财务视角下我国上市公司股价波动影响因素研究——基于沪深59家采掘业上市公司的面板数据

谢阿红，薛倩玉，高佳薪，朱家明

安徽财经大学 1.会计学院;2.经济学院;3.金融学院;4.统计与应用数学学院，安徽蚌埠，233030

资本市场错综复杂，公开透明的信息披露是资本市场得以有效运行的前提；信息的披露又分为历史信息的披露和未来信息的披露，历史信息的披露主要是指公司相关的财务指标，相对于未来信息，历史信息更易获取。随着我国经济的不断发展，财富积累逐渐增多，越来越多的人开始从事投资理财活动，在中国股票市场散户居多，散户的资金量少，而且散户对于如何选股投资缺乏一定的认知。同时我国的众多投资者的投资理财水平也较低，而众多股民和股票投资者是否有效利用资本市场公开披露的信息进行投资理财是决定其投资效益的重要因素之一。研究股票价格波动的影响因素，有助于指导股票投资者进行合理且高收益的投资，也有利于提高广大散户的收益率，具有一定的现实意义。采掘业作为我国经济的基础性产业，主要为国家各个部门提供矿物原料，在国民经济的发展中举足轻重。经济新常态背景下，国家为加快供给侧改革，势必会加快产业结构调整，因此采掘业产能过剩成为供给侧改革的重点之一，而这也可能使得该行业的股票市场非系统性风险加大[1]。因此，研究采掘业上市公司的股票价格波动具有实践意义，利于投资者确定投资方向。本文从财务视角以研究我国沪深两市采掘业上市公司为例，探究公司公开披露的历史财务信息与股票价格波动的关联性，分析影响股票价格波动的主要因素，降低投资者与公司财务信息的不对称，帮助投资者更合理科学地进行投资。

1 相关研究与问题提出

国外关于股票价格波动研究开始较早，Beaver通过研究143家上市公司1961—1965年的500多次收益前后八周交易量与股票价格的波动幅度，研究发现与未公布财务信息时相比，财务指标公布后的成交量显著提高，因此进一步说明了披露的财务指标能够向市场传递有用的投资[2]；Clarkson等认为利率、股票价格指数等因素都可能影响到股票价格，但是每个指标因素的影响程度不同，且每个指标间可能相互影响，即为各个因素在影响股票价格的同时又有着各自独立的影响，彼此共同作用时对股票价格起到协同影响的作用[3]；Park等为研究各类财务指标对股价的具体影响程度，通过对公司财务指标与股价进行了定量分析，分析结果发现，上市公司的盈利能力指标对股票价格的影响程度最高[4]。

相比国外学者，国内对于股票价格波动影响因素的研究起步较晚。董欣欣以395家中小板上市公司的股票价格为因变量，财务指标为自变量，利用主成分分析法分析了财务指标数据与股价的关联性，结果表明盈利能力和股票结构相关指标与股票价格正向关联，且具有较高的关联性；偿债能力和其他指标与股票价格虽也呈现正向关系，但是相关性不强[5]。姚文英等以钢铁和房地产行业的 A 股上市公司作为研究对象，利用实证的方法研究了上市公司的财务状况对股票价格的影响，为广大投资者做出投资决策提供了理论依据[6]。李建军通过建立多元线性回归模型对沪深1354家上市公司的股票价格上涨率与财务指标的相关性进行了实证研究，实证结果表明股票价格上涨率与每股收益呈现显著正相关，与长期负债率显著负相关[7]。吴艳敏利用2015—2017 年房地产上市公司财务指标的横截面数据，从盈利能力、营运能力、偿债能力、发展能力和现金流量能力五个方面选取了 13个财务指标作为解释变量，选取了房地产上市公司股价年均收盘价作为被解释变量，通过建立多元线性回归模型研究了财务指标和其股价间的关系，并发现连续三年盈利能力指标对股价有着显著影响，这表明投资者在对房地产上市公司进行投资时应更看重其盈利能力[8]。

国内外学者都在不同层面对股票价格影响因素进行了详细研究，对于本文的研究具有借鉴意义，但是也存在不足之处。多数学者以简单的回归模型和主成分分析法研究财务指标与股票价格间的相关性，而且多数研究的是横截面数据，且进行模型研究的年份久远，无法给投资者最新的投资活动合理科学的指导，研究领域也多局限在房地产、钢铁、电力等相关行业，缺少对国民经济基础性产业的研究。因此，本文综合国内外学者对股票价格影响因素的研究成果，从财务视角出发，在衡量上市公司盈利能力、偿债能力、成长能力、营运能力与现金流能力五个层面选取了12个财务指标，引入2015—2017年59家采掘业上市公司的面板数据，通过数学模型来研究采掘业上市公司的股价变动因素，有助于众多投资者了解采掘业股价状况，具有一定的指导意义。

