制條件在坐標(biāo)圖上的某個(gè)區(qū)域進(jìn)行查找，以確定最小方差的資產(chǎn)組合。而這個(gè)過(guò)程可以通過(guò)EXCEL線性規(guī)劃的方式實(shí)現(xiàn)。

（二）樣本選擇與數(shù)據(jù)來(lái)源 本文選取的研究對(duì)象為2008年1月1日到2009年12月31日在上交所交易的，代碼為sh600000-sh600120的A股股票，數(shù)據(jù)來(lái)源為國(guó)泰安數(shù)據(jù)庫(kù)。剔除掉缺失值，實(shí)際得到102只股票。分別計(jì)算這102只股票的日收盤價(jià)數(shù)據(jù)個(gè)數(shù)，其中最多的為488個(gè)數(shù)據(jù)，以488為基準(zhǔn)，凡是數(shù)據(jù)個(gè)數(shù)小于（不包括等于）基準(zhǔn)數(shù)據(jù)15個(gè)以上的股票都被清除。這樣經(jīng)過(guò)清除后，剩下83只股票。然后對(duì)這83只股票的缺失值進(jìn)行修補(bǔ)，修補(bǔ)的原則是以前一天的收盤價(jià)代替缺失值，經(jīng)過(guò)修補(bǔ)后，每只股票都有488天的數(shù)據(jù)。計(jì)算每只股票的日對(duì)數(shù)收益率，公式為：日對(duì)數(shù)收益率=log（當(dāng)日收盤價(jià)）-log（前日收盤價(jià)）。經(jīng)過(guò)計(jì)算，每只股票都有487 個(gè)日對(duì)數(shù)收益率，

（三）時(shí)間序列分析建模過(guò)程 首先需要對(duì)得到的股票對(duì)數(shù)收益率進(jìn)行建模，以單只股票序列為例，過(guò)程如下：（1）做統(tǒng)計(jì)圖觀察判斷。（2）單位根檢驗(yàn)。序列大致可分為有三種：擴(kuò)散型序列，單位根型序列和平穩(wěn)序列。在實(shí)際問(wèn)題中，時(shí)間序列大多并不平穩(wěn)，而是呈現(xiàn)出各種趨勢(shì)性和季節(jié)性。由于在實(shí)際生活中擴(kuò)散型序列比較少見(jiàn)，很少作為理論研究的對(duì)象，所以我們判斷的基礎(chǔ)就建立在單位根型序列和平穩(wěn)序列上。做單位根檢驗(yàn)的目的就是要區(qū)分二者，對(duì)單位根型序列做差分處理，去除趨勢(shì)性因素，從而得到平穩(wěn)序列。（3）確定時(shí)間序列主模型。對(duì)原序列進(jìn)行差分處理，得到寬平穩(wěn)序列，求解它的自相關(guān)系數(shù)，偏自相關(guān)系數(shù)，同時(shí)觀察自相關(guān)和偏自相關(guān)圖像，確定ARMA（p，q）階數(shù)。由計(jì)算機(jī)程序，生成主模型系數(shù)的參數(shù)估計(jì)，得到相應(yīng)的殘差序列。（4）根據(jù)股票對(duì)數(shù)收益率數(shù)據(jù)畫(huà)散點(diǎn)圖，趨勢(shì)圖，觀察序列是否屬于平穩(wěn)序列，是否具備集群性，直觀地判斷是否可以采用條件異方差模型擬合數(shù)據(jù)。（5）ARCH效應(yīng)檢驗(yàn)。ARCH模型通常用于回歸模型：yt=x't？茁+？著t。若隨機(jī)干擾項(xiàng)？著t不存在ARCH效應(yīng)，則可以直接對(duì)模型作最小二乘估計(jì)；若？著t存在ARCH效應(yīng)，則應(yīng)找到ARCH模型的形式，即在上式中附加？著t=■?vt，并確定q，再進(jìn)行參數(shù)估計(jì)。對(duì)序列進(jìn)行ARCH效應(yīng)檢驗(yàn)的最常用方法是拉格朗日乘數(shù)法即LM檢驗(yàn)。假設(shè)？著tARCH（q），則可以建立如？著t=■?vt的輔助回歸模型：ht=？琢0+？琢1？著t-12+…+？琢q？著t-q2

原假設(shè)：H0：？琢1=…=？琢q=0；備擇假設(shè)：H1存在？琢i≠0，1？燮i？燮q；檢驗(yàn)統(tǒng)計(jì)量：LM=nR2～X2（q）

其中，n為計(jì)算輔助回歸時(shí)的樣本數(shù)據(jù)個(gè)數(shù)，R2為輔助回歸的未調(diào)整可決系數(shù)，即擬合優(yōu)度。檢驗(yàn)標(biāo)準(zhǔn)。根據(jù)輔助回歸ht=？琢0+？琢1？著t-12+…+？琢q？著t-q2的最小二乘估計(jì)，得到擬合優(yōu)度R2，由LM=nR2～X2（q） 計(jì)算檢驗(yàn)統(tǒng)計(jì)量LM，根據(jù)給定的顯著性水平？琢和自由度q查x2分布表，得到相應(yīng)的臨界值x？琢2（q）或原假設(shè)成立的概率，則可得到結(jié)論。LM>x？琢2（q），拒絕H0，表明序列存在ARCH效應(yīng)；LM

四、實(shí)證檢驗(yàn)分析

（一）投資組合收益波動(dòng)性擬合 根據(jù)上文的時(shí)間序列分析擬合步驟，使用S-PLUS軟件中finmetrics的模塊，Excel規(guī)劃求解，VBA，SAS，R軟件共同完成從數(shù)據(jù)的整理，預(yù)處理，分析到得出結(jié)論，并配以圖形的表達(dá)來(lái)完成對(duì)投資組合風(fēng)險(xiǎn)的度量。

（1）ARCH效應(yīng)檢驗(yàn)及股票再篩選。對(duì)收益波動(dòng)率的估計(jì)本文使用動(dòng)態(tài)波動(dòng)率估計(jì)模型。在使用GARCH類模型對(duì)股票收益的波動(dòng)率進(jìn)行擬合之前需要再對(duì)選入研究的股票做一次篩選。通過(guò)ARCHTEST對(duì)這83支股票進(jìn)行檢驗(yàn)。在0.05的顯著性水平下通過(guò)檢驗(yàn)說(shuō)明該股票的收益率波動(dòng)性具有集群性，也就是說(shuō)收益率是變換的，使用ARCH或GARCH模型擬合更加合理。共有33支股票的收益率數(shù)據(jù)經(jīng)過(guò)了ARCH效應(yīng)檢驗(yàn)。

（2）股票收益波動(dòng)性擬合。對(duì)這33支股票分別進(jìn)行收益波動(dòng)性擬合。第一次采用ARMA模型作為主模型對(duì)收益率數(shù)據(jù)進(jìn)行建模，然后對(duì)殘差進(jìn)行GARCH模型擬合，雖然擬合后殘差序列均通過(guò)了檢驗(yàn)，但在相似性聚類中效果不佳。于是重新選定主模型。將常系數(shù)模型作為主模型，然后對(duì)殘差進(jìn)行GARCH模型擬合，殘差也均通過(guò)了檢驗(yàn)。在模型中，條件方差序列就是待求的股票收益波動(dòng)性序列，最后得到33條各488個(gè)數(shù)據(jù)的波動(dòng)率序列。GARCH（p，q）的最簡(jiǎn)單形式GARCH（1，1）。該過(guò)程可以表示為：？著t=■?vt；ht=？琢0+？琢1？著t-12+…+？琢q？著t-q2

其中，{vt}獨(dú)立同分布，且vt～N（0，1），參數(shù)滿足？琢0>0，？茁1？叟0，？琢1？叟0。？著t～GARCH（1，1）是穩(wěn)定過(guò)程的成分必要條件為？琢1+？茁1

（二）采用改進(jìn)的相關(guān)系數(shù)法比較股票收益波動(dòng)性的相似性

計(jì)算33支股票中任意兩支股票的相似性。設(shè)任意兩支股票A、B：A=（x1，x2，xn-t，xn-t+1，x487）；B=（y1，y2，yn-t，yn-t+1，x487）

由于股票收益波動(dòng)序列是兩年期的日數(shù)據(jù)，因此首先選取時(shí)間期為2008年1月2日-2008年12月31日長(zhǎng)度為245的兩個(gè)子序列A1、B1：A1=（x242，x243，…，x487）；B1=（y242，y243，…，y487）

計(jì)算A1、B1的相關(guān)系數(shù)記為r1。之后將序列的起點(diǎn)向前推一個(gè)，計(jì)算時(shí)間期為2008年12月28日-2009年12月31日長(zhǎng)度為246的兩個(gè)子序列A2、B2：A2=（x241，x243，…，x487）；B2=（y241，y243，…，y487）

計(jì)算A2、B2的相關(guān)系數(shù)記為r2。繼續(xù)按照這種方式，每次將子序列的起點(diǎn)向前推進(jìn)一期，計(jì)算相同時(shí)間期的兩個(gè)子序列之間的相關(guān)系數(shù)，直到最后一次計(jì)算A、B序列全部數(shù)據(jù)之間的相關(guān)系數(shù)r242?？偣部梢缘玫?42個(gè)相關(guān)系數(shù)。最后，將所得的全部相關(guān)系數(shù)的均值作為A、B序列間改進(jìn)的相關(guān)系數(shù)r*AB： r*AB=■。

相關(guān)系數(shù)的取值范圍在[-1，1]之間，系數(shù)為正，說(shuō)明兩支股票收益率的波動(dòng)性之間成正相關(guān)，系數(shù)越大，相似度越高；系數(shù)為負(fù)，說(shuō)明兩支股票收益率的波動(dòng)性之間成負(fù)相關(guān)；系數(shù)為零，說(shuō)明兩支股票收益率的波動(dòng)性之間不相關(guān)。

（三）股票聚類 為了將A、B之間的相關(guān)系數(shù)轉(zhuǎn)化成距離，還需計(jì)算|r*AB-1|，記為dAB，即 dAB=|r*AB-1|

全部股票經(jīng)過(guò)點(diǎn)間距計(jì)算，可以得到33×33的距離矩陣。由于篇幅限制，這里不做展示。將距離矩陣輸入到SAS軟件當(dāng)中，借助軟件的聚類方法，采用Agglomerative算法，選擇method=density，K=2可以得到聚類結(jié)果。這里所用的類間距估計(jì)法是最近鄰密度估計(jì)法。軟件輸出的聚類過(guò)程及結(jié)果如表（1）和圖（1）所示，可以看出33支股票被聚為6類，具體分類情況如表（2）所示。這六類股票的收益波動(dòng)率序列存在很大差異，從每一類中選擇一個(gè)典型的序列收益波動(dòng)率圖，展示結(jié)果如下。

（四）投資組合績(jī)效比較 為了驗(yàn)證改進(jìn)的相關(guān)系數(shù)聚類法在股票投資組合中的應(yīng)用效果，使用的主要方法是將基于使用改進(jìn)相關(guān)系數(shù)聚類法根據(jù)收益率相似性聚類的股票投資組合與隨機(jī)組合、類內(nèi)組合對(duì)比，比較在相同收益率水平下，組合的最小方差值大小。該值越小，說(shuō)明該組合績(jī)效越好。具體來(lái)說(shuō)，投資組合績(jī)效比較的研究思路為：首先確定組合收益率的大小，其次確定每種組合方案下抽取組合樣品的個(gè)數(shù)，然后分別計(jì)算每種方案下的組合風(fēng)險(xiǎn)均值，最后將三種方案下組合風(fēng)險(xiǎn)的均值進(jìn)行對(duì)比得出結(jié)論。

（1）確定收益率大小。在計(jì)算組合的風(fēng)險(xiǎn)之前需要首先確定組合收益率的大小。由于所選數(shù)據(jù)是2008-2009年間的股票數(shù)據(jù)，而這段時(shí)期內(nèi)股市處于衰退的狀態(tài)，眾多股票長(zhǎng)期出現(xiàn)負(fù)收益率，因此將組合的收益率設(shè)為較小的數(shù)值，假設(shè)為0.03。

（2）確定三種組合方式的抽樣方案。確定三種組合方式的抽樣方案時(shí)要首先計(jì)算出每種組合方式下可能出現(xiàn)的組合的種類。如表（3）所示，隨機(jī)組合的種類最多，基于相似性聚類的組合次之，類內(nèi)組合的數(shù)目最少。為了能比較出組合的績(jī)效，規(guī)定每種組合方式下抽取180個(gè)樣品計(jì)算風(fēng)險(xiǎn)均值。根據(jù)它們各自組合的特點(diǎn)，可以采用不同的方式來(lái)選取樣品?；谙嗨菩跃垲惖慕M合在選取樣品時(shí)可以采用類似分層抽樣的方法，將不同類別作為不同層看待，從每一層中隨機(jī)抽取一支股票。每一次抽取完畢，可以得到6支股票，將這6支股票作為一個(gè)組合。按照這種方式抽取180個(gè)組合即可。隨機(jī)組合在選取樣品時(shí)按照統(tǒng)計(jì)中排列組合的方式，隨機(jī)從33支股票中無(wú)放回地抽取6支，作為一個(gè)組合。按照這種方式抽取180個(gè)組合即可。類內(nèi)組合在選取樣品時(shí)先將可能的組合種類列出，然后按照簡(jiǎn)單隨機(jī)抽樣方式從這8008個(gè)待抽樣品中抽取180個(gè)組合即可。

（3）計(jì)算三種組合方式的風(fēng)險(xiǎn)。計(jì)算不同組合方式的風(fēng)險(xiǎn)大小時(shí)主要通過(guò)EXCEL軟件中規(guī)劃求解的功能來(lái)完成。相應(yīng)的指標(biāo)設(shè)置如表（4）所示。通過(guò)計(jì)算就可以得到滿足條件的有效組合的最小方差值。由于篇幅所限，每種組合方式下的樣本方差計(jì)算結(jié)果不在此列示。

（4）比較三種組合方式的風(fēng)險(xiǎn)。通過(guò)均值計(jì)算，很容易得到每種組合方式下平均最小方差值，如表（5）所示?？梢钥闯觯诠善笔找媛什▌?dòng)性的相似性聚類的組合在確定的收益率下獲得了比隨機(jī)組合、類內(nèi)組合更小的最小方差值。另外，從圖（3）到圖（5）中對(duì)于不同組合方式下的實(shí)驗(yàn)結(jié)果進(jìn)行觀察，發(fā)現(xiàn)在基于相似性聚類的組合方式下180次試驗(yàn)結(jié)果的方差很小，也就是說(shuō)每次實(shí)驗(yàn)得到的最小方差值十分相近。這些現(xiàn)象說(shuō)明采取基于相似性聚類的組合方式不僅可以更有效地降低風(fēng)險(xiǎn)，而且在這種組合方式下獲得的最小方差值更具穩(wěn)定性。

篇4

（一）樣本選取根據(jù)中國(guó)注冊(cè)會(huì)計(jì)師協(xié)會(huì)2012年年報(bào)審計(jì)情況快報(bào)第14期報(bào)告，將89家非標(biāo)準(zhǔn)審計(jì)報(bào)告公司作為研究樣本，根據(jù)同行業(yè)、同規(guī)模選擇了相應(yīng)的89家標(biāo)準(zhǔn)審計(jì)報(bào)告公司作為配對(duì)樣本，樣本與配對(duì)樣本如表2所示。收集2008—2012年研究樣本與配對(duì)樣本的現(xiàn)金流量表相關(guān)數(shù)據(jù)，并與奔福德定律進(jìn)行相關(guān)分析。本文所有數(shù)據(jù)均來(lái)自于中國(guó)注冊(cè)會(huì)計(jì)師協(xié)會(huì)網(wǎng)站與和訊財(cái)經(jīng)網(wǎng)站。

