《基于面板数据的市场法在我国证券公司价值评估中的应用.pdf》由会员分享，可在线阅读，更多相关《基于面板数据的市场法在我国证券公司价值评估中的应用.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、统计与决策2010年第4期（总第304期）作者简介：谭章禄（1962-）男，教授，博士生导师，研究方向：管理科学与工程、管理信息系统、工程技术经济、经济系统分析；袁煌（1968-）男，博士研究生，高级经济师，研究方向：企业管理、资产评估。基于面板数据的市场法在我国证券公司价值评估中的应用摘要：传统的资产评估市场法，基于基准日截面数据进行单一维度的分析。将面板数据模型应用在市场法评估中，从理论上讲是可行的。鉴于证券公司特点，市场法成为首选方法情况下，对其评估结果的要求相对提高。文章通过面板数据模型在证券公司市场法评估中的实证分析，验证了该方法理论上的可行性，以及对评估结果准确性提高的帮助。关键词
2、：面板数据；市场法；证券公司；价值评估中图分类号：C93文献标识码：A文章编号：10026487（2010）040134-04谭章禄，袁煌（中国矿业大学（北京）管理学院，北京100083）1证券公司特点及适用评估方法我国证券公司的主要业务模块一般包括经纪业务、投资银行、资产管理、证券投资和研发，而这些业务均与证券市场变化高度相关。由于我国股票指数较大的波动，对其未来情况进行长期准确预测是很难做到的。因此，在企业价值评估三种基本方法中，收益法由于其未来收益预测的难度，评估证券公司价值难以采用。同时，由于证券公司账面资产中以流动资产为主，且存在大量的客户资源、信誉度、以及特许经营权等无法在账面反映
3、的无形资产，所以采用成本法也难以体现其合理市场价值。考虑上述因素，在对证券公司进行企业价值评估时，市场法应该是首选的方法。市场法包括参考企业比较法和并购案例比较法。而并购案例由于并购信息获取等因素影响，一般情况下较多采用参考企业比较法。目前我国证券类上市公司已有10家，包括创新类（5家）和规范类（5家），具有一定小，表明股价波动的信息内含并不明朗。4结论本文从股票价格的情报内含角度出发，分析了股票价格能否预期未来经济走势及股票价格是否应纳入货币政策目标体系。本文的实证分析结果表明：实质股价变动对GDP和CPI变动的解释力不显著。此外，股价对GDP和CPI变动的样本外预测，同样表现不佳。即股价变
4、动的信息内涵无助于提供未来经济活动和物价变动的有用信息。因此中央银行对股市的态度只能是关注而非盯住，股票价格的变动不应纳入央行的反应函数。参考文献:1Fuhrer J,G Moore.Monetary Policy Rules and the IndicatorProperties of Asset Prices J.Journal of Monetary Economics,1992,29(2).2Bernanke BS,MGertler.MonetaryPolicyandAssetPriceVolatilityJ.Federal Reserve Bank of Kansas City Ec
5、onomic Review,1999,17-53.3Cogle T.Should the FED Take Deliberate Steps to Deflate AssetPrice Bubbles?J.Federal Reserve Bank of San Francisco Eco-nomic Review,1999,(1).4Bernanke B S,M Gertler.Should Central Banks Respond toMovements in Asset PricesJ.American Economic Review,2001,91(2).5Filardo A J.Sh
6、ould Monetary Policy Respond to Asset PriceBubbles?Some Experimental Results J.Federal Reserve Bank ofKansas City,2001,01-04.6钱小安.资产价格变化对货币政策的影响J.经济研究,1998，(1).7刘澜飚,范小云.股票价格膨胀与中央银行政策反应J.南开经济研究,2001，(6).8刘霞辉.资产价格波动与宏观经济稳定J.经济研究,2002，(4).9吕江林.我国的货币政策是否应对股价变动做出反应J.经济研究,2005，(3).10王劲松,韩克勇.股票价格与货币政策调控目J.
