上市公司财报利润信息与股价累计超额收益率相关关系的实证研究

朱景明

摘 要：   选股模型和股价预测一直是学者们研究的重点。文章基于A股投资的背景，使用Logit模型，分析了上市公司财报利润信息与财报公告日前后三天的累计超额收益率之间的相关关系。结果发现，这一关系为显著的正向相关关系。然后，通过划分行业进一步分析了这一相关关系，并基于分析所得的利润信息和行业信息提出了一个简单、易操作的选股模型。最后，通过选股验证，发现基于该模型的每一次调仓交易都可以获得令人满意的超额收益。这一结果可以为A股投资者的选股投资提供参考。

关键词：  实证分析；Logit模型；累计超额收益率；选股模型

中图分类号：  F 832.48

文献标志码：   A

Research on the Correlation Between Profit Information andCorresponding Cumulative Abnormal Return from ListedCompanies in China： Based on Logit Model

ZHU Jingming

（Antai College of Economics and Management， Shanghai Jiao Tong University， Shanghai 200030， China）

Abstract：  Stock selecting models and stock price predicting models have been the focus of scholars for decades. Based on the background of stock investing in China， the correlation between profit information and cumulative abnormal return is researched in this paper by using Logit model. It turns out that there is significant positive correlation between these two variables. After that， correlations of the two variables from different industries also get tested. Then， based on the results above， a simple and easily understandable stock selecting model is put forward and it turns out that this selecting model can help investors get acceptable profit from less-frequent stock trading， which gives a good investing reference.

Key words：  empirical analysis; Logit model; cumulative abnormal return; stock selecting model

隨着我国权益投资制度的完善，民众的炒股热情日渐高涨。根据东方财富网的消息，截至2020年4月，A股沪深股票的总市值达到了59.40万亿元，A股股票的投资账户数也已经扩大到1.64亿个。基于我国A股投资者的投资习惯，这些账户的所有者大多为个人投资者，占比超过99%，持有市值大于总市值的25%，超过境内专业机构投资者的持有市值。相较于专业的机构投资者，个人投资者的仓位换手率更高，平均年化收益却更低，表现出的资金运作水平、风险控制能力等相较来说远远不足，对个股重大事件的敏感性也较强。

A股个股的重大新闻和公告对个股股价上涨水平有着极大的影响。同时，由于A股“T+1”的交易制度，因为重大信息刺激而导致的股价变化不会被迅速消化。因此，利好的消息会在短时间内促进股价上涨，利空的消息则反过来影响股价下跌。举例来说，2020年5月，由于网络直播购物的盛行以及与知名网络带货主播薇娅达成的合作，梦洁股份（002397）在5月中旬经历一波大涨，股价由低点的4.29元每股飙升到最高的10.12元每股，涨幅高达135.90%。但后来，由于爆出大股东趁机减持套现的消息，梦洁股份的股价又开始大幅下跌，如今股价已不足6.50元每股。同样，每一季度的公司财报信息，尤其是利润信息，也会对公司股价短期波动造成很大的影响，比如韦尔股份（603501），由于2020年一季报的优秀表现，股价在一季报公告后逐渐攀升，一度涨超210元每股。

基于A股的投资现状，笔者认为可以通过公司财报利润信息，包括利润增长值和利润增长率，来对个股股价在公告日前后的涨跌幅情况进行验证分析。笔者预计超预期的利润增长将会带来股价的上涨，反之亦然。而且，如果这种关系成立，那么投资者就可以基于上市公司的业绩数据来进行调仓交易。每一年，公司财报的公布时间大多在4月、7月和10月。由此，笔者期望在不考虑其他交易的情况下，通过每月一次、每年共三次的交易模式给投资者带来正向的超额收益。