（二）指標(biāo)選取一張完整的現(xiàn)金流量表共有57個(gè)項(xiàng)目，但并非每個(gè)上市公司都會(huì)發(fā)生所有項(xiàng)目，將這些大多數(shù)公司缺失或者數(shù)據(jù)總數(shù)不及樣本總數(shù)一半的項(xiàng)目予以剔除，主要選取了“經(jīng)營(yíng)活動(dòng)類”的銷售商品提供勞務(wù)收到的現(xiàn)金、收到其他與經(jīng)營(yíng)活動(dòng)有關(guān)的現(xiàn)金、購(gòu)買商品接受勞務(wù)支付的現(xiàn)金等；“投資活動(dòng)類”的購(gòu)建固定資產(chǎn)無(wú)形資產(chǎn)和其他長(zhǎng)期資產(chǎn)支付的現(xiàn)金，投資活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~等；“籌資活動(dòng)類”的取得借款收到的現(xiàn)金，償還債務(wù)支付的現(xiàn)金，分配股利利潤(rùn)或償付利息支付的現(xiàn)金，籌資活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~，凈利潤(rùn)，經(jīng)營(yíng)性應(yīng)收項(xiàng)目的減少，經(jīng)營(yíng)性應(yīng)付項(xiàng)目的增加，經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~等25個(gè)項(xiàng)目作為分析指標(biāo)。

（三）研究假設(shè)根據(jù)《上市公司信息披露管理辦法》相關(guān)要求，本文提出以下假設(shè)：H1：非標(biāo)準(zhǔn)審計(jì)報(bào)告公司與標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表年報(bào)存在顯著差異。將標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表各年年報(bào)與奔福德定律的相關(guān)系數(shù)和非標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表各年年報(bào)與奔福德定律的相關(guān)系數(shù)進(jìn)行比較，前者應(yīng)大于后者。H2：非標(biāo)準(zhǔn)審計(jì)報(bào)告公司與標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表季報(bào)存在顯著差異。將標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表各年季報(bào)與奔福德定律的相關(guān)系數(shù)和非標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表各年季報(bào)與奔福德定律的相關(guān)系數(shù)進(jìn)行比較，前者應(yīng)大于后者。H3：非標(biāo)準(zhǔn)審計(jì)報(bào)告公司與標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表各個(gè)報(bào)表項(xiàng)目存在顯著差異。將標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表各年各個(gè)報(bào)表項(xiàng)目與奔福德定律的相關(guān)系數(shù)和非標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表各年各個(gè)報(bào)表項(xiàng)目與奔福德定律的相關(guān)系數(shù)進(jìn)行比較，前者應(yīng)大于后者。

（四）審計(jì)質(zhì)量的評(píng)價(jià)標(biāo)準(zhǔn)將報(bào)表數(shù)據(jù)與奔福德定律的相關(guān)系數(shù)作為檢驗(yàn)數(shù)據(jù)是否符合奔福德定律的評(píng)價(jià)標(biāo)準(zhǔn)。借鑒張?zhí)K彤等（2005）的經(jīng)驗(yàn)分級(jí)評(píng)價(jià)標(biāo)準(zhǔn)，如果相關(guān)系數(shù)大于0.97，則認(rèn)為財(cái)務(wù)數(shù)據(jù)符合奔福德定律，財(cái)務(wù)數(shù)據(jù)正常，財(cái)務(wù)數(shù)據(jù)真實(shí)；如果相關(guān)系數(shù)小于0.97，則認(rèn)為財(cái)務(wù)數(shù)據(jù)符合奔福德定律，財(cái)務(wù)數(shù)據(jù)不正常，財(cái)務(wù)數(shù)據(jù)不真實(shí)。表3給出了不同相關(guān)系數(shù)分布標(biāo)準(zhǔn)以及相應(yīng)的審計(jì)對(duì)策。

（五）數(shù)據(jù)處理方法本文數(shù)據(jù)處理和分析軟件采用微軟公司的Mi-crosoftOffice（2003）中的Excel。其中，LEFT函數(shù)和COUNTIF函數(shù)用于基本數(shù)據(jù)處理，CORREL函數(shù)用于數(shù)據(jù)的相關(guān)分析。

二、實(shí)證分析

（一）實(shí)證分析過(guò)程1.現(xiàn)金流量表年報(bào)通過(guò)對(duì)標(biāo)準(zhǔn)審計(jì)報(bào)告公司和非標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表年報(bào)數(shù)據(jù)的首位數(shù)以及與奔福德定律理論分布值的比較，結(jié)果如表4和圖1所示。從表4和圖1可以看出，非標(biāo)準(zhǔn)審計(jì)報(bào)告公司和標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表年報(bào)數(shù)據(jù)分布明顯符合奔福德定律所描述的首位數(shù)概率遞減的規(guī)律，兩類公司首位數(shù)據(jù)分布與奔福德定律一致，兩者相關(guān)系數(shù)均非常接近1（完全相關(guān)）。2012年、2011年、2009年標(biāo)準(zhǔn)審計(jì)報(bào)告公司的相關(guān)系數(shù)均高于非標(biāo)準(zhǔn)審計(jì)報(bào)告公司的相關(guān)系數(shù)，2008年、2010年標(biāo)準(zhǔn)審計(jì)報(bào)告公司的相關(guān)系數(shù)低于非標(biāo)準(zhǔn)審計(jì)報(bào)告公司的相關(guān)系數(shù)，說(shuō)明兩者之間存在差異。五年中兩類公司與奔福德定律的相關(guān)系數(shù)基本同步，兩者均是在2009年相關(guān)系數(shù)最低。樣本公司數(shù)據(jù)和配對(duì)樣本公司現(xiàn)金流量表年報(bào)數(shù)據(jù)在2009年、2011年、2012年存在顯著差異，而在2008年和2010年差異不顯著，假設(shè)1得以驗(yàn)證。2.現(xiàn)金流量表季報(bào)通過(guò)非標(biāo)準(zhǔn)審計(jì)報(bào)告公司和標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表季度數(shù)據(jù)的首位數(shù)分布情況以及與奔福德定律理論分布值的比較，結(jié)果如表5和圖2所示。從表5和圖2可以看出，非標(biāo)準(zhǔn)審計(jì)報(bào)告公司和標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表季度主要財(cái)務(wù)數(shù)據(jù)的首位分布明顯呈現(xiàn)出了奔福德定律所描述的數(shù)據(jù)首位數(shù)存在一定差異。從相關(guān)系數(shù)分析，非標(biāo)準(zhǔn)審計(jì)報(bào)告公司相關(guān)系數(shù)較高的是第二季度，標(biāo)準(zhǔn)審計(jì)報(bào)告公司相關(guān)系數(shù)較高的是第二季度和第四季度，各季度相關(guān)系數(shù)也存在一定差異；標(biāo)準(zhǔn)審計(jì)報(bào)告公司各季度的相關(guān)系數(shù)基本上高于非標(biāo)準(zhǔn)審計(jì)報(bào)告公司各季度相關(guān)系數(shù)，說(shuō)明標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表真實(shí)性高于非標(biāo)準(zhǔn)審計(jì)報(bào)告公司。在全部總體中非標(biāo)準(zhǔn)審計(jì)報(bào)告公司2009年、2011年的第一季、2009年第四季的相關(guān)系數(shù)偏低，作假的可能性較大，假設(shè)2得以驗(yàn)證。3.現(xiàn)金流量表主要項(xiàng)目通過(guò)非標(biāo)準(zhǔn)審計(jì)報(bào)告公司和標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表五年主要項(xiàng)目數(shù)據(jù)的首位分布情況以及與奔福德定律理論分布值的比較，結(jié)果如表6和圖3所示。從表6和圖3可以看出，非標(biāo)準(zhǔn)審計(jì)報(bào)告公司和標(biāo)準(zhǔn)審計(jì)報(bào)告公司現(xiàn)金流量表主要項(xiàng)目的首位數(shù)據(jù)五年合計(jì)分布明顯呈現(xiàn)出奔福德定律所描述的數(shù)據(jù)首位數(shù)存在一定差異。從相關(guān)系數(shù)看，非標(biāo)準(zhǔn)審計(jì)報(bào)告公司相關(guān)系數(shù)較低的是“投資活動(dòng)現(xiàn)金流入小計(jì)”、“支付的各項(xiàng)稅費(fèi)”“、籌資活動(dòng)現(xiàn)金流出小計(jì)”“、凈利潤(rùn)”和“期末現(xiàn)金及現(xiàn)金等價(jià)物余額”；標(biāo)準(zhǔn)審計(jì)報(bào)告公司相關(guān)系數(shù)較低的是“購(gòu)買商品、接受勞務(wù)支付的現(xiàn)金”、“經(jīng)營(yíng)活動(dòng)現(xiàn)金流入小計(jì)”、“經(jīng)營(yíng)活動(dòng)現(xiàn)金流出小計(jì)”、“期初現(xiàn)金及現(xiàn)金等價(jià)物余額”和“投資活動(dòng)現(xiàn)金流出小計(jì)”。在全部總體中非標(biāo)準(zhǔn)審計(jì)報(bào)告公司的“投資活動(dòng)現(xiàn)金流入小計(jì)”的相關(guān)系數(shù)偏低，作假的可能性較大；標(biāo)準(zhǔn)審計(jì)報(bào)告公司的“購(gòu)買商品、接受勞務(wù)支付的現(xiàn)金”、“經(jīng)營(yíng)活動(dòng)現(xiàn)金流入小計(jì)”、“經(jīng)營(yíng)活動(dòng)現(xiàn)金流出小計(jì)”、“期初現(xiàn)金及現(xiàn)金等價(jià)物余額”的相關(guān)系數(shù)偏低，作假的可能性較大。標(biāo)準(zhǔn)審計(jì)報(bào)告公司各個(gè)主要項(xiàng)目的相關(guān)系數(shù)基本上高于非標(biāo)準(zhǔn)審計(jì)報(bào)告公司各季度相關(guān)系數(shù)，假設(shè)3得以驗(yàn)證。

（二）實(shí)證分析結(jié)果1.相關(guān)系數(shù)分析利用上市公司的非標(biāo)準(zhǔn)審計(jì)報(bào)告公司和標(biāo)準(zhǔn)審計(jì)報(bào)告公司2012年現(xiàn)金流量表財(cái)務(wù)數(shù)據(jù)，將其首位數(shù)分布與奔福德定律進(jìn)行相關(guān)分析，相關(guān)系數(shù)按照從高到低的降序排列如表7所示。從表7可以看出，與奔福德定律相關(guān)系數(shù)高達(dá)0.98613、0.97291、0.97283、0.97045、0.96660的*ST盛潤(rùn)A、ST超日、*ST中基、*ST國(guó)商、寧波富邦等公司均被出具了非標(biāo)準(zhǔn)審計(jì)報(bào)告，與奔福德定律相關(guān)系數(shù)只有0.37995、0.32026、0.20316、0.01202的九鼎新材、中房地產(chǎn)、江泉實(shí)業(yè)、巨化股份等公司均被出具了標(biāo)準(zhǔn)審計(jì)報(bào)告。2.審計(jì)質(zhì)量分析假如相關(guān)系數(shù)大于0.97，說(shuō)明現(xiàn)金流量表數(shù)據(jù)可靠，它有可能被出具標(biāo)準(zhǔn)審計(jì)報(bào)告，當(dāng)然也有可能被出具非標(biāo)準(zhǔn)審計(jì)報(bào)告。同理，假如相關(guān)系數(shù)小于0.97，說(shuō)明現(xiàn)金流量表數(shù)據(jù)不可靠，它有可能被出具非標(biāo)準(zhǔn)審計(jì)報(bào)告，當(dāng)然也有可能被出具標(biāo)準(zhǔn)審計(jì)報(bào)告。根據(jù)樣本公司與配對(duì)公司的相關(guān)系數(shù)和相關(guān)系數(shù)分級(jí)及審計(jì)質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)，將具體審計(jì)報(bào)告進(jìn)行分組如表8所示。從表8可以看出，樣本公司與配對(duì)公司共178家上市公司中，與奔福德定律相關(guān)系數(shù)在0.97以上的只有5家，占2.81%，而與奔福德定律相關(guān)系數(shù)在0.97以下的有173家，占97.19%，也就是說(shuō)不符合的上市公司數(shù)量遠(yuǎn)遠(yuǎn)多于符合的上市公司數(shù)量。如果上市公司現(xiàn)金流量表真實(shí)，現(xiàn)金流量表數(shù)據(jù)總體上就應(yīng)該符合奔福德定律，因?yàn)樘摷俚默F(xiàn)金流量表數(shù)據(jù)極少能夠符合奔福德定律的隨機(jī)性，而我國(guó)上市公司現(xiàn)金流量表數(shù)據(jù)首位數(shù)分布與奔福德定律符合度不高，說(shuō)明現(xiàn)金流量表數(shù)據(jù)的真實(shí)性存在很大問(wèn)題。

三、研究結(jié)論

（一）現(xiàn)金流量表首位數(shù)與奔福德定律相關(guān)系數(shù)高未必被出具標(biāo)準(zhǔn)審計(jì)報(bào)告從表7中可以看出，排名前10位的上市公司中，有5家被出具非標(biāo)準(zhǔn)審計(jì)報(bào)告，占50%；排名前20位的上市公司中，有9家被出具非標(biāo)準(zhǔn)審計(jì)報(bào)告，占45%；排名前30位的上市公司中，有12家被出具非標(biāo)準(zhǔn)審計(jì)報(bào)告，占40%；排名前40位的上市公司中，有17家被出具非標(biāo)準(zhǔn)審計(jì)報(bào)告，占42.5%，說(shuō)明與奔福德定律相關(guān)系數(shù)高的不一定被出具標(biāo)準(zhǔn)審計(jì)報(bào)告。

（二）現(xiàn)金流量表首位數(shù)與奔福德定律相關(guān)系數(shù)低未必被出具非標(biāo)準(zhǔn)審計(jì)報(bào)告從表7中可以看出，排名后10位的上市公司中，竟然也有4家公司被出具了標(biāo)準(zhǔn)審計(jì)報(bào)告，尤其是排名最后一位的巨化股份，與奔福德定律的相關(guān)系數(shù)只有0.01202，也被出具了標(biāo)準(zhǔn)審計(jì)報(bào)告，這只能說(shuō)明與奔福德定律相關(guān)系數(shù)低的未必被出具非標(biāo)準(zhǔn)審計(jì)報(bào)告。

篇5

通過(guò)計(jì)算，注冊(cè)資本與銀行借款的相關(guān)系數(shù)為-0.0017，與自有資金的相關(guān)系數(shù)為0.0098，與其他融資的相關(guān)系數(shù)為-0.1816。資產(chǎn)規(guī)模與銀行借款的相關(guān)系數(shù)為-0.1731，與自有資金的相關(guān)系數(shù)為0.0098，與其他融資的相關(guān)系數(shù)為-0.1813。

根據(jù)上述分析結(jié)果顯示，四種不可量化影響因素中，在對(duì)銀行借款影響方面，行業(yè)對(duì)銀行借款沒(méi)有顯著性影響，地區(qū)、所有制性質(zhì)、發(fā)展階段均對(duì)其有顯著的影響；在對(duì)自有資金影響方面，地區(qū)和行業(yè)對(duì)企業(yè)使用自有資金沒(méi)有顯著性影響，企業(yè)所處發(fā)展階段和企業(yè)所有制性質(zhì)對(duì)自有資金的使用具有顯著性影響；在對(duì)其他融資方式影響方面，四種不可量化因素對(duì)其均沒(méi)有顯著性影響。兩種可量化因素中，注冊(cè)資本和資產(chǎn)規(guī)模與銀行借款均為負(fù)相關(guān)，且資產(chǎn)規(guī)模與銀行借款的相關(guān)性較強(qiáng)，注冊(cè)資本與銀行借款幾乎不存在相關(guān)性；注冊(cè)資本和資產(chǎn)規(guī)模與自有資金均為正相關(guān)，且相關(guān)系數(shù)相等，但相關(guān)系數(shù)較小，說(shuō)明兩種因素對(duì)自有資金的影響程度也很??；注冊(cè)資本和資產(chǎn)規(guī)模與其他融資均為負(fù)相關(guān)，且兩種因素產(chǎn)生的影響基本相同。

