040509我国上市公司净资产收益率分布实证分析

第!卷增刊 "##$年%#月 经 济 学 !季 刊" &’()*+,-)-.(,/0*123145 6-47!#80997 :,27#"##$ 我国上市公司净资产收益率分布实证 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 111以电子通讯行业为例 李!钢" 摘!要!本文以电子通讯行业为例#对我国上市公司的净资产收益率分 布情况进行了实证分析%通过运用偏度与峰度联合检验法$5 " 拟合检验法$柯 尔莫哥洛夫检验法对样本数据的统计分析#我们认为#剔除异常点后#电子通 讯行业的净资产收益率近似服从正态分布#但有一定程度的偏离%对于偏离产 生的原因我们进行了初步分析#我们认为一是上市公司财务报 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 真实性存在问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 #二是上市公司会特别关注某个数值#从而会使在该数值左侧一个小区域内 的点小于理论频数#而该数值右侧一个小区域内的点大于理论频数% !!关键词!净资产收益率#正态分布#电子通讯行业#上市公司 " 中国社会科学院工业经济研究所%通信地址’北京市西城区阜成门外月坛北小街中国社会科学院工 业经济研究所#%##I;<&电话’%;E%%E!<";$&+=.*(4’>*)>4(!W(97G-’07)32% 一!引!!言 金融资产 !特别是股票"收益率的分布对现代金融理论而言具有十分重 要的意义%现有的广泛应用的金融计量模型#如资产组合模型$&CRD$ CRX以及L4*,M8,’-43G定价公式等都是以收益率服从正态分布为基础进行计 算%例如#威廉0夏普的资本资产定价模型 !&CRD 模型"认为风险资产收 益率与贝塔系数在一系列假设下存在线性关系#而风险资产收益率的分布特 征对这一线性关系的拟合程度有重要影响%在资本资产定价模型中#风险常 用方差来度量#这就说明投资者对收益的上下波动同样重视#要求收益率的 分布是对称的#进而要求收益率的分布符合正态分布%但有些国外学者如 HG0$D(4431和 N(,’31)的研究表明#股票短期收益率分布存在偏斜%目前我 国学者对于我国股票二级市场股价的分布情况 !更准确地说是由股价变动带 来的资本利得决定的投资收益"有较多的理论与实证研究% 但目前尚没有见到对上市公司净资产收益率分布情况的研究%实际上进 行股票投资的收益由两部分组成#一部分是资本利得 !即由于股价波动而导 致的买卖股票的差价"#另一部分是由于持有股票而带来的股利收入%股票价 格的波动是对公司盈利前景预期波动的反映%如果公司的盈利情况保持绝对 稳定的话#在其他宏观参数 !主要指真实利率"保持不变的情况下#公司的 %<#!! 经 济 学 !季 刊" 第!卷 股价也应保持不变%正是因为公司的盈利前景是不断变化的#因而公司的股 价也在不断变化#所以对上市公司净资产收益率分布情况的研究是更为基础 性的研究#可以为金融资产 !特别是股票"收益率的分布研究提供理论与实 证上的支持% 二!数学分析与净资产收益率假设 大量的实践经验告诉我们#如果一个随机变量 !["是由大量的独立的随 机变量 !W("共同决定#而且每一个随机变量 !W("对总和[ 的影响都很 小#这时[ 近似服从正态分布%随着随机变量 !W("的增多#[ 更加趋向正 态分布%由于正态分布在概率论的理论及实践中占有中心地位#因此人们把 研究上述问题的极限定理统称为中心极限定理%李雅普诺夫 !’()*+,-"中心 极限定理对于随机变量 !W("要求最低#不要求随机变量 !W("同分布#仅 要求随机变量 !W("独立#因而本文以 (李雅普诺夫中心极限定理)作为数 学引理% 李雅普诺夫中心极限定理’ 设W%#W"#5#WB#5是独立随机变量序列#它们具有有限的数学期望 和方差’ >!W("+)(#!O!W("+! " ( ,#!!!!(+%#"#5#B" !! 记5"B +3 B (+% !"( #若存在正数.#使得 4(. B&\ % 5",4B 3 B (+% >VW(-)(V ",4+## !%" 则随机变量\B + 3 B (+% W(-3 B (+% ) 5B 的分布函数RB!1"对于任意1-!-\#,\" 均有’ 4(. B&\ RB!1"+4(. B&\ / 0 J 3 B (+% W(-3 B (+% )( 5B # 1 2 1 + % "!$( 1 -\ 3 -" " "B". !"" !!因为上式的证明比较复杂#由于篇幅限制本文从略%有兴趣的读者可以 参考有关概率的 书 关于书的成语关于读书的排比句社区图书漂流公约怎么写关于读书的小报汉书pdf 籍% 上述定理表明#在本定理的条件下#随机变量 \B + 3 B (+% W(-3 B (+% ) 5B . 增刊 李!钢’上市公司净资产收益率分布实证分析 %<%!! !!当B&[\时#\B 服从 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 正态分布S!##%"%在现实生活中#只要用B 的数量足够大 !也就是说决定\B 的随机变量足够多"#\B 就近似服从标准正 态分布S!##%"%由正态分布函数性质可知#当B的数量足够大时#由 !;" 决定的随机变量[B 近似地服从正态分布 $S 3 B (+% )(#5 "%B % [B +3 B (+% W( +5B\B,3 B (+% )(. !;" !!