7、经济评论,2008，(1).（责任编辑/李友平）财 经 论 坛134统计与决策2010年第4期（总第304期）的代表性，因此，具备将其作为参考企业的条件。2基于面板数据的市场法与基于截面数据市场法的对比在目前参考企业比较法操作中，一种方法是直接根据参考企业价值类乘数（PE、PB、PS等）进行差异调整，得出被评估企业的对应乘数值，然后计算出其企业价值，这种方法的主观性较大。另一种是对参考企业乘数及其主要影响因素进行回归，得出回归关系式，然后将被评估企业各项对应参数代入回归关系式，得出被评估企业相应乘数值，然后再计算其市场价值。但目前这些方法均基于基准日截面数据。1由于证劵市场受宏观经济影响波动巨
8、大，证券公司收益也随之波动。仅基于某一时点的截面数据不能反映企业内在价值，也难以消除整个行业被高（低）估的影响。面板数据模型结合基准日时点与整个经济环境变化期间来考虑各种价值乘数变化，可以较好解决此问题。2-43证券公司市场法评估实证分析采用参考企业比较法评估证券公司，首先需要确定参考企业。截止2008年12月31日，我国A股证券市场上市证券公司为8家，将其全部作为参考企业。其次，我们需要确定所采用的乘数及其主要影响因素，以确定我们进行因素比较的参数。Aswath Damodaran1基于稳定增长和两阶段现金流估价模型，推导出PE=f（增长、股息支付率、风险）=f（增长、ROE、风险）PB=f
9、（增长、股息支付率、风险、股权资本报酬率）=f（增长、ROE、风险）PS=f（增长、股息支付率、风险、利润率）=f（增长、ROE、风险）即三种价格乘数同样包含着体现公司内在价值的未来盈利增长、未来现金流及获得此现金流的风险。因此，在进行回归分析时，可以采用未来增长率、股息支付率和风险作为解释变量，将价格乘数作为被解释变量。在本次分析中，增长率采用每股收益的增长率G(g)，风险采用贝塔系数（）替代，现金流可用股息支付率（PR）为每股股利/每股收益，也可以采用ROE或FCFE/ER来代替。此外，他还认为对于金融服务公司（基于银行和保险公司），难以确定其销售额或收益，因此PS率不适合于此类公司。作者
10、针对我国证券公司的数据，分别以2008年12月31日为基准日，对基于截面数据的PE、PB、PS进行了回归；同时基于面板数据，以20042008年度上述各家公司PE、PB、PS进行了回归，并进行对比分析。截止2008年12月31日，我国A股上市证券公司共8家，其中太平洋（601099.SH）上市时间2007年12月28日，仅一年时间，不能满足面板数据要求，为保持两种回归样本的一致性，在两种回归中均不包含。分析中采用的各样本公司数据如表1，由于我国证券公司划分为创新类和规范类两大类，成为创新证券公司，必须在券商中排名为前十五名，这个十五名有各项指标。创新类券商有权利和能力去推荐某上市股份制公司进行
11、股权分制试点的资格，这项推荐工作会使券商得到不小的收入。因此，将7家公司按照是否创新类，增加虚变量Z（0创新类，1规范类）。3.1截面回归及结果分析将7家公司2008年12月31日PE、PS、PB作为被解释变量，分别将BETA、PR、G、ROE、Z作为解释变量，进行多元回归，回归时常数项均为0。首先，我们来看虚变量引入的影响。经过结果对比（表2），考虑了虚变量的回归结果总体比未采用的在统计检验方面较优。说明创新类与规范类的划分对证券公司业务和公司价值有明显的影响。其次，我们再考虑各解释变量对被解释变量解释程度（t证券代码600837.SH600109.SH000728.SZ600030.SH0
12、00783.SZ000562.SZ000686.SZ证券简称海通证券国金证券国元证券中信证券长江证券宏源证券东北证券表1参考证券公司基本数据年度year20042005200620072008200420052006200720082004200520062007200820042005200620072008200420052006200720082004200520062007200820042005200620072008市盈率PE10.9311.654.8041.4120.2133.19322.2117.0350.1815.7418.06-4.436.2424.6730.1388.52
13、32.0133.5323.8916.31278.51-4.5917.1627.1120.93-5.04292.4455.6428.1031.56109.2635.3818.1626.8517.04市销率PS10.646.050.7820.069.522.516.503.6312.367.921.370.842.9013.7212.6915.1812.4713.639.596.730.390.286.3412.917.0831.58-73.3123.9012.9110.707.262.833.4511.746.26市净率PB3.752.600.576.171.742.131.672.8711.5
14、95.501.711.061.3811.133.322.732.276.535.742.162.123.743.6010.853.194.273.464.849.553.433.591.302.6113.983.09贝塔值0.901.280.300.591.470.831.231.442.022.151.211.801.250.681.780.001.141.771.621.391.621.740.690.171.511.071.261.661.781.650.110.720.923.814.30股利支付率%PR0.005.3959.664.5222.4321.390.000.000.000.