樣本分析后的結(jié)論及建議

融資方式選擇的結(jié)論

通過(guò)以上分析，中小企業(yè)在融資方式的選擇上表現(xiàn)出較為明顯的“強(qiáng)制優(yōu)序融資”現(xiàn)象，在融資中，中小企業(yè)首先多依賴自有資金，其次為銀行借款。對(duì)中小企業(yè)融資方式選擇產(chǎn)生影響的六種因素中，地區(qū)、所有制性質(zhì)、發(fā)展階段、注冊(cè)資本、資產(chǎn)規(guī)模對(duì)某種融資方式均有不同程度的影響。中小企業(yè)在選擇某種融資方式進(jìn)行融資時(shí)，應(yīng)首先確定影響這種融資方式的因素，參考本文分析數(shù)據(jù)做出合理的決策。

本文局限性

樣本數(shù)量的限制由于只有129家樣本企業(yè)，使得本文受到很大分析上的限制。比如，由于樣本過(guò)少，本文沒(méi)有使用河南3家企業(yè)和浙江1家企業(yè)數(shù)據(jù)進(jìn)行分析，也沒(méi)有分析各因素對(duì)親友挪借和風(fēng)險(xiǎn)投資的影響，這樣就大大影響了本文的分析效果。此外，本文分析結(jié)果顯示，地區(qū)因素對(duì)銀行借款沒(méi)有顯著性影響，而國(guó)內(nèi)外有些學(xué)者分析認(rèn)為，地區(qū)因素對(duì)銀行借款具有顯著性影響，這也有可能是樣本過(guò)少的原因。

時(shí)間的緊迫性本文可以通過(guò)進(jìn)一步調(diào)查，用虛擬系數(shù)將不可量化因素進(jìn)行量化，使各因素之間實(shí)現(xiàn)可比性，更加詳盡的分析各因素對(duì)中小企業(yè)融資方式的影響大小，更有利于中小企業(yè)制定決策。但由于時(shí)間問(wèn)題使本文不能達(dá)到更加完美的效果。

涉及因素的有限性本文涉及影響中小企業(yè)融資方式的因素有6個(gè)，而事實(shí)上影響中小企業(yè)融資方式的因素有多種。如果把各影響因素綜合分析，本文對(duì)中小企業(yè)融資選擇將更具參考意義。

解決融資困難的建議

通過(guò)本文樣本分析結(jié)果，為解決中小企業(yè)融資困難，在此筆者給出幾點(diǎn)建議：

鼓勵(lì)中小企業(yè)從民間融資，民間金融形式對(duì)當(dāng)?shù)刂行∑髽I(yè)的經(jīng)營(yíng)情況比較了解，信息費(fèi)用不高，信息傳導(dǎo)性強(qiáng)；并且二者均處于基層，點(diǎn)面結(jié)合，幾乎不存在溝通難的問(wèn)題，交易成本較低，能提高雙方的運(yùn)營(yíng)效率。因此，民間融資是中小企業(yè)融資的一個(gè)良好方式。

從所得數(shù)據(jù)情況來(lái)看，被調(diào)查的處于成長(zhǎng)階段的72家樣本企業(yè)中，使用民間融資的比例占到了88.2％。按照公司制的法理要求，應(yīng)該還公司制中小企業(yè)的基本直接融資權(quán)。目前，我國(guó)各類公司制企業(yè)，雖然盡了上繳公司所得稅的義務(wù)，但仍然不能完全享有自由發(fā)行債券和股票的權(quán)力。

本文建議，應(yīng)盡快建立我國(guó)正常的債券或股票柜臺(tái)交易市場(chǎng)體系。銀行在給企業(yè)實(shí)施貸款時(shí)，越來(lái)越重視考察企業(yè)誠(chéng)信度，建議中小企業(yè)注重信譽(yù)，給客戶和銀行一個(gè)良好的形象，只有這樣中小企業(yè)實(shí)施銀行借款時(shí)才能少受挫。此外，加強(qiáng)政府援助，如對(duì)中小企業(yè)實(shí)施稅收優(yōu)惠、財(cái)政補(bǔ)貼、政府貸款援助等，也將有利于中小企業(yè)融資。

參考文獻(xiàn)：

1.陳曉紅，黎璞.中小企業(yè)融資結(jié)構(gòu)影響因素的實(shí)證研究．系統(tǒng)工程，2004

2.陳曉紅，劉劍．我國(guó)中小企業(yè)融資結(jié)構(gòu)與融資方式演進(jìn)研究．中國(guó)軟科學(xué)，2003

3.張曉彬．淺談拓展中小企業(yè)間接融資的途徑．商業(yè)研究，2004

4.楊蕙馨，張鵬，徐鳳增，張勇．中小企業(yè)融資策略選擇的問(wèn)卷調(diào)查與分析．山東大學(xué)學(xué)報(bào)，2004

篇6

關(guān)鍵詞：條件相關(guān)性；投資組合多角化；資本資產(chǎn)定價(jià)模型

中圖分類號(hào)：F830文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001-6260（2009）01-0095-07

一、緒論

金融資產(chǎn)間或股市間的相關(guān)性在風(fēng)險(xiǎn)管理或投資組合多角化(portfolio diversification)中都扮演著相當(dāng)重要的角色。當(dāng)投資者或基金管理人欲評(píng)估多角化投資的利益時(shí)，就必須對(duì)資產(chǎn)間的相關(guān)性進(jìn)行衡量，以了解投資組合風(fēng)險(xiǎn)分散的效果。

Levy等(1970)、Solnik (1974)、Lessard (1976)、Watson (1978)、Meric等(1989)證實(shí)國(guó)際股票市場(chǎng)間存在低相關(guān)性，隱含投資者可以利用國(guó)際投資組合分散投資風(fēng)險(xiǎn)。許多有關(guān)股市相關(guān)性的研究也證實(shí)國(guó)際股市間之相關(guān)性并非穩(wěn)定，而是會(huì)隨時(shí)間改變。Solnik等(1996)、Ramchmand等(1998)指出，在高波動(dòng)期間中，尤其當(dāng)股市為熊市時(shí)，股市間的相關(guān)性通常會(huì)比平常時(shí)期的相關(guān)性還要高，隱含投資者在最需藉由投資組合分散風(fēng)險(xiǎn)的時(shí)候，投資組合多角化的效益反而減少。

在早期的國(guó)內(nèi)外文獻(xiàn)中，大多使用時(shí)間序列模型或波動(dòng)性模型分析市場(chǎng)處于波動(dòng)期間的國(guó)際股市相關(guān)性。首先，大多數(shù)的研究文獻(xiàn)中證實(shí)高波動(dòng)期間的股市相關(guān)性通常高于平常時(shí)期而導(dǎo)致投資組合多角化效益受到侵蝕，但并未明確地將高度波動(dòng)市場(chǎng)區(qū)分為牛市或熊市，以衡量不同市場(chǎng)條件下的條件相關(guān)性；其次，由于全球股市交易時(shí)間有所不同，所以使用國(guó)際股市指數(shù)的分析其實(shí)存在異步交易(non-synchronous trading)的問(wèn)題，因而可能產(chǎn)生謬誤的股市相關(guān)性；最后，投資者或基金經(jīng)理人投資時(shí)所關(guān)注的問(wèn)題是資產(chǎn)報(bào)酬的下方風(fēng)險(xiǎn)或高波動(dòng)期間的投資風(fēng)險(xiǎn)。因此，本文以臺(tái)灣地區(qū)股票市場(chǎng)類股所形成的投資組合為研究對(duì)象，衡量高波動(dòng)期間(牛市和熊市)投資組合的條件相關(guān)性，以探討不同市場(chǎng)下投資組合分散風(fēng)險(xiǎn)的效果。本文不同于先前相關(guān)研究的觀點(diǎn)為：

其一，在一般化誤差分配(generalized error distribution, GED)假設(shè)下，利用風(fēng)險(xiǎn)值(value at risk, VaR)估計(jì)的方法求得報(bào)酬分位數(shù)，衡量類股指數(shù)間條件相關(guān)性，以解決資產(chǎn)報(bào)酬非常態(tài)分配所可能造成報(bào)酬分位數(shù)高估(熊市)或低估(牛市)的問(wèn)題。

其二，使用臺(tái)灣地區(qū)股市類股股價(jià)指數(shù)日?qǐng)?bào)酬，可以避免以往國(guó)際股市間股價(jià)指數(shù)報(bào)酬相關(guān)性研究中，由于全球股市交易時(shí)間的不同，所可能存在的異步交易的問(wèn)題。

其三，同時(shí)考慮到其它關(guān)于投資組合風(fēng)險(xiǎn)分散可能性的相關(guān)衡量，亦即藉由條件資本資產(chǎn)定價(jià)模型(conditional capital asset pricing model, conditional CAPM)估計(jì)不同市場(chǎng)狀況下投資組合的系統(tǒng)風(fēng)險(xiǎn)和非系統(tǒng)風(fēng)險(xiǎn)，以探討不同條件市場(chǎng)下投資組合的風(fēng)險(xiǎn)分散效果。

二、文獻(xiàn)回顧

本文主要探討當(dāng)臺(tái)灣地區(qū)股票市場(chǎng)處于高波動(dòng)期間時(shí)類股指數(shù)的條件相關(guān)性以及投資組合的風(fēng)險(xiǎn)分散效果。以下就股市相關(guān)性之文獻(xiàn)進(jìn)行探討，并回顧股市尾部條件相關(guān)性文獻(xiàn)，以作為實(shí)證的基礎(chǔ)。

1.股市相關(guān)性的探討

金融資產(chǎn)或股市間相關(guān)性程度與投資組合的風(fēng)險(xiǎn)分散效益存在著相輔相成的關(guān)系，低相關(guān)含投資者可利用投資組合多角化分散投資風(fēng)險(xiǎn)。Markowitz (1952)提出的投資組合理論提供投資者一個(gè)藉多角化投資以分散風(fēng)險(xiǎn)及提高投資報(bào)酬的理論依據(jù)。然而，國(guó)外許多探討股市相關(guān)性的研究文獻(xiàn)大都顯示，當(dāng)市場(chǎng)處于大幅波動(dòng)的期間時(shí)，國(guó)際股市間的相關(guān)性會(huì)增加且隨時(shí)間改變(Solnik，et al，1996)。Ramchand等(1998)搜集美國(guó)與全球其他幾個(gè)主要國(guó)家的股票周報(bào)酬資料，運(yùn)用轉(zhuǎn)換自我相關(guān)異質(zhì)變異模型(switching autoregressive conditional heteroscedasticity, SWARCH model)，探討隨狀態(tài)變動(dòng)的條件共變異數(shù)與相關(guān)性，實(shí)證結(jié)果顯示在高變動(dòng)的狀態(tài)下，美國(guó)與其它主要股市間的相關(guān)性會(huì)比在低變動(dòng)的狀態(tài)時(shí)的相關(guān)性還高。Bracker等(1999)利用1972―1993年間美國(guó)等10個(gè)主要股票市場(chǎng)的股價(jià)指數(shù)日?qǐng)?bào)酬資料檢定國(guó)際股市相關(guān)性程度與相關(guān)系數(shù)矩陣的穩(wěn)定性是否隨時(shí)間改變，實(shí)證研究指出股市間相關(guān)性會(huì)隨時(shí)間而改變，且當(dāng)全球股市處于大幅波動(dòng)時(shí)股票市場(chǎng)間的共移性程度會(huì)增加，暗示在高波動(dòng)期間國(guó)際投資組合的多角化利益降低。另外，Goetzmann 等(2005)研究1872年至2000年長(zhǎng)達(dá)150年的長(zhǎng)期間國(guó)際股市相關(guān)性，發(fā)現(xiàn)從第二次世界大戰(zhàn)到近期，市場(chǎng)間的平均相關(guān)性會(huì)隨著時(shí)間逐漸增加。Goetzmann 等進(jìn)一步分解研究期間中的相關(guān)性模式，結(jié)果發(fā)現(xiàn)今日的國(guó)際投資者所獲得投資組合的多角化利益由兩部分所構(gòu)成，其中一部分利益主要?dú)w因于全球市場(chǎng)的數(shù)量的增加使投資人能有更多投資機(jī)會(huì)，另一部分利益則由于國(guó)際市場(chǎng)間存在較低的平均相關(guān)性而提升多角化效益。

另外，許多探討股市相關(guān)性的文獻(xiàn)大多以波動(dòng)性模型或時(shí)間序列模型來(lái)進(jìn)行分析研究，包括：Eun等(1989)以向量自我回歸模型(vector autoregression，VAR model)研究歐、美、亞等主要股市報(bào)酬間聯(lián)動(dòng)性之強(qiáng)弱程度，結(jié)果發(fā)現(xiàn)位于同一區(qū)域之股市連動(dòng)性較強(qiáng)，此反映同一區(qū)域內(nèi)的國(guó)家（地區(qū)）間經(jīng)濟(jì)整合程度較高，相對(duì)而言，美國(guó)股市具有最大的影響力，其股市波動(dòng)明顯快速地傳遞至國(guó)外股市。Longin等(1995)使用多變量GARCH (1,1)模型(multivariate GARCH model)探討美國(guó)與德國(guó)、法國(guó)、英國(guó)、瑞士、日本及加拿大等6國(guó)股市在1960―1990年期間之月超額報(bào)酬相關(guān)性，發(fā)現(xiàn)美國(guó)與其它6國(guó)之共變異數(shù)與相關(guān)系數(shù)會(huì)隨著時(shí)間而改變，同時(shí)也發(fā)現(xiàn)在1960―1990年期間國(guó)際股市間的相關(guān)性是增加的，因此結(jié)果并不支持各國(guó)報(bào)酬之相關(guān)系數(shù)固定不變的說(shuō)法。此外，他們也發(fā)現(xiàn)在美國(guó)股市報(bào)酬波動(dòng)性高的時(shí)期，各國(guó)與美國(guó)股市超額報(bào)酬的相關(guān)性亦會(huì)增加。Darbar等(1997)搜集美國(guó)、英國(guó)、日本、加拿大等4國(guó)股市在1989―1992年期間的加權(quán)股價(jià)指數(shù)日?qǐng)?bào)酬率，以多變量GARCH模型探討4國(guó)股市間之聯(lián)動(dòng)關(guān)系，實(shí)證結(jié)果顯示4國(guó)日?qǐng)?bào)酬之條件相關(guān)系數(shù)值很小且呈動(dòng)態(tài)改變；另外，他們也發(fā)現(xiàn)報(bào)酬率之間的相關(guān)性通常不大且會(huì)隨著時(shí)間而改變，因此從事國(guó)際多角化投資有潛在獲利的機(jī)會(huì)。葉銀華(1991)搜集美國(guó)、日本、臺(tái)灣地區(qū)三個(gè)股票市場(chǎng)之月報(bào)酬資料，以多元時(shí)間序列分析模型探討1984―1990年期間三個(gè)股市之共移型態(tài)與關(guān)聯(lián)性，其研究結(jié)果發(fā)現(xiàn)臺(tái)灣地區(qū)與美、日股市的相關(guān)程度很低，因此從分散投資風(fēng)險(xiǎn)的角度來(lái)看，臺(tái)灣地區(qū)股市為一較佳的選擇。徐守德(1995)以單根檢定(unit root test)、成對(duì)及高階共整合檢定模型研究臺(tái)灣地區(qū)、日本、新加坡、中國(guó)香港、韓國(guó)等股市的共移程度，研究樣本為1984―1993年之股價(jià)指數(shù)周報(bào)酬率，實(shí)證結(jié)果發(fā)現(xiàn)除日本與中國(guó)香港及中國(guó)香港與新加坡間有較強(qiáng)的相關(guān)性外，其它成對(duì)股市間的相關(guān)性相對(duì)地較低，顯示國(guó)際投資組合仍有利益存在；另外，中國(guó)香港與臺(tái)灣地區(qū)間并未呈現(xiàn)成對(duì)與高階共整合現(xiàn)象，此表示一國(guó)（地區(qū)）股價(jià)不能由其它國(guó)家（地區(qū)）股價(jià)所預(yù)測(cè)，隱含國(guó)際投資組合具有分散風(fēng)險(xiǎn)之效益。