2 模型建立与指标选取

财务指标的选取是研究股票价格波动的重要环节，考虑到众多影响因素，本文从五个层面选取了12个财务指标，通过建立指标数据与股票价格之间的回归模型，深入研究影响股票价格波动的重要因素；不同于简单的多元回归，本文基于面板数据建立了固定效应模型，使得问题的研究结果更加合理化。

2.1 财务指标选取

财务指标能够较好地反映一个公司整体发展状况，一般而言，主要的财务指标分为四大方面“盈利能力”“偿债能力”“成长能力”与“营运能力”[9]，近些年来，企业的现金流能力也逐渐被纳入评价企业财务状况的指标体系中，因此本文从这五个层面来选取影响公司股价波动的指标因素，具体可见财务指标图(图1)，将12个财务指标数据作为解释变量，股票价格作为被解释变量，在选取股票价格时，考虑到财务报表披露一般在次年4月，因此选取的股票价格均为财务报表披露后的股票价格，即为2016—2018年5月份的收盘股票价作为被解释变量。

图1 解释变量指标图

(1)偿债能力主要指企业偿还债务的能力，本文选取流动比率和速动比率作为解释变量，一般而言，流动比率和速动比率的指标值较高说明企业具有较好的偿债能力。

(2)盈利能力主要指企业获取收益的水平，在反映上市公司盈利能力的众多指标中，选取了营业净利率和净资产收益率作为解释变量。营业净利率和净资产收益率属于效益性指标。

(3)营运能力反映企业对资产的营运以及管理水平，而应收账款周转率、存货周转率和总资产周转率能够较好地反映企业的营运能力，因此选取这三个指标作为影响采掘业上市公司股票价格波动的解释变量。应收账款周转率、存货周转率和总资产周转率均为效益型指标。

(4)成长能力主要指企业扩展业务规模与经营的能力。总资产增长率反映企业总资产规模增长，净利润和净资产收益率增长率反映企业的收益的增长状况，因此选取总资产增长率、净利润增长率和净收益增长率，三者都是正向指标。

(5)现金流能力主要指企业管理和运用现金的能力，反映公司短期的生存状态。本文选取了净利润现金流量和每股现金净流量作为解释变量，研究现金流能力相关指标与被解释变量股价的相关性。

2.2 数据样本来源

本文研究的是沪深两市采掘业上市公司的股票价格波动状况。采掘业是我国的基础产业，是各个生产行业的能源支柱行业。在数据样本选取中，剔除了部分财务数据缺失或者股价数据缺失的公司，从73家上市公司中最终选取了59家上市公司，所有的指标数据均来源于国泰安CMRAS数据库，考虑到年报披露的时间，为减少因时间差异而造成的模型误差，将研究年份的次年5月收盘价作为股票价格数据。

2.3 研究方法

本文利用Eviews 9.0，进行问题的研究，59个上市公司作为横截面数据，2015—2017年的股价和指标数据构成时间序列数据，两者相结合组成了面板数据；由于财务指标与股票价格间存在线性关系[10]，因此建立了如下模型：

Y=α+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+β8X8+β9X9+β10X10+β11X11+β12X12+ε其中α为常数项，ε表示随机误差项，βi表示解释变量的系数，Y表示被解释变量，Xi表示解释变量。

3 实证分析

3.1 单位根检验

在数据进行回归前，首先需要对数据进行单位根检验，以确保所收集的各指标因素是平稳数据，同时也是避免出现伪回归的必要步骤。因此本文对于12个财务指标和股价进行单位根检验，所收集的数据在时间上跨度短，因此选择LLC单位根检验，一般而言，当P<0.05时，即认为数据是平稳的，反之数据不平稳，详见表1。

表1 LLC单位根检验

由检验结果可知，所有指标数据的P值都小于0.05,即数据指标是平稳的，可以进行回归。

3.2 面板模型的确定

面板数据的回归模型有三种，分别为混合回归模型、固定效应模型与随机效应模型。确定面板数据具体适用哪种模型，首先需要进行F检验来判断是混合回归模型还是固定效应模型，然后再进行Housman检验判断是随机效应模型还是固定效应模型，只有经过两次模型检验，才能最终得到最合理的面板回归模型[11]。

⑴F检验

F统计量检验一般用于判别面板数据使用混合回归模型还是固定效应模型，基本假设如下：

H0:模型中不同个体的截距相同(实际模型为混合回归模型)

H1:模型中不同个体的截距不同(实际模型为固定效应模型)