15、530.000.000.0028.9045.5364.2967.5022.5012.0440.850.000.000.0031.8921.480.000.0046.1537.1024.280.000.000.000.0011.34增长率%G50.73-35.67-2.573060.00-49.375.06-91.98-2320.00263.1914.37118.52-303.73-58.90300.00-78.05-53.33128.57443.75350.56-45.00-75.68-5988.79-120.17355.56-70.21-2838.11101.411531.11348.39-
16、73.3838.4622.22-18.181080.00-69.79虚变量Z0.000.000.000.000.001.001.001.001.001.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.001.001.001.001.001.00净资产收益率%ROE41.0025.0120.1927.088.816.630.5223.0936.2939.909.99-21.3732.7460.3710.663.057.2626.8538.6613.680.77-57.8930.8656
17、.3513.36-59.451.1914.6342.169.873.323.7416.0481.5518.65数据来源：wind资讯，公司编号按表中顺序为1-7。由于受客观条件限制，样本容量（n=7）较小，理论上讲，为增加自由度，回归时常数项应为0。经过实际对比，同样条件下，常数项为0的估计结果好于不为0的情况。财 经 论 坛135统计与决策2010年第4期（总第304期）检验结果对比）及分析解释变量之间的相关性（防止出现多重共线性问题），在此基础上，优化解释变量。从表3可以看出，BETA、G在PE、PS、PB中的解释能力都较差，这主要可能是他们之间存在较大相关性所致（高增长同时会伴随高风险）
18、，同时，由于股票市场波动较大，企业增长率也存在较大波动，可能也是影响的一个因素。同时，由于PR受企业股利政策的影响较大，从表1中也可以看出，此数据在各年间及各公司间存在较大差异，且存在很多为0的情况。因此，我们将此数据采用ROE来代替，同时，考虑到ROE与BETA之间的高度相关性，将BETA剔除。从调整后的解释变量t检验结果(表4)看，有了很大改善。在此基础上，我们再来看根据此优化后解释变量回归的结果（表5）。可以看出，调整后统计检验结果较优。最后，我们再来对比参数估计结果的经济意义（表6）。参数调整前，Z与被解释变量正相关，显然经济意义不合理。应该是规范类证券公司价格乘数小于创新类，及价格乘
19、数与Z负相关。因此，从经济意义方面，优化后的解释变量回归结果正确。因此，最终我们可以选择这三个回归模型来计算被评估公司的市场价值。PE=-0.2415g+0.7311 roe-11.7071ZPS=-0.0805g+0.3324 roe-4.8765ZPB=-0.0171g+0.1610roe-0.8917Z最终采用这些模型确定被评估企业价值时，可采用三种结果平均值。3.2面板数据回归及结果分析表1和图1、2、3可以看出，7家证券公司不同时期的PE、PS、PB及各种解释变量等数据变化幅度非常大。这其中除了随证券市场变化的公司经营业绩外，还有不同时期非市场因素的影响。在截面回归分析中，增长率G、
20、净资产收益率ROE作为解释变量的效果更好。在面板数据回归中，也存在同样趋势（表8）。此外，由于采用的是时间序列和截面两个维度的数PE(,PR,G)0.95360.90930.51559.7539PE(,PR,G,Z)0.98320.96670.41677.2411PS(,PR,G)0.95350.90910.51513.7851PS(,PR,G,Z)0.98990.97990.44982.1788PB(,PR,G)0.91730.84150.40252.0231PB(,PR,G,Z)0.97730.95520.38801.3174回归统计Multiple RR SquareAdjusted R
