前言：本站為你精心整理了行業(yè)股票收益預(yù)測(cè)淺析范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

研究方法及設(shè)計(jì)

本文樣本選取22只水泥行業(yè)的深滬A股，并且剔除了3只ST股票。其18只股票分別為：亞泰集團(tuán)、拓中建設(shè)、西水股份、青松建化、賽馬實(shí)業(yè)、獅頭股份、海螺水泥、劍鋒集團(tuán)、祁連山、華新水泥、福建水泥、冀東水泥、江西水泥、天山股份、同力水泥、四川雙馬、科學(xué)城、塔牌集團(tuán)。其中，考慮到行業(yè)之間盈利能力的不同，為保證財(cái)務(wù)報(bào)表之間的可比性，所以選擇了同一行業(yè)。剔除3只ST股票是由于報(bào)表可信度方面的考慮。其過(guò)程：首先根據(jù)2009年度財(cái)務(wù)報(bào)表，計(jì)算出財(cái)務(wù)比率值，對(duì)其主成分分析，根據(jù)貢獻(xiàn)率達(dá)到95%的要求，選出其主成分因子；其次，對(duì)于probit模型因變量Y，是根據(jù)每只股票與對(duì)應(yīng)大盤的收益做比較，設(shè)計(jì)0與1值；最后，應(yīng)用單變量Probit模型和多變量Probit模型對(duì)主成分分析得出的因子進(jìn)行檢驗(yàn)，并驗(yàn)證模型預(yù)測(cè)股票收益的能力。

指標(biāo)的選擇及主成分分析

財(cái)務(wù)比率的選擇及數(shù)據(jù)

本文選取了八項(xiàng)財(cái)務(wù)比率，是完全基于以前學(xué)者所使用的財(cái)務(wù)數(shù)據(jù)項(xiàng)目，它們基本上反映了企業(yè)的財(cái)務(wù)狀況，并且包括2009年的年度報(bào)表數(shù)據(jù)(均表示為百分比)。其中包括資產(chǎn)負(fù)債管理能力，盈利能力及成長(zhǎng)能力。資產(chǎn)負(fù)債管理能力包括股東權(quán)益比X1，流動(dòng)比率X2和總資產(chǎn)周轉(zhuǎn)率X3；盈利能力包括經(jīng)營(yíng)毛利潤(rùn)X4，資產(chǎn)利潤(rùn)率X5和凈資產(chǎn)收益率X6；成長(zhǎng)能力包括總資產(chǎn)增長(zhǎng)率X7，主營(yíng)收入增長(zhǎng)率X8。

主成分分析

本文利用matlab軟件進(jìn)行主成分分析處理。按累計(jì)貢獻(xiàn)率達(dá)到95%要求，選取了F1，F(xiàn)2，F(xiàn)3，F(xiàn)4，F(xiàn)5等5個(gè)主成分來(lái)代替原來(lái)的8項(xiàng)財(cái)務(wù)比率，這5個(gè)主成分因子包含原來(lái)指標(biāo)信息的95.7%。X與5個(gè)主成分因子的線形組合關(guān)系為。根據(jù)上式可知，F(xiàn)1主要含有，X5和X6信息，F(xiàn)2主要含有X5和X7，X8信息，F(xiàn)3主要含有X1，X2信息，F(xiàn)4含有X1，X4信息，F(xiàn)5主要含有X3信息。可見(jiàn)，F(xiàn)1包含了資產(chǎn)周轉(zhuǎn)率和利潤(rùn)及凈資產(chǎn)利潤(rùn)，并且均為負(fù)數(shù)，說(shuō)明F1越小越好；F2包含了凈資產(chǎn)利潤(rùn)及成長(zhǎng)能力指標(biāo)；F3包含了資產(chǎn)負(fù)債指標(biāo)，并且為負(fù)數(shù)；F4包含了毛利潤(rùn)及股東權(quán)益比指標(biāo)；F5反映資產(chǎn)周轉(zhuǎn)率指標(biāo)。然后把X1，X2，X3，X4，X5，X6，X7，X8標(biāo)準(zhǔn)化后的數(shù)據(jù)代如上式，得主成分因子所對(duì)應(yīng)的18只股票數(shù)據(jù)值。

基于Probit模型預(yù)測(cè)

對(duì)于主成分分析得出的5個(gè)綜合指標(biāo)是否能反映出財(cái)務(wù)報(bào)表的總體狀況并預(yù)測(cè)股票的收益率的實(shí)證研究，本文利用Probit模型進(jìn)行分析及預(yù)測(cè)。Y代表股票收益率與大盤指數(shù)收益比較的二元結(jié)果。選取2010年2月到2011年2月股票收益率。當(dāng)股票收益率于大盤指數(shù)收益時(shí)，取Y值為1，反之為0。對(duì)于由5個(gè)指標(biāo)構(gòu)成的先行指標(biāo)組，記為F1，F(xiàn)2，F(xiàn)3，F(xiàn)4，F(xiàn)5則相應(yīng)的Probit模型為。本文采用極大似然方法估計(jì)Probit模型。選用McFaddenR2以測(cè)定所得Probit模型的擬合優(yōu)度，它與線性回歸模型R2類似,介于0和1之間,值越接近于1說(shuō)明模型的擬合程度越好。4.1單變量與多變量Probit模型為合理評(píng)價(jià)每個(gè)主成分因子，所以采用單變量Probit模型進(jìn)行分別估計(jì)，此處采用Eview7.0進(jìn)行數(shù)據(jù)處理，結(jié)果見(jiàn)表1。通過(guò)表我們發(fā)現(xiàn)，單變量McFaddenR2擬合度太小，并且有Z統(tǒng)計(jì)量和P值可知，除外，p值均大于10%，不顯著。為此，我們構(gòu)造多變量模型。本文考慮構(gòu)造一個(gè)多變量的模型，分析它們共同作用對(duì)表示股票的收益的離散指標(biāo)Y的解釋能力是否有提高。表2列出了本文采用逐步法選擇解釋變量個(gè)數(shù)的過(guò)程，根據(jù)McFaddeR2擬合度，AIC及顯著性檢驗(yàn)來(lái)初步確定主成分因子的個(gè)數(shù)。對(duì)于表2中，我們可以看到擬合情況。沒(méi)有設(shè)置F1，F(xiàn)2，F(xiàn)3，F(xiàn)4與F1，F(xiàn)2，F(xiàn)3，F(xiàn)4，F(xiàn)5的原因是由于其Z統(tǒng)計(jì)量及P值出現(xiàn)不顯著情況(顯著水平均大于20%)。綜合考慮各個(gè)指標(biāo)，雖然F1，F(xiàn)2，F(xiàn)3的p值比較高，但是考慮到擬合度及AIC的原因，這里選擇F1，F(xiàn)2，F(xiàn)3三個(gè)解釋變量，具體見(jiàn)表3。該模型具有良好的擬合優(yōu)度,方程中McFaddenR2統(tǒng)計(jì)量為0.72,表明多變量Probit模型的預(yù)測(cè)能力明顯提高。

本文作者：葉明確張順虎作者單位：上海大學(xué)經(jīng)濟(jì)學(xué)院