1 文献综述

国内关于财报利润信息对上市公司股价影响的专题分析并不多，相关的分析主要集中在单一公司的财报信息解读上。比如，上官鸣、周唯等（2015）基于恒大地产的财报信息，通过财务数据变动分析永续债对财务报表的影响。陈胤江（2014）基于哈佛分析框架，对携程公司的财务报表进行详细分析，重点点明了利润信息的影响。这些分析主要是基于财报信息在特定管理模型下进行的主观分析，并没有使用很多定量的分析方法。

在定量的实证分析和选股定价模型上，以往的学者也主要把焦点放在模型、算法的构建上，极少有学者对财报利润信息进行集中统一的实证研究。苏治、傅晓媛（2013）提出了核主成分遗传算法与SVR选股改进模型，将利润信息包含在选股因子当中。王秋玮（2017）用时间序列的数据分析方法，对26家ST上市公司2012—2016年的财报面板数据进行实证分析，提出了新常态下ST公司财务困境预警机制。张虎、沈寒蕾等（2020）基于神经网络算法提出多因子量化选股模型，其中的因子信息包含了利润增长的数据。

总的来说，学者基于财报利润信息的专题研究不是很多，而是将其当作辅助信息，来验证自己的模型。在本次研究中，笔者基于财报中的利润信息进行专题研究，分析它与个股股价增长的相关关系。利润信息能够最直接、最便捷地反映上市公司的经营情况，对于投资者来说也更清晰易懂，笔者希望基于上述相关关系提出一个简单的选股模型，帮助投资者选股投资。

2 研究设计

本次实验希望通过A股上市公司财报利润信息来验证其与财报公告日前后三天的累计超额收益率之间的关系。研究过程分为以下几个步骤：（1）获取数据；（2）数据处理；（3）实证研究；（4）模拟选股验证。

（1）获取数据。本次实证研究的自变量为A股上市公司财报利润信息，包含利润增长值和利润同比增长率；因变量为财报公布日前后三日的累计超额收益率（CAR3），需通过公司股价日增长率与上证指数日增长率来共同计算。

笔者在网易财经的官网上获得了2016—2020年A股上市公司的财报利润信息，包含季报、半年报和年报中的公司利润增长绝对值、利润同比增长率以及财报公告日期。同时，笔者在国泰安数据库内获得了2016—2020年A股上市非ST公司的日收盘价信息，在万得数据库内获得了2016—2020年上证指数日增长率信息，通过这些数据可以计算个股在特定时间的CAR3。

由于研究第四步模拟选股验证的需要，笔者同时在网易财经官网上获取了2016—2020年A股上市公司财报业绩预告中的利润信息。

（2）数据处理。对于上述获取到的数据，笔者将它们按照日期综合在同一张表格中。然后，通过获取到的股价数据和上证指数增长数据计算出上市公司在财报公告日前后三天的累计超额收益率。最后，将所有数据再次按照日期综合在同一张表格中。

（3）实证研究。笔者期望验证，公司公告的利润信息会对企业在公告日前后的股价波动造成影响。因此，笔者根据财报利润变化值和变化率将上市公司分成若干类。最后，统一验证其与对应公司累计超额收益率之间的相关关系。由于股价变化波动不一，同一交易日股价有涨有跌，笔者接着将这些公司按照行业进行分类，然后分析各行业股票利润信息与对应累计超额收益率之间的关系。

（4）模拟选股验证。 基于上面的实证研究，笔者按照行业信息和利润增长信息对每只股票在特定的日期进行建模打分，并根据分数高低的排序，在特定的交易日买卖股票，获得财报公告日前后三天的累计收益。最终，笔者希望通过这样的操作获得正向的累计超额收益。由于财报利润信息对于交易日操作来说属于未来信息，笔者希望通过业绩预告中的利润信息来近似反映个股真实财报的利润状况，最终将所有数据代入模型中进行选股验证分析。

笔者预期，股票利润增长与累计超额收益率水平呈正相关关系，这种关系在不同行业中会有不同的表现。同时，基于利润信息和行业信息的选股模型将会帮助获得令人满意的正向超额收益。