21、 Square标准误差表2虚变量影响对比InterceptBETAPRGZt Stat#N/A-1.70922.3434-2.02991.8556P-value#N/A0.22950.14380.17950.2047t Stat#N/A-2.40273.9449-2.57472.6559P-value#N/A0.13820.05870.12350.1173t Stat#N/A-1.89922.5537-1.89382.2529P-value#N/A0.19790.12520.19870.1530PE(,PR,G,Z)PS(,PR,G,Z)PB(,PR,G,Z)表3t检验结果对比1回归统计Mul
22、tiple RR SquareAdjusted R Square标准误差(G,Z,ROE)0.98130.96300.60506.2298(,PR,G,Z)0.98320.96670.41677.2411(G,Z,ROE)0.97590.95230.58722.7408(,PR,G,Z)0.98990.97990.44982.1788(G,Z,ROE)0.99220.98450.64090.6322(,PR,G,Z)0.97730.95520.38801.3174PEPSPB表5解释变量调整前后结果对比回归统计GZROEBETAPRGZPE(G,Z,ROE)-0.2415-11.70710.7
23、311PE(,PR,G,Z)-34.61820.4887-0.912397.3691PS(G,Z,ROE)-0.0805-4.87650.3324PS(,PR,G,Z)-14.64260.2475-0.348241.9328PB(G,Z,ROE)-0.0171-0.89170.1610PB(,PR,G,Z)-4.43640.0163-0.084212.2589表6回归参数对比InterceptGZROEt Stat#N/A-4.8822-1.42202.8236P-value#N/A0.01640.25020.0665t Stat#N/A-3.7001-1.34632.9182P-value#
24、N/A0.03430.27090.0616t Stat#N/A-3.3968-1.06736.1284P-value#N/A0.04260.36410.0087PE(G,Z,ROE)PS(G,Z,ROE)PB(G,Z,ROE)表4t检验结果对比2财 经 论 坛136统计与决策2010年第4期（总第304期）面板数据模型估计和检验均采用stata10.0软件groe_consbetaprg_const2.30-1.874.11t-0.83-1.121.512.68P|t|0.0300.0730.000P|t|0.4150.2740.1450.013t0.020.221.52t0.351.220.
25、020.20P|t|0.9800.8260.140P|t|0.7280.2320.9860.842t1.314.644.12t1.260.061.702.24P|t|0.2010.0000.000P|t|0.2190.9560.1010.034PEPSPB表7不同解释变量t检验结果乘数模型PEPSPBF检验值F(6,26)=1.04F(6,26)=0.15F(6,26)=1.07概率ProbF=0.4209ProbF=0.9879ProbF=0.4070表8固定效应与混合回归检验乘数模型PEPB卡方检验值chi2(2)=(b-B)(V_b-V_B)(-1)(b-B)=4.25chi2(2)=(
26、b-B)(V_b-V_B)(-1)(b-B)=5.46概率Probchi2=0.1193Probchi2=0.0652表9Hausman检验结果groe_consCoef.032781-1.264274.82384Std.Err.0142587.677268918.22154Coef.-.0006183.10383372.483304Std.Err.0004716.0224006.602675PEPB表10参数估计值对比公司名称海通证券国金证券国元证券中信证券长江证券宏源证券东北证券平均值实际值20.2115.7430.1316.3120.9331.5617.0421.70预测值18.3613