2.股市尾部條件相關(guān)性的探討

除了上述的股市相關(guān)性文獻(xiàn)外，另有許多文獻(xiàn)指出，股市的尾部條件報(bào)酬序列有相當(dāng)高的相關(guān)性(Campbell，et al，2002)，意味著在高度波動(dòng)的股票市場(chǎng)中，投資組合的多角化利益會(huì)受到侵蝕。在研究股票市場(chǎng)間的尾部條件相關(guān)性方面，Karolyi等(1996)基于1988―1992年美國(guó)和日本股票報(bào)酬資料的研究指出，當(dāng)金融市場(chǎng)大幅變動(dòng)時(shí)，美國(guó)和日本的股票報(bào)酬會(huì)存在較高相關(guān)性，尤其是當(dāng)國(guó)際金融市場(chǎng)呈現(xiàn)大的負(fù)移動(dòng)時(shí)，其相關(guān)性最高，而使得投資組合多角化效益大幅降低；Longin等(2001)應(yīng)用極值理論(extreme value theory，EVT)研究國(guó)際股市間報(bào)酬的尾部相關(guān)性，實(shí)證結(jié)果顯示在高尾部(positive tail)的相關(guān)性與多變量常態(tài)的假設(shè)一致，但是在低尾部(negative tail)的相關(guān)性會(huì)顯著大于以多變量常態(tài)模型所預(yù)測(cè)的結(jié)果，此結(jié)論暗示股市為大的負(fù)報(bào)酬時(shí)，投資組合無(wú)法有效地降低風(fēng)險(xiǎn)。此外，Butler等(2002)運(yùn)用3種不同的分配型態(tài)(常態(tài)分配、J. P. Morgan RiskMetrics及自由度為4的Student-t分配)分別研究在熊市、平常及牛市下股市月報(bào)酬的相關(guān)性程度，實(shí)證顯示在股市為熊市時(shí)的相關(guān)性會(huì)顯著高于藉由常態(tài)和RiskMetrics分配所預(yù)測(cè)的相關(guān)性，且在熊市的相關(guān)性也會(huì)顯著高于牛市的相關(guān)性。黎明淵等(2003)應(yīng)用Hamilton等(1994) Markov-switching ARCH (SWARCH)模型，估計(jì)美國(guó)道瓊斯與日本日經(jīng)指數(shù)周報(bào)酬率的波動(dòng)性，藉以分析在美、日股市指數(shù)報(bào)酬高、低波動(dòng)狀態(tài)下，新加坡、中國(guó)香港、韓國(guó)、臺(tái)灣地區(qū)等亞洲新興股市指數(shù)報(bào)酬與美、日股市指數(shù)報(bào)酬的相關(guān)性。研究結(jié)果發(fā)現(xiàn)，同時(shí)考慮美、日股市對(duì)新、港、韓、臺(tái)等亞洲股市的聯(lián)動(dòng)影響，當(dāng)美股與日股分屬高波動(dòng)性狀態(tài)時(shí)，對(duì)四小龍影響最高，當(dāng)美股與日股分屬高或低波動(dòng)性狀態(tài)，聯(lián)動(dòng)影響次之，美股與日股分屬低波動(dòng)性狀態(tài)時(shí)，聯(lián)動(dòng)影響最低，反映透過(guò)股票市場(chǎng)傳遞的金融傳染病，在國(guó)際主要股市處于巨幅震蕩時(shí)期時(shí)最為顯著。

在個(gè)股報(bào)酬間的尾部條件相關(guān)性研究中，Silvapulle等(2001)研究道瓊斯工業(yè)指數(shù)30支股票的日?qǐng)?bào)酬，結(jié)果發(fā)現(xiàn)當(dāng)股市大幅下跌時(shí)，30支股票的平均條件相關(guān)(average conditional correlation)比股市為平常和牛市時(shí)還要高，此結(jié)果暗示當(dāng)股市是熊市時(shí)投資組合多角化的利益會(huì)減少。Cizeau等(2001)則是在胖尾分配的基礎(chǔ)下使用只考慮市場(chǎng)報(bào)酬因素的靜態(tài)單因子模型分析450支美國(guó)股票的日?qǐng)?bào)酬相關(guān)性，他們的研究結(jié)果顯示，在股票報(bào)酬呈現(xiàn)高度波動(dòng)情況下，個(gè)股報(bào)酬的相關(guān)性會(huì)增加。另外，Demirer等(2005)搜集1999―2002年中國(guó)股市的375支股票日?qǐng)?bào)酬并將其股票分為18個(gè)產(chǎn)業(yè)以探討當(dāng)股票報(bào)酬呈現(xiàn)大幅上漲或下跌時(shí)，產(chǎn)業(yè)報(bào)酬離散程度與報(bào)酬相關(guān)性之間的關(guān)系，實(shí)證研究結(jié)果顯示在股價(jià)大幅波動(dòng)時(shí)期報(bào)酬離散程度會(huì)較高，在股票報(bào)酬相關(guān)性部分，則發(fā)現(xiàn)除了金融產(chǎn)業(yè)在報(bào)酬大幅下跌時(shí)的相關(guān)性較高之外，其它產(chǎn)業(yè)的報(bào)酬相關(guān)性在報(bào)酬大幅上漲時(shí)會(huì)較高。

三、研究方法

不同于以往使用時(shí)間序列模型或波動(dòng)性模型探討股市相關(guān)性，本文是在能反映資產(chǎn)報(bào)酬具有胖尾特性的一般化誤差分配的假設(shè)下，利用風(fēng)險(xiǎn)值的方法估計(jì)報(bào)酬分位數(shù)來(lái)形成高波動(dòng)期間(低尾部與高尾部)與平常時(shí)期(中間)的條件報(bào)酬分配以分別估算其條件相關(guān)系數(shù)，捕捉尾部相關(guān)性的變動(dòng)程度以及反映資產(chǎn)報(bào)酬同日變動(dòng)的相關(guān)程度。此外，以條件報(bào)酬配對(duì)估計(jì)條件資本資產(chǎn)定價(jià)模型以衡量投資組合的系統(tǒng)與非系統(tǒng)風(fēng)險(xiǎn)。以下說(shuō)明從條件報(bào)酬配對(duì)與分位數(shù)的求取來(lái)估計(jì)條件相關(guān)系數(shù)與條件資本資產(chǎn)定價(jià)模型的方法。

1.條件報(bào)酬配對(duì)的定義

2.報(bào)酬分位數(shù)的估計(jì)

為了獲得式(1)到式(3)的報(bào)酬分配低尾部、中間及高尾部的條件報(bào)酬配對(duì)以計(jì)算條件相關(guān)系數(shù)與估算投資組合的系統(tǒng)風(fēng)險(xiǎn)與非系統(tǒng)風(fēng)險(xiǎn)，在一般化誤差分配假設(shè)下估計(jì)報(bào)酬分位數(shù)QLi和QUi。一般化誤差分配機(jī)率密度函數(shù)如下：

表示gamma函數(shù)，v是一個(gè)描述尾部厚度的型態(tài)參數(shù)(shape-defining parameter)。當(dāng)v=2時(shí)，資產(chǎn)報(bào)酬型態(tài)為常態(tài)分配；當(dāng)v2時(shí)，則具有較常態(tài)分配為瘦尾的分配。當(dāng)v越小(大)時(shí)，則報(bào)酬分配尾端會(huì)呈現(xiàn)愈胖(瘦)的機(jī)率分配。例如當(dāng)v=1時(shí)，為雙指數(shù)分配(double exponential distribution)；當(dāng)v=∞時(shí)，則為均勻分配(uniform distribution)。如何決定分配型態(tài)參數(shù)v，應(yīng)用峰態(tài)系數(shù)來(lái)推估分配型態(tài)的參數(shù)值。假設(shè)k為資產(chǎn)報(bào)酬分配的峰態(tài)系數(shù)，則在一般化誤差分配型態(tài)下，峰態(tài)系數(shù)k與分配型態(tài)參數(shù)v存有下列的關(guān)系：

亦即先計(jì)算報(bào)酬資料分配的峰態(tài)系數(shù)k，然后根據(jù)式(5)，即可求解v值。當(dāng)一般化誤差分配機(jī)率密度函數(shù)的v值估計(jì)獲得之后，接下來(lái)在給定的機(jī)率水準(zhǔn)下，可利用辛普生法(Simpson′s rule)來(lái)求得分位數(shù)QLi和QUi。

3.條件報(bào)酬相關(guān)系數(shù)的計(jì)算與條件資本資產(chǎn)定價(jià)模型的估計(jì)

當(dāng)獲得條件報(bào)酬配對(duì)資料后，接下來(lái)即可進(jìn)行條件相關(guān)系數(shù)的計(jì)算。在計(jì)算條件相關(guān)系數(shù)時(shí)，考慮到報(bào)酬尾端的資料個(gè)數(shù)較少時(shí)，所計(jì)算的Pearson相關(guān)系數(shù)可能會(huì)產(chǎn)生虛增或虛減的現(xiàn)象，因此使用無(wú)母數(shù)方法的Spearman等級(jí)相關(guān)計(jì)算方式，以估計(jì)條件報(bào)酬相關(guān)系數(shù)。令指數(shù)i和指數(shù)j的低尾部的條件相關(guān)系數(shù)為ρLij，則

其中，xk表示rLit在rLi的排序等級(jí)，yk表示rLjt在rLj的排序等級(jí)，n為配對(duì)報(bào)酬率的個(gè)數(shù)，亦即Spearman等級(jí)相關(guān)系數(shù)ρLij相當(dāng)于計(jì)算rLit 和rLjt的等級(jí)數(shù)值的Pearson相關(guān)系數(shù)。

本文亦估計(jì)投資組合的系統(tǒng)風(fēng)險(xiǎn)及非系統(tǒng)風(fēng)險(xiǎn)以探討投資組合風(fēng)險(xiǎn)分散的效益。首先，依據(jù)式(1)、(2)和(3)求得市場(chǎng)指數(shù)和類股指數(shù)i的低尾部、中間和高尾部條件報(bào)酬配對(duì)；然后，利用市場(chǎng)模式(market model)估算投資組合的系統(tǒng)風(fēng)險(xiǎn)和非系統(tǒng)風(fēng)險(xiǎn)。市場(chǎng)模型的定義式如下：

Rit=α0+βiRMKt+εit，i=1,…,n(7)

其中，Rit代表第t期類股指數(shù)i的報(bào)酬率；RMKt代表第t期市場(chǎng)股價(jià)指數(shù)的報(bào)酬率；α0為截距；βi為斜率項(xiàng)，為系統(tǒng)風(fēng)險(xiǎn)的衡量指標(biāo)；εit為殘差項(xiàng)，而殘差變異數(shù)為非系統(tǒng)風(fēng)險(xiǎn)衡量的指標(biāo)。

四、實(shí)證研究

1.資料說(shuō)明

本文以臺(tái)灣地區(qū)類股指數(shù)為研究對(duì)象，包括水泥窯指數(shù)、食品指數(shù)、塑膠化工指數(shù)、機(jī)電指數(shù)、紡織指數(shù)、造紙指數(shù)、營(yíng)建指數(shù)以及金融指數(shù)，探討在高波動(dòng)期間股票市場(chǎng)類股指數(shù)間相關(guān)系數(shù)、非系統(tǒng)風(fēng)險(xiǎn)與系統(tǒng)風(fēng)險(xiǎn)的變化情形，以分析在不同市場(chǎng)情況下投資組合的風(fēng)險(xiǎn)分散效果。近年來(lái)，由于電子類股在股市中迅速竄起且其交易比重也占股市的最大交易總值比例，因此更進(jìn)一步將類中的機(jī)電類股指數(shù)分解為電子類股指數(shù)、電器類股指數(shù)與電機(jī)類股指數(shù)三支類股指數(shù)，以進(jìn)一步比較電子類股與其它類股指數(shù)間相關(guān)系數(shù)的變化及投資組合的風(fēng)險(xiǎn)分散效果。由于研究中類股指數(shù)樣本資料的期間是從1991―2004年共14年，但限于電子、電器及電機(jī)三支類股股價(jià)指數(shù)樣本資料的取得是起于1995年，因此樣本資料分為全樣本期間(1991―2004)與子樣本期間(1995―2004)兩個(gè)期間，股價(jià)指數(shù)資料來(lái)源為臺(tái)灣經(jīng)濟(jì)新報(bào)資料庫(kù)(TEJ)。[JP+1]

計(jì)算股價(jià)指數(shù)報(bào)酬率的方式為Rt=ln(pt/pt-1)，其中Rt為第t天的報(bào)酬率，pt為第t天股價(jià)指數(shù)。樣本期間各類股股價(jià)指數(shù)日?qǐng)?bào)酬之?dāng)⑹鼋y(tǒng)計(jì)摘要，包括平均值、標(biāo)準(zhǔn)差、峰態(tài)系數(shù)、偏態(tài)系數(shù)、最大值及最小值。從全樣本期間的統(tǒng)計(jì)結(jié)果可以發(fā)現(xiàn)8支類股指數(shù)中有3支之平均報(bào)酬為正、5支為負(fù)，其中以造紙類股的風(fēng)險(xiǎn)最高(準(zhǔn)差為0.0211)，食品類股最低(標(biāo)準(zhǔn)差為0.0172)，然全部平均報(bào)酬率統(tǒng)計(jì)檢定不顯著異于0。而由子樣本期間的分析結(jié)果亦可發(fā)現(xiàn)平均日?qǐng)?bào)酬率不顯著異于0的相同的結(jié)論，其中以電子類股的風(fēng)險(xiǎn)最高（標(biāo)準(zhǔn)差為0.0211），最低的為電機(jī)類股(標(biāo)準(zhǔn)差為0.0157)。再者，在全樣本和子樣本期間中，各類股指數(shù)的報(bào)酬率的最小值和最大值幾乎都在-0.07和0.07之水準(zhǔn)，此現(xiàn)象說(shuō)明臺(tái)灣地區(qū)股票市場(chǎng)有7%漲跌幅限制的規(guī)定存在。在偏態(tài)系數(shù)方面，全樣本和子樣本期間中各類股股價(jià)指數(shù)的日?qǐng)?bào)酬皆各有5支指數(shù)的偏態(tài)系數(shù)顯著不為零，其中營(yíng)建和金融類股指數(shù)日?qǐng)?bào)酬在兩樣本期間皆呈現(xiàn)右偏，而全樣本期間中日?qǐng)?bào)酬資料呈現(xiàn)左偏的有食品、機(jī)電及紡織等3支類股指數(shù)，而在子樣本期間中則是食品、電子及電機(jī)等3支類股指數(shù)日?qǐng)?bào)酬呈現(xiàn)左偏。在峰態(tài)系數(shù)部分，不論是全樣本或子樣本期間的類股股價(jià)指數(shù)日?qǐng)?bào)酬，其峰態(tài)系數(shù)皆大于3，且在顯著水準(zhǔn)1%下呈現(xiàn)顯著，說(shuō)明樣本期間中各類股指數(shù)之日?qǐng)?bào)酬分配皆為呈現(xiàn)高狹峰具有厚尾的分配。JarqueBera 檢定結(jié)果顯示，各類股指數(shù)報(bào)酬率在顯著水準(zhǔn)1%下皆為顯著，證實(shí)全樣本及子樣本期間的類股股價(jià)指數(shù)日?qǐng)?bào)酬具有胖尾的非常態(tài)分配。