3 验证分析

3.1 概念介绍

3.1.1 累计超额收益率

本文的研究方法参考了周志中、徐杰（2020）的研究设计。根据Chang、Zhang等（2016）的介绍，累计超额收益率为个股日收益率与基准日收益率差值在选定时段的累加和。

CARjn= ∑nt=1（Rjt-R^jt） （1）

上述公式中，Rjt表示上市公司j在第t日的日收益率，R^jt代表上市公司j在第t日的基准日收益率，可以用指数收益率来替代。基于文献，笔者选择的基准日收益率为上证指数的日增长率，选定时段为财报公告日前后三天，即财报公告日前后三天的累计超额收益率（CAR3）。详细来说，如果财报在第0日公告，那么选择的三日为第-1日到第+1日。

3.1.2 Logit模型

Logit模型（Logistic Regression Model）即逻辑回归模型，是离散选择法模型之一，主要应用于社会学、生物统计学、临床、数量心理学、计量经济学、市场营销等多行业的分类评定上。它的公式為：

P（y=1│X）= 1 1+e-g（x）  （2）

P（y=0│X）= 1-P（y=1|X）= 1 1+eg（x）  （3）

g（x）=w0 +w1x1+…+wnxn （4）

其中：g（x）代表基于原始数据的回归模型。然后通过Logistic函数变换，使得最终值处在（0，1）区间内。如果将因变量y值为0和为1看作两类，那么这样的变换能够方便判断特定的样本数据属于哪一分类。

3.2 利润信息与累计超额收益率的实证分析

本次实证研究的自变量为利润信息，包括利润增长值和利润同比增长率，这些数据都可以在上市公司财报信息中获取到。在获取到原始的股价、指数等数据后，笔者对数据进行整理。由于网易财经网站会将公告日还未上市的股票利润信息挂在官网上，笔者经过筛选剔除掉这部分信息，最终获得了17581份有效数据，然后基于利润的变化值和变化率，笔者将股票信息分为9组，具体分组见图1。

这样的分组可以减少极端值对模型参数估计的影响。同时，由于笔者在意的是收益率和收益值皆为正的股票，所以在此对它们进行了更为细致的划分。对于股票的累计超额收益率（CAR3），笔者将大于0的记为1，小于0的记为0。在此，笔者重点关注的是CAR3为1的情况。数据处理完成后，将每一时期每只股票的分组组号和其对应的CAR3代入logit回归模型中进行计算，结果如表1所示。

可以发现，自变量系数值为正，符合预期，对应的P值小于0.01，在1%的显著性水平上，系数显著不为0。然后，对模型结果进行验证，重点关注因变量为1时的模型验证准确率，最终结果如表2所示。

验证发现，CAR3为1时的验证准确率为66.95%，大于50%，笔者认为这一结果可以接受。

由于不同行业股票变化程度不同，笔者对上述股票进行行业划分，参考行业为网易财经中的行业划分，然后在不同行业中再次验证个股收益信息与CAR3之间的相关关系。结果发现，系数显著的行业对应的系数值均为正，具体的显著性情况和准确率验证情况如表3所示。

可以看出，对于不同的行业，利润信息与CAR3的相关关系十分不同，对应的CAR3预测准确率也有着不同的值。我们对结果显著的行业和结果不显著的行业进行分类，并计算两种情况对应股价日增长率的标准差，结果如表4所示。

可以看到，在样本量大体一致的情况下，预测结果显著的行业具有较大的标准差。根据这一观察，笔者认为，财报利润信息对于股价波动较大的股票有着更为显著的正向影响。

3.3 基于行业信息和利润信息的选股分析

基于股票的行业信息和财报的利润信息，笔者构建了如下的选股打分模型：

Score=industry×（1-α）×group （5）

其中：Score代表股票的打分；industry表示对应行业CAR3为1的预测准确率；α代表显著性水平，取值在［1%，5%，10%］之中，对于每一行业取满足条件的显著性水平最小值，对于行业不显著的股票，industry×（1-α）的值统一设置为0.5，表示无法通过行业信息和利润信息进行有倾向性的判断；group表示个股在特定时期的分组组号。