27、.9926.6420.8726.7224.9418.7821.47标准残差1.311.232.473.224.094.691.232.61实际值9.527.9212.696.737.0810.706.268.70预测值6.907.239.838.1710.099.196.948.33标准残差1.850.492.031.022.131.070.481.29实际值1.827.333.112.312.492.853.273.31预测值2.265.293.052.973.352.843.303.30标准残差0.311.440.040.470.610.000.030.41实际值1.827.333.112
28、.312.492.853.273.31预测值3.436.623.643.933.913.554.464.22标准残差1.140.500.381.151.010.500.850.79PEPSPBPB截面模型表11不同模型预测结果对比面板模型据，而创新与规范类公司是2007年开始采用的标准，并且在以后各年影响是固定的，因此，虚变量Z在面板分析中需要去掉。在 确 定 解 释 变 量后，分别对PE、PS、PB进行模型估计。首先进行 固 定 效 应 模 型 的 估计，根据F统计量的概率判断是否混合回归（表8）。其中PE、PB个体效应显著，不能用混合回归。PS个体效应不显著，不能采用面板模型。其次，对PE
29、和PB进行随机效应模型估计，再此基础上通过Hausman检验（见表9），确定是固定效应模型还是随机效应模型。检验结果为采用固定效应模型。最后，对模型估计参数进行计量经济意义检验。PE模型中ROE系数为负，即其与PE负相关，显然不符合实际，因此舍弃PE模型。最终确定采用PB模型（表10）。PB=-0.0006183g+0.1038337 roe+2.4833043.3截面回归与面板回归结果对比及分析根据上述模型，分别对7家公司2008年12月31日的三个乘数进行预测，结果如表11。从预测结果统计描述对比，截面数据三个乘数中，平均值的残差率基本一致（PE、PB、约12%，PS为15%）。面板数据模
30、型（PB）平均值的残差率18%高于截面数据。从两种模型预测结果（图4）看，截面数据模型预测结果更贴近各公司基准日实际值，主要是在2008年末，各公司实际数值恰好趋于一致（之前各年均有较大波动）。面板数据模型预测结果均高于截面模型，而面板数据的这种预测结果，恰恰反映了市场的长期趋势。2008年末，由于全球金融危机的影响，整个市场环境的变化，证券行业的价值被低估了，但从长期趋势（图4）来看，企业的内在价值应该高于此时点数。4结论（1）基于证券公司业务特点，对其价值评估的合理方法首选市场法。（2）对证券公司来说，ROE和每股盈利的增长率G对价值乘数的影响更显著。而回归关键变量的确定需要经过“初选验证
31、再选”的多次循环。考虑发展能力和市场影响两方面因素，PB乘数更能较好反映企业内在价值。而较高的PB值，也更好体现出了证券公司无形资产的价值。（3）采用传统的市场法评估证券公司价值，存在着两个主要问题。首先是采用的乘数时有可能忽视诸如风险、增长或潜在现金流之类的关键性变量。其次，乘数反映市场对资产的感受，在市场高（低）估可比公司时，被评估公司同样会被高（低）估。采用基于风险、增长或潜在现金流之类的关键性变量进行截面回归，并且考虑创新类与规范类证券公司差异，设置虚变量，可以解决第一个问题。但却难消除市场高（低）估整个可比公司的影响（2007、2008年数据非常典型地反映此情况）。基于面板数据的模型
32、由于考虑了公司发展情况（时间序列影响）和基准日行业市场状况（截面）两方面的影响，相对熨平了市场波动，基本反映了各公司长期发展趋势，因而可以较好解决这两个问题。特别是其消除了整个市场被高（低）估的影响，使采用市场法的评估结果更能够反映企业的内在价值因素，与收益法结果的内涵更趋于一致。当然，由于受客观条件限制，样本数据较少，能否扩大样本范围，将银行、保险公司也纳入，或者按照类似的指标来选取参考公司，是需要进一步研究的问题。参考文献：1美Aswath Damodaran著.加林谦译.投资估价（第二版）M.北京：清华大学出版社，2004.2李子奈，叶阿忠编著.高等计量经济学M.北京：清华大学出版社，2009.3白仲林著.面板数据的计量经济分析M.天津：南开大学出版社，2008，（5）.4王志刚著.面板数据模型及其在经济分析中的应用M.北京：经济科学出版社，2008，（9）.（责任编辑/李友平）财 经 论 坛137