基于岭回归的我国物流业股票价格影响因素分析

2020-09-15宋淑鸿南京林业大学江苏南京210037

物流科技 2020年9期

韩鸣，宋淑鸿（南京林业大学，江苏南京 210037）

HAN Ming, SONG Shuhong (Nanjing Forestry University, Nanjing 210037, China)

0 引言

物流是国家经济发展的重要基础，目前我国社会物流总需求呈平稳上升的发展态势，在2018 年社会物流总额达到283.1万亿，同比增长6.4%。随着中国电商行业趋于成熟，快递行业增速虽然仍维持高位，但明显低于前期水平，说明行业已经进入到稳步发展阶段。资本是推动物流业发展的重要力量，通过上市，可以帮助物流企业解决资金的问题。上市物流企业可以借助资本的力量提升物流品质，拓展新的业务，增加企业规模，提高市场竞争力。但资本市场又是错综复杂的，对于刚入市的物流企业来说，往往会面临着更大的非系统风险。

宋爽[1]（2019）通过实证研究发现，在健康和成熟的股票市场中，股票价格可以反映公司的价值。因此，从长期来看，公司业绩是影响股票价格的重要因素。周红[2]（2016）提出在微观经济层面上每股收益对股票价格的解释力最强。张建波[3]（2014）认为股价波动会受到行业因素的影响，不同行业的竞争和业务模式不同，这也导致了不同行业的资本结构与行业的风险收益不同。学术界虽然越来越重视特定行业的股票价格影响因素的分析，但是难以找到物流业股票价格的相关研究。目前研究股票价格影响因素的主流方法有：多元线性回归、相关性分析、灰色关联法。万丽颖[4]（2016）通过实验模拟发现，岭回归是对最小二乘法的改进，通过允许小的偏差而换取高于无偏估计量的精度，从而更接近真实值，可以解决多重共线性问题。

企业年报所提供的会计信息是投资者进行分析公司价值和投资决策的主要依据。本文的研究目的在于通过对上市物流企业的财务指标和股票价格进行相关程度的量化，为投资者和管理者提供参考。

1 研究设计

1.1 样本和指标选取。本文从国泰安数据库中选取了2014 年至2018 年的我国36 家上市物流企业的财务指标数据，并基于物流行业特性，从偿债能力、盈利能力、经营能力、发展能力和股权集中度五个方面，选取了具有代表性的13 个指标作为自变量，运用SPSS 进行岭回归分析。指标分别为：流动比率（X1）、速动比率（X2）、现金比率（X3）、资产负债率（X4）、资产报酬率（X5）、总资产净利率（X6）、净资产收益率（X7）、管理费用率（X8）、应收账款周转率（X9）、股东权益周转率（X10）、总资产增长率（X11）、净利润增长率（X12）和Z指数（X13）。

1.2 岭回归分析方法。选取的指标越多，可以体现出的价格影响因素也就越多，同时也不可避免的会产生自变量共线性的问题。以线性回归为例，通常情况下VIF 值大于5 说明有共线性问题，出现共线性问题时，可能会导致回归系数的符号与实际情况相反，最终数据产生严重的偏差甚至相反的结论。如果直接移除存在共线性的自变量，会影响研究结果。岭回归是对最小二乘法的一种改良，通过允许部分误差而换取高于无偏估计量的精度，虽然岭回归方程的R2会稍低于普通回归分析，但回归系数的显著性更高，在存在共线性问题的研究中可以从根本上消除共线性问题的影响。岭回归估计表达式为：

2 实证分析

2.1K值和指标的筛选。岭回归分析前需要先确认岭参数K值，K值是岭回归引入单位阵的数量，当K=0 时就是普通最小二乘估计。通常没有固定的K值，K值越小越好，一般小于1。本文将数据导入SPSS 软件中，得到标准化后的岭回归系数表和岭迹图，通过岭迹图来确认K值。

从岭迹图中间的过程中（表1）中可以看出，当岭参数从0 到0.2 时，各变量的回归系数值变化很大，尤其是X12由负值变为了正值，这种异常变化说明存在共线性。通过观察岭迹图（图1）发现，随着岭参数K的增大，变量X1、X2、X4、X7、X10、X11、X12和X13的标准化回归系数值越来越接近0，说明这8 个指标预测作用很小，予以剔除。当岭参数K大于0.15 时，各回归系数值逐渐稳定，变化减小。因此，根据误差最小化原则，选择0.15 作为岭回归参数。