F统计量为：

其中，SSEr为混合回归模型的残差平方和，SSEf为固定效应模型的残差平方和，M代表截面个体的数量，N代表时期数，P表示解释变量的个数；在5%的显著性水平下，如果F值大于查表所得的临界值则使用固定效应模型，即为拒绝原假设。

表2 固定效应模型和混合回归模型

由表2的Eviews 9.0输出结果可知，SSEr=8 856.735,SSEf=1 626.591。

=8.12356

经查F检验表可知F(58，106)=1.47 ，F=8.123 56>F(58，106)=1.47,所以拒绝原假设，应建立固定效应模型。

⑵Housman检验

Housman检验一般用于决定面板数据适用于固定效应模型还是随机效应模型，利用Eviews 9.0进行随机效应模型，结果详见表3。

表3 随机效应模型结果

具体的Housman检验结果详见表4，一般而言，当P<0.05时即为拒绝原假设，模型应为固定效应模型。

表4 Housman检验结果

因为Housman的检验结果中P值小于0.05，所以拒绝原假设，模型应为固定效应模型。

⑶固定效应模型

利用Eviews 9.0进行固定效应模型[12]，具体的模型输出结果详见表5。

表5 固定效应模型

由Eviews 9.0输出结果可知，R2=0.976 784说明模型的拟合效果较好，具体的影响分析如下：

①偿债能力与股票价格

在5%的显著性水平下，流动比率和速动比率与股票价格呈现显著正相关，显著性系数分别为4.181 029和4.174 536，说明当流动比率和速动比率每增加一个单位，股票价格就分别上涨4.181 029和4.174 536个单位，总体而言，采掘业上市公司的股票价格受公司的偿债能力影响较大，因此投资者在进行股票投资时需着重关注上市公司的偿债能力相关指标数据。

②营运能力与股票价格

在5%的显著性水平下，营运能力相关财务指标与股票价格呈现显著正相关，应收账款周转率的显著性系数为0.889 921，存货周转率和总资产周转率的显著性系数分别为0.047 309和0.999 646，即为在所选的营运能力指标中，存货周转率对股票价格变动的影响程度最小，因此投资者进行投资时在关注采掘业上市公司营运能力时，应重点关注应收账款周转率与总资产周转率。

③盈利能力与股票价格

在5%的显著性水平下，营业净利率和净资产收益率与股票价格呈现显著正相关，显著性系数分别为4.140 05和2.457 596，说明当流动比率和速动比率每增加一个单位，股票价格就分别上涨4.140 05和2.457 596个单位，相比偿债能力与营运能力，盈利能力相关指标对于采掘业上市公司股票价格的影响度较高，股票价格的波动在很大程度上会与盈利能力指标相关，在实际股票市场也是如此。

④成长能力与股票价格

在5%的显著性水平下，成长能力的相关指标与股票价格的相关性较低，有显著性系数可知，总资产收益增长率的显著性系数为0.497 259，即为当总资产收益率每增加一个单位，股票价格会向上波动0.497 259个单位，而净资产收益增长率与净利润增长率的显著性系数分别为0.001 844和0.003 582，表明两个财务指标对股票价格的影响度较低。

⑤现金流能力与股票价格

在5%的显著性水平下，净利润现金净含量与股票价格呈现显著正相关，显著性系数为0.028 543，说明当净利润现金净含量每增加一个单位时，股票价格就会上升0.028 543个单位，每股现金净流量的显著性系数为0.171 680，即为当每股现金净流量每增加一个单位时，股票价格就会上升0.171 680个单位，采掘业上市公司的现金流财务指标对股票价格的影响程度较低，但是在进行投资交易时也是反映上市公司基本现金流状况的重要参考数据。

总之，采掘业上市公司股票价格波动的最重要影响因素为盈利能力和偿债能力相关指标，其次为营运能力和成长能力相关指标，现金流能力相关指标数据的作用力较小。

4 结 语

本文以沪深两市59家采掘业上市公司的面板数据为研究对象，先后进行了F检验和Housman检验，最终建立固定效应回归模型，深入探究影响采掘业上市公司股票价格波动的公司指标因素。研究结果发现，采掘业上市公司的盈利能力和偿债能力对股票价格变动有显著影响，且影响度较高；其次为公司的成长能力和营运能力指标；而公司的现金流能力相关指标对股票价格波动的影响度较低。研究结果对热衷于采掘业股票投资的相关投资者具有指导意义，也为其他学者的研究提供借鉴；本文的创新之处在于引入了面板数据模型，不同于以往研究所使用的简单回归，本文的不足之处在于没有引入非财务指标因素，没有考虑到非财务指标因素对股票价格波动的影响，在后续研究中会增加非财务指标数据，达到更好地研究效果。