2.分位數(shù)與條件相關(guān)性的實(shí)證結(jié)果

本文共估計(jì)8種高低尾部報(bào)酬的分位數(shù)，包括估計(jì)1%、1.5%、2.5%、5%等4種低尾部報(bào)酬分位數(shù)，以及95%、97.5%、98.5%、99%等4種高尾部報(bào)酬分位數(shù)。v值為一般化誤差分配的型態(tài)參數(shù)估計(jì)值，v值的大小反映不同報(bào)酬分配的尾部型態(tài)。全樣本期間的8支類股指數(shù)的型態(tài)參數(shù)以水泥窯類股指數(shù)的v值1.1398為最小，表示其分配型態(tài)為最胖，而造紙類股指數(shù)的v值1.3846為最大，表示其分配型態(tài)為最瘦。在子樣本期間部分的10支類股指數(shù)中，以金融類股指數(shù)的分配型態(tài)為最胖，其v值為1.2473，而以電子類股指數(shù)的v值為1.4884為最大。再者，子樣本期間中各類股指數(shù)的v值皆大于全樣本期間的v值，說(shuō)明子樣本期間中各類股指數(shù)報(bào)酬分配的尾部型態(tài)較全樣本期間中的類股指數(shù)分配型態(tài)還要瘦尾。另外各類股指數(shù)的型態(tài)參數(shù)v值都明顯小于2，此結(jié)果再次證實(shí)各類股指數(shù)報(bào)酬分配的型態(tài)都比常態(tài)分配的還要胖尾。

根據(jù)樣本期間的無(wú)條件相關(guān)系數(shù)、低尾部、中間以及高尾部的條件報(bào)酬配對(duì)所計(jì)算的條件相關(guān)系數(shù)可知，在全樣本與子樣本期間中的無(wú)條件相關(guān)系數(shù)的數(shù)值分別達(dá)0.7054與0.6742，隱含臺(tái)灣地區(qū)股市類股指數(shù)間存在齊漲齊跌的聯(lián)動(dòng)關(guān)系。此外，在條件相關(guān)系數(shù)值的統(tǒng)計(jì)上，發(fā)現(xiàn)全樣本期間及子樣本期間條件報(bào)酬分配的高、低尾部的條件相關(guān)系數(shù)皆比分的條件相關(guān)系數(shù)還低，此結(jié)果與以往文獻(xiàn)的結(jié)論并不相同。為了確認(rèn)尾部的條件相關(guān)系數(shù)是否顯著異于報(bào)酬分配中間部分的條件相關(guān)系數(shù)，進(jìn)一步使用不需要作常態(tài)假設(shè)以及對(duì)測(cè)量誤差較不敏感且適合小樣本資料的無(wú)母數(shù)Wilcoxon符號(hào)等級(jí)檢定法檢定，其檢定結(jié)果顯示，不管在全樣本或子樣本期間，在顯著性水平5%下，條件報(bào)酬分配高低尾部的條件相關(guān)性都顯著低于報(bào)酬分配中間的條件相關(guān)性(全樣本期間的2.5%分位數(shù)除外)。

相較于Silvapulle等(2001)針對(duì)美國(guó)股市的實(shí)證研究，本文實(shí)證結(jié)果發(fā)現(xiàn)美國(guó)股市與臺(tái)灣地區(qū)股市有兩點(diǎn)不同之處：(1) Silvapulle等研究道瓊斯工業(yè)指數(shù)30支股票的相關(guān)性，發(fā)現(xiàn)當(dāng)美國(guó)股市為熊市時(shí)的平均條件相關(guān)性會(huì)比股市為牛市和平常時(shí)期要高；然而，本文則發(fā)現(xiàn)臺(tái)灣地區(qū)股市為熊市或牛市時(shí)，全樣本期間以及子樣本期間的平均條件相關(guān)系數(shù)都比平常期間要低。(2)臺(tái)灣地區(qū)股市的平均條件相關(guān)系數(shù)除了子樣本期間中高尾部的相關(guān)系數(shù)在0.2到0.4之間外，大部分的數(shù)值都介于0.5到0.7之間，屬于中度相關(guān)性，然而美國(guó)道瓊斯工業(yè)指數(shù)30支股票除了熊市的相關(guān)系數(shù)在0.4左右外，其平均條件相關(guān)系數(shù)皆在0.3以下，屬于低度相關(guān)性。由以上兩點(diǎn)的分析可以得知，雖然臺(tái)灣地區(qū)股市在高度波動(dòng)期間時(shí)的投資組合的風(fēng)險(xiǎn)分散效益較不會(huì)受到侵蝕，然而，在臺(tái)灣地區(qū)股市相關(guān)性偏高的情況下，投資者所能獲得分散風(fēng)險(xiǎn)的效益將是有限的。

3.條件資本資產(chǎn)定價(jià)模型的實(shí)證結(jié)果

以條件資本資產(chǎn)定價(jià)模型估計(jì)非系統(tǒng)風(fēng)險(xiǎn)與系統(tǒng)風(fēng)險(xiǎn)的結(jié)果。由非系統(tǒng)風(fēng)險(xiǎn)的統(tǒng)計(jì)可以得知，不管是在全樣本或是子樣本期間，無(wú)條件較條件平均殘差變異數(shù)來(lái)的大，亦即無(wú)條件非系統(tǒng)風(fēng)險(xiǎn)較條件非系統(tǒng)風(fēng)險(xiǎn)為大。此外，平常時(shí)期的平均條件殘差變異數(shù)大于高、低尾部的平均條件殘差變異數(shù)，以Wilcoxon符號(hào)等級(jí)檢定法檢定之結(jié)果亦支持高、低尾部平均條件殘差變異數(shù)顯著低于中間部分的平均條件殘差變異數(shù)，顯示臺(tái)灣地區(qū)股市為熊市或牛市時(shí)，投資組合的非系統(tǒng)風(fēng)險(xiǎn)低于平常時(shí)期投資組合的非系統(tǒng)風(fēng)險(xiǎn)，隱含在高波動(dòng)期間時(shí)臺(tái)灣地區(qū)股市類股投資組合的風(fēng)險(xiǎn)分散效益優(yōu)于平常時(shí)期。

由全樣本期間與子樣本期間類股股價(jià)指數(shù)的無(wú)條件及條件β值之統(tǒng)計(jì)量可發(fā)現(xiàn)：全樣本期間與子樣本期間的無(wú)條件β平均值分別為0.9121和0.8907，皆大于條件β的平均值。此外，全樣本期間及子樣本期間條件報(bào)酬分配高、低尾部的平均β值都小于中間部分的平均β值，進(jìn)一步以Wilcoxon檢定的結(jié)果：無(wú)論是全樣本期間與子樣本期間以及在分位數(shù)1%、1.5%、2.5%或5%，在顯著性水平5%下，條件報(bào)酬分配低尾部的條件β值都顯著小于中間部分的條件β值，隱含在高波動(dòng)期間臺(tái)灣地區(qū)股市投資組合的總風(fēng)險(xiǎn)受市場(chǎng)因素的影響會(huì)比較小。

五、結(jié)論

在進(jìn)行投資管理時(shí)，如何規(guī)避資產(chǎn)報(bào)酬的下方風(fēng)險(xiǎn)或高波動(dòng)期間的投資風(fēng)險(xiǎn)是基金經(jīng)理人或風(fēng)險(xiǎn)管理者所關(guān)切的問(wèn)題。

實(shí)證結(jié)果發(fā)現(xiàn)：全樣本期間或子樣本期間股票報(bào)酬分配高、低尾部的條件相關(guān)性及非系統(tǒng)風(fēng)險(xiǎn)都顯著比報(bào)酬分配中間部分低，顯示在高波動(dòng)期間，股市類股的聯(lián)動(dòng)性小于平常期間的聯(lián)動(dòng)性，隱含投資組合風(fēng)險(xiǎn)分散的效益并未受到侵蝕。這與以往研究結(jié)果在市場(chǎng)高度波動(dòng)期間的相關(guān)性會(huì)增加并不相同。雖然股市在高波動(dòng)期間的類股的聯(lián)動(dòng)性小于平常期間，然而臺(tái)灣地區(qū)股市不論處于牛市、熊市或平常時(shí)期，在全樣本期間與子樣本期間的平均條件相關(guān)系數(shù)(分別介于0.4450到0.6398間及介于0.2075到0.6118間)較美國(guó)股市的平均條件相關(guān)系數(shù)(介于0.198到0.475間)為高，因此建議投資者或基金經(jīng)理人應(yīng)該多運(yùn)用國(guó)際投資組合以達(dá)到提高風(fēng)險(xiǎn)分散的效益及增加投資報(bào)酬的績(jī)效。

參考文獻(xiàn)：

黎明淵，林修葳，郭 等. 2003. 美、日股市巨幅波動(dòng)下的股市連動(dòng)效果：美國(guó)、日本與亞洲四小龍股市實(shí)證結(jié)果［J］. 臺(tái)灣證券市場(chǎng)發(fā)展季刊，15(1):117-145.

葉銀華. 1991. 國(guó)際股票市場(chǎng)股價(jià)指數(shù)共移型態(tài)與關(guān)聯(lián)性之研究［J］. 臺(tái)灣經(jīng)濟(jì)金融月刊，27(10):11-20.

徐守德. 1995. 亞洲股市間共整合關(guān)系之實(shí)證研究［J］. 臺(tái)灣證券市場(chǎng)發(fā)展季刊，7(4):33-57.

BRACKER K, KOCH P D. 1999. Economic determinants of the correlation structure across International equity markets ［J］. Journal of Economics and Business, 51(6):443-471.

BUTLER K C, JOAQUIN D C. 2002. Are the gains from International portfolio diversification exaggerated? the Influence of downside risk in bear markets ［J］. Journal of International Money and Finance, 21(7): 981-1011.

CAMPBELL R, KOEDIJK K, KOFMAN P. 2002. Increased correlation in bear markets ［J］. Financial Analysts Journal, 58(1):87-94.[HT6SS]

CIZEAU P, POTTERS M, BOUCHARD J P. 2001. Correlation structure of extreme stock returns ［J］. Quantitative Finance, 1(2):217-222.

DARBAR S M, DEB P. 1997. Co-movements in international equity markets ［J］. Journal of Financial Research, 20(3):305-322.

DEMIRER R, LIEN D. 2005. Correlation and return dispersion dynamics in chinese markets ［J］. International Review of Financial Analysis, 14(4):477-491.

EUN C S, SHIM S. 1989. International transmission of stock market movements ［J］. Journal of Financial and Quantitative Analysis, 24(2):241-256.

GOETZMANN W N, LI L, ROUWENHORST K G. 2005. Long-term global market correlations ［J］. The Journal of Business, 78(1):1-38.[HT6SS]

KAROLYI G A, STULZ R M. 1996. Why do markets move together? An investigation of U.S.-Japan stock return comovements ［J］. Journal of Finance, 51(3):951-986.

LESSARD D R. 1976. World, country, and industry relationships in equity ［J］. Financial Analysts Journal, 32(1):32-38.

LEVY H, SARNAT M. 1970. International diversification of investment portfolios ［J］. American Economic Review, 60(4):668-675.

LONGIN F, SOLNIK B. 1995. Is the correlation in International equity returns constant: 1960-1990 ［J］. Journal of International Money and Finance, 14(1)3-26.

LONGIN F, SOLNIK B. 2001. Extreme correlation of international equity markets ［J］. Journal of Finance, 56(2):649-676.

MARKOWITZ H. 1952. Portfolio selection ［J］. The Journal of Finance, 7(1):77-91.

MERIC I, MERIC G. 1989. Potential gains from international portfolio diversification and inter-temporal stability and seasonality in international stock market relationships ［J］. Journal of Banking and Finance, 13(?):627-640.

RAMCHMAND L, SUSMEL R. 1998. Volatility and cross correlation across major stock markets ［J］. Journal of Empirical Finance, 5(4):397-416.

SILVAPULLE P, GRANGER C W J. 2001. Large returns, conditional correlation and portfolio diversification: a value-at-risk approach ［J］. Quantitative Finance, 1(5):542-551.

SOLNIK B H. 1974. Why not diversify internationally ［J］. Financial Analysts Journal, 30(4):48-54.

SOLNIK B, BOUCRELLE C, LE FUR Y. 1996. International market correlation and volatility ［J］. Financial Analysts Journal, 52(5):17-34.

WATSON J. 1978. A study of possible gains from international investment ［J］. Journal of Business Finance and Accounting, 5(5):195-206.

Conditional Correlation and Risk Diversification

under Highly Volatile Stock Markets

HUANG Yuxiang CHANG Jergang

(School of Economics and Management, Tongji University, Shanghai 200093)

Abstract: This paper investigates the benefit of portfolio diversification when Taiwan stock market is bearish or bullish. Generalized error distribution (GED) is employed to calculate the returns to estimate conditional correlation. The test shows that conditional correlation and unsystematic risks during highly volatile period are much lower than that in other periods, namely, the linkages and unsystematic risks of Taiwan stock market are much lower in highly volatile markets, which implies that the benefit of portfolio diversification is not be eroded. This paper suggests that the investors or the fund managers should use international portfolio diversification as much as possible to increase the benefit of portfolio diversification.

篇7

關(guān)鍵詞：財(cái)務(wù)彈性；財(cái)務(wù)杠桿；公司價(jià)值

本文研究的重點(diǎn)是檢驗(yàn)公司的財(cái)務(wù)彈性需求是怎樣影響財(cái)務(wù)杠桿決策的，財(cái)務(wù)杠桿是否是財(cái)務(wù)彈性與公司價(jià)值之間的中介變量，然后更進(jìn)一步地分析融資決策和財(cái)務(wù)彈性與公司整體價(jià)值之間的關(guān)系。

一、研究設(shè)計(jì)

（一）研究假設(shè)

不同成長(zhǎng)階段的公司，擁有不同的風(fēng)險(xiǎn)水平和自身現(xiàn)金流入以及期望現(xiàn)金流，各階段的公司對(duì)融資方式有靈活的需求，并且這種需求以與未來(lái)預(yù)期現(xiàn)金流量和融資約束相關(guān)的未來(lái)投資機(jī)會(huì)為特征。所以我們?cè)诖思僭O(shè)。

H1：財(cái)務(wù)彈性水與財(cái)務(wù)杠桿呈負(fù)相關(guān)關(guān)系。因?yàn)樨?cái)務(wù)彈性能提高公司的支付能力和再投資能力，是解決財(cái)務(wù)困境的一個(gè)重要方法，能提高投資者信心，進(jìn)而能提高公司價(jià)值，由此，我們假設(shè)。

H2：財(cái)務(wù)彈性水與公司價(jià)值正相關(guān)。財(cái)務(wù)彈性水平使得公司財(cái)務(wù)杠桿更加優(yōu)化，于是降低了公司的融資成本，提升了公司的價(jià)值由此我們假設(shè)。

H3：財(cái)務(wù)杠桿是財(cái)務(wù)彈性和公司價(jià)值的中介變量。

（二）樣本和數(shù)據(jù)來(lái)源

本文選取2011年A股上市公司制造類企業(yè)為研究樣本，剔除了ST公司、數(shù)據(jù)缺失和波動(dòng)大的樣本，最終選取182家企業(yè)。所需數(shù)據(jù)來(lái)自CSMAR數(shù)據(jù)庫(kù)，所用軟件為stata10.0

（三）變量的選取與回歸模型建立

1、本文以托賓Q作為公司價(jià)值的代替變量。

2、本文從不同角度選取了8個(gè)代表性指標(biāo)，將這8個(gè)指標(biāo)作為初始變量。長(zhǎng)期借款資產(chǎn)比， 留存收益資產(chǎn)比， 現(xiàn)金股利保障倍數(shù)， 資本購(gòu)置比率， 現(xiàn)金再投資比率， 董事會(huì)持股比率， 公司高管持股比率。