我们特别注意到李雅普诺夫中心极限定理不要求决定[B 的随机变量W( 独立同分布#而仅要求W( 独立%也就是说#无论各随机变量W(!(Z%#"#5" 具有怎样的分布#只要满足定理的条件#当B足够大时[B 就近似地服从正态 分布%这就给我们的研究带来了很大的方便% 在财务管理中#净资产收益率有较多的计算方式#我们按 !!"定义净资 产收益率’ 净资产收益率 + 当年净利润 期末净资产 !!" !!在做分析前#我们先对净资产收益率做如下假设’ !%"决定公司净资产收益率的因素足够多#并且各因素之间相互独立& !""每个因素对净资产收益都没有起到决定性作用& !;"各公司的财务报表真实可靠& !!"公司对财务报表的 (偏好)是连续的#即公司认为净资产收益率越高 越好#但不会认为处于某一数值两侧的点有巨大的区别%例如#公司不会认 为净资产收益率$g###%f与!gEEEEf有什么大的区别#从而不会采取特别的 行动使净资产收益率从!gEEEEf变到$g###%f%该假设认为没有这样一个数 值是公司特别关注的#从而没有特别的动力采取措施使净资产收益率在该数 值点附近发生变化% 净资产收益率是衡量公司财务状况的最全面$最综合的指标%净资产收 益率由很多因素共同决定%例如杜邦分析体系就将净资产收益率层层分解到 若干指标%根据 (李雅普诺夫中心极限定理)#可以推断一个公司的净资产收 益率应服从正态分布%但是#由于我国上市公司存在的时间较短#并且近十 几年我们的宏观经济形式变化较大#因而很难对一个公司的净资产收益率分 布情况进行检验%我们考虑到同一行业上市公司的净资产收益率应以行业平 均利率为中心进行上下波动#因此#我们可以检验同一年份同一行业上市公 司的净资产收益率分布情况%这样#一方面可以获得足够多的数据#并且能 够排除由于宏观经济形式变化对企业净资产收益率的影响%我们选择的行业 应有较多的上市公司#并且竞争程度应较高%据此#我们选择了电子通讯行 业进行统计分析%!! %<"!! 经 济 学 !季 刊" 第!卷 三!偏度与丰度联合检验法 正态分布的随机变量#其偏度等于零#峰度等于;#也就是说符合正态分 布的密度曲线左右对称且陡缓适中%因而在样本容量较大的情况下 !至少大 于"#"#可以用偏度与丰度的联合检验法来检验一个样本是否来自正态总体% 如果一个样本来自于正态总体#则样本的经验分布密度 !直方图"就不能偏 斜太大#也不能过陡或过缓%我国国家标准YL!II"=I$ 2数据的统计处理和 解释3给出了偏度与丰度联合检验的临界域的边界曲线图#我们可以据此进 行相应的检验% 假设来自总体-的一组样本值为1%#1"#5#1B#设总体的偏度为"%#丰 度为""#则有 "% +> !-->-" ; !O-" ;/" # !$" "" +> !-->-" ! !O-" " . !<" !!由于总体分布未知#因而不能用极大似然估计#而仅能用矩估计法%根 据矩估计法#可推出样本的偏度#% 与峰度#" 如下’ #% + !B3 B C+% !1C-81" ! ; 3 B C+% !1C-81""" ;/" # !?" #" + B3 B C+% !1C-81" ! ! 3 B C+% !1C-81 "" ". !I" !!正态分布总体的偏度为零#峰度为;%如果根据样本值计算出的偏度大于 零#则说明样本为右偏&偏度小于零#则说明样本为左偏%如果根据样本值 计算出的峰度小于;#则说明样本在均值附近比较集中&如果根据样本值计算 出的峰度大于;#则说明样本向两端分散#而没有向均值附近集中%如果样本 来自正态分布的总体#偏度应接近于零#且峰度接近于;%对于 (接近)的定 量分析#就要根据偏度与丰度的联合检验图来描述%我们给出了/Z#g#$时 的检验图#我们将依据该图进行偏度与丰度的联合检验% "##"年我国电子通信行业净资产收益率见表%#我们将表中的数据作为 一个样本#检验是否总体服从正态分布% 增刊 李!钢’上市公司净资产收益率分布实证分析 %<;!! %&’0>C4)4+?(:26>2*(,+’)*0’5@2>2*+7J’5-4(,)24 YCbY K‘ !M3CB!7!’0#G!&%A*NA0C#$N0C!B0!7" &;4(,0*(!X’(G9*931G20B(3G2’3B(G21(O02(-)-AS:+*.-)>&’()3G34(G23B,-.9*)(3G() 2’3343,21-)(,*)B2343,-.()B0G21(3G7FG()>2’3GM3_)3GG=M012-G(G23G2*)B2’3&’(=Ge0*13 23G2#_3A()B2’*22’3B(G21(O02(-)(G,4-G32-2’3)-1.*4B(G21(O02(-)*42’-0>’2’313*13*4G- )-2(,3*O43B3W(*2(-)G7N3A()B2_-A*,2-1G2’*2()B0,32’3B3W(*2(-)G7X’3A(1G2(G2’*22’313 *1391-O43.G_(2’2’3*02’3)2(,(25-A2’3*))0*4A()*),(*4139-12G-AG-.3,-.9*)(3G7X’3 G3,-)B(G2’*24(G23B,-.9*)(3GG32*,312*()2*1>32A-1S:+#*91*,2(,32’*243*BG2-GM3_3B B(G21(O02(-)-AS:+7 <6=3>044)?)*0()+’!&!##Y;E#KE<