由于财报的利润信息对于交易来说属于未来信息，因此笔者用业绩预告中的区间利润均值与区间平均利润率来近似替代真实值。在11331份有效数据中，真实的利润增长值和增长率落在业绩预告区间中的概率为82.98%。因此，笔者认为，可以用业绩预告的区间均值来代替真实值进行处理。

关于交易信息，笔者假设：

（1）不考虑交易手续费和滑点。

（2）有充足的资金可以用来购买股票。

（3）所有买卖操作都可以瞬间完成。

由于财报的公告日期大多在每年的4月、7月和10月，因此笔者选择在每一年的4月、7月、10月进行按月调仓的买卖交易，选择模型分数从大到小排名前20的股票，如果分数相同，再根据股票绝对收益值由大到小来选择。令财报公告日为第0天，笔者模拟在第-2天用收盘价等权买入选中股票，在第+1天用收盘价清仓，这样就可以获得公告日前后三天的累计收益。同时，若调仓月份有效数据量小于100，则不进行买卖操作。最终结果如表5所示。

根据模拟结果可以得出，在不进行其他买卖操作的情况下，仅通过业绩预告中的利润信息按月调仓，可以获得平均年化为3.6327%的超额收益率。笔者认为在每一次操作都可以获得平均1.2109%超额收益率的情况下，这一结果是可以令人接受的。

4 结论与建议

在本次研究中，笔者基于A股的投资背景对上市公司的财报利润信息进行专题实证研究，分析其与股票累计超额收益率之间相关关系，并分行业对这一关系进行解读，最终发现这一相关关系为显著的正向相关关系，这一事实符合笔者的预期。然后，笔者基于这一相关关系提出了以利润信息和行业预测准确率为基准的选股模型，随后对这一模型进行验证分析，发现在不考虑其他交易操作的前提下，较少的交易操作可以给投资者带来令人接受的超额收益。这一结果可以作为投资者在A股选股投资的参考。

当然，本次研究也存在以下不足。首先，研究并没有对细分行业下非显著行业进行深入解读，判断其非显著性的原因。其次，仅仅通过标准差比较来判断显著行业与非显著行业的差异，这一做法相对简单。笔者认为可以通过其他指标进一步分析二者的差异。最后，笔者认为，如果能够给选股模型引入更多的影响因子，同时更加细化调仓周期，那么选股的结果应该会更加准确，超额收益也会更高。

当然，在本次研究中，笔者希望针对A股广大的个人投资者提出一个较为简单、直观、易操作的选股模型，帮助他们在特定的时间获得相对可靠的超额收益。不过，该模型依舊有很大的改进空间，相对地，超额收益也应该会有很大的提高。

参考文献：

［1］  上官鸣，周唯，白猛猛. 基于永续债视角的恒大地产财报分析［J］. 财会月刊，2015（4）：74-76.

［2］ 陈胤江. 基于哈佛分析框架对携程的财务报表分析［J］. 财务分析，2014，10（19）：83-85.

［3］ 苏治，傅晓媛. 核主成分遗传算法与SVR选股模型改进［J］. 统计研究，2013，30（5）：54-62.

［4］ 王秋玮. 基于时间序列模型的ST上市公司财务困境预警研究［J］. 现代营销，2017（5）：133-133.

［5］ 张虎，沈寒蕾，刘晔诚. 基于自注意力神经网络的多因子量化选股问题研究［J］. 数理统计与管理，2020，39（3）：556-570.

［6］ 周志中，徐杰. 中美股市配对因子实证分析［J］. 系统管理学报，2020，29（3）：417-425.

［7］ BALL R， BROWN P. An empirical evaluation of accounting income numbers［J］. Journal of Accounting Research，1968，6（2）：159-178.