3、LEV為中介變量。本文用資產(chǎn)負(fù)債率反應(yīng)負(fù)債水平。

4、控制變量。本文選取盈利性指標(biāo)ROA（凈資產(chǎn)收益率）、資產(chǎn)擔(dān)保能力COLL（無(wú)形資產(chǎn)凈額/資產(chǎn)平均余額）、非債務(wù)稅盾NDT（年折舊/總資產(chǎn)平均余額）、公司規(guī)模SIZE（總資產(chǎn)自然對(duì)數(shù)）。

（二）、描述性統(tǒng)計(jì)

從我們的描述性統(tǒng)計(jì)結(jié)果可看出，被選擇的樣本的財(cái)務(wù)彈性指數(shù)均值為0711795，最大值為197685，最小值為-20263，可見(jiàn)，樣本公司財(cái)務(wù)彈性差異很大。這個(gè)結(jié)果與因子分析結(jié)果一致。

（三）多元回歸分析

根據(jù)中介作用的檢驗(yàn)方法.本文利用樣本數(shù)據(jù)做如下了回歸檢驗(yàn)。

1、回歸分析財(cái)務(wù)杠性和財(cái)務(wù)杠桿。由回歸結(jié)果可知，在控制了盈利性、資產(chǎn)擔(dān)保能力、企業(yè)規(guī)模、非債務(wù)稅盾后，財(cái)務(wù)杠桿與企業(yè)的財(cái)務(wù)彈性水平之間呈正相關(guān)關(guān)系，其相關(guān)系數(shù)為0032，但是沒(méi)有通過(guò)顯著性檢驗(yàn)。整體性檢驗(yàn)F值通過(guò)檢驗(yàn)，得出方程擬合度為0519。這一結(jié)論否定了之前的假設(shè)H1，即財(cái)務(wù)彈性水平與財(cái)務(wù)杠桿不存在負(fù)相關(guān)關(guān)系。由相關(guān)分析可知，LEV和FFH之間的相關(guān)系數(shù)為0011，其相關(guān)關(guān)系很弱，這與回歸結(jié)果一致，即LEV和FFH之間的負(fù)相關(guān)關(guān)系不顯著，因而拒絕H1另外各個(gè)變量的可容忍度均接近1，VIF

2、關(guān)于財(cái)務(wù)彈性水平與公司價(jià)值的回歸結(jié)果?；貧w結(jié)果表明，財(cái)務(wù)彈性水平與公司價(jià)值呈的正相關(guān)關(guān)系，其相關(guān)系數(shù)為0008，但是沒(méi)有通過(guò)顯著性檢驗(yàn)。這一結(jié)論拒絕了假設(shè)H2，即財(cái)務(wù)彈性水平與公司價(jià)值不一定存在正相關(guān)關(guān)系。由相關(guān)分析可知，LEV和Tobin’sQ之間的相關(guān)系數(shù)為00046，其相關(guān)關(guān)系很弱，與回歸結(jié)果一致，即LEV和FFH之間的正相關(guān)關(guān)系不顯著，因而不能接受H2另外各個(gè)變量的可容忍度均接近1，VIF

3、財(cái)務(wù)彈性水平、財(cái)務(wù)杠桿與公司價(jià)值的回歸結(jié)果。從我們的回歸結(jié)果來(lái)看，在清除盈利性水平、資產(chǎn)擔(dān)保能力、公司規(guī)模、非債務(wù)稅盾對(duì)結(jié)果的影響后，財(cái)務(wù)彈性水平與公司價(jià)值之間始終呈正相關(guān)關(guān)系，但是不顯著。在將財(cái)務(wù)杠桿水平納入考慮后，財(cái)務(wù)彈性水平仍舊與公司價(jià)值有正相關(guān)的關(guān)系。整體性檢驗(yàn)結(jié)果表明，F(xiàn)值通過(guò)檢驗(yàn)。但相關(guān)系數(shù)為0569，這一結(jié)論并不支持假設(shè)H3，即財(cái)務(wù)彈性水平、財(cái)務(wù)杠桿都對(duì)公司價(jià)值有重要的影響。但財(cái)務(wù)杠桿不具有中介效應(yīng)，反而提高了財(cái)務(wù)彈性水平與公司價(jià)值的相關(guān)性，進(jìn)一步支持了假設(shè)H1。

三、研究結(jié)論與建議

從本文的實(shí)證結(jié)果來(lái)看，財(cái)務(wù)彈性水平的提高，會(huì)大幅提高公司價(jià)值。但根據(jù)之前的分析，處于不同成長(zhǎng)時(shí)期的企業(yè)對(duì)財(cái)務(wù)的彈性需求是不一樣的。于是，財(cái)務(wù)風(fēng)險(xiǎn)與資金成本等多個(gè)因素都應(yīng)該納入考慮范圍，測(cè)度不同發(fā)展階段的企業(yè)各自的最優(yōu)財(cái)務(wù)彈性區(qū)間是今后有待研究的問(wèn)題。 （作者單位：湘潭大學(xué)）

參考文獻(xiàn)

[1]葛家澍，占美松.企業(yè)財(cái)務(wù)報(bào)告分析必須著重關(guān)注的幾個(gè)財(cái)務(wù)信息[J].會(huì)計(jì)研究，2008，（5）.

[2]Gamba， Andrea and Alexander J.Triantis. The value of financial Flexibility [J]. Journal of Finance forthcoming， 2008，（5）：2263-2296.

[3]DeAngelo， Harry， Linda DeAngelo and Ren M. Stulz. Dividend Policy and the Earned： A Test of the Lifecycle Theory [J].Journal of Financial Economics， 2006，（81）：227-254.

[4]Byoun and Soku. How and When Do Firms Adjust Their Capital Structures toward Targets？ [J].Journal of Finance，2008，（6）：3069-3096.

[5]屈耀輝，傅元略.優(yōu)序融資理論的中國(guó)上市公司數(shù)據(jù)驗(yàn)證――兼對(duì)股權(quán)融資偏好再檢驗(yàn)[J].財(cái)經(jīng)研究，2007，（2）.

篇8

為擴(kuò)大國(guó)內(nèi)需求，降低企業(yè)設(shè)備投資的稅收負(fù)擔(dān)，促進(jìn)企業(yè)技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和轉(zhuǎn)變經(jīng)濟(jì)增長(zhǎng)方式，根據(jù)國(guó)務(wù)院常務(wù)會(huì)議精神，增值稅轉(zhuǎn)型改革的主要內(nèi)容包括以下幾個(gè)方面：自2009年1月1日起，全國(guó)所有增值稅一般納稅人新購(gòu)進(jìn)設(shè)備所含的進(jìn)項(xiàng)稅額可以計(jì)算抵扣；購(gòu)進(jìn)的應(yīng)征消費(fèi)稅的小汽車、摩托車和游艇不得抵扣進(jìn)項(xiàng)稅；取消進(jìn)口設(shè)備增值稅免稅政策和外商投資企業(yè)采購(gòu)國(guó)產(chǎn)設(shè)備增值稅退稅政策；小規(guī)模納稅人征收率降低為3%；將礦產(chǎn)品增值稅稅率從13%恢復(fù)到17%。這一由生產(chǎn)型增值稅轉(zhuǎn)變?yōu)橄M(fèi)性增值稅的舉措必將影響各行各業(yè)公司績(jī)效，而在理論界對(duì)于紡織業(yè)這一特定行業(yè)公司績(jī)效影響的研究較少。因此本文以紡織業(yè)上市公司為特定研究對(duì)象，研究增值稅轉(zhuǎn)型對(duì)這一特定行業(yè)上市公司績(jī)效的影響。

二、研究設(shè)計(jì)

（一）研究假設(shè) 增值稅轉(zhuǎn)型這一舉措意在降低企業(yè)設(shè)備投資的稅收負(fù)擔(dān)，促進(jìn)企業(yè)進(jìn)步，因此必然會(huì)促進(jìn)企業(yè)績(jī)效的提高。企業(yè)的規(guī)模會(huì)對(duì)企業(yè)的經(jīng)營(yíng)績(jī)效有較大的影響，同時(shí)也會(huì)對(duì)公司的治理結(jié)構(gòu)起較大的作用。由生產(chǎn)型增值稅轉(zhuǎn)為消費(fèi)型增值稅能有效減輕企業(yè)稅負(fù)，有利于企業(yè)固定資產(chǎn)投資，因此有利于公司規(guī)模的擴(kuò)大和固定資產(chǎn)占總資產(chǎn)比重的提高。每股收益越高說(shuō)明企業(yè)盈利能力越強(qiáng)。同時(shí)資產(chǎn)負(fù)債率對(duì)企業(yè)績(jī)效也有一定的影響。因此，本文提出以下假設(shè)：

H1：增值稅轉(zhuǎn)型的實(shí)施會(huì)促使企業(yè)績(jī)效更好

H2：資產(chǎn)規(guī)模的擴(kuò)大有利于企業(yè)績(jī)效的提高

H3：固定資產(chǎn)占資產(chǎn)的比重較小的企業(yè)績(jī)效較好

H4：每股收益越大企業(yè)績(jī)效越好

H5：資產(chǎn)負(fù)債率越小即負(fù)債比率越小越有利于績(jī)效提高

（二）樣本選取與數(shù)據(jù)來(lái)源 本文的數(shù)據(jù)取自紡織業(yè)上市公司，利用聚源數(shù)據(jù)庫(kù)用2008年凈資產(chǎn)收益率（ROE）攤薄>4‰且總資產(chǎn)收益率（ROA）>2‰的條件對(duì)紡織業(yè)上市公司進(jìn)行篩選，選取具有代表性的紡織業(yè)上市公司20家進(jìn)行分析。

（三）變量定義 本文將企業(yè)績(jī)效指標(biāo)作為因變量，選取凈資產(chǎn)收益率這一評(píng)價(jià)企業(yè)自有資本及其積累獲取報(bào)酬水平的最具綜合性與代表性的指標(biāo)。而將能表示增值稅轉(zhuǎn)型政策的指標(biāo)作為自變量，以當(dāng)年新增的固定資產(chǎn)總額×增值稅稅率/總資產(chǎn)作為衡量增值稅轉(zhuǎn)型政策的指標(biāo)。其中，當(dāng)年新增的固定資產(chǎn)總額×增值稅稅率相當(dāng)于由于增值稅轉(zhuǎn)型而減輕的稅負(fù)。該指標(biāo)即為因增值稅轉(zhuǎn)型而減少的稅負(fù)占總資產(chǎn)的比重。同時(shí)設(shè)計(jì)控制變量控制一些因素對(duì)企業(yè)績(jī)效的影響，分別為公司規(guī)模、固定資產(chǎn)占總資產(chǎn)的比重、每股收益、資產(chǎn)負(fù)債率這四個(gè)變量。變量具體說(shuō)明如表1所示。

（四）模型建立 本文采用先用描述性統(tǒng)計(jì)分析，相關(guān)性統(tǒng)計(jì)分析再做線性回歸分析的方法。相應(yīng)的多元回歸模型為：

Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+ε

其中Y表示凈資產(chǎn)收益率，X1表示增值稅轉(zhuǎn)型政策，X2表示資產(chǎn)規(guī)模，X3表示固定資產(chǎn)占總資產(chǎn)比重，X4表示每股收益，X5表示資產(chǎn)負(fù)債率。

三、實(shí)證結(jié)果分析

（一）描述性統(tǒng)計(jì) 從表2可以看出，凈資產(chǎn)收益率四年的均值分別為-0.078，0.022，0.088，0.008，呈現(xiàn)先上升再下降的趨勢(shì)。我們估計(jì)這可能是2009年金融危機(jī)造成的影響。增值稅轉(zhuǎn)型政策四年的均值分別為-3.68E-3，-1.38E-3，1.48E-4，9.73E-3，呈現(xiàn)一直上升的趨勢(shì)。說(shuō)明凈資產(chǎn)收益率和增值稅轉(zhuǎn)型政策相關(guān)性很高。資產(chǎn)規(guī)模四年的均值分別為20.89，20.99，21.14，21.36，也是呈現(xiàn)一直上升的趨勢(shì)。說(shuō)明增值稅轉(zhuǎn)型對(duì)公司資產(chǎn)規(guī)模帶來(lái)了正面的影響。固定資產(chǎn)占資產(chǎn)比重四年的均值分別為0.377，0.354，0.270，0.299，呈現(xiàn)先下降再上升的趨勢(shì)，說(shuō)明增值稅轉(zhuǎn)型對(duì)企業(yè)資產(chǎn)結(jié)構(gòu)有一定的影響。每股收益四年的均值分別為0.010，0.0783，0.187，0.078，呈現(xiàn)先上升后下降的趨勢(shì)，與增值稅轉(zhuǎn)型政策具有很高的相關(guān)性。資產(chǎn)負(fù)債率四年的均值分別為0.84，0.55，0.47，0.45，呈現(xiàn)持續(xù)下降的趨勢(shì)，說(shuō)明企業(yè)償債能力持續(xù)增強(qiáng)。

（二）相關(guān)性分析 表3列示了各變量之間的Pearson相關(guān)系數(shù)。代表增值稅轉(zhuǎn)型政策的相關(guān)性系數(shù)分別為0.217，0.160，-0.404，0.353，除在2008年宏觀環(huán)境影響下出現(xiàn)負(fù)相關(guān)外，其他三年皆出現(xiàn)正相關(guān)，且相關(guān)性較高。資產(chǎn)規(guī)模也基本上呈現(xiàn)正相關(guān)，表示資產(chǎn)規(guī)模越大，企業(yè)經(jīng)營(yíng)績(jī)效越好。每股收益四年都通過(guò)了1%的顯著性水平的檢驗(yàn)，且均為正。

（三）回歸分析 為了測(cè)試凈資產(chǎn)收益率與自變量及各控制變量的關(guān)系，本文運(yùn)用SPSS統(tǒng)計(jì)軟件對(duì)2009年的數(shù)據(jù)進(jìn)行了回歸分析。選擇2009年的理由是：2009年作為增值稅轉(zhuǎn)型的第一年，這一年的數(shù)據(jù)比其他年份更具有研究?jī)r(jià)值。

根據(jù)表4得出回歸方程：

Y=-0.345+1.856X1+0.016X2-0.086X3+0.321X4-0.036X5

由表4可以看出，該方程總體通過(guò)了F檢驗(yàn)，方程擬合程度較高，說(shuō)明該方程具有統(tǒng)計(jì)意義。

針對(duì)假設(shè)1：代表增值稅轉(zhuǎn)型政策的指標(biāo)顯著性水平為0.050，相關(guān)系數(shù)為2.145，說(shuō)明增值稅轉(zhuǎn)型政策與企業(yè)績(jī)效顯著正相關(guān)。此項(xiàng)政策的實(shí)施會(huì)使企業(yè)績(jī)效變好。假設(shè)1成立。

針對(duì)假設(shè)2：資產(chǎn)規(guī)模的顯著性水平為0.326，相關(guān)系數(shù)為1.017，沒(méi)有通過(guò)顯著性檢驗(yàn)。

針對(duì)假設(shè)3：固定資產(chǎn)占資產(chǎn)比重的顯著性水平為0.287，相關(guān)系數(shù)為-1.107，沒(méi)有通過(guò)顯著性檢驗(yàn)。

針對(duì)假設(shè)4：每股收益的顯著性水平為0.018，相關(guān)系數(shù)為2.681，說(shuō)明每股收益與企業(yè)績(jī)效顯著正相關(guān)。假設(shè)4成立。

針對(duì)假設(shè)5：資產(chǎn)負(fù)債率的顯著性水平為0.638，相關(guān)系數(shù)為-0.482，沒(méi)有通過(guò)顯著性檢驗(yàn)。

四、結(jié)論

通過(guò)對(duì)紡織業(yè)上市公司有關(guān)指標(biāo)的分析，本文得出以下結(jié)論：

第一，增值稅轉(zhuǎn)型可以提高企業(yè)績(jī)效。由于增值稅轉(zhuǎn)型使得購(gòu)買固定資產(chǎn)的增值稅進(jìn)項(xiàng)稅額得以抵扣，從而影響了固定資產(chǎn)成本，即引起了資產(chǎn)的變化，并且通過(guò)累計(jì)折舊引起費(fèi)用的變化，并進(jìn)一步影響利潤(rùn)總額和凈利潤(rùn)，從而提高企業(yè)績(jī)效。

第二，資產(chǎn)規(guī)模這一控制變量在2006～2009年連續(xù)四年皆未通過(guò)顯著性檢驗(yàn)，因此無(wú)法得出資產(chǎn)規(guī)模與企業(yè)績(jī)效水平的關(guān)系的結(jié)論。即企業(yè)績(jī)效水平與資產(chǎn)規(guī)模無(wú)直接聯(lián)系。

第三，固定資產(chǎn)占資產(chǎn)比重這一控制變量在2006年～2009年四年中有一年為正相關(guān)，有一年為負(fù)相關(guān)，另兩年未通過(guò)顯著性檢驗(yàn)，因此無(wú)法下定論。

第五，每股收益與企業(yè)績(jī)效2006年～2009年四年皆成顯著正相關(guān)。即每股收益越大，企業(yè)績(jī)效越好。

第六，資產(chǎn)負(fù)債率與企業(yè)績(jī)效呈負(fù)相關(guān)。即在一定的限度內(nèi)，資產(chǎn)負(fù)債率越小，企業(yè)績(jī)效越好。即面臨較小的償債壓力。

因此通過(guò)整體分析可以得出結(jié)論：增值稅轉(zhuǎn)型確實(shí)可以提高紡織業(yè)上市公司績(jī)效。

篇9

【關(guān)鍵詞】 國(guó)有資本； 企業(yè)目標(biāo)實(shí)現(xiàn)； 相關(guān)性； 列聯(lián)表

一、理論文獻(xiàn)綜述

西方經(jīng)濟(jì)理論認(rèn)為，資本是價(jià)值增值的手段和載體。按所有者不同，資本可以分為公有資本和私有資本，公有資本通常即為國(guó)有資本。我國(guó)的國(guó)家性質(zhì)和經(jīng)濟(jì)體制決定了國(guó)有資本在我國(guó)的重要地位。隨著我國(guó)社會(huì)主義市場(chǎng)經(jīng)濟(jì)體制的逐步建立，國(guó)有企業(yè)改革不斷深入，國(guó)有資本在一般競(jìng)爭(zhēng)性領(lǐng)域戰(zhàn)略調(diào)整步伐日益加快。國(guó)有企業(yè)股份制改革增大了企業(yè)中非公有資本的比例，形成了國(guó)有資本控股、非公有資本參股或非共有資本控股、國(guó)有資本參股的混合所有制經(jīng)濟(jì)的大量出現(xiàn)；但可以看到，在證券市場(chǎng)上，上市公司中國(guó)有資本的比重仍然很大。因此關(guān)于國(guó)有資本與企業(yè)特別是上市企業(yè)經(jīng)營(yíng)績(jī)效關(guān)系的研究在我國(guó)一直是一個(gè)熱點(diǎn)。

關(guān)于國(guó)有資本對(duì)企業(yè)績(jī)效的影響問(wèn)題前人已進(jìn)行了多項(xiàng)研究。在已有的研究中，關(guān)于股權(quán)結(jié)構(gòu)與企業(yè)績(jī)效的實(shí)證研究結(jié)果可以分為兩大類：相關(guān)和不相關(guān)。例如，董麓、肖紅葉（2001）對(duì)169家公司1996年到2000年的有關(guān)數(shù)據(jù)進(jìn)行回歸發(fā)現(xiàn)，股權(quán)集中度、國(guó)家股比例對(duì)上市公司經(jīng)營(yíng)業(yè)績(jī)沒(méi)有影響；而許小年、（1999）通過(guò)對(duì)1993至1995年我國(guó)300多家上市公司的分析發(fā)現(xiàn)國(guó)家股比例與公司績(jī)效正相關(guān)。另外，郭躍進(jìn)、（2005）通過(guò)對(duì)我國(guó)上市公司2002年數(shù)據(jù)的實(shí)證分析，研究了公有資本與非公有資本的結(jié)合效率問(wèn)題，他們發(fā)現(xiàn)公有資本與非公有資本結(jié)合的上市公司中，非公有資本控股上市公司的經(jīng)營(yíng)業(yè)績(jī)明顯優(yōu)于公有資本控股的上市公司。

二、研究方法

雖然關(guān)于企業(yè)股權(quán)結(jié)構(gòu)與企業(yè)績(jī)效關(guān)系的研究前人已做過(guò)很多，并取得了豐碩的研究成果。但關(guān)于國(guó)有資本與企業(yè)特別是上市企業(yè)經(jīng)營(yíng)績(jī)效相關(guān)性研究一直是熱點(diǎn)，且近年我國(guó)經(jīng)濟(jì)環(huán)境發(fā)生了巨大的變化，經(jīng)濟(jì)創(chuàng)新、企業(yè)改革不斷，特別是2008年爆發(fā)的全球金融危機(jī)。因此，重新分析研究當(dāng)前企業(yè)國(guó)有資本與企業(yè)績(jī)效的關(guān)系是非常有必要的。

由于知識(shí)能力和篇幅有限，本文只從反映企業(yè)績(jī)效的一個(gè)方面來(lái)分析，即企業(yè)目標(biāo)實(shí)現(xiàn)程度（或者盈利性）。首先，本文在進(jìn)行國(guó)有資本比例與企業(yè)目標(biāo)實(shí)現(xiàn)程度相關(guān)性分析的基礎(chǔ)上，進(jìn)一步采用列聯(lián)表對(duì)兩者的關(guān)聯(lián)性進(jìn)行分析。

（一）變量選取

1.對(duì)于企業(yè)目標(biāo)實(shí)現(xiàn)程度指標(biāo)，本文選取了凈資產(chǎn)報(bào)酬率（ROE）和營(yíng)業(yè)收入現(xiàn)金比率①。關(guān)于什么是企業(yè)財(cái)務(wù)管理的目標(biāo)，目前學(xué)術(shù)界還存在認(rèn)識(shí)上的差異，主要觀點(diǎn)有三種：企業(yè)利潤(rùn)最大化、股東權(quán)益最大化、企業(yè)價(jià)值最大化。雖然主流觀點(diǎn)是以企業(yè)價(jià)值最大化，但這一目標(biāo)在計(jì)量上存在一定困難，可操作性不強(qiáng)，而且當(dāng)前的股票市場(chǎng)投機(jī)行為較嚴(yán)重，不適合用股票價(jià)值來(lái)反映企業(yè)的價(jià)值。而對(duì)于利潤(rùn)最大化，是一個(gè)絕對(duì)指標(biāo)，對(duì)于規(guī)模相差較大的企業(yè)評(píng)價(jià)，結(jié)論準(zhǔn)確性較差。本文選擇凈資產(chǎn)報(bào)酬率作為企業(yè)目標(biāo)的衡量指標(biāo)的原因：本文選取的樣本企業(yè)均為上市公司，凈資產(chǎn)報(bào)酬率較適合作為股份公司的目標(biāo)，而且，凈資產(chǎn)報(bào)酬率是一項(xiàng)綜合性較強(qiáng)的指標(biāo)。另外，本文還采用了營(yíng)業(yè)收入現(xiàn)金比率作為補(bǔ)充指標(biāo)。這是因?yàn)?，一方面該目?biāo)容易計(jì)量，現(xiàn)金流量和營(yíng)業(yè)收入數(shù)據(jù)可直接從現(xiàn)金流量表和利潤(rùn)表中獲??；另一方面現(xiàn)金流量的大小在一定程度上決定了企業(yè)的生存和發(fā)展能力。因此，“現(xiàn)金流量最大化”可作為“企業(yè)價(jià)值最大化”的具體目標(biāo)。

2.根據(jù)一般意義上的理解，本文將國(guó)有資本定義為上市公司的國(guó)有股份額，并在此基礎(chǔ)上計(jì)算國(guó)有資本占總資本的比率。定義變量B，并為變量B定義其變量值標(biāo)簽：當(dāng)國(guó)有資本比例≥50%時(shí)，取值1，定義為“控股”；當(dāng)國(guó)有資本比例

前述變量和指標(biāo)值均選取2009年年報(bào)數(shù)據(jù)，這樣更能反映2009年在金融危機(jī)影響下國(guó)有資本的新的運(yùn)營(yíng)情況。

（二）樣本選取

本文數(shù)據(jù)來(lái)自國(guó)泰安CSMAR系列研究數(shù)據(jù)庫(kù)。選取2009年度我國(guó)上市公司中國(guó)有資本所占比例較大且集中的交通運(yùn)輸業(yè)，水、電力、煤氣供應(yīng)生產(chǎn)業(yè)和社會(huì)服務(wù)業(yè)三個(gè)行業(yè)作為樣本。在樣本選取時(shí)，剔除了被特別處理的上市公司和國(guó)有資本為零的企業(yè)，最終選取了交通運(yùn)輸業(yè)29家，水、電力、煤氣供應(yīng)生產(chǎn)業(yè)28家，社會(huì)服務(wù)業(yè)23家，共80家上市公司作為樣本企業(yè)。

（三）實(shí)證過(guò)程

1.相關(guān)性檢驗(yàn)

（1）交通運(yùn)輸業(yè)相關(guān)性單尾檢驗(yàn)（見(jiàn)表1）

H0：國(guó)有資本比例與ROE、營(yíng)業(yè)收入現(xiàn)金比率相關(guān)系數(shù)≤0。

H1：國(guó)有資本比例與ROE、營(yíng)業(yè)收入現(xiàn)金比率三者相關(guān)系數(shù)＞0。

結(jié)論：國(guó)有資本比例與凈資產(chǎn)報(bào)酬率（ROE）相關(guān)系數(shù)為0.507，且顯著水平0.003低于0.05，拒絕原假設(shè)，接受對(duì)立假設(shè)，即國(guó)有資本比例與凈資產(chǎn)報(bào)酬率（ROE）顯著正相關(guān)；同理，國(guó)有資本比例與營(yíng)業(yè)收入現(xiàn)金比率也顯著正相關(guān)。

（2）水、電力、煤氣供應(yīng)生產(chǎn)業(yè)相關(guān)性單尾檢驗(yàn)（見(jiàn)表2）

H0：國(guó)有資本比例與ROE、營(yíng)業(yè)收入現(xiàn)金比率三者相關(guān)系數(shù)≤0。

H1：國(guó)有資本比例與ROE、營(yíng)業(yè)收入現(xiàn)金比率三者相關(guān)系數(shù)＞0。

結(jié)論：國(guó)有資本比例與凈資產(chǎn)報(bào)酬率（ROE）相關(guān)系數(shù)為0.451，且顯著性水平0.022低于0.05，拒絕原假設(shè)，接受對(duì)立假設(shè)，即國(guó)有資本比例與凈資產(chǎn)報(bào)酬率（ROE）顯著正相關(guān)；國(guó)有資本比例與營(yíng)業(yè)收入現(xiàn)金比率相關(guān)系數(shù)為0.398，顯著性水平0.051，勉強(qiáng)通過(guò)假設(shè)檢驗(yàn)。

（3）社會(huì)服務(wù)業(yè)相關(guān)性單尾檢驗(yàn)（見(jiàn)表3）

H0：國(guó)有資本比例與ROE、營(yíng)業(yè)收入現(xiàn)金比率三者相關(guān)系數(shù)≤0。

H1：國(guó)有資本比例與ROE、營(yíng)業(yè)收入現(xiàn)金比率三者相關(guān)系數(shù)＞0。

結(jié)論：國(guó)有資本比例與凈資產(chǎn)報(bào)酬率（ROE）相關(guān)系數(shù)為0.535，且P值0.004低于0.05，拒絕原假設(shè)，接受對(duì)立假設(shè)，即社會(huì)服務(wù)業(yè)企業(yè)國(guó)有資本比例與凈資產(chǎn)報(bào)酬率（ROE）顯著正相關(guān)；但國(guó)有資本比例與營(yíng)業(yè)收入現(xiàn)金比率正相關(guān)未通過(guò)顯著性檢驗(yàn)。

通過(guò)對(duì)上述三個(gè)行業(yè)的相關(guān)變量的相關(guān)性單尾檢驗(yàn)，可知企業(yè)國(guó)有資本與企業(yè)盈利性顯著正相關(guān)，即企業(yè)內(nèi)國(guó)有資本份額越大，企業(yè)盈利性越強(qiáng)，企業(yè)目標(biāo)完成程度越好。

2.列聯(lián)表分析

為了做出列聯(lián)表，筆者計(jì)算出上述80家公司的國(guó)有資本比例比例及各變量的平均值，其中，ROE平均值0.0726，國(guó)有資本比例平均值0.35286。以國(guó)有資本比例的平均值為標(biāo)準(zhǔn)，將樣本中的80家公司分為國(guó)有資本高比例和低比例兩類。類似地，以ROE的平均值為標(biāo)準(zhǔn)，將樣本公司分為高盈利和低盈利兩類。得到國(guó)有比例與盈利2×2列聯(lián)表列聯(lián)表中的每個(gè)數(shù)據(jù)是同時(shí)符合行、列所示特征的公司數(shù)量，如表4。

進(jìn)行列聯(lián)表分析：

H0：國(guó)有資本比例與凈資產(chǎn)收益率相互獨(dú)立。

H1：國(guó)有資本比例與凈資產(chǎn)收益率不相互獨(dú)立。

結(jié)果如表5、表6所示。

期望頻數(shù)小于5的單元格為0（低于20%），且最小期望頻數(shù)16.15（大于1），有效例數(shù)為80（大于40），因此卡方值應(yīng)選Pearson Chi-Square=20.124，相應(yīng)P值為0.04

結(jié)論：拒絕原假設(shè)，認(rèn)為國(guó)有資本比例與盈利能力不相互獨(dú)立。

因此，通過(guò)國(guó)有資本比例與盈利能力的列聯(lián)表分析，進(jìn)一步驗(yàn)證了國(guó)有資本與企業(yè)目標(biāo)（以盈利目標(biāo)為代表）的相關(guān)性。

三、結(jié)論

通過(guò)上述相關(guān)性檢驗(yàn)和列聯(lián)表分析，可以得出在以2009年年報(bào)數(shù)據(jù)為基礎(chǔ)上分析，企業(yè)國(guó)有資本與企業(yè)目標(biāo)實(shí)現(xiàn)程度成正相關(guān)。這與大多數(shù)研究的國(guó)有資本效率不高的結(jié)論是相矛盾的。一般研究認(rèn)為，國(guó)有資本的所有者是全體國(guó)民，這是一個(gè)整體概念，缺乏真正人格化的代表，因此在國(guó)有資本的經(jīng)營(yíng)中不可避免的存在多重的問(wèn)題，進(jìn)而導(dǎo)致了國(guó)有資本經(jīng)營(yíng)效率的低下。

而本文通過(guò)實(shí)證分析得出了國(guó)有資本與企業(yè)績(jī)效正相關(guān)的結(jié)論。筆者認(rèn)為這是由于特定的經(jīng)濟(jì)環(huán)境所導(dǎo)致的。2008年爆發(fā)了全球性的金融危機(jī)，2009年我國(guó)政府出臺(tái)了一系列刺激措施，特別是在公共事業(yè)方面，加大了財(cái)政支出。本文所選的三個(gè)行業(yè)，均與公共事業(yè)聯(lián)系密切。

本文存在一定的局限性與不足。首先，只針對(duì)交通運(yùn)輸業(yè)，水、電力、煤氣供應(yīng)生產(chǎn)業(yè)和社會(huì)服務(wù)業(yè)三個(gè)行業(yè)進(jìn)行了分析。其次，受能力和篇幅限制，在指標(biāo)選取方面，只采用了凈資產(chǎn)報(bào)酬率和營(yíng)業(yè)收入與現(xiàn)金比率，還不夠全面。另外，只選取了2009年的數(shù)據(jù)，縱向拓展不夠?qū)?，易受到一些短期因素的影響?/p>

四、現(xiàn)實(shí)指導(dǎo)意義

本文通過(guò)分析研究企業(yè)國(guó)有資本比例與目標(biāo)實(shí)現(xiàn)程度的關(guān)聯(lián)性，得到國(guó)有資本與企業(yè)績(jī)效正相關(guān)的結(jié)論，這對(duì)當(dāng)前我國(guó)國(guó)有企業(yè)的財(cái)務(wù)績(jī)效評(píng)價(jià)具有理論和現(xiàn)實(shí)雙重意義。

受國(guó)際金融危機(jī)以及自身結(jié)構(gòu)性矛盾的疊加影響，我國(guó)國(guó)有企業(yè)發(fā)展面臨著困難與挑戰(zhàn)。處于后金融危機(jī)時(shí)代的國(guó)有企業(yè)，應(yīng)抓住政府出資人的優(yōu)勢(shì)，大力整合現(xiàn)有資源，明晰企業(yè)產(chǎn)權(quán)，真正體現(xiàn)出政府出資人的職能到位。

一方面，完善國(guó)有資產(chǎn)所有者治理結(jié)構(gòu)，建立具有完善法人治理結(jié)構(gòu)的現(xiàn)代企業(yè)制度?？梢宰プ「闹粕鲜械臅r(shí)機(jī)，推動(dòng)企業(yè)主營(yíng)業(yè)務(wù)整體上市，直至整體企業(yè)的上市，在不改變國(guó)家所有權(quán)的前提下，實(shí)現(xiàn)股權(quán)多元化。

另一方面，引人市場(chǎng)的監(jiān)督機(jī)制，重建內(nèi)部激勵(lì)機(jī)制，實(shí)現(xiàn)國(guó)有企業(yè)內(nèi)部治理的高效率。

【參考文獻(xiàn)】

［1］ 杜志淵.常用統(tǒng)計(jì)分析方法――SPSS應(yīng)用［M］.山東人民出版社，2006.

［2］ 郭躍進(jìn)，.我國(guó)上市公司公有資本與非公有資本結(jié)合效率的實(shí)證研究［J］.金融管理，2005（4）.

［3］ 張彥，曹曉麗.資本結(jié)構(gòu)與財(cái)務(wù)目標(biāo)實(shí)現(xiàn)程度的相關(guān)性分析［J］.財(cái)會(huì)通訊（學(xué)術(shù)版），2005（8）.

［4］ 陳艷利.國(guó)有資本收益管理問(wèn)題研究［J］.國(guó)有資產(chǎn)管理，2008（10）.

篇10

一、 研究設(shè)計(jì)

本文選取28家農(nóng)商行2006年～2015年非平衡面板數(shù)據(jù)，分析利差影響因素。樣本數(shù)據(jù)來(lái)自wind數(shù)據(jù)庫(kù)和各銀行網(wǎng)站的公開(kāi)信息（年度報(bào)告、信息披露等）。

常見(jiàn)利差指標(biāo)有兩種，一是衡量銀行存貸款業(yè)務(wù)盈利能力的凈利差（Net Interest Margin， NIM），等于凈利息收入與平均總資產(chǎn)的比重，二是反映銀行定?r能力的利息差額（Net Interest Spread， NIS），即，名義貸款利率與存款利率的差額。根據(jù)數(shù)據(jù)來(lái)源，建立基本模型（公式1），被解釋變量為凈利差（nim），解釋變量包括度量經(jīng)營(yíng)績(jī)效的資產(chǎn)收益率（roa），度量銀行風(fēng)險(xiǎn)的不良貸款率（npl）和流動(dòng)性比率（lr），以及度量業(yè)務(wù)多元化的熵指數(shù)（ei）。另外，模型還加入了銀行規(guī)模、資本充足率、股權(quán)集中度、董事會(huì)人數(shù)、員工人數(shù)和分支機(jī)構(gòu)數(shù)等控制變量。

nim=？琢0+？琢1roa+？琢2ei+？琢3npl+？琢41r+？琢5lna+？琢6ca+？琢7lshp+？琢8bn+？琢9em+？琢10af+？著 （公式1）

本文選取凈利差（nim）作為被解釋變量，衡量銀行傳統(tǒng)存貸款業(yè)務(wù)盈利能力，指標(biāo)數(shù)值越大，說(shuō)明銀行傳統(tǒng)業(yè)務(wù)盈利水平越高。

資產(chǎn)收益率（roa）等于凈利潤(rùn)/平均總資產(chǎn)，是衡量各銀行經(jīng)營(yíng)績(jī)效的常用指標(biāo)，數(shù)值越大，說(shuō)明經(jīng)營(yíng)績(jī)效越好。銀行多元化經(jīng)營(yíng)情況通常使用赫芬達(dá)爾指數(shù)（Herfindahl）或熵指數(shù)度量，因前者產(chǎn)生的馬太效應(yīng)可能會(huì)放大非利息收入與利息收入間的差距，選取熵指數(shù)（ei）度量商業(yè)銀行多元化經(jīng)營(yíng)程度。商業(yè)銀行在經(jīng)營(yíng)管理過(guò)程中面臨信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)等。農(nóng)商行作為地方法人銀行，大多專注于存款、貸款等傳統(tǒng)業(yè)務(wù)，面臨的風(fēng)險(xiǎn)集中于信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)等方面，選取信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)來(lái)衡量銀行風(fēng)險(xiǎn)。由于農(nóng)商行大多為非上市銀行，考慮數(shù)據(jù)的可得性，加之農(nóng)商行信貸業(yè)務(wù)占比較大，面臨的信用風(fēng)險(xiǎn)主要是貸款業(yè)務(wù)的違約風(fēng)險(xiǎn)，選取不良貸款率（npl）作為度量農(nóng)商行信用風(fēng)險(xiǎn)指標(biāo)，數(shù)值越高表示銀行面臨的信用風(fēng)險(xiǎn)越大。流動(dòng)性比率（lr）等于流動(dòng)資產(chǎn)/流動(dòng)負(fù)債，是衡量銀行流動(dòng)性風(fēng)險(xiǎn)的常見(jiàn)指標(biāo)。

銀行規(guī)模大小一般均采用銀行年末總資產(chǎn)來(lái)衡量，總資產(chǎn)越多表明銀行規(guī)模越大，選取年末總資產(chǎn)的自然對(duì)數(shù)（lna）衡量農(nóng)商行規(guī)模大小。作為銀行監(jiān)管的重要指標(biāo)，資本充足率（ca）等于資本總額對(duì)其風(fēng)險(xiǎn)加權(quán)資產(chǎn)的比率，反映銀行抵御風(fēng)險(xiǎn)能力，也是影響銀行利差的因素之一，選取銀行年末資本充足率作為控制變量。股權(quán)集中度是反映銀行股東構(gòu)成的重要指標(biāo)，選用最大股東持股比例（lshp）衡量股權(quán)集中度。銀行董事會(huì)人數(shù)（bn）、員工人數(shù)（em）和分支機(jī)構(gòu)數(shù)（af）都可能影響銀行傳統(tǒng)存貸業(yè)務(wù)開(kāi)展，將其加入控制變量。

二、 實(shí)證分析

1. 描述性統(tǒng)計(jì)。由表1可以看出，樣本農(nóng)商行凈利差均值為2.83%，最小值為0.38%，最大值為5.24%，標(biāo)準(zhǔn)差較小，僅為0.83。解釋變量資產(chǎn)收益率均值為1.29%，標(biāo)準(zhǔn)差為0.60，熵指數(shù)均值為0.38，標(biāo)準(zhǔn)差僅為0.18，是所有變量中最小的。銀行風(fēng)險(xiǎn)衡量指標(biāo)不良貸款率均值為2.12%，標(biāo)準(zhǔn)差為2.38，流動(dòng)性比率均值為48.69%，標(biāo)準(zhǔn)差達(dá)到14.29，說(shuō)明不同銀行面臨的信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)差異較大。主要控制變量中，員工人數(shù)和分支機(jī)構(gòu)數(shù)的標(biāo)準(zhǔn)差大，分別為2 288.58和203.49，表明各樣本銀行對(duì)人力資源和網(wǎng)點(diǎn)設(shè)置投入差異大。

2. 面板回歸。選用傳統(tǒng)最小二乘法、面板固定效應(yīng)模型和面板隨機(jī)效應(yīng)模型，對(duì)樣本數(shù)據(jù)進(jìn)行回歸分析。

Hausman檢驗(yàn)結(jié)果p值0.25，說(shuō)明選擇面板隨機(jī)效應(yīng)模型更優(yōu)。回歸分析結(jié)果（表2）顯示，經(jīng)營(yíng)績(jī)效與凈利差顯著正相關(guān)，面板隨機(jī)效應(yīng)模型下，在1%水平上顯著有效，相關(guān)系數(shù)為0.35。最小二乘法和面板隨機(jī)效應(yīng)模型下，業(yè)務(wù)多元化與凈利差在1%水平上顯著負(fù)相關(guān)，相關(guān)系數(shù)分別為-1.70和-1.09。不良貸款率和流動(dòng)性比率對(duì)凈利差分別有正向和負(fù)向影響，但顯著性較差。在5%水平上，銀行規(guī)模、分支機(jī)構(gòu)個(gè)數(shù)與凈利差之間顯著負(fù)相關(guān)，資本充足率和員工人數(shù)對(duì)凈利差影響為正。

3. 聚類分析。所選樣本數(shù)據(jù)根據(jù)不同標(biāo)準(zhǔn)進(jìn)行分類，適宜采用聚類分析進(jìn)行實(shí)證研究。聚類數(shù)據(jù)的誤差項(xiàng)與組內(nèi)聚類相關(guān)，需要對(duì)聚類進(jìn)行修正。為對(duì)比檢驗(yàn)結(jié)果，首先對(duì)樣本數(shù)據(jù)進(jìn)行非面板聚類分析，然后采用修正過(guò)的面板聚類分析進(jìn)行實(shí)證檢驗(yàn)。

樣本農(nóng)商行28家，涵蓋東部、中部和西部地區(qū)，包括省級(jí)（省、自治區(qū)和直轄市）農(nóng)商行，省會(huì)市（省會(huì)和單列市）農(nóng)商行，地級(jí)市農(nóng)商行，縣（區(qū)）級(jí)農(nóng)商行；成立年限分為五年及以下，五到十年，十年以上?？梢糟y行（bank）、區(qū)域（r）、機(jī)構(gòu)層級(jí)（ins）和成立年限（sy）分別為聚類指標(biāo)。r將東部、中部和西部地區(qū)農(nóng)商行分別賦值為1、2、3。ins將省級(jí)（直轄市、自治區(qū)）、省會(huì)市（單列市）、地級(jí)市、縣（區(qū)）級(jí)農(nóng)商行分別賦值為1、2、3、4。sy將五年及以下、五到十年、十年以上分別賦值為1、2、3。

（1）非面板聚類分析。不考慮數(shù)據(jù)的面板性質(zhì)，直接對(duì)樣本分別以無(wú)聚類指標(biāo)，銀行聚類指標(biāo)、區(qū)域聚類指標(biāo)、機(jī)構(gòu)層級(jí)聚類指標(biāo)和成立年限聚類指標(biāo)，采用普通最小二乘法進(jìn)行回歸分析。

回歸分析結(jié)果（表3）顯示，資產(chǎn)收益率與凈利差在所有檢驗(yàn)方法下均顯著正相關(guān)，說(shuō)明資產(chǎn)收益率對(duì)凈利差有較強(qiáng)的正向影響，銀行經(jīng)營(yíng)績(jī)效提高，會(huì)顯著提升凈利差。

在回歸分析考慮聚類因素后，流動(dòng)性風(fēng)險(xiǎn)、業(yè)務(wù)多元化、銀行規(guī)模、股權(quán)集中度、董事會(huì)人數(shù)、員工人數(shù)和分支機(jī)構(gòu)數(shù)對(duì)凈利差影響顯著。以銀行、區(qū)域和機(jī)構(gòu)層級(jí)為聚類的回歸中，流動(dòng)性比率對(duì)凈利差顯著負(fù)相關(guān)，相關(guān)系數(shù)均為-0.008。在4種聚類分析中，業(yè)務(wù)多元化對(duì)凈利差均有顯著負(fù)向影響，相關(guān)系數(shù)均為-1.7。

對(duì)主要控制變量來(lái)說(shuō)，在銀行、區(qū)域、機(jī)構(gòu)層級(jí)和成立年限的聚類分析中，銀行資產(chǎn)規(guī)模、股權(quán)集中度與凈利差均為顯著負(fù)相關(guān)，員工人數(shù)與被解釋變量顯著正相關(guān)，而分支機(jī)構(gòu)與凈利差在銀行、區(qū)域聚類回歸分析中分別在10%和5%水平上顯著負(fù)相關(guān)。

無(wú)論是否考慮聚類因子以及不同聚類因子，上述普通最小二乘回歸分析的相關(guān)系數(shù)均相同，分析不同檢驗(yàn)方法主要考慮各相關(guān)系數(shù)的標(biāo)準(zhǔn)誤差。從4種聚類分析的標(biāo)準(zhǔn)誤差來(lái)看，按區(qū)域和機(jī)構(gòu)層級(jí)進(jìn)行聚類回歸的標(biāo)準(zhǔn)誤差較小，說(shuō)明其檢驗(yàn)效果更優(yōu)。

（2）面板聚類分析。上述非面板聚類回歸結(jié)果顯示，區(qū)域、機(jī)構(gòu)層級(jí)聚類的回歸結(jié)果標(biāo)準(zhǔn)誤差較小，可以繼續(xù)考慮區(qū)域和機(jī)構(gòu)層級(jí)聚類指標(biāo)，進(jìn)行面板聚類分析，檢驗(yàn)影響凈利差的因素。

面板聚類結(jié)果（表4）顯示，除機(jī)構(gòu)層級(jí)聚類的面板隨機(jī)效應(yīng)模型外，其他檢驗(yàn)方法下，資產(chǎn)收益率均與凈利差正相關(guān)，相關(guān)系數(shù)為0.33（機(jī)構(gòu)層級(jí)聚類的面板固定效應(yīng)模型估計(jì)的相關(guān)系數(shù)為0.44），說(shuō)明銀行經(jīng)營(yíng)效益越好越有利于傳統(tǒng)業(yè)務(wù)發(fā)展。

衡量銀行風(fēng)險(xiǎn)的不良貸款率與凈利差呈正相關(guān)，但相關(guān)系數(shù)均不顯著。區(qū)域聚類的三種回歸方法下，流動(dòng)性比率與凈利差均為顯著負(fù)相關(guān)，但機(jī)構(gòu)層級(jí)聚類回歸分析，在10%水平上流動(dòng)性比率僅在使用普通最小二乘法進(jìn)行檢驗(yàn)時(shí)對(duì)凈利差有顯著負(fù)向影響。

與面板回歸分析和非面板聚類分析類似，熵指數(shù)與凈利差顯著負(fù)相關(guān)，僅在使用機(jī)構(gòu)層級(jí)聚類的面板隨機(jī)效應(yīng)模型時(shí)相關(guān)系數(shù)不顯著，說(shuō)明業(yè)務(wù)多元化對(duì)銀行凈利差有不利影響，將影響銀行傳統(tǒng)信貸業(yè)務(wù)?l展。

除了主要解釋變量之外，控制變量資本充足率、員工人數(shù)與凈利差顯著正相關(guān)，流動(dòng)性比率、業(yè)務(wù)多元化、銀行規(guī)模、股權(quán)集中度、分支機(jī)構(gòu)個(gè)數(shù)與凈利差之間均為顯著負(fù)相